2025, 46(2): 1-13.
doi: 10.13832/j.jnpe.2024.09.0027
摘要:
科学计算在核工业整个技术体系中发挥着至关重要的作用，从核基础数据库的建立，到核能工程的设计、分析、验证、运行，乃至燃料后处理与反应堆退役，科学计算扮演着关键角色。传统上，工业领域的科学计算范式主要是基于实验测量数据建模的统计学方法，以及求解微/积分方程为代表的数值计算方法。随着新一代人工智能技术的发展，利用人工智能方法进行科学计算，正在逐渐发展成为一种新的科学计算范式。本文介绍了这一新兴技术领域的基本原理与主要特征，重点围绕核工业的特点，总结了当前已有研究工作的情况，并对照传统方法，分析了人工智能科学计算方法的优缺点。最后，展望了这种智能计算方法未来在核工业领域的技术发展趋势与潜在应用模式，给出了推动核工业人工智能科学计算新范式发展的建议。
科学计算在核工业整个技术体系中发挥着至关重要的作用，从核基础数据库的建立，到核能工程的设计、分析、验证、运行，乃至燃料后处理与反应堆退役，科学计算扮演着关键角色。传统上，工业领域的科学计算范式主要是基于实验测量数据建模的统计学方法，以及求解微/积分方程为代表的数值计算方法。随着新一代人工智能技术的发展，利用人工智能方法进行科学计算，正在逐渐发展成为一种新的科学计算范式。本文介绍了这一新兴技术领域的基本原理与主要特征，重点围绕核工业的特点，总结了当前已有研究工作的情况，并对照传统方法，分析了人工智能科学计算方法的优缺点。最后，展望了这种智能计算方法未来在核工业领域的技术发展趋势与潜在应用模式，给出了推动核工业人工智能科学计算新范式发展的建议。
2025, 46(2): 14-37.
doi: 10.13832/j.jnpe.2024.11.0148
摘要:
核反应堆数字孪生的发展有望通过信息物理融合的实现提高核电厂的安全性与经济性，而数据融合问题是信息物理融合的核心问题。因此本文面向核反应堆数字孪生领域，从数据融合的定义、融合对象、融合层次、融合方法以及数字孪生与数据融合的关系着手，进而从核反应堆数字孪生模型的构建、核反应堆设计与建造中的优化问题、核反应堆运行参数的反演与重构、核反应堆运行参数与剩余寿命的预测、核反应堆运行参数校准、核反应堆运行的反馈与控制、核反应堆的故障检测、识别与诊断以及核反应堆数字孪生其他方面的数据融合八个方面探讨了数据融合方法在核反应堆数字孪生的全生命周期中的应用与研究，从数据方面与融合方法方面指出当前研究存在的挑战，为未来核反应堆数字孪生发展过程中解决数据融合关键问题提供参考。
核反应堆数字孪生的发展有望通过信息物理融合的实现提高核电厂的安全性与经济性，而数据融合问题是信息物理融合的核心问题。因此本文面向核反应堆数字孪生领域，从数据融合的定义、融合对象、融合层次、融合方法以及数字孪生与数据融合的关系着手，进而从核反应堆数字孪生模型的构建、核反应堆设计与建造中的优化问题、核反应堆运行参数的反演与重构、核反应堆运行参数与剩余寿命的预测、核反应堆运行参数校准、核反应堆运行的反馈与控制、核反应堆的故障检测、识别与诊断以及核反应堆数字孪生其他方面的数据融合八个方面探讨了数据融合方法在核反应堆数字孪生的全生命周期中的应用与研究，从数据方面与融合方法方面指出当前研究存在的挑战，为未来核反应堆数字孪生发展过程中解决数据融合关键问题提供参考。
2025, 46(2): 127-140.
doi: 10.13832/j.jnpe.2024.090039
摘要:
人工智能算法快速预测、自学习与强泛用性的优势已应用于解决核反应堆热工水力现象和机理复杂的问题，包括热工水力参数预测、热工安全分析程序优化与计算流体动力学（CFD）效率提升等。本文回顾了人工智能算法在流型、沸腾换热及临界流等热工水力参数预测研究现状，针对严苛运行条件下机理不明、预测范围局限性问题，基于人工智能非线性快速预测优势扩展分析范围与精度；针对热工分析程序受限于参数模型的问题，利用人工智能自学习、自适应与极强泛用性优势，通过模型校准及数据同化技术提升复杂现象参数识别能力与预测性能；基于模型降阶与快速预测，提高热工水力物理场复杂现象参数的计算效率和多维复现重构能力。提出人工智能算法在反应堆系统大型关键设备全寿期准确预测、液态金属快堆等新型先进反应堆的加快设计迭代、跨尺度多物理场复杂交互的加速优化的未来应用前景。
人工智能算法快速预测、自学习与强泛用性的优势已应用于解决核反应堆热工水力现象和机理复杂的问题，包括热工水力参数预测、热工安全分析程序优化与计算流体动力学（CFD）效率提升等。本文回顾了人工智能算法在流型、沸腾换热及临界流等热工水力参数预测研究现状，针对严苛运行条件下机理不明、预测范围局限性问题，基于人工智能非线性快速预测优势扩展分析范围与精度；针对热工分析程序受限于参数模型的问题，利用人工智能自学习、自适应与极强泛用性优势，通过模型校准及数据同化技术提升复杂现象参数识别能力与预测性能；基于模型降阶与快速预测，提高热工水力物理场复杂现象参数的计算效率和多维复现重构能力。提出人工智能算法在反应堆系统大型关键设备全寿期准确预测、液态金属快堆等新型先进反应堆的加快设计迭代、跨尺度多物理场复杂交互的加速优化的未来应用前景。
2025, 46(2): 222-229.
doi: 10.13832/j.jnpe.2024.090025
摘要:
当前核电机组运行时的异常情况发现主要依赖于核电厂数字化仪控系统（DCS）的阈值报警信息，缺乏对趋势的分析。本文通过事件逻辑建立变量间的逻辑关系，并基于此利用自关联神经网络（AANN）建模对关联变量进行异常检测，最后利用经验模态分解（EMD）趋势提取算法与自适应滑动窗口霍尔特线性趋势（HOLT）模型对异常变量进行预测。能够提前对停堆停机事件进行预警，使核电厂运维人员能够更早地发现并解决问题，提高核电运行安全性。利用仿真数据与机组真实异常数据进行测试实验，得到真实数据实验结果的均方误差（MSE）为0.1，拟合优度（R2）为0.99，并且可至少提前1 h对停机动作进行预警，验证了所提出的AANN-HOLT预警算法的准确性与提前预警的能力。
当前核电机组运行时的异常情况发现主要依赖于核电厂数字化仪控系统（DCS）的阈值报警信息，缺乏对趋势的分析。本文通过事件逻辑建立变量间的逻辑关系，并基于此利用自关联神经网络（AANN）建模对关联变量进行异常检测，最后利用经验模态分解（EMD）趋势提取算法与自适应滑动窗口霍尔特线性趋势（HOLT）模型对异常变量进行预测。能够提前对停堆停机事件进行预警，使核电厂运维人员能够更早地发现并解决问题，提高核电运行安全性。利用仿真数据与机组真实异常数据进行测试实验，得到真实数据实验结果的均方误差（MSE）为0.1，拟合优度（R2）为0.99，并且可至少提前1 h对停机动作进行预警，验证了所提出的AANN-HOLT预警算法的准确性与提前预警的能力。
