一种核电厂生产业务流程智能化监控优化方法及系统与流程

本发明涉及人工智能领域，特别是一种核电厂生产业务流程智能化监控优化方法及系统。

背景技术：

1、核电厂生产运营对安全性、可靠性和高效性有着极高要求，传统的生产监控和优化决策主要依赖人工经验，存在一些显著缺陷。首先，传统方法主要基于有限的历史数据和人工提取的经验规则，难以充分利用海量生产运行数据中蕴含的深层知识，导致监控和决策的精确性和前瞻性不足。其次，人工决策过程复杂、效率低下，在发生异常时往往无法及时作出恰当反应，容易造成决策滞后。再者，人工决策过于依赖有限的个人经验，决策结果存在明显的主观偏差和不确定性。

2、另一方面，由于生产环境的复杂多变性，依赖人工构建的规则或模型往往具有一定的场景限制，没有足够的通用性和鲁棒性。一旦生产环境或工况发生变化，仍需重新人工介入构建新模型，无法做到跨场景的有效迁移。

技术实现思路

1、鉴于传统的人工化生产监控和优化决策方法已不能完全满足现代核电生产的智能化需求，提出了本发明。

2、因此，本发明所要解决的问题在于如何利用人工智能、大数据等新技术，实现对核电厂生产流程的智能化异常监控、优化决策及自动化闭环控制，从而提高生产运营的安全性、可靠性和高效性。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种核电厂生产业务流程智能化监控优化方法，其包括构建分层数据融合架构，在核电厂各生产环节部署智能边缘采集网关设备，在云端建立大数据中心；基于主动学习和人机交互技术获取专家标注反馈，构建异常检测模型，用于检测生产流程异常；构建贝叶斯优化流程决策模型，在检测到异常时，结合深度神经网络和强化学习技术给出优化决策方案；开发基于虚拟/增强现实的数字孪生系统，呈现流程监控状态和优化决策方案；根据优化决策方案，自动下发控制指令到生产现场，形成检测、决策、执行的自动化闭环；当发生重大异常时，系统自动挖掘异常根源，触发局部增量更新以修正模型漂移；利用领域自适应技术，将成熟场站的优化模型迁移至新投产场站，进行部署。

5、作为本发明所述核电厂生产业务流程智能化监控优化方法的一种优选方案，其中：构建异常检测模型包括以下步骤：获取核电厂生产过程中采集的原始运行数据，并执行预处理；基于领域知识和异常相关性，从预处理数据中提取与异常检测密切相关的核心特征子集；将全部已标注的历史数据作为初始数据集，并按预设比例划分训练集和验证集；在训练集上，利用深度学习方法和集成学习方法训练多个初始异常检测模型；在验证集上评估模型集合中的异常检测模型，并选择性能最优者作为基础异常检测模型；将选定的基础异常检测模型应用于未标注的在线数据流，用于自动检测生产流程异常；基于模型在线预测的置信度，使用主动学习策略智能抽取置信度低于第一预设阈值的疑似异常实例，并将抽取的疑似异常实例呈现给专家进行二次确认；使用增量学习技术，将新获得的标注实例并入训练集，在线更新优化异常检测模型；重复执行循环流程，持续优化提升模型的异常检测能力，并对优化后的复杂异常检测模型进行模型压缩；针对边缘设备的硬件环境，优化压缩模型的计算图结构，将优化后的轻量级模型部署至边缘网关设备。

6、作为本发明所述核电厂生产业务流程智能化监控优化方法的一种优选方案，其中：利用深度学习方法和集成学习方法训练多个初始异常检测模型包括以下步骤：设计并构建深度卷积神经网络架构包括卷积层、池化层和全连接层，用于从训练数据中自动学习提取特征模式；设计并构建深度循环神经网络架构，适用于序列数据输入，学习捕捉生产数据的时间动态规律；将预处理后的训练数据切分为样本，分别输入深度卷积神经网络和深度循环神经网络，进行端到端训练；采用boosting或bagging集成方法，将训练的多个深度神经网络模型集成为复合异常检测器；使用随机森林或集成树算法，在训练数据上构建决策树集成模型，作为另一种初始异常检测模型；设计变分自编码器神经网络架构，在自编码器的潜在特征空间中训练异常检测分类器模型；将训练得到的复合异常检测器、决策树集成模型、异常检测分类器模型进行组合，形成模型集合。

7、作为本发明所述核电厂生产业务流程智能化监控优化方法的一种优选方案，其中：构建贝叶斯优化流程决策模型包括以下步骤：基于专家知识和历史决策数据，构建贝叶斯网络或其他概率图模型，用于表示反映流程状态与优化决策之间关系的先验概率模型；将优化决策过程建模为马尔可夫决策过程，定义状态空间、离散行动空间和奖赏函数；使用异常检测模型的输出和生产运行数据作为状态数据，并进行标准化处理、缺失值处理和特征工程；使用深度神经网络将高维原始状态编码为低维连续状态表示，作为强化学习模型的输入；采用深度强化学习算法在模拟环境中训练智能体，获得强化学习模型；将先验概率模型与强化学习模型相结合，在检测到异常时对可选决策方案进行贝叶斯推理，输出期望奖赏最大的最优决策方案；提供人机交互界面让专家评审和调整决策方案，使用在线学习技术不断纳入新的决策样本，更新先验模型和强化学习模型；对决策模型进行优化和部署，将决策结果自动下发或提供给现场操作人员执行。

8、作为本发明所述核电厂生产业务流程智能化监控优化方法的一种优选方案，其中：采用深度强化学习算法在模拟环境中训练智能体包括以下步骤：构建模拟环境模型，描述核电厂生产流程和异常场景下的动态演化过程；针对连续状态空间和离散行动空间，选择适用的深度强化学习算法框架，并设计算法的网络结构和训练流程；利用深度神经网络对高维原始状态数据进行编码，获得低维连续状态向量，作为强化学习智能体的输入；根据离散行动空间，选择全连接输出层对可选决策方案进行参数化建模，作为强化学习智能体的输出；在模拟环境中启动强化学习训练过程，智能体与环境交互获取状态-行动-奖赏序列，并使用经验回放的方式缓存训练数据；定期根据dqn算法的更新策略，执行参数更新，使强化学习智能体模型在奖赏函数的指导下逐步优化决策行为；监控训练指标，并在验证环境下评估模型性能，达到预期水平后保存强化学习智能体模型。

9、作为本发明所述核电厂生产业务流程智能化监控优化方法的一种优选方案，其中：形成检测、决策、执行的自动化闭环包括以下步骤：确保决策执行系统与生产控制系统、异常检测系统的网络互连，建立安全的数据交换通道；定义标准化控制指令集，将优化决策转化为可执行的控制指令序列；将生产流程建模为状态机，根据异常检测系统的输入和当前状态，自动执行对应的决策方案和控制指令序列；将控制指令下发至生产控制系统执行，同时将执行反馈和实时监控数据反馈给异常检测和决策模型；在异常检测、决策分析、控制执行之间构建闭环机制，检测、决策、执行的自动化闭环；记录全流程日志用于审计，支持人工干预和调整。

10、作为本发明所述核电厂生产业务流程智能化监控优化方法的一种优选方案，其中：触发局部增量更新以修正模型漂移包括以下步骤：设置异常严重程度判据和阈值，当检测到异常严重程度超过阈值时，触发异常根源挖掘流程；记录异常发生前后的关键运行数据、操作日志、监控数据，自动提取与异常相关的核心特征子集；基于领域知识和历史数据，构建异常原因的贝叶斯网络模型，利用收集的证据数据对模型进行概率推理，得到最可能的异常根源；根据异常根源分析结果，更新异常检测模型和决策模型的知识库，将新发现的异常样本并入训练数据集；采用在线增量学习算法，利用新增训练样本更新模型参数，对异常检测模型和决策模型实时进行局部优化；在验证集上评估更新模型的性能，若性能满足要求则投入线上运行，否则返回上一步继续优化；持续监控模型在线运行，一旦发现性能下降则再次触发增量更新，形成闭环的异常检测、根源挖掘、模型更新的循环学习。

11、第二方面，本发明实施例提供了核电厂生产业务流程智能化监控优化系统，其包括分层架构模块，用于构建分层数据融合架构，在核电厂各生产环节部署智能边缘采集网关设备，在云端建立大数据中心；模型构建模块，用于基于主动学习和人机交互技术获取专家标注反馈，构建异常检测模型，用于检测生产流程异常；决策方案模块，用于构建贝叶斯优化流程决策模型，在检测到异常时，结合深度神经网络和强化学习技术给出优化决策方案；孪生系统模块，用于开发基于虚拟/增强现实的数字孪生系统，呈现流程监控状态和优化决策方案；指令下发模块，用于根据优化决策方案，自动下发控制指令到生产现场，形成检测、决策、执行的自动化闭环；局部增量模块，用于当发生重大异常时，系统自动挖掘异常根源，触发局部增量更新以修正模型漂移；自适应迁移模块，用于利用领域自适应技术，将成熟场站的优化模型迁移至新投产场站，进行部署。

12、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的核电厂生产业务流程智能化监控优化方法的步骤。

13、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本发明第一方面所述的核电厂生产业务流程智能化监控优化方法的步骤。

14、本发明的有益效果为：本发明通过异常检测、决策分析、执行控制三者的高效集成和闭环运行，可以实时发现生产中的异常情况，快速做出正确的优化决策并自动执行，大幅提升了核电站的安全性和生产效率；利用深度学习、集成学习、主动学习等技术，能够从复杂的生产大数据中自动学习异常模式，持续提升异常检测能力；结合贝叶斯网络和强化学习等技术，能够给出满足多目标优化的最优决策方案；通过人机交互获取专家反馈，并利用增量学习技术不断优化模型，实现了模型的持续进化。

技术特征：

1.一种核电厂生产业务流程智能化监控优化方法，其特征在于：包括，

2.如权利要求1所述的核电厂生产业务流程智能化监控优化方法，其特征在于：所述构建异常检测模型包括以下步骤：

3.如权利要求2所述的核电厂生产业务流程智能化监控优化方法，其特征在于：所述利用深度学习方法和集成学习方法训练多个初始异常检测模型包括以下步骤：

4.如权利要求1所述的核电厂生产业务流程智能化监控优化方法，其特征在于：所述构建贝叶斯优化流程决策模型包括以下步骤：

5.如权利要求4所述的核电厂生产业务流程智能化监控优化方法，其特征在于：所述采用深度强化学习算法在模拟环境中训练智能体包括以下步骤：

6.如权利要求1所述的核电厂生产业务流程智能化监控优化方法，其特征在于：所述形成检测、决策、执行的自动化闭环包括以下步骤：

7.如权利要求1所述的核电厂生产业务流程智能化监控优化方法，其特征在于：所述触发局部增量更新以修正模型漂移包括以下步骤：

8.一种核电厂生产业务流程智能化监控优化系统，基于权利要求1～7任一所述的核电厂生产业务流程智能化监控优化方法，其特征在于：还包括，

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的核电厂生产业务流程智能化监控优化方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的核电厂生产业务流程智能化监控优化方法的步骤。

技术总结
本发明公开了一种核电厂生产业务流程智能化监控优化方法，涉及人工智能领域技术领域，包括构建分层数据融合架构；基于主动学习和人机交互技术获取专家标注反馈，构建异常检测模型，用于检测生产流程异常；构建贝叶斯优化流程决策模型，在检测到异常时，结合深度神经网络和强化学习技术给出优化决策方案；开发基于虚拟/增强现实的数字孪生系统，呈现流程监控状态和优化决策方案；根据优化决策方案，自动下发控制指令到生产现场，形成检测、决策、执行的自动化闭环。本发明通过异常检测、决策分析、执行控制三者的高效集成和闭环运行，可以实时发现生产中的异常情况，快速做出正确的优化决策并自动执行，大幅提升了核电站的安全性和生产效率。

技术研发人员：张冀兰,韩明,张鼎纹,于义军,范春瑶,吴多东
受保护的技术使用者：华能海南昌江核电有限公司
技术研发日：
技术公布日：2024/9/23