PRID引领大数据、人工智能技术在核电行业落地发展
据悉，数博会自2015年创办以来，已连续成功举办4届，并于2017年正式升级为国家级展会活动。而PRID作为数博会“十佳大数据案例”可以在千余个案例中脱颖而出，自然也有着自己的底气。
据介绍，PRID是国内率先建设并应用的核反应堆关键设备在线监视与智能诊断平台，引领了大数据、人工智能技术在核电行业的落地和发展。
对此，核动力院反应堆工程研究所反应堆物理与故障诊断研究室(以下简称“二所一室”)主任刘才学表示，PRID可以通过关键设备状态数据实时传输系统，实现核电站内各类关键设备的数据汇集和实时传输，从而提升故障诊断分析服务的及时性和准确性。同时通过大数据管理方案，完成了核电站关键设备数据的大数据集中管理，实现了数据的安全高效存储和快速查询与计算，并可将人工智能技术应用于核电站关键设备的故障诊断与预测，实现群堆状态下的反应堆关键设备智能诊断。
“通过大数据、工业互联网等技术与故障诊断专业相融合，探索了数字化、网络化、一体化、智能化的远程监测与智能诊断新模式，实现了核电站反应堆设备运维的创新应用，为核电站提供了更及时可靠的运维策略支持。”刘才学补充道。
据悉，通过PRID可以轻松实现机组级和电站级数据的融合，打通核电数据链条;聚集故障诊断方向的专家资源，自主开发诊断分析算法，提升服务效率和数据利用率。随着数据的积累，不断提升平台的智能化水平，可以在多维度进一步扩展业务范围，发掘隐藏在数据背后的巨大商业价值，实现信息化、一体化、智能化的核电关键设备运维新模式，全面支撑核电站反应堆关键设备的运维保障工作，提升我国核电技术水平和国际竞争力。
助力核电站安全性和经济性进一步提升
安全是核电发展的基石，为核电站关键设备提供专业的运维手段也成为构建核安全体系的重要一环。
据记者了解，目前国内核电站在关键设备运维方面主要以事后维修和计划性维修为主，核电站运维经济性不高，同时关键设备的状态数据没有深度应用，数据价值还有待开发，而科研单位的专家知识、设备运维服务商的经验、先进的智能诊断技术没有有机融合，核电站对关键设备的故障诊断和运维策略支持服务有急切的需求。
在此背景下，PRID可谓应运而生。据核动力院二所一室副主任杨泰波介绍，PRID具有网络化、智能化和模块化的总体特点。该平台首次将大数据和人工智能技术应用于核电关键设备领域，提升了数据管理能力和利用率，同时，PRID实现了“人工智能识别+专家审核”的分析方式，自主开发了核心诊断算法。
“通过核电站关键设备状态数据的累积，可以促进平台算法的迭代更新和完善，并提升平台智能化水平和专家人才队伍的知识水平，进一步提升核电站的安全性和经济性。”杨泰波介绍道。
核电站的安全性和经济性固然重要，但核动力院研发PRID的初衷不仅于此。
“除了安全和经济方面的效益外，我们应该注意到，PRID监测的是核电站关键设备的相关状态，属于我国比较重要的数据，我们研制出拥有完全自主知识产权的核电数据监测平台，对于我国的数据安全也将起到关键的作用。”核动力院党委 书记周定文表示。
周定文同时明确，核动力院拥有大量研发、设计、设备制造等方面的经验，这样一个平台可以在核动力院孵化有其必然性。另外，我国自主研发的平台，更能贴近我国核电站的实际需求，这与从国外直接采购类似的系统还是有一定差别，对我国核电今后的研发创新都有较好的促进作用。
PRID诊断准确性已达国际先进水平
大数据与核电融合碰撞出的火花，为核电站的安全运行又增添了一层保障。当然，现在PRID仍存在需要继续努力的方面。
“PRID监测的对象是数据，所以数据的有效性和准确性是我们重点关注的环节。我们通过在核电站关键设备上安装传感器的方式，实现对核电站相关数据的实时监控，因此传感器的可靠性以及数据传输线路的可靠性都是我们需要格外注意的问题，也是今后要继续提升的一个方面。”刘才学明确。
刘才学指出，反应堆各类关键设备的监测主要基于结构振动和反应堆中子噪声等技术，其专业性强，为了实现各类监测系统核心零部件国产化，对故障诊断及相关专业人才团队的能力要求高。
杨泰波也表示，PRID的技术难点还包括反应堆各类关键设备的诊断算法研究和实现，包括核电站松脱部件智能识别与诊断算法、堆内构件异常振动评价算法、主泵故障智能诊断算法和LBB泄漏定位定量算法等。
另外，作为一个监测诊断平台，其诊断结果的准确性也是业内关注的焦点之一。对此，核动力院二所所长李朋洲表示，由于核动力院依靠研发、设计、人才等方面的优势，集合大数据技术，目前PRID诊断的准确性已达国际先进水平。
目前PRID示范项目已在福清核电站落地。同时，该平台已在我国30台在运核电机组展开了远程诊断等相关工作。
“我们相信，随着核电、大数据以及人工智能的发展，这个系统会愈加完善，前途会更加光明。”周定文表示。
