核电厂运行老化相关数据的分析方法与流程

本发明属于核电厂老化管理，具体涉及一种基于深度学习技术进行核电厂运行老化相关数据分析的方法。

背景技术：

1、对大量核电厂运行老化相关数据进行数据挖掘，是有效地进行核电厂设备老化管理的必要输入。但是核电厂运行老化相关数据属于典型高度专业化、非结构化数据，价值密度低，预处理难度大，无法通过现有的人工处理方法实现全量的数据挖掘。

技术实现思路

1、有鉴于此，为了克服现有技术的缺陷，本发明的目的是提供一种基于深度学习技术进行核电厂运行老化相关数据分析的方法。

2、为了达到上述目的，本发明采用以下的技术方案：

3、一种核电厂运行老化相关数据的分析方法，包括如下步骤：

4、分析核电厂运行老化相关数据特征，进行数据建模，结合结构化数据进行数据预处理，将不同表示方法的数据统一到同一标准下；

5、使用核电厂运行老化相关数据进行自然语言处理模型的预训练，得到核电厂运行老化自然语言处理预训练模型；

6、使用核电厂运行管理活动、故障记录数据对核电厂运行老化自然语言处理预训练模型进行任务微调，得到核电厂运行老化相关数据任务模型；

7、利用核电厂运行老化相关数据任务模型对预处理后的数据进行抽取；

8、结合结构化数据对抽取得到的数据进行后处理；

9、使用核电厂老化管理的业务方法论对后处理后得到的数据进行业务分析，得出结论。

10、根据本发明的一些优选实施方面，所述运行老化相关数据包括老化管理大纲、维修大纲、失效记录、工单信息、完工报告、相关专业文献。

11、根据本发明的一些优选实施方面，所述结构化数据包括电厂系统、机组、设备清单以及设备类型和部件清单。

12、根据本发明的一些优选实施方面，所述预训练为使用双向上下文依赖编码器生成特征；所述预训练中所使用的基础语料包括核电厂运行老化管理相关的多个相关领域，包括核电厂运行、材料、老化管理的工程和科研领域，并且广泛的包含专业术语、专业表达以及常用简写和习惯性表达，包括电厂系统、机组、设备、检查与维修方法的缩略语。

13、根据本发明的一些优选实施方面，所述任务微调中，针对每种任务的标注样本量在多次迭代中进行评估分类模型，根据是否因老化因素直接或间接导致，将数据空间划分为2个子空间：因老化因素直接或间接导致的记录空间sar、不因老化因素直接或间接导致的记录空间snar。

14、根据本发明的一些优选实施方面，所述抽取为：利用核电厂运行老化相关数据任务模型，对原始数据进行处理，保证输入模型的数据与原始训练数据保持特征相同和特征分布相同。

15、根据本发明的一些优选实施方面，所述后处理为：根据每一类抽取对象的实际情况对数据进行归类、去除异常值，处理原则参照电厂管理习惯以及老化管理领域相关标准进行。

16、根据本发明的一些优选实施方面，所述业务分析为：通过将后处理后的数据与预处理后的数据进行组合形成高维数据空间sar-b(ar,ame,des,det,mag,con)，并根据不同的业务目标进行分析，使用服务于不同业务目标的超平面a1ar+a2ame+a3des+a4det+a5mag+a6co+b＝0；其中a1～a6为超平面法向量分量，b为常数；对其进行分割，并分析在这一平面上的分布特征。

17、根据本发明的一些优选实施方面，所述ar为失效记录的特征；所述ame为失效记录的老化管理专业要素；所述des为失效记录的描述性要素；所述det为探测失效的技术手段以及动作的实施者和接受者；所述mag为管理失效的技术手段以及动作的实施者和接受者；所述con为失效的直接和间接后果。

18、根据本发明的一些优选实施方面，所述分析包括：

19、同一类老化问题在不同电厂或业务环境条件下的分布差异以及数量、趋势的差异即sar-b(a,b,des,det,mag,con)的分布规律；其中a,b为常数；

20、同一电厂或业务环境条件下不同老化问题的分布差异以及数量、趋势的差异即sar-b(ar,ame,a,det,mag,con)；

21、不同管理活动在同样系统中实施后的差异分析、相同管理活动在不同系统中实施后的差异分析sar-b(ar,ame,des,det,a,con)；

22、所述老化问题的特征包含材料、环境、应力sar-b(a,ame,b,c,d,e)；所述管理活动包含预防性、纠正性活动sar-b(a,b,c,det,mag,d)；所述数量包括相对数量和绝对数量；所述业务环境条件包括与老化管理相关的其他要素。

23、由于采用了以上的技术方案，相较于现有技术，本发明的有益之处在于：本发明的核电厂运行老化相关数据的分析方法，针对核电厂老化管理相关数据的特征，对数据进行建模，并训练基于深度学习技术的人工智能模型，是对其进行有效数据挖掘的先决条件。在此数据基础上根据核电厂老化管理的业务方法论，结合电厂实际情况对数据进行深入分析，可对核电厂老化管理提供全局视野，大大提升管理的目的性、有效性。

技术特征：

1.一种核电厂运行老化相关数据的分析方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的分析方法，其特征在于，所述运行老化相关数据包括老化管理大纲、维修大纲、失效记录、工单信息、完工报告、相关专业文献。

3.根据权利要求1所述的分析方法，其特征在于，所述结构化数据包括电厂系统、机组、设备清单以及设备类型和部件清单。

4.根据权利要求1所述的分析方法，其特征在于，所述预训练为使用双向上下文依赖编码器生成特征；所述预训练中所使用的基础语料包括核电厂运行老化管理相关的多个相关领域，包括核电厂运行、材料、老化管理的工程和科研领域，并且广泛的包含专业术语、专业表达以及常用简写和习惯性表达，包括电厂系统、机组、设备、检查与维修方法的缩略语。

5.根据权利要求1所述的分析方法，其特征在于，所述任务微调中，针对每种任务的标注样本量在多次迭代中进行评估分类模型，根据是否因老化因素直接或间接导致，将数据空间划分为2个子空间：因老化因素直接或间接导致的记录空间sar、不因老化因素直接或间接导致的记录空间snar。

6.根据权利要求1所述的分析方法，其特征在于，所述抽取为：利用核电厂运行老化相关数据任务模型，对原始数据进行处理，保证输入模型的数据与原始训练数据保持特征相同和特征分布相同。

7.根据权利要求1所述的分析方法，其特征在于，所述后处理为：根据每一类抽取对象的实际情况对数据进行归类、去除异常值，处理原则参照电厂管理习惯以及老化管理领域相关标准进行。

8.根据权利要求1所述的分析方法，其特征在于，所述业务分析为：通过将后处理后的数据与预处理后的数据进行组合形成高维数据空间sar-b(ar,ame,des,det,mag,con)，并根据不同的业务目标进行分析，使用服务于不同业务目标的超平面a1ar+a2ame+a3des+a4det+a5mag+a6co+b＝0；其中a1～a6为超平面法向量分量，b为常数；对其进行分割，并分析在这一平面上的分布特征。

9.根据权利要求8所述的分析方法，其特征在于，所述ar为失效记录的特征；所述ame为失效记录的老化管理专业要素；所述des为失效记录的描述性要素；所述det为探测失效的技术手段以及动作的实施者和接受者；所述mag为管理失效的技术手段以及动作的实施者和接受者；所述con为失效的直接和间接后果。

10.根据权利要求8所述的分析方法，其特征在于，所述分析包括：

技术总结
本发明公开了一种核电厂运行老化相关数据的分析方法，包括如下步骤：分析核电厂运行老化相关数据特征，进行数据建模，结合结构化数据进行数据预处理，将不同表示方法的数据统一到同一标准下；使用核电厂运行老化相关数据进行自然语言处理模型的预训练，得到核电厂运行老化自然语言处理预训练模型；使用核电厂运行管理活动、故障记录数据对核电厂运行老化自然语言处理预训练模型进行任务微调，得到核电厂运行老化相关数据任务模型；利用核电厂运行老化相关数据任务模型对预处理后的数据进行抽取；结合结构化数据对抽取得到的数据进行后处理；使用核电厂老化管理的业务方法论对后处理后得到的数据进行业务分析，得出结论。

技术研发人员：安英辉,孙大健,姜冠男,刘啸天,方奎元,王勇
受保护的技术使用者：岭澳核电有限公司
技术研发日：
技术公布日：2024/3/12