近日，核能安全所科研人員在核電站故障預測與健康管理領域取得新進展，相關研究成果以“Time series modeling and forecasting with feature decomposition and interaction for prognostics and health management in nuclear power plant”為題發表在能源領域國際學術期刊《Energy》上。

核電系統故障在其發展的初期階段往往表現為部分系統狀態在時間序列上的微小擾動，因此開展核電系統狀態預測工作對于事故的早期干預、防止嚴重事故發生具有重要意義。然而，核電系統高度非線性以及多物理耦合特性，為主工藝流程中的關鍵狀態(例如核功率、冷卻劑溫度、蒸汽壓力等)的長期預測帶來巨大挑戰。

針對上述難題，研究團隊創新提出了“分解-重構-預測”三階遞進架構——AFDI-Net，通過特征空間解耦與跨尺度信息交互，突破核電站時序數據建模瓶頸。該方法首先利用結合注意力機制的多核時序分解模塊，將核電站時序數據分解為具有自適應權重的可解釋的趨勢-季節模式，對高度非線性的核電站數據進行解耦。然后采用具有信息交互功能的特征重構模塊對局部特征進行建模并獲取全局相關性，進而捕捉核電站數據的長期依賴。最后，為減少模型復雜度，采用線性層得到所需預測窗口。此外，研究團隊打破傳統數值指標評價體系，創新設計基于下游任務的模型評估系統，為該領域模型性能的綜合評價提供了新思路。

測試結果表明，該方法在核電站狀態預測中具備顯著優勢，并展示出良好的魯棒性;該方法在核電站多變量長、短期預測中的預測精度較傳統方法均取得了顯著提升;其“分解-重構-預測”結構，不僅能夠有效對核電站復雜系統進行解耦，且能夠準確捕獲核電站運行數據的長期依賴關系，為未來微小型反應堆的創新設計與核電站工業設備預測性維護提供了理論與方法支持。

核能安全所博士研究生余海波為該論文第一作者，楊明翰副研究員和汪建業研究員為通訊作者。上述研究工作得到了中國科學院先導專項、中廣核核電安全技術與裝備全國重點實驗室基金項目等支持。

AFDI-Net整體框架與工作流程