核電廠設(shè)備狀態(tài)評估是保障核電廠進行安全運行的提前條件，同時也是提高設(shè)備可靠性的重要手段，一直以來都面臨著設(shè)備數(shù)量巨大且種類繁多、部分區(qū)域設(shè)備運行環(huán)境惡劣(高溫、高壓、高輻射等)以及部分設(shè)備位于人員不可達區(qū)域等問題.目前，主要利用被監(jiān)測參數(shù)變量的閾值進行核電設(shè)備的異常監(jiān)視或故障診斷.但在面對系統(tǒng)與系統(tǒng)、設(shè)備與設(shè)備的復(fù)雜數(shù)據(jù)接口，以及高緯度、多變量數(shù)據(jù)時，變量閾值法過于簡單，評估效果不佳.此外，目前主要依賴設(shè)備運行的故障情況、運行維修手冊和相關(guān)經(jīng)驗數(shù)據(jù)預(yù)估設(shè)備壽命周期，并給出設(shè)備的預(yù)防維修策略.但在設(shè)備壽命評估過程中，受設(shè)備運行環(huán)境、溫度和狀態(tài)以及設(shè)備工程師的經(jīng)驗水平等因素影響，同時存在設(shè)備過度維修和失效未及時發(fā)現(xiàn)的問題.在故障診斷方面，多依賴于工程師的經(jīng)驗和技術(shù)水平進行故障定位和排查，從而判斷設(shè)備的運行參數(shù)和故障后的測量參數(shù)，該過程耗時往往較長，對核電的可靠運行是一個巨大考驗.

在線監(jiān)測系統(tǒng)和智能巡檢系統(tǒng)等新技術(shù)通過各類傳感器或巡檢采集海量核電設(shè)備相關(guān)運行數(shù)據(jù)，能夠為核電廠設(shè)備的狀態(tài)評估積累數(shù)據(jù).近年來，核電廠逐漸引入新技術(shù)，國內(nèi)外專家學(xué)者也逐步關(guān)注核電設(shè)備的可靠性分析、異常辨識和故障診斷等相關(guān)領(lǐng)域研究，在提高核電廠的安全性和降低維護成本方面，取得了一定成效.

基于上述背景，本文介紹核電設(shè)備的監(jiān)視和檢修維護現(xiàn)狀，引出設(shè)備狀態(tài)與維修策略之間的關(guān)系.基于數(shù)據(jù)驅(qū)動，重點綜述設(shè)備的異常檢測、故障診斷和壽命預(yù)測，并結(jié)合核電廠設(shè)備狀態(tài)評估發(fā)展新趨勢，探討深度學(xué)習(xí)技術(shù)在該領(lǐng)域的應(yīng)用前景；進一步指出未來研究中將面臨的挑戰(zhàn)和解決方案，重點闡述核電廠的潛伏性故障研究.具言之，首先詳細描述在線監(jiān)督和檢修維護的現(xiàn)狀，包括核電廠設(shè)備狀態(tài)監(jiān)視現(xiàn)狀、檢修維護現(xiàn)狀和存在問題；其次介紹核電廠常見的機械、電氣和儀控設(shè)備及故障模式；再次從異常檢測、故障診斷和壽命預(yù)測3個方面詳細闡述核電設(shè)備的狀態(tài)評估方法；最后介紹深度學(xué)習(xí)在核電設(shè)備狀態(tài)評估中的探索研究，以及核電設(shè)備狀態(tài)評估面臨的挑戰(zhàn)及其解決方案.

1 核電廠在線監(jiān)測與檢修維護現(xiàn)狀

1.1 核電廠設(shè)備狀態(tài)監(jiān)測現(xiàn)狀

核電廠設(shè)備狀態(tài)監(jiān)測主要分為在線監(jiān)測和離線監(jiān)測，其中在線監(jiān)測是將傳感器數(shù)據(jù)接入核電廠全廠數(shù)字化儀控系統(tǒng)實現(xiàn)設(shè)備監(jiān)測.以壓水堆核電廠為例，在線監(jiān)測框架如圖1所示，包括微機診斷、在線監(jiān)督和工藝參數(shù)監(jiān)控等3部分.離線監(jiān)測主要采用人工巡檢和設(shè)備定期試驗的方式進行，現(xiàn)有核電廠設(shè)備的監(jiān)測與檢修、在線監(jiān)測與離線監(jiān)測并重，涉及設(shè)備層、儀表層、自診斷層、設(shè)備監(jiān)視層和設(shè)備監(jiān)督層.依據(jù)設(shè)備診斷方式不同，分為以下4種類型的診斷與告警.

(1) 設(shè)備狀態(tài)的離線監(jiān)測診斷.分為定期試驗和人工巡檢.在定期試驗中，核電廠的相關(guān)法規(guī)規(guī)范HAF102、IEC 60671—2007、IEEE 338—2006和GB/T 5204—2008等對核電廠設(shè)備的定期試驗內(nèi)容和周期等均進行了要求，包括正常功率運行和機組大修情況下的定期試驗.定期試驗的目的為確保設(shè)備在事故工況下的可用性，以及考慮到部分設(shè)備的老化、性能下降問題，需要進行測試以確保核安全.其執(zhí)行的主要內(nèi)容包括現(xiàn)場儀表校驗、核安全設(shè)備是否正常動作、管道焊縫檢驗、貫穿件密封性試驗、水壓試驗、安全殼打壓試驗和安全系統(tǒng)監(jiān)督試驗大綱要求的相關(guān)定期試驗項目等.在人工巡檢中，考慮到在線監(jiān)督無法覆蓋所有核電廠設(shè)備的故障情況，核電廠工程師需要定期巡檢設(shè)備，主要采用熱成像儀等巡檢工具，以及聲音、振動、目視檢查等人工巡檢方式.

1.4 統(tǒng)計學(xué)方法 采用SPSS 22.0統(tǒng)計學(xué)軟件對數(shù)據(jù)進行處理。計量資料以均數(shù)±標準差表示，組間比較采用t檢驗；計數(shù)資料以例(百分率)表示，組間比較采用χ2檢驗。以P<0.05為差異有統(tǒng)計學(xué)意義。

她一上車就說，好幸運，暴雨天打到了車。但這話剛說完，她就發(fā)現(xiàn)一個問題，都這么晚了，她家住得有點偏，還下這么大雨——她越想越害怕。這時候，司機問她，“這么晚了，你是剛下班嗎？”

(2) 控制電氣類設(shè)備微機診斷.涉及的核電廠設(shè)備主要為電氣保護和控制類帶微處理器單元設(shè)備，包括集散控制系統(tǒng)、可編程邏輯控制器和廠家的微機處理器.一般情況下，設(shè)備以綜合報警的形式將自身狀態(tài)監(jiān)測通過全廠數(shù)字化儀控系統(tǒng)傳送至設(shè)備監(jiān)視層人機界面，并進行綜合報警.其診斷信息若沒有接入全廠數(shù)字化儀控系統(tǒng)，則以就地報警的形式進行報警顯示.

(3) 機電工藝參數(shù)監(jiān)控.主要監(jiān)控系統(tǒng)現(xiàn)場運行工藝參數(shù)和設(shè)備運行參數(shù)，并通過設(shè)備監(jiān)視層的人機界面進行監(jiān)視.從系統(tǒng)和設(shè)備兩個層級劃分為反應(yīng)堆安全及工藝系統(tǒng)的狀態(tài)監(jiān)測和設(shè)備運行的工藝參數(shù)狀態(tài)監(jiān)測.前者從整體工藝系統(tǒng)和反應(yīng)堆的安全狀態(tài)考慮，對采集到的溫度、壓力、水位和反應(yīng)堆中子注量率等現(xiàn)場工藝參數(shù)數(shù)據(jù)進行邏輯判斷，由特定的控制系統(tǒng)給出故障診斷，并做出邏輯動作；該類型故障或異常報警閾值主要依靠核電廠設(shè)計單位對反應(yīng)堆安全及工藝系統(tǒng)的運行要求進行設(shè)定.后者主要監(jiān)測核電廠設(shè)備的運行參數(shù)，保護設(shè)備安全運行.主要涉及的設(shè)備包括：① 汽輪機、應(yīng)急柴油機、泵、閥門、風(fēng)機等轉(zhuǎn)機設(shè)備；② 發(fā)電機、電動機、變壓互感器、開關(guān)、電纜、蓄電池等電氣設(shè)備；③ 部分容器、交換器、管道等靜機設(shè)備.其狀態(tài)監(jiān)測系統(tǒng)主要利用設(shè)備上的相關(guān)傳感器收集相關(guān)數(shù)據(jù)，并根據(jù)廠家對機械設(shè)備保護的要求設(shè)置報警閾值、進行設(shè)備故障診斷、報警和保護動作.

(4) 早期故障在線診斷.當(dāng)上述控制電氣類設(shè)備微機診斷和機電工藝參數(shù)監(jiān)控觸發(fā)告警時，設(shè)備已處于故障模式或已影響核電廠的正常運行.如何能夠在故障出現(xiàn)前，識別和評估現(xiàn)場的故障風(fēng)險是當(dāng)前核電設(shè)備狀態(tài)評估的發(fā)展趨勢.依托于現(xiàn)有數(shù)字化電廠，全廠數(shù)字化儀控系統(tǒng)將現(xiàn)場采集到的各類設(shè)備數(shù)據(jù)上傳至在線狀態(tài)評估系統(tǒng)中，突破原有單純依靠故障報警閾值的觸發(fā)機制，利用數(shù)據(jù)驅(qū)動建模分析手段，構(gòu)建核電設(shè)備狀態(tài)評估模型, 實現(xiàn)在故障報警之前識別早期故障風(fēng)險，提升核電廠設(shè)備監(jiān)測水平，是目前業(yè)內(nèi)重點關(guān)注的研究領(lǐng)域.

1.2 核電廠檢修維護現(xiàn)狀與問題

目前，核電廠的維修策略多采用周期性預(yù)防性維修與故障性維修策略相結(jié)合的方法.周期性預(yù)防性維修主要包括對設(shè)備進行定期加油、加脂等保養(yǎng)，根據(jù)設(shè)備部件的預(yù)期壽命定期更換老化部件.故障性維修是對設(shè)備故障進行的搶救性維修.現(xiàn)有核電廠維修策略多關(guān)注于尋求預(yù)防維修和故障性維修之間的最佳匹配平衡點，盡量避免過度維修或維修不及時，但采用該策略存在如下問題：

大劑量甲氨蝶呤治療兒童急性淋巴細胞白血病后的不良反應(yīng)及血藥濃度監(jiān)測…………………………………………………………………… 李 靜，等(4):431

(1) 利用人工經(jīng)驗判斷不易得到最優(yōu)預(yù)防性維修周期.預(yù)防性維修周期往往是基于設(shè)備工程師或維修工程師對整個設(shè)備的運行故障經(jīng)驗、廠家設(shè)備運行維護手冊和外部同行電廠經(jīng)驗反饋的綜合考慮，并結(jié)合工程師經(jīng)驗而設(shè)定，受主觀因素的影響較大，且設(shè)備工程師往往無法給出準確的最優(yōu)預(yù)防性維修周期.

(2) 現(xiàn)有設(shè)備產(chǎn)品的整個生命周期均采用同一個預(yù)防性維修策略，使得維護周期不夠靈活.產(chǎn)品預(yù)防性周期的調(diào)整僅根據(jù)相同或同類產(chǎn)品的相關(guān)故障情況的經(jīng)驗反饋，以及工程師經(jīng)驗進行人為判斷.而更合理的維修策略應(yīng)為隨著產(chǎn)品的老化，逐步增加維護手段或維護頻度，但該方面依賴于對設(shè)備老化狀態(tài)的有效評估.

(3) 現(xiàn)有采用保守定期部件更換的維修策略，其維修代價高昂.目前，預(yù)防性維修策略因不能有效判斷設(shè)備的運行情況，而存在過度維修問題，從而消耗大量人工和備品、備件.

綜上所述，預(yù)防性維修與故障性維修策略相結(jié)合的方法無法執(zhí)行有針對性的維修.因此，利用大數(shù)據(jù)分析技術(shù)，將預(yù)防性維修與故障性維修相結(jié)合的維修策略向基于狀態(tài)維修策略轉(zhuǎn)變是核電廠運維檢修的必然趨勢.

2 核電廠設(shè)備及其常見的故障分析

以壓水堆核電廠為例，根據(jù)系統(tǒng)設(shè)備所在的位置與功能，其設(shè)備組成通常可分為3部分：①反應(yīng)堆及其有關(guān)的一回路主輔系統(tǒng)和設(shè)備以及所在建筑物，即核島；②汽輪發(fā)電機組及其有關(guān)的二、三回路系統(tǒng)和設(shè)備以及所在建筑物，包括循環(huán)水系統(tǒng)及其建筑物，即常規(guī)島；③相關(guān)外圍輔助系統(tǒng).而根據(jù)核電廠內(nèi)設(shè)備類型又可分為機械類設(shè)備、電氣類設(shè)備和儀控類設(shè)備.核電機械類設(shè)備主要由轉(zhuǎn)機械設(shè)備和靜機械設(shè)備組成，核電電氣類設(shè)備主要由電機等大型設(shè)備、各類變壓器設(shè)備、繼電保護設(shè)備和其他設(shè)備組成，核電儀控類設(shè)備由安裝在現(xiàn)場的各類探測器、集散控制系統(tǒng)(DCS)和可編程邏輯控制器控制系統(tǒng)等組成，其常見設(shè)備種類和故障類型如表1～3所示.

分析上述3類核電設(shè)備的故障模式.可知，大部分故障的產(chǎn)生原因為長期服役過程中設(shè)備或部件的逐漸劣化.對于核電廠的絕大多數(shù)設(shè)備而言，依據(jù)其在線檢測的時序數(shù)據(jù)，可以將失效過程分為兩個階段：第一個階段為從系統(tǒng)安裝調(diào)試運行到出現(xiàn)異常的正常工作階段，在該階段監(jiān)測得到的數(shù)據(jù)一般比較平穩(wěn)，沒有明顯的變動趨勢.第二階段是從異常點出現(xiàn)到系統(tǒng)退化直到失效的過程，該階段監(jiān)測得到的數(shù)據(jù)將呈現(xiàn)一定的退化趨勢，可以根據(jù)退化趨勢建立模型，預(yù)測系統(tǒng)的壽命或剩余壽命.一些電儀類部件的失效具有瞬時性，一般情況下可以通過統(tǒng)計該部件或設(shè)備的工作壽命，對現(xiàn)有運行設(shè)備進行壽命預(yù)測.

將第二階段作為設(shè)備狀態(tài)評估的關(guān)鍵，以便制定相應(yīng)的維修方案.設(shè)備狀態(tài)與維修策略關(guān)系如圖2所示，包括3種類型的設(shè)備生命周期狀態(tài)評估，即設(shè)備的異常檢測、壽命預(yù)測和故障診斷.針對上述核電設(shè)備狀態(tài)評估類型，圍繞基于數(shù)據(jù)驅(qū)動的方法，對現(xiàn)有國內(nèi)外相關(guān)研究進行分析總結(jié).

3 核電設(shè)備狀態(tài)評估方法

(3) 核電廠在安裝和調(diào)試設(shè)備過程中產(chǎn)生的數(shù)據(jù).該數(shù)據(jù)中的部分數(shù)據(jù)以紙質(zhì)版形式記錄在安裝文件和調(diào)試報告中；部分數(shù)據(jù)由全廠數(shù)字化儀控系統(tǒng)采集，但同樣具有分散和摻雜人工因素判斷等特點.

近年來的研究也逐漸關(guān)注到數(shù)據(jù)驅(qū)動的異常檢測方法.系統(tǒng)的動態(tài)特性必然表現(xiàn)在變化的輸入輸出數(shù)據(jù)中，通過分析在線監(jiān)測系統(tǒng)獲得大量運行數(shù)據(jù)，有望獲得對設(shè)備狀態(tài)的實時評估.因此，以神經(jīng)網(wǎng)絡(luò)為代表的數(shù)據(jù)建模手段開始應(yīng)用于核電設(shè)備異常檢測.Kozma等針對堆芯泡核沸騰問題，采用三層前向神經(jīng)網(wǎng)絡(luò)建立冷卻劑狀態(tài)變化的檢測模型，并取得初步進展.此后，該團隊進一步將神經(jīng)網(wǎng)絡(luò)應(yīng)用于核電廠大系統(tǒng)，實現(xiàn)在一個比較寬的功率范圍內(nèi)實時檢測核電啟堆、停堆以及穩(wěn)態(tài)情況下的數(shù)據(jù)異常.在此基礎(chǔ)上，該團隊又基于神經(jīng)網(wǎng)絡(luò)設(shè)計了專家系統(tǒng)，對異常原因進行定位，主要研究包括一回路冷卻劑微小泄漏、主蒸汽隔離閥泄漏、部分失去主給水等多個事故工況的故障問題.但上述神經(jīng)網(wǎng)絡(luò)的應(yīng)用均采用單一神經(jīng)網(wǎng)絡(luò)，考慮到經(jīng)典三層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性能和泛化能力面臨多維數(shù)據(jù)的局限性，Ayaz提出將單一神經(jīng)網(wǎng)絡(luò)擴展到多個神經(jīng)網(wǎng)絡(luò).此后，一些新的機器學(xué)習(xí)算法也逐步得到應(yīng)用.Stephen等利用隱馬爾科夫模型對氣冷式反應(yīng)堆的燃料抓斗負荷跟蹤數(shù)據(jù)進行異常檢測；Jin等為解決核電設(shè)備的伴生異常問題，利用符號動態(tài)濾波法檢測微小且發(fā)展緩慢的異常; Cózar等將動態(tài)貝葉斯網(wǎng)絡(luò)應(yīng)用到核電站異常檢測.2005年，SVM模型嶄露頭角.與神經(jīng)網(wǎng)絡(luò)相比，SVM無需調(diào)參，模型訓(xùn)練更高效，更易獲得全局最優(yōu)解.Rocco等將單分類SVM和多分類SVM組合成層次結(jié)構(gòu)的分類器，能夠辨識核電系統(tǒng)中暫態(tài)過程的異常; Ayodeji等利用多分類SVM對核電廠蒸汽發(fā)生器傳熱管出口、入口以及穩(wěn)壓器破口事故等多個異常進行分類檢測; Wang等進一步利用改進粒子群算法優(yōu)化SVM參數(shù)，提升了SVM的精度和速度，并應(yīng)用于LOCA檢測問題.

(2) 核電廠設(shè)備在制造和出廠測試過程中產(chǎn)生的數(shù)據(jù).該數(shù)據(jù)主要為由廠家以設(shè)備完工報告形式提交的PDF版離散數(shù)據(jù)，需要由有經(jīng)驗的工程師尋找獲取數(shù)據(jù)，且需要進行必要的文件格式轉(zhuǎn)換.

核電廠設(shè)備數(shù)據(jù)的獲取和質(zhì)量是基于數(shù)據(jù)驅(qū)動方法的核電廠設(shè)備狀態(tài)評估的基礎(chǔ).目前，核電廠設(shè)備數(shù)據(jù)主要包括以下幾種：

總體而言，在建造、安裝和調(diào)試階段產(chǎn)生的核電廠數(shù)據(jù)的整體質(zhì)量不高，需要人工清洗；在運維階段，由全廠數(shù)字化儀控系統(tǒng)和就地采集柜獲取的數(shù)據(jù)，其整體質(zhì)量相對較高，但在應(yīng)用到設(shè)備的狀態(tài)評估算法之前，仍需要對數(shù)據(jù)進行清洗和加工.

傳統(tǒng)機器學(xué)習(xí)方法的數(shù)據(jù)特征依靠人工提取，在面對核電廠日益復(fù)雜的非線性動態(tài)系統(tǒng)、大量狀態(tài)參數(shù)和大量故障信息及特征時，往往存在性能瓶頸.2016年后，深度學(xué)習(xí)作為機器學(xué)習(xí)利器異軍突起，其通過深度層次網(wǎng)絡(luò)自動提取數(shù)據(jù)特征，可獲得更易于辨識診斷的高層特征.DBN是早期比較實用的深度學(xué)習(xí)網(wǎng)絡(luò)，Mandal等利用DBN對核電廠堆芯熱電偶進行故障檢測，并利用廣義似然比檢驗進行故障分類，獲得93.78%的故障識別率.Peng等利用相關(guān)性分析過濾故障數(shù)據(jù)中的無關(guān)或弱相關(guān)參數(shù)，并同樣利用DBN進行數(shù)據(jù)預(yù)訓(xùn)練和調(diào)參，應(yīng)用于失去一回路冷/熱段破口、蒸汽管道破口、蒸汽超負荷、SGTR等事故的故障診斷.陳玉昇等直接將時域信號數(shù)據(jù)輸入DBN并進行訓(xùn)練和整體微調(diào)，研究LOCA和U型管破裂事故，整體故障識別率達97%.上述研究結(jié)果均表明DBN性能優(yōu)于反向傳播神經(jīng)網(wǎng)絡(luò)和SVM.

從K鄰近值(KNN)、決策樹、隨機森林、隱馬爾科夫、SVM、主成分分析(PCA)等傳統(tǒng)機器學(xué)習(xí)算法，到目前熱門流行的深度神經(jīng)網(wǎng)絡(luò)(DNN)、長短時記憶網(wǎng)絡(luò)(LSTM)、DBN等深度學(xué)習(xí)算法，以及自編碼器等人工智能方法均在核電廠的設(shè)備狀態(tài)評估方面應(yīng)用廣泛.

的士直接開到了竹韻居住的宿舍大院停下來，竹韻從屋里推出輪椅，坐在司機副座的公司男員工下車，打開車門把龍斌抱到了輪椅上。竹韻付了車費，推著龍斌回到屋里，男員工和小保姆提著從醫(yī)院帶回的生活用品跟在后面。男員工喝了茶告辭回公司上班去了，小保姆在一旁開始整理從醫(yī)院帶回的東西。竹韻推著龍斌來到了電腦前為他開了機，打開了電子信箱：“阿斌，你住院期間，收到了好多網(wǎng)友的郵件。你看，他們都很關(guān)心你！”

浙江省已建成水庫4 000多座，總庫容380多億m3，灌溉農(nóng)田1 200多萬畝（80多萬hm2），年供水量90多億m3，年發(fā)電量約 60億 kWh。浙江省大部分大中型水庫工程修建于20世紀六七十年代，工程運行管理面臨財政投入水平低、管理維護經(jīng)費短缺、員工待遇低等問題，制約了水庫生存和發(fā)展，嚴重影響水庫效益的發(fā)揮。為切實了解浙江省大中型水庫財務(wù)運行實際狀況，于2010年9月開始對浙江省內(nèi)大中型水庫進行了典型調(diào)查，涉及省內(nèi)7個地市53座水庫。

3.1 基于數(shù)據(jù)驅(qū)動的核電設(shè)備異常檢測研究現(xiàn)狀

核電設(shè)備異常檢測的早期研究主要是基于模型驅(qū)動的檢測方法.Tamaoki等針對快中子堆的冷卻系統(tǒng)異常檢測問題，建立溫度噪聲監(jiān)測模型.但是模型驅(qū)動法需要以充分理解系統(tǒng)工作原理為前提，才能利用數(shù)理定律推導(dǎo)出描述系統(tǒng)的數(shù)學(xué)模型.而核電系統(tǒng)具有非常復(fù)雜的工作原理和結(jié)構(gòu)組成，精確建模面臨著較高挑戰(zhàn).

(1) 在核電機組運維期間產(chǎn)生的數(shù)據(jù).該數(shù)據(jù)主要由現(xiàn)場儀表采集，如一回路/二回路的壓力、溫度、水位等傳感器采集的工藝參數(shù)數(shù)據(jù)，汽輪機/主泵的轉(zhuǎn)速、振動、出口流量、壓力等設(shè)備狀態(tài)數(shù)據(jù).其中，設(shè)備狀態(tài)數(shù)據(jù)可以通過全廠數(shù)字化儀控系統(tǒng)獲取，剩余一小部分可以通過現(xiàn)場二次儀表和就地獨立采集柜獲取，其基本為時間序列數(shù)據(jù)，采樣時間間隔與核電廠所采用的全廠數(shù)字化儀控平臺相關(guān)，采樣間隔基本不固定，且數(shù)據(jù)隨著現(xiàn)場機組狀態(tài)和設(shè)備啟停改變，易受現(xiàn)場高溫、高輻照等工業(yè)環(huán)境干擾.此外，在核電機組運維階段中還包括由人員巡檢、設(shè)備定期試驗等產(chǎn)生的數(shù)據(jù)，主要以巡檢報告、定期試驗報告等紙質(zhì)報告形式留存，數(shù)據(jù)的時間跨度大、分散廣，采集難度較大.

影響基于數(shù)據(jù)驅(qū)動的異常檢測模型檢測精度的關(guān)鍵在于對異常數(shù)據(jù)的特征提取.近5年，PCA作為主流的核電數(shù)據(jù)特征提取方法，廣泛應(yīng)用于各類模型構(gòu)建前的數(shù)據(jù)降維和核心特征提取.為進一步解決非線性的異常檢測問題，Wang等將KPCA法應(yīng)用于傳感器數(shù)據(jù)讀取的異常檢測，同時作為相似度聚類算法的特征提取，以分辨異常的類型和程度.Peng等利用稀疏自編碼器進行特征提取和降維，并利用孤立森林法對LOCA、蒸汽管線破口、蒸汽傳熱管破裂、甩負荷等故障進行異常檢測，獲得了比SVM更優(yōu)越的檢測性能.

黨的十九大報告明確指出，我們要建設(shè)的現(xiàn)代化是人與自然和諧共生的現(xiàn)代化，既要創(chuàng)造更多物質(zhì)財富和精神財富以滿足人民日益增長的美好生活需要，也要提供更多優(yōu)質(zhì)生態(tài)產(chǎn)品以滿足人民日益增長的優(yōu)美生態(tài)環(huán)境需要。交通運輸是導(dǎo)致氣候變化、環(huán)境污染的重要原因之一，測試工況與實際工況下的排放差異，表明傳統(tǒng)的計算方法不再適用，需要有效地建立城市交通排放治理機制和實現(xiàn)達峰的愿景，需根據(jù)實際工況建立科學(xué)、客觀的移動源MRV排放測量標準，來量化每一次交通出行行為的環(huán)境影響，從而更合理的制定城市道理交通規(guī)劃與相應(yīng)政策，推進城市環(huán)境的優(yōu)化。

對異常檢測而言，數(shù)據(jù)源形式多樣，全面的同源設(shè)備數(shù)據(jù)信息不易獲取.一方面，目前只有部分傳感器數(shù)據(jù)進入全廠數(shù)字化系統(tǒng)，而沒有進行全廠數(shù)字化系統(tǒng)改造的核電廠只能夠獲取較少的在線監(jiān)測數(shù)據(jù).另一方面，核電設(shè)備獲取的數(shù)據(jù)存在異構(gòu)性，如維修或定期試驗數(shù)據(jù)以紙質(zhì)單形式存在；還有一些數(shù)據(jù)信息則因設(shè)備廠家之間接口的壁壘而難以獲取.此外，正常情況下核電廠均在滿功率狀態(tài)運行，機組上下行的次數(shù)一般為1.5年/次，若異常數(shù)據(jù)產(chǎn)生在上下行期間，則實際驗證困難.

綜上所述，現(xiàn)有基于數(shù)據(jù)驅(qū)動的核電設(shè)備異常檢測技術(shù)的發(fā)展得益于機器學(xué)習(xí)的發(fā)展：從神經(jīng)網(wǎng)絡(luò)技術(shù)到SVM的深化引用；從簡單直接的網(wǎng)絡(luò)模型訓(xùn)練到更注重對異常特征的深化提??；從單一模型到多種模型的融合應(yīng)用.

3.2 基于數(shù)據(jù)驅(qū)動的核電設(shè)備壽命預(yù)測研究現(xiàn)狀

核電設(shè)備的壽命預(yù)測方法一般分為3種類型：可靠性模型分析、物理模型驅(qū)動和數(shù)據(jù)驅(qū)動.其中，基于可靠性模型分析的方法主要通過概率原理和統(tǒng)計模型擬合設(shè)備歷史性能數(shù)據(jù)以推測設(shè)備壽命, 并不需要依賴于特定的設(shè)備物理模型.但該方法大多利用高斯分布或威布爾分布構(gòu)建觀測值與設(shè)備壽命的線性關(guān)系，而實際上設(shè)備的生命周期與觀測值之間的關(guān)系是非線性的，因此其無法滿足預(yù)測結(jié)果的精確度.基于物理模型驅(qū)動的方法需要比較嚴謹?shù)臄?shù)理建模過程，同樣面臨核電系統(tǒng)的復(fù)雜性問題，核電設(shè)備的老化機制不易建模，限制了該方法的應(yīng)用.相比之下，基于數(shù)據(jù)驅(qū)動的壽命預(yù)測方法更高效.該方法可以利用在線監(jiān)測系統(tǒng)積累的歷史數(shù)據(jù)對設(shè)備生命周期進行較為全面的觀測，廣泛應(yīng)用于核電設(shè)備中.Aizpurua等結(jié)合極限梯度提升算法與熱力學(xué)模型，對核電變壓器的壽命進行預(yù)測.Elmashtoly等提出利用模糊邏輯控制器對機組變壓器的健康指標進行預(yù)測以建立預(yù)測性健康管理系統(tǒng).進一步地，數(shù)字孿生成為核電健康管理系統(tǒng)的關(guān)鍵技術(shù).Oluwasegun等利用PCA進行觀測數(shù)據(jù)降維，并結(jié)合SVM對控制棒驅(qū)動機構(gòu)進行狀態(tài)監(jiān)測，模型精度達到98.4%.基于數(shù)據(jù)驅(qū)動的方法依賴于設(shè)備的觀測數(shù)據(jù)，而實際中，核電設(shè)備的失效樣本比較稀缺.對此，Liu利用一階不確定隱半馬爾科夫過程建立了一個適用于缺失數(shù)據(jù)的老化模型，并應(yīng)用于核電離心泵的失效預(yù)測.

隨著深度學(xué)習(xí)在機器學(xué)習(xí)領(lǐng)域的出現(xiàn)，Utah等對比了包括KNN、決策樹、隨機森林、SVM在內(nèi)的傳統(tǒng)機器學(xué)習(xí)與DNN對電磁閥剩余壽命的預(yù)測性能，證實了深度的網(wǎng)絡(luò)結(jié)構(gòu)可以提高模型預(yù)測精度. Wang等先后利用TCN和集成卷積核的LSTM預(yù)測電磁閥壽命，比其他現(xiàn)有方法的預(yù)測精度更高.上述研究證實了深度學(xué)習(xí)方法在壽命預(yù)測方面的泛化性能，為其提供了極具潛力的解決方案.

3.3 基于數(shù)據(jù)驅(qū)動的核電設(shè)備故障診斷研究現(xiàn)狀

故障診斷的任務(wù)主要包括故障檢測、故障識別(類型判斷)、故障定位和故障恢復(fù)等.目前，核電廠進行故障診斷的主要方法為預(yù)先分析核電廠設(shè)備的故障模式，在故障發(fā)生時便可以根據(jù)故障模式分析結(jié)論進行故障診斷.但即使經(jīng)驗豐富的工程師也很難全面分析設(shè)備的故障模式，且核電設(shè)備的故障模式數(shù)學(xué)模型也尚未建立完善.近年來，核電設(shè)備故障診斷領(lǐng)域的總體研究脈絡(luò)為從機理模型到知識工程，再到數(shù)據(jù)驅(qū)動方法.早在1994年，Holbert等結(jié)合模糊函數(shù)，利用經(jīng)驗過程建模法對壓水反應(yīng)堆的9種信號建立多輸入多輸出信號的校驗?zāi)Ｐ?，并對故障信號進行初步診斷分析.該類基于機理模型的故障診斷方法需要建立較完備的數(shù)學(xué)模型，充分匹配其過程機理，但核電廠是一個非常復(fù)雜的過程系統(tǒng)，具有非線性、強耦合性、不確定性等復(fù)雜特性，多數(shù)設(shè)備信號尚無法建立精準的機理模型.因此，知識工程技術(shù)逐步應(yīng)用于核電領(lǐng)域，即通過專家經(jīng)驗知識來明確故障的傳播路徑以實現(xiàn)故障的檢測、識別和分析，是現(xiàn)有國內(nèi)核電廠普遍建立的故障診斷方法.Wu等利用貝葉斯網(wǎng)絡(luò)對核電廠蒸汽發(fā)生器傳熱管破裂(SGTR)、失去主給水、主蒸汽管道破口(MSLB)、全廠失電事故等故障進行診斷，并建立了一個核電多源傳感節(jié)點的故障診斷框架.為克服貝葉斯網(wǎng)絡(luò)對動態(tài)問題、連續(xù)和離散變量混合問題的處理瓶頸，Zhao等利用DUCG理論體系對寧德核電廠的23種故障模式進行診斷研究，包括主給隔離閥無法開啟、主蒸汽旁排閥無法開啟和主蒸汽管道泄漏等.但知識工程技術(shù)一方面需要大量積累現(xiàn)場經(jīng)驗知識，消耗大量時間和人力成本；另一方面，不同設(shè)備、工藝、堆型、機組等通常存在較大差異，該方法不具備普適性和通用性.

近年來，在知識工程技術(shù)基礎(chǔ)上，利用機器學(xué)習(xí)方法并借助海量核電監(jiān)測數(shù)據(jù)將專家經(jīng)驗轉(zhuǎn)化為具有泛化能力的診斷模型越來越受到重視.在故障檢測方面，Li等提出將核電廠大量傳感器分組，并對比分析不同PCA模型方法的檢測效率.為解決PCA模型受外界環(huán)境影響和內(nèi)部模型錯誤導(dǎo)致的誤報警問題，該團隊提出提高PCA模型可靠性的改進方法.為克服PCA在重構(gòu)過程中受特征值類型的影響，Mandal等利用奇異值分解(SVD)法進行傳感器故障檢測.為進一步提高故障檢測性能，該團隊提出利用增強SVD法進行快中子增值試驗反應(yīng)堆的熱電偶傳感器故障檢測.在故障識別方面，Li等提出將PCA模型應(yīng)用于故障識別，研究對象包括一回路冷卻劑出口溫度、主蒸汽流量、主給水流量、堆芯水位、冷凝器水位、穩(wěn)壓器水位、主泵進出口壓力等.考慮SVD法比PCA模型的優(yōu)勢，Mandal等利用SVD法對熱電偶的故障進行故障識別.為解決核電系統(tǒng)中大規(guī)模故障類別的識別問題，Cho等提出等價空間費希爾判別分析法，并應(yīng)用于加拿大重水鈾反應(yīng)堆試驗裝置的給水系統(tǒng).人工神經(jīng)網(wǎng)絡(luò)(ANN)和SVM的發(fā)展進一步推動了核電設(shè)備故障診斷的研究進程.Messai等利用四層ANN，結(jié)合控制棒位置和一回路流量預(yù)測堆芯熱電偶溫度，并根據(jù)預(yù)測值與實測值之間的偏差判斷故障；Lin等利用可緊縮的序列前向選擇法對傳感器組進行特征提取和傳感器選擇，然后利用KNN進行故障檢測與識別；Jamil等提出利用核SVM法對巴基斯坦反應(yīng)堆的控制棒提升故障進行診斷，并對外部反應(yīng)性插入故障時反應(yīng)堆出入口溫度、堆芯溫度、反應(yīng)性、冷卻劑導(dǎo)電率、中子通量等參數(shù)進行研究；Liu等利用PCA降維方法對核電廠LOCA、MSLB、SGTR等故障進行檢測，然后建立符號有向圖模型對故障進行定位，最后通過神經(jīng)網(wǎng)絡(luò)對故障進行估計識別.

綜上所述，以機器學(xué)習(xí)為代表的數(shù)據(jù)驅(qū)動法解決了早期知識工程對核電故障知識抽取的高成本和低普適性問題，有利于大量數(shù)據(jù)的特征提取與歸納，并不斷提升對核電設(shè)備復(fù)雜非線性模型的逼近能力，形成了較多高性能的故障診斷解決方案.

4 深度學(xué)習(xí)在核電設(shè)備狀態(tài)評估中的探索

近年來，國內(nèi)學(xué)者熱衷于采用數(shù)據(jù)驅(qū)動法評估核電設(shè)備狀態(tài).在核電設(shè)備的異常檢測方面，Wang等利用改進粒子群算法優(yōu)化支持向量機(SVM)算法對核電廠一回路破口進行研究.該團隊還利用核主成分分析(KPCA)算法解決傳感器異常檢測的非線性問題；在核電設(shè)備壽命預(yù)測方面，利用時域卷積網(wǎng)絡(luò)(TCN)對核電廠電磁閥壽命進行預(yù)測研究.在核電故障診斷方面，Zhao等提出動態(tài)不確定因果圖(DUCG)理論體系，并在核電廠典型的23個故障模式中進行應(yīng)用；Li等對核電廠傳感器的故障診斷進行大量研究.在利用深度學(xué)習(xí)評估核電設(shè)備方面，陳玉昇等通過深度信念網(wǎng)絡(luò)(DBN)對一回路冷段小破口(LOCA)和U型管破裂事故進行研究.

隨著卷積神經(jīng)網(wǎng)絡(luò)(CNN)的出現(xiàn)及其在圖像領(lǐng)域的深度應(yīng)用，研究者將量測數(shù)據(jù)轉(zhuǎn)化為圖像數(shù)據(jù)，并利用CNN在圖像數(shù)據(jù)特征提取方面的優(yōu)越性，建立更高性能的診斷模型.Lee等首次提出將反射性儀的測量信號轉(zhuǎn)化為圖像，然后借助ANN和聚類算法對核電控制電纜進行故障診斷；在此基礎(chǔ)上，Bang等進一步利用CNN實現(xiàn)了電纜故障的精確定位和故障分類，檢測精度升高.受此啟發(fā)，Saeed等利用深度CNN結(jié)合滑動窗口對SGTR、主給水管道破裂、主泵失效和穩(wěn)壓器安全閥無法開啟等故障進行診斷.

核電設(shè)備故障診斷的數(shù)據(jù)多為時序數(shù)據(jù)，而循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)對時序數(shù)據(jù)具有技術(shù)獨特優(yōu)勢，在工程實踐中應(yīng)用廣泛.Kim等利用RNN對全廠失電、引入過剩反應(yīng)性、失去流量、失去冷卻、失去熱交換等故障進行診斷，改變了傳統(tǒng)反應(yīng)堆保護系統(tǒng)所采用的閾值觸發(fā)報警機制.針對長序列數(shù)據(jù)進行學(xué)習(xí)時，常規(guī)RNN存在梯度消失和長期依賴問題，而改進RNN-LSTM極大程度地推動了該領(lǐng)域的研究進程.Yang等利用LSTM對LOCA、SGTR和MSLB等事故進行故障診斷；為解決緊急情況下，核電廠參數(shù)變化的復(fù)雜性和非線性問題，Choi等利用LSTM-RNN對核電廠典型事故(LOCA、SGTR、蒸汽超負荷、主給水失去)進行研究.此外，為進一步解決核電廠多種工況模式下的故障檢測和無需采用標簽數(shù)據(jù)的問題，Yang等利用帶RNN的自編碼器深度學(xué)習(xí)算法對核電廠的典型事故(LOCA、SGTR、蒸汽管道破口)進行故障診斷.

在核電設(shè)備故障診斷領(lǐng)域，深度學(xué)習(xí)技術(shù)已逐步形成其有效的研究路徑.隨著更多高性能網(wǎng)絡(luò)模型的出現(xiàn)，其在核電狀態(tài)評估領(lǐng)域的應(yīng)用必然會爆發(fā)出令人矚目的潛力.

結(jié)合分析我國歷史上一些已潰水庫大壩的各個間接影響因素產(chǎn)生的特點，采用AHP法分析計算。對表1中的十個間接影響因素，建議給出如下權(quán)重系數(shù)的一個10×10判斷矩陣：

5 面臨的挑戰(zhàn)及解決方案

異常檢測、壽命預(yù)測和故障診斷技術(shù)為核電廠設(shè)備狀態(tài)評估提供了切實可行的技術(shù)路線，同時也面臨著來自核電廠設(shè)備評估的特殊挑戰(zhàn).

為此，我們調(diào)查與分析初中學(xué)生抄襲作業(yè)的起始時間、程度、科目及原因，教師布置作業(yè)的種類、分量、難度、方法及教師授課情況，教師對學(xué)生抄襲作業(yè)的態(tài)度、措施以及學(xué)生認為應(yīng)采取的措施。以期進一步改進教學(xué)方法，提高教育教學(xué)水平，使初中學(xué)生能夠充分認識抄襲作業(yè)現(xiàn)象的嚴重性、危害性和糾正的必要性。

北京市河湖基本情況普查技術(shù)路線及特點分析………………………………… 王亞娟，李 濤，楊大杰等(1.47)

對壽命預(yù)測而言，因所處環(huán)境、溫度和輻射水平不同，核電廠設(shè)備的工作環(huán)境千差萬別；同時還面臨設(shè)備故障樣本數(shù)量較少和預(yù)測信息難以真實驗證等諸多問題.

對故障診斷而言，核電廠不僅面臨設(shè)備種類多、個性定制強、故障樣本量少、故障信息難以驗證和設(shè)備工作環(huán)境千差萬別等問題，還面臨故障信息提取困難問題，這主要是由于核電廠存在多種工況，且絕大部分工況的運行時間較短.

5.1 針對核電設(shè)備數(shù)據(jù)問題可采取的解決方案

2.建立資源環(huán)境承載能力監(jiān)測預(yù)警機制。建立潿洲島資源環(huán)境監(jiān)測預(yù)警數(shù)據(jù)庫和信息技術(shù)平臺，定期編制資源環(huán)境承載能力監(jiān)測預(yù)警報告，在資源消耗和環(huán)境容量超過或接近承載能力時，實行預(yù)警提醒和采取限制性措施。

設(shè)備狀態(tài)數(shù)據(jù)源問題.目前，核電廠主要借助傳感器對設(shè)備的相關(guān)物理參數(shù)獲取設(shè)備的狀態(tài)數(shù)據(jù).為解決現(xiàn)有設(shè)備狀態(tài)數(shù)據(jù)不足的問題，對于需要監(jiān)督的物理參數(shù)沒有通過傳感器進行參數(shù)獲取的情況，可以借助便攜式振動測量、熱成像儀和設(shè)備巡檢儀等人工外部手持設(shè)備，對定期試驗過程中產(chǎn)生的相關(guān)人工記錄數(shù)據(jù)加以利用.此外，還可以利用外部加裝傳感器的方式.為避免有線傳輸?shù)膶嵤l件問題，可利用無線傳感器采集設(shè)備狀態(tài)數(shù)據(jù).

其實，“勇敢做自己”是困難的，對青少年學(xué)生而言更是如此。這和人類的從眾心理有關(guān)，不能苛求青少年學(xué)生。不僅如此，在當(dāng)下的社會，過于固定而單一的成功成才標準也在不知不覺中對青少年學(xué)生施加影響。比如，最近有媒體報道，一到暑假，青少年學(xué)生就成為整容的主力軍。學(xué)生們之所以容易受社會上對“高顏值”的盲目追捧影響，一方面固然是出于愛美之心，但缺乏主見、追逐流俗的心態(tài)也毋庸諱言。但這樣的行為是否就是“洪水猛獸”？恐怕也不必過于擔(dān)憂。其實，這在當(dāng)下許多國家都是常見現(xiàn)象，而且青少年學(xué)生大多處在叛逆期，只要不傷害他人，征得家人的理解和支持，對自己的外貌做一些技術(shù)處理，也不必大驚小怪。

設(shè)備狀態(tài)數(shù)據(jù)傳輸整合問題.早期核電廠多采用模擬儀表方式，數(shù)據(jù)傳輸易受到現(xiàn)場信號干擾，同時存在數(shù)據(jù)傳輸、存儲和管理等挑戰(zhàn).為此，核電廠現(xiàn)多通過升級改造數(shù)字化系統(tǒng)，來改善數(shù)據(jù)的傳輸、存儲和管理.此外，為整合多個數(shù)據(jù)源數(shù)據(jù)，提升設(shè)備數(shù)據(jù)的管理水平，建設(shè)信息化統(tǒng)一數(shù)據(jù)庫，有效整合所有數(shù)據(jù)源，減少信息孤島.

異常樣本(負樣本)數(shù)據(jù)匱乏問題.多數(shù)情況下，核電廠較難獲取異?；蚬收蠑?shù)據(jù)，且核電廠運維人員也難以憑經(jīng)驗判斷獲取的數(shù)據(jù)是否為異?；蚬收蠑?shù)據(jù).對此，專家學(xué)者利用RELAP5仿真軟件模擬各反應(yīng)堆運行的機組瞬態(tài)工況和假象事故，探究核電設(shè)備故障對整個工藝系統(tǒng)的影響.但實際運維需求不僅只關(guān)注核安全問題，更關(guān)注在核電廠的機組運行過程中如何評估設(shè)備狀態(tài)，從而有利于核電廠制定有效的維修策略.而核電廠設(shè)備復(fù)雜多樣，利用一種仿真軟件或仿真手段往往難以滿足工程應(yīng)用需求，且某些設(shè)備由于自身的復(fù)雜性、老化以及受工作環(huán)境的影響等，往往難以利用仿真手段來獲取異常或故障數(shù)據(jù).目前，可利用以下3種思路開展研究.

(1) 結(jié)合仿真模型和系統(tǒng)辯識法.系統(tǒng)辨識是通過輸入、輸出數(shù)據(jù)研究確定系統(tǒng)數(shù)學(xué)模型的理論和方法.可以利用系統(tǒng)辨識法辨識仿真模型的系統(tǒng)模型結(jié)構(gòu)和參數(shù)；利用已獲取的正常數(shù)據(jù)和少量異常數(shù)據(jù)，進一步驗證系統(tǒng)模型結(jié)構(gòu)和參數(shù)的正確性.此外，隨著仿真技術(shù)的發(fā)展，智能仿真和平行仿真等技術(shù)也可彌補設(shè)備異常樣本不足的問題.

在利用基于數(shù)據(jù)驅(qū)動法進行設(shè)備狀態(tài)評估過程中，最主要的挑戰(zhàn)是數(shù)據(jù)問題.具體可從以下幾個方面加以改善.

(2) 生成對抗網(wǎng)絡(luò)(GAN).GAN通常包含一個生成器和一個判別器，原理為首先根據(jù)經(jīng)大量正常數(shù)據(jù)訓(xùn)練得到的模型G，生成或重建正常數(shù)據(jù)；然后將測試樣本輸入至訓(xùn)練好的模型G，并利用判別器對真實數(shù)據(jù)和生成器生成的正常數(shù)據(jù)進行異常檢測.如果真實數(shù)據(jù)與正常數(shù)據(jù)相同或相近，則表明真實數(shù)據(jù)是正常數(shù)據(jù)，否則被判別器判別為異常數(shù)據(jù).GAN能夠有效解決核電數(shù)據(jù)極度不平衡的問題，且經(jīng)過了多次發(fā)展，如AnoGAN、BiGAN和GANomaly等.

(3) 同源異構(gòu)數(shù)據(jù).一般情況下，在異?；蚬收蠑?shù)據(jù)的收集過程中，考慮核電廠內(nèi)同一型號設(shè)備在運行時產(chǎn)生的故障數(shù)據(jù)，但多數(shù)設(shè)備即使在多機組的情況下其數(shù)量也并不多，往往無法滿足數(shù)據(jù)使用需求.不同機組的同一個功能位號的設(shè)備，可能來自不同設(shè)備廠家，其生產(chǎn)工藝等均不同，且受生產(chǎn)批次、零部件等差異影響.但從設(shè)備使用的角度考慮，該類數(shù)據(jù)可歸為異構(gòu)同源數(shù)據(jù).利用異構(gòu)同源數(shù)據(jù)可進一步進行數(shù)據(jù)遷移和特征遷移，利用遷移學(xué)習(xí)法進行模型遷移，從而實現(xiàn)在不同工況下的異常檢測和故障診斷.

此次研究尚有不足之處：(1)本次研究為單中心、回顧性研究，在數(shù)據(jù)收集方面受到一定限制。例如，鎮(zhèn)靜組患者術(shù)中僅記錄了因劇烈疼痛中止手術(shù)的患者數(shù)據(jù)，對輕中度疼痛的患者，雖及時給予處理但并未記錄。G組患者術(shù)中循環(huán)波動情況也為間斷記錄，不能精確地反應(yīng)患者使用鎮(zhèn)靜鎮(zhèn)痛藥物后循環(huán)的變化情況，可能導(dǎo)致了數(shù)據(jù)偏倚；(2)肺靜脈狹窄也是房顫導(dǎo)管消融手術(shù)的嚴重并發(fā)癥之一，其發(fā)生概率約為1%～21%[18-19]，但由于各方面條件限制并沒有將其納入試驗研究中。

隨著人工智能技術(shù)的發(fā)展，針對數(shù)據(jù)異?；蚬收蠘颖玖枯^少的情況，未來將出現(xiàn)更多的解決方法，如少樣本或零樣本的學(xué)習(xí)，其在異常檢測方面顯示出較好的應(yīng)用前景.

5.2 潛伏性故障檢測

核電廠設(shè)備狀態(tài)的生命周期經(jīng)歷了故障潛伏性和故障發(fā)生兩個階段.在實際工程的運維過程中，現(xiàn)場運維人員通常關(guān)注故障識別、故障診斷和故障定位，采取糾正性的維修策略快速搶修設(shè)備.近年來，設(shè)備的潛伏性故障逐漸受到核電現(xiàn)場運維需求的關(guān)注.檢測潛伏性故障可以有效制定狀態(tài)維修的維修策略，通過狀態(tài)維修，核電廠的經(jīng)濟性和安全性得以提高.但潛伏性故障與正常運行數(shù)據(jù)的偏離程度往往較小，由前文文獻研究可知，目前的研究主要集中于一回路破口、SGTR、蒸汽超負荷、主給水失去等核電典型事故工況的故障識別、檢測和診斷.潛伏性故障的特征數(shù)據(jù)具有很強的隱蔽性，與正常數(shù)據(jù)相似，因此迷惑性強，比故障識別更具挑戰(zhàn)性.目前，可利用以下2種思路開展核電廠設(shè)備潛伏性的故障檢測.

(1) 借助設(shè)備之間的關(guān)聯(lián)性.考慮潛伏性故障的隱蔽性和復(fù)雜性，針對某一設(shè)備的狀態(tài)數(shù)據(jù)，可通過其關(guān)聯(lián)設(shè)備的工藝表現(xiàn)挖掘該設(shè)備的數(shù)據(jù)特征.在采集數(shù)據(jù)方面，應(yīng)更關(guān)注對數(shù)據(jù)相關(guān)性的研究分析，以期對設(shè)備表現(xiàn)的潛伏性故障特征進行關(guān)聯(lián)數(shù)據(jù)挖掘.

(2) 結(jié)合異常數(shù)據(jù)檢測.利用在設(shè)備運行期間發(fā)現(xiàn)的異常數(shù)據(jù)，識別和發(fā)現(xiàn)設(shè)備的潛伏性故障.異常數(shù)據(jù)可以視為設(shè)備正常的運行數(shù)據(jù)疊加噪聲數(shù)據(jù)后的離群點，異常數(shù)據(jù)的產(chǎn)生頻度和數(shù)值指標等與設(shè)備故障相關(guān)，而針對核電廠設(shè)備，可更關(guān)注于分析傳感器的時間序列數(shù)據(jù)和對其他關(guān)聯(lián)設(shè)備數(shù)據(jù)進行信息融合綜合診斷.

2011年區(qū)水務(wù)行政執(zhí)法支隊累計出動執(zhí)法人員2 434人次，參加行政檢查1 314次，實施行政許可事后監(jiān)督檢查110家，共立案查處74件，責(zé)令采取補救措施216件。2011年先后對重點排水企業(yè)進行摸底調(diào)查，確定排水執(zhí)法檢查重點跟蹤企業(yè)450家；專項執(zhí)法檢查2 400多家排水企業(yè)，對違法企業(yè)進行了嚴厲查處；聯(lián)合區(qū)環(huán)保部門對全區(qū)范圍內(nèi)的重點排水企業(yè)污水預(yù)處理設(shè)施和檢測井、沿河沿江水環(huán)境安全進行了專項執(zhí)法檢查。

6 結(jié)論

近年來，對核電廠設(shè)備狀態(tài)的評估研究多集中在與核安全相關(guān)的設(shè)備上，如SGTR、一回路破口、MSLB、主給水失去等核電廠典型事故工況的設(shè)備狀態(tài)研究.核電能源與火電、風(fēng)電、太陽能等能源的競爭日益強烈，利用基于設(shè)備狀態(tài)的維修是目前提高核電廠安全性、降低運維成本的關(guān)鍵.而提高設(shè)備狀態(tài)評估的精準度是核電廠進行設(shè)備維修的有效手段.隨著人工智能的發(fā)展，利用基于數(shù)據(jù)驅(qū)動的核電廠設(shè)備狀態(tài)評估將大有可為，深度學(xué)習(xí)的興起，有望大幅度提高設(shè)備狀態(tài)評估的精準度.針對數(shù)據(jù)驅(qū)動技術(shù)特點和目前核電廠設(shè)備狀態(tài)評估面臨的挑戰(zhàn)，提出如下建議和設(shè)想：

(1) 核電廠設(shè)備狀態(tài)數(shù)據(jù)庫建設(shè).機組設(shè)備的運行為核電廠積累了很多數(shù)據(jù)，包括日常巡檢數(shù)據(jù)、DCS監(jiān)視設(shè)備產(chǎn)生的設(shè)備狀態(tài)數(shù)據(jù)、機組維修過程中產(chǎn)生的維修規(guī)程記錄、運行執(zhí)行定期試驗產(chǎn)生的日常記錄等.基于數(shù)據(jù)驅(qū)動的核電廠設(shè)備狀態(tài)評估需要大量的數(shù)據(jù)作為支撐.建設(shè)核電廠設(shè)備狀態(tài)數(shù)據(jù)庫可以極大地促進深度學(xué)習(xí)技術(shù)的落地，為數(shù)據(jù)標準規(guī)范建設(shè)，以及深化多系統(tǒng)、多元信息融合的應(yīng)用提供前提保障.

(2) 核電狀態(tài)評估算法研究.核電廠設(shè)備運行數(shù)據(jù)的異常檢測融合時間序列數(shù)據(jù)、巡檢數(shù)據(jù)、規(guī)程記錄數(shù)據(jù)，甚至包含長時間跨度等特點，且受核電廠的核安全監(jiān)督和機組運行規(guī)范等的間接影響.因此，需要深入研究如何進一步進行核電廠設(shè)備狀態(tài)評估的算法.

(3) 零樣本故障數(shù)據(jù)的設(shè)備狀態(tài)評估.與其他工業(yè)領(lǐng)域不同，核行業(yè)的很多設(shè)備均采用定制化開發(fā)方式，同類型的設(shè)備數(shù)量較少；在核電廠進行變更改造安裝新設(shè)備或在核電機組剛剛建設(shè)后，存在沒有故障樣本數(shù)據(jù)的問題.因此，進行零樣本的異常檢測研究也是核電設(shè)備狀態(tài)評估的一個研究方向.

(4) 核電廠潛伏性故障研究.綜合利用設(shè)備的關(guān)聯(lián)信息，深入挖掘設(shè)備潛伏性故障的數(shù)據(jù)特征，利用深度學(xué)習(xí)進行異常檢測，從而識別和診斷核電設(shè)備的潛伏性故障；利用現(xiàn)場設(shè)備的運行情況對算法進行反饋，從而不斷改進和提高智能體潛伏性故障的診斷水平和能力.算法與現(xiàn)場的有效互動將逐步提高潛伏性故障的診斷精準度.