用原创的DUCG人工智能技术提高核电站的安全性和可用度

• 作者: 张勤
• 来源期刊: 中国核电
• 学科: 工学
• 关键词: 安全性 可用度 故障诊断 人工智能 DUCG
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 核电研发
• 页码范围: 59-68
• 页数: 10页
• 分类号: TP39
• 字数: 4407字
• 语种: 中文
• DOI: 10.12058/zghd.2018.01.059

摘要

核电站的安全性和可用度通常是矛盾的.各种新堆型无法用于大量在役核电站.实践及理论研究表明,各种常规故障及其叠加以及操作员的误判是导致核电站停堆和安全事故的主因.动态不确定因果图(Dynamic Uncertain Causality Graph,DUCG)是原创的人工智能理论模型和软件平台,可有效用于核电站等大型复杂工业过程系统的故障监测、预报、诊断、发展预测和决策支持.DUCG主要基于领域专家的确定或不确定因果知识而非对难以获得的大量故障数据的黑箱学习,可诊断从未发生过的故障,具有知识库全图形表达、诊断正确率高、推理结果可解释性强、计算效率高、对概率参数精度要求低、对知识库和信号的容错能力强等特点.在已经完成的各项实验中,DUCG的诊断正确率达到100％.采用DUCG技术,可在很小投入的情况下有效提高在役和新建核电站的安全性和可用度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张勤	清华大学核能与新能源技术研究院	16	77	6.0	8.0