2025年8月，我国自主三代核电“华龙一号”批量化建设再迎里程碑——浙江金七门核电项目正式开工。这一被业内誉为“智能化集大成者”的工程，标志着我国核电工程建设迈入智能化新阶段。从设计优化到运维升级，从智能决策到全生命周期管理，AI技术的深度融合正为核电建设注入全新动能。记者于近日就AI技术如何助力“华龙一号”设计及工程建设升级这一话题采访了中国核电工程有限公司北京核工程研究设计院副院长范黎。

1、效率与精度的双重突破

记者（以下简称“记”）：中核工程如何将AI技术与核电工程设计深度融合？请结合“华龙一号”项目，谈谈AI在提升设计效率、优化系统配置、避免人为误差等方面的具体应用。

范黎（以下简称“范”）：在核电机组研发与设计方面，核电的数字化设计已取得显著成绩。“华龙一号”机组实现了全数字化设计，为智能化设计技术的研发打下良好基础。随着机组不断设计与建造，我们积累了大量的设计数据、经验和模型。

核电具有知识体系复杂、数据海量、设计文件多模态的特点。我们应用生成式人工智能对积累的设计数据和知识进行重构与再利用，弥补了数字化技术在构建复杂知识体系中对人力与经验的高度依赖。在设计过程中，有大量基于仿真模型的计算分析工作，普遍存在建模工作量大、计算周期长的特点。我们通过AI构建代理模型以加速分析计算，利用数据增强技术弥补稀缺数据，开发基于AI的优化工具，为设计工程师提供更丰富的设计手段，加速机型技术迭代，缩短研发周期。

目前，中核工程正在开展AI技术应用于设计的研发。例如，我们开发了基于大语言模型的设计辅助问答系统，已试点应用于设计知识快速查询、文件辅助校审等工作。在结构分析中，AI技术用于设计预分析，实现了严重事故下安全壳结构响应的快速预测——传统方法需7天，AI技术仅需0.02秒。未来，我们将逐步扩展AI在设计过程中的应用，以更快响应市场需求，实现设计创新。

记：“伏羲核电智能决策系统”在“华龙一号”中已实现示范应用，请介绍1~2个典型场景中AI是如何介入并优化传统流程的？

范：“伏羲核电智能决策系统”是核电行业首个覆盖设计、制造、运维、服务与应急全流程的产业链级智能决策系统，已在福清核电示范应用。系统包含智能设计、智能制造、设备维修优化、机组运行监控预警、延伸服务和智能应急六大模块。

在设备维修优化方面，传统核电厂关键设备主要采用“事后维修+定期维护”方式，难以识别间隔期内的故障隐患。伏羲系统以循环水泵为对象，根据其运行中实时监测的温压液流数据和高频振动数据，融合传统频谱分析与神经网络技术，实时评估设备健康状态，识别早期故障，预测剩余寿命，并结合电厂生产计划与维修资源，自动推送维修建议。目前该系统已在福清5号机组完成工程应用，推动设备维护策略向“预测性视情维护”转变。

在机组运行监控预警方面，主控室操纵员需定期检查数千项运行参数，分析异常隐患。伏羲系统利用深度神经网络等技术，实现对机组运行数据的实时监测，智能识别早期异常、预测参数趋势，并自动关联应对措施。示范应用显示，该系统提升巡盘效率75%，准确率达98%，推动主控巡盘从“完全依赖人工的经验决策”向“数据驱动的智能决策”转变。

2、打造核电设计的“智能大脑”

记：中核工程正在推进“华龙通用设计GPT”项目，请介绍一下该项目的技术架构、数据基础与预期目标。它将如何支撑“华龙”后续机型的设计迭代与全生命周期管理？

范：近年来，通用大模型在核电设计辅助中展现出巨大潜力，但也面临数据处理与准备方面的挑战。目前，我们围绕工艺系统设计、严重事故分析、前期勘察设计等场景开展大语言模型应用试点，包括数据预处理、适应性训练与应用开发，目标是让模型直接生成可服务于设计人员的专业代码或报告，为通用大模型在设计领域落地积累经验。

在技术架构上，我们采用“国产开源通用大模型+领域专业知识增强”的路径，依托DeepSeek、Qwen等国产开源模型，构建核电工程设计专业知识库，通过提示词工程与检索增强生成技术实现知识交互层面的设计辅助。在数据方面，我们整合了“华龙一号”的设计图纸、技术规格书、系统手册，以及国家核安全局、中核集团企标、IAEA等国内外规范标准，构建多类知识库，将数据转化为知识，服务设计工作。

未来，该平台将在新机型研发阶段基于“华龙一号”设计知识，快速生成系统配置方案、设备选型建议，甚至自动完成部分安全分析报告草稿；在设计验证阶段，通过语义理解与知识推理，识别设计文档中的潜在冲突；在运维阶段，通过运行数据反馈优化后续机型的可维护性与可检修性设计。

3、“新质”金七门项目

记：金七门项目的开工被广泛关注，它被称为“智能化集大成者”。请问其在哪些方面体现了前所未有的智能化水平，尤其是在“少人监控、少人值守”方面有哪些技术突破？

范：金七门核电厂1、2号机组在可行性研究与初步设计阶段就聚焦打造智能化技术应用的“标杆电厂”，提出了一整套以“少人监控、少人值守”为目标的智能电厂解决方案。

其智能化功能主要包括四个方面：一是在辅助运行方面，对机组运行状态进行实时精准模拟，实现对运行趋势的估计与预测，为操纵员提供辅助决策信息，降低工作负荷，避免人因失误；二是在机组控制方面，扩大成组控制与顺序控制逻辑应用范围，提高自动化水平，并探索闭环控制逻辑的优化，为实现在线控制优化奠定基础；三是在状态监测方面，利用预测性维护技术识别早期或微小故障，开展预测性维保，防止异常劣化，优化定期试验与维修策略；四是在智能巡检方面，通过智能摄像头、巡检机器人在BOP和常规岛的应用，降低现场巡检频率与人员负担，实现对现场环境与设备状态的智能判断。

此外，金七门项目在辐射监测、消防系统等方面也开展了智能化技术试点，标志着数智化技术从设计阶段开始全面融入核电工程，为逐步实现“少人监控、少人值守”奠定数据与功能基础。

记：“真正的数字化移交”是金七门项目的一大亮点，请具体解释这一概念，并说明AI在实现这一目标中发挥了哪些作用？

范：传统工程移交是指在项目建设完成后，将纸质图纸、设计文件、设备手册等物理文档从建设方移交给运营方。这是一个静态、割裂、信息损耗巨大的过程。

数字化移交则是在项目建设全过程中，基于统一数据标准与管理平台，构建并交付一个与物理电站完全一致的、包含完整几何信息与工程属性信息的三维数字孪生模型，以及与之深度关联、结构化、可检索的全生命周期数据资产。

数字化移交的核心内容包括：全专业、高精度三维模型，涵盖核岛、常规岛、BOP等所有厂房的建筑、结构、管道、暖通、电气、仪控等专业；结构化的工程与资产数据，将传统文档信息“打碎”并关联至三维模型中的具体对象；智能关联的文档体系，将质量计划、验收报告、设备手册等非结构化文档通过元数据或编码系统与模型和数据关联；一体化的移交平台，集成所有内容，支持数据浏览、查询、分析、校验与更新。

AI技术在移交过程中发挥了重要作用，例如通过自动质量校审、版本冻结管理等功能，提升移交成果的质量与管控效率。未来，随着云计算、物联网、大数据与AI技术的深度融合，核电站将成为一个“虚实映射、智能交互”的复杂系统，而数字化移交正是构建这一智能体的“数字基因”。

4、构建AI落地的“安全底座”

记：在推进AI与核电深度融合的过程中，中核工程面临哪些技术、数据或人才方面的挑战，又是如何应对的？

范：AI在核电领域应用面临两大核心挑战：一是核电安全性对AI模型的高可靠性要求，二是缺乏故障、事故等场景的数据样本。此外，AI技术在核电领域的适用性与有效性仍需进一步验证。

我们建立了基于安全设计原则的AI技术开发框架，将安全性融入模型构建与算法选择中，并依托试验台架开展AI模型的开发与验证，例如“玄武”安全壳实验平台、循环水泵智能诊断试验台架、全自动数控装卸料机试验台架等，为安全性验证、性能评估、数据补充与多场景模拟提供了必要条件，弥补了故障数据的缺失。

在人才方面，核电与AI的知识体系差异大，跨学科融合难度高。我们通过引进AI专业人才，统筹开展技术攻关，在实战中培养复合型团队。目前正逐步建立一支既懂核工程又掌握AI技术的专业队伍。

记：未来3~5年，中核工程在“AI+核电”领域有哪些重点技术攻关计划？是否考虑与高校、互联网企业等开展联合研发？

范：未来3~5年，我们将在智能设计、智能建造、智能运维、智能后处理及AI验证技术等领域开展重点攻关。在设计领域，以实现快速迭代、方案优化、降本增效为目标推进智能设计辅助技术与系统开发；在机型研发方面，以“主动安全、健康运行”为目标，研发与设计密切相关的监测预警、自动化与智能化运行技术，构建面向AI应用的安全理论体系。

合作方面，中核工程已与多所高校建立长期战略合作关系。我们高度重视与高校、互联网企业的联合研发，优先选择具备核电经验或AI技术实力的合作伙伴，通过共建联合实验室、试点项目等方式，吸收先进技术与敏捷开发经验，推动AI技术快速落地。同时，通过项目合作联合培养复合型人才，构建产学研用协同发展的创新生态。（原文刊于《中国核工业》杂志2025年第9期）