夜雨聆风
编者按：
近年来，全球核能领域数字化转型风头正劲，推动人工智能与核能产业的深度融合，不仅是响应国家“人工智能+”行动部署的具体实践，也是我们构建现代核能体系、实现安全高效发展的必由之路。中国能源研究会积极响应时代命题，在2025年能源行业人工智能创新技术应用案例征集活动中，特设置了“AI+核能创新应用场景”的征集方向。
自启动以来，活动得到了业界、学界以及科技企业界的广泛响应，共收到来自全国49家单位的数百份场景方案，覆盖从设计建造、运维管理、安全监管到燃料循环、公众沟通、前沿材料等全链条环节，充分展现出这一交叉领域的蓬勃活力与广阔前景。经过多轮严谨的研讨与遴选，我们从众多优秀场景中筛选出了100项代表性场景，并在此基础上通过进一步交流与遴选，最终优选出了30项具有前瞻性、创新性和实践价值的场景作为本次征集活动的最终推荐成果。现将这30项“AI+核能创新应用”推荐场景案例进行集中展示，以供探索核能领域AI场景应用的单位和同行互相学习与提高。
一、案例概述
在全球气候变化和能源结构转型的背景下，核电作为清洁能源体系的战略支撑，已成为实现能源安全保障与绿色低碳转型的关键领域。数据驱动方法作为核能技术发展的重要方向，尽管在核电站安全运行管理中展现出巨大潜力，但其应用受限于数据获取的技术瓶颈。当前，核电站运行环境复杂，实测数据稀缺且质量不高，数值仿真技术虽能弥补部分不足，但存在物理多样性受限和计算成本过高等问题。为突破这一技术瓶颈，本项目结合生成对抗网络（GAN）、物理信息神经网络（PINN）和数据同化技术，提出了一种创新性解决方案。该方案通过生成式人工智能技术解决数据稀缺问题，利用物理约束提升模型精度，并结合数据同化技术优化模型预测能力，实现生成式AI、物理智能与数据同化的三重融合，为核能领域的智能化发展提供了技术支撑。
二、典型应用场景
（1）核电站热工水力参数监测与预测：成功部署于多个核电站，解决数据驱动模型中关键数据稀缺问题。
（2）核电站数字孪生系统中的数据生成与提质：弥补仿真数据缺陷，提升数字孪生系统的数据质量与应用能力。
（3）核能系统设计与数字化仿真：通过PINN技术提升仿真精度，推动智能化与数字化解决方案的落地。
（4）核电站二回路系统机理模型优化：通过数据同化技术，实时修正仿真模型参数，准确刻画系统状态，提升仿真精度。
三、技术方案
1. 总体方案
本项目提出了一种结合生成对抗网络（GAN）、物理信息神经网络（PINN）和数据同化技术的综合解决方案，用于解决核能领域数据稀缺和复杂建模问题。技术方案主要包含以下三个核心模块：
基于GAN的参数生成模块：通过构建生成器与判别器的对抗框架，生成符合物理约束的高维热工水力参数。生成器以功率、流量和温度序列为输出目标，通过全连接网络生成多维参数矩阵；判别器不仅从单点统计合理性判别，还通过全局流场一致性与物理约束把关，确保生成数据的物理可信度。该模块实现了复杂流场的高质量数据生成，为数据驱动建模提供了可靠基础。
基于PINN的偏微分方程求解技术：将质量守恒、动量守恒等物理方程嵌入神经网络训练过程，构建复合损失函数，结合仿真数据与边界条件，实现无网格、高精度的热工水力分析。通过引入几何编码，增强网络对不同通道结构的识别能力，提升模型的泛化性能和求解效率。
数据同化与机器学习方法：结合集合变换卡尔曼滤波（ETKF）和粒子滤波（PF），利用残差网络学习同化过程，构建代理模型优化系统状态与参数估计。通过自适应采样策略和深度学习方法，解决观测误差大、模型误差多等问题，实现非线性系统参数和状态的高精度联合估计。
2. 创新亮点
创新点一：结合GAN生成高质量热工水力数据，融入PINN物理方程约束，提升数据质量和模型泛化能力。
创新点二：支持从子通道到堆芯的跨尺度建模，实现复杂几何结构的自适应识别与求解。
创新点三：采用Sobol序列与残差自适应采样策略，提升训练效率与关键区域精度。
创新点四：融合ETKF、WETKF与PF方法，结合深度残差网络构建代理模型，优化参数与状态估计。
四、应用成效
1. 数据生成与增强
GAN技术有效解决了核能领域数据稀缺与质量低的问题，生成高质量、符合物理规律的热工水力数据，显著提升了模型预测精度与鲁棒性。
2. 高效建模与计算
PINN技术实现了复杂热工水力系统的高效建模与求解，突破传统方法计算效率低与物理模型依赖度高的限制，支持高精度预测与多场景分析。
3. 模型优化与精度提升
数据同化技术通过实时校正与动态优化，显著提升了核电站二回路系统仿真模型的精度与可靠性，为核能系统的智能运维提供坚实技术支撑。
五、小结
本项目提出了一种基于生成对抗网络（GAN）、物理信息神经网络（PINN）和数据同化技术的核反应堆热工水力参数生成、求解与校正技术方案。该技术通过融合生成式数据增强与物理约束，解决了核能领域数据稀缺与质量低的问题，同时突破了传统数值方法对网格划分和经验参数的依赖。与传统方案相比，本技术在数据依赖性、物理一致性、计算效率和泛化能力方面具有显著优势，实现了无网格、高精度的热工水力分析。此外，通过数据同化技术构建代理模型，进一步提升了系统状态与参数估计的精度和推断效率，降低了计算资源需求。项目成果已在多个核电站和合作单位成功应用，显著提升了热工水力参数监测与预测的准确性，为核电站的安全运行与数字化转型提供了技术支撑，并创造了可观的经济效益。
完成单位：哈尔滨工程大学核科学与技术学院
主要完成人：关晨阳、刘家琛、向毅卓、陈广亮
中国能源研究会于1981年1月成立，是由从事能源科学技术的相关企事业单位、社会团体和科技工作者自愿结成的全国性、学术性、非营利性社会组织，全国性4A级社团。接受业务主管单位中国科学技术协会、社团登记管理机关民政部的业务指导和监督管理。中国能源研究会拥有单位会员900余家，个人会员12万余人，分支机构包括12个工作委员会、51个专业委员会和6个分会，秘书处（办事机构）设有8个部门，并全资设立《中外能源》杂志社。
中国能源研究会坚持“围绕中心、服务大局，研究、咨询、交流、服务”的宗旨，团结能源领域的科技工作者，发挥能源科技高端智库的作用，服务能源科技进步和体制机制创新，积极开展能源领域的决策咨询服务和重大政策与课题研究，以及能源科技评估、团体标准制定、科学普及等工作，推动国内外的学术交流与合作，成为国家能源管理部门与企业联系的桥梁和纽带，是中国能源领域最具影响力的学术团体之一。中国能源研究会是国家能源局首批16家研究咨询基地之一，为政府决策、部署能源工作发挥了积极作用。
