数字孪生驱动的核电装备智能维修决策系统及其关键使能技术

关键词：数字孪生、 核电装备、智能维修服务、 维修决策、 循环水泵

核工业是高科技战略产业，核电是我国先进技术“走出去”、落实“一带一路”战略、推动“双碳”目标的国家名片，核电运维是确保核电装备安全可靠运行的重要基石。然而，以循环水泵为代表的核电装备因安全要求高、行业壁垒突出、巨系统规模复杂、服役环境恶劣、技术服务难度大等特点，导致其现行运维方式仍以相对保守的定期维护策略为主，存在严重的“欠维修”与“过维修”问题。

其中，“欠维修”是指核电循环水泵等高可靠设备在远低于设备预期寿命时发生故障，严重威胁核电运行安全；“过维修”是指齿轮箱、泵导轴承等关键零部件仍可健康运行时，即进行维修或者更换，导致运维服务成本高。

据统计，核电运维成本大约占核电厂运营成本的60%以上，单台套核电机组因停机维修所造成的损失成本达150万美元/天。与此同时，随着新一代信息技术（如云计算、物联网、边缘计算、大数据分析、人工智能等）与制造业的持续融合和落地应用，世界各核电强国纷纷开展信息化技术与核电全生命周期的深度融合研究，智能核电已成为未来核电技术的发展趋势。

数字孪生作为信息-物理融合的有效方法，可实现多尺度多物理量的仿真、预测与控制，已成为推进智能制造落地的核心技术。近年来，围绕智能核电开发和运营过程的数字孪生相关技术受到了国内外学者、科研机构的广泛关注和研究。同时，全球各主要核电开发和运营机构对如何将数字孪生应用于智能核电中进行了初步探索和规划，以实现进一步推进核电智能化、安全化、便捷化的目标。

当前，数字孪生的顶层框架设计基本形成，面向水平平台层面的标准、通信协议、数据处理等通用技术研究和应用不断加强。然而，结合应用场景的面向垂直纵深应用的相关理论研究还明显缺乏。结合应用场景及其物理机理，拓展数字孪生应用理论，发挥电厂数据价值，自主决策运维服务方案，是当前核电运维领域数字孪生理论及应用研究的难点，也是未来支撑数字孪生在智能核电中走向应用、创造价值的关键。

基于上述分析，本文通过引入数字孪生技术，提出了一种数字孪生驱动的核电装备智能维修决策新模式，研究了核电装备数字孪生建模、运行状态预警、维修时机决策与验证等支撑核电装备智能维修决策的关键使能技术，以促进核电装备由传统定期维护模式向视情维护变革，实现核电装备的智能、安全与经济运行。

针对核电装备的“欠维修”与“过维修”问题，根据数字孪生五维模型，提出了数字孪生驱动的核电装备智能维修决策模型。如图1所示，该模型由五部分组成：物理核电装备、虚拟核电装备、数据/知识空间、服务系统和连接接口。

其中，物理核电装备不仅是数字孪生驱动维护服务模式的载体，也是最终应用的场所，是一个复杂的巨系统，包括物质流、能量流和信息流。物理核电装备的数据通过传感网络采集并传输到数据/知识空间，数据在这里进行存储和预处理，为上层应用提供实时/历史数据服务。同时，基于历史维修数据，采用机器学习算法，实现维修知识的深度提取和表征，为核电装备的智能维修决策提供支撑。

虚拟核电装备通过接入实时数据，能够实现核电装备的虚实共生运行。同时，虚拟核电装备提供了多尺度高保真的仿真能力，能够为核电装备运行状态监测、预警与维修决策提供仿真支撑。同时，物理核电装备、数据/知识空间、虚拟核电装备、服务系统通过相互之间的连接接口，实现数据、信息、知识等的共享，从而为核电维修人员提供虚实共生监测、运行状态预警、维修服务决策、维修风险评估等服务。

基于上述模式和框架，本节提出了支撑核电智能运维决策的三个关键使能技术，包括核电装备多维多尺度数字孪生建模方法、数字孪生机理模型与深度学习模型耦合的运行状态预警方法和数字孪生驱动的维修时机决策与维修风险评估方法。

1）核电装备多维多尺度数字孪生建模方法

针对核电装备机、电、控等多系统耦合导致的建模保真度低等问题，从几何建模、机理建模、数据建模、模型融合与可视化等维度，研究核电装备数字孪生模型构建及保真度评估方法，实现核电装备的数字化镜像建模及虚实共生运行。

• 首先，基于核电装备三维CAD模型（理想模型）与几何信息实测数据，构建核电装备整体及关键零部件的几何模型；

• 其次，基于多领域统一建模语言，构建核电装备的运行过程行为机理模型，实现核电装备机、电、控等多领域关键要素映射；

• 再次，构建压力、流量、转速等多源异构数据的协议解析与融合模型，为数字孪生模型提供实时数据支撑；

• 最后，基于ODBC、Webots等接口技术和工具，设计几何模型、机理模型、数据模型等的统一接口，进而从时空多尺度融合的角度实现上述模型的集成，并构建多因素评价指标体系实现对集成模型的保真度评价与优化。

2）数字孪生机理模型与深度学习模型耦合的运行状态预警方法

针对少故障样本、零故障样本下深度学习模型预测精度低、可解释性差等问题，研究数字孪生机理模型与深度学习模型耦合的核电装备运行状态预警方法，形成一套核电装备关键零部件高精度、可解释的状态预警模型，有效解决核电装备“欠维修”问题。

• 首先，研究核电公司现场数据、预制故障实验数据、数字孪生仿真数据的蒙特卡洛校正与融合方法，构建核电装备故障样本数据集；

• 其次，引入Hoyer注意力机制，构建面向核电装备状态预警的可解释深度学习模型，研究小样本条件下深度学习模型的迁移学习机制；

• 最后，基于故障样本数据集，通过模型学习与调优形成核电装备关键零部件的状态预警模型，为核电装备的维修决策提供支撑。

3）数字孪生驱动的维修时机决策与维修风险评估方法

针对核电装备维修决策依赖经验、缺乏视情维修方案等导致的维修成本高、运行安全难以保障等问题，研究数字孪生驱动的核电装备维修时机和维修方案决策与验证方法，实现核电装备维修时机的精确预测与维修方案的优化决策，有效解决核电装备“过维修”问题。

• 首先，研究核电装备维修知识智能挖掘方法，构建维修知识图谱模型及维修知识主动服务引擎，为维修时机决策与维修风险评估提供支撑；

• 其次，基于核电装备状态预警信息，构建备件、行为、人员和技能等资源约束下的维修成本评估模型，采用深度强化学习等，研究构建数字孪生仿真驱动的零件、部件和系统多层级的维修时机组合决策模型，优化确定最佳维修服务方案；

• 最后，以数字孪生模型为支撑、维修时机为输入，采用状态/行为仿真等方法，构建维修风险评估指标体系，研究核电装备维修风险的可视化仿真评估方法，实现对设备失效和服务行为风险的仿真验证，使核电装备维修过程有理有据。

依据上述方法和技术，依托核电冷源系统关键设备——核电循环水泵的缩比试验台，采用Java Web技术开发了循环水泵数字孪生系统样机，实现了毫秒级的核电循环水泵运行状态虚拟精确同步。

在此基础上，通过嵌入循环水泵预警模型、维修时机决策模型、维修风险评估模型，实现了核电循环水泵的智能维修决策，有效解决了核电循环水泵的“过维修”与“欠维修”问题，从而提升核电循环水泵运维的经济性与安全性。

针对核电装备的“欠维修”与过维修问题，基于数字孪生技术，提出了一种数字孪生驱动的核电装备智能维修决策新模式，以促进核电装备由传统定期维护模式向视情维护变革，实现核电装备的智能、安全与经济运行。

在此基础上，研究了支撑核电装备智能维修决策的三项关键使能技术，包括：核电装备数字孪生几何模型、机理模型和数据模型的构建与融合方法，数字孪生机理模型与深度学习模型耦合的核电装备关键零部件运行状态预警方法，以及数字孪生驱动的核电装备维修时机决策和维修风险可视化仿真评估方法。最后，基于核电循环水泵缩比试验台，开发了循环水泵数字孪生样机，并结合具体维修案例对所提模型、方法与系统进行了验证。