核電站數字化儀控系統，是核電站的大腦、神經中樞、運行中心和安全屏障，是核電站關鍵核心技術的載體。現在隨著世界數字化、網絡化、智能化高速發展，核電儀控系統也朝著更先進的智能控制系統發展，那對安全等級要求極高的核電控制系統，要不要應用云平臺、AI、邊緣計算等這些新技術呢？智能化的方向是什么？本文通過層層分析，給出了一個答案。

核電的安全特征是高危險性和低發生率，公眾對其安全性期望極高。數字化控制系統直接控制核電機組生產過程，是確保安全的重要設備系統。在核安全文化的深度滲透下，核電行業對于控制系統的安全性、可用性和穩定性要求遠高于火電、風電等其他發電行業。

我國核電站控制系統的發展回顧

自上世紀八十年代，核電控制系統從傳統的模擬控制系統轉向基于工業計算機和工業實時網絡的數字化儀控系統，應用范圍從單純的數據采集監視系統（SCADA）逐步延伸到常規島、核島和BOP控制系統（DCS），最終實現了1E級反應堆保護和安全專設控制系統的數字化。

大亞灣核電站首先引入法國研制的電站計算機系統，實現了核電機組運行狀態監視功能；恰希瑪一期工程由于西方國家的禁運，中核集團決定采用了和利時公司基于國內技術自主開發的電站計算機系統，秦山二期繼續擴大國產數字化儀控系統的應用范圍，和利時不但提供了KIT/KPS系統，還在常規島控制首次實現了DCS系統的應用；2007年中廣核與和利時合資成立的廣利核公司獲得了紅沿河1-4號機和寧德1-2號機等6臺百萬級核電機組數字化儀控系統合同，采用和利時研制的DCS系統（HOLLiAS-N）實現了數字化運行儀控系統全面自主化；廣利核公司自2008年開始自主研發1E級的核電站安全保護系統（和睦系統），2014年獲得陽江5、6號機的核安全級DCS合同，在核電數字化儀控自主可控方面實現了關鍵性的突破。

核電控制系統的智能化

隨著人工智能、物聯網、大數據、云計算等新一代信息技術的突破，以DCS、PLC、SCADA為代表的數字化控制系統也逐步向智能控制系統方向發展。

一般認為智能控制系統是具備人工智能（Artificial Intelligence）的控制系統。人工智能是一種利用計算機系統模仿人類思維，問題解決和決策制定能力。目前的人工智能尚屬于弱人工智能，只能在有限領域執行人類預先給定的任務，不能主動提出問題、解決問題和規劃未來，也就是不具備自我意識。

核電控制系統的核心功能是周期采集核電機組運行狀態，按照預先編程的控制邏輯算法調節生產過程以達到預期目標，并保證生產過程的安全和穩定。由于核電生產過程的高精度機理模型基本上無法準確辨識，設計的控制方案大部分是基于簡化機理模型。PID是機組控制最常用的算法，具有較好的魯棒性，在穩定工況時自控投入率較高，但在一些動態過程或異常工況，還可能需要控制參數調整或人工直接接入控制。

從運行數字化的角度看，核電控制系統的智能主要體現在對于外部工藝過程和自身變化的主動適應能力，這里主要涉及三個基本要求，一是感知信息是否充分、準確、及時獲得關鍵運行數據；二是控制算法的魯棒性是否夠高，動態和靜態性能指標滿足工藝要求；三是調節操作是否及時發出并精確執行到位。

數字化智能化技術的選擇

從智慧核電大平臺建設的角度，核電控制系統直接采用云計算、邊緣計算、機器學習、5G和物聯網等新一代ICT技術似乎理所當然，但目前尚有幾個具體技術問題值得討論。

Q1

核電DCS是否要上云？

現有的核電DCS為了避免共因故障，提高系統強壯性，采取了多重化、實體隔離和縱深防御等技術措施。云計算強調資源中心化和統一集中管控，在核電控制應用場景下，云平臺需要證明對算力、存儲和網絡資源的集中整合不能成為潛在的共因故障點。在核電安全設計準則的限制下，DCS控制站部署方式實際上是完全的預分配，不存在按需靈活部署的需求，而且核電DCS的控制算法在調試完成后很少修改，即使修改，也必須在現場完成全面的功能測試后才允許投入運行。云平臺軟件復雜度高，對于資源調度快速性要求不高，采用標準的虛機或容器方式部署在云上的虛擬控制站運行實例一旦發生故障很難在生產安全允許的時間內（一般是3個典型控制周期內150ms）恢復，無法滿足核電控制可用性要求。從目前的情況分析，云化的核電控制系統安全風險尚不可控，實現的意義不大。

Q2

核電DCS是否要引入邊緣計算技術？

邊緣計算的出現改變了云計算強烈的單一中心化趨勢，多個云節點與多個邊緣節點共同組成一個分布式系統，邊緣節點和云節點之間不存在強依賴關系，邊緣節點可以脫離云節點獨立自主運行。邊緣與邊緣，邊緣與云，云與云之間可以建立任意的端到端服務關系。這種異構分布式服務模式比集中化的云服務模式更適合核電數字化控制應用場景要求。核電控制系統作為邊緣節點，可以通過全局統一的服務和資源管理接口為云節點提供相關的數據和服務，還可以遠程調用云節點提供的算力、存儲等資源為邊緣節點所用，完成需要大算力、大存儲的數據分析或機器學習應用，實現云邊協同運行。

Q3

基于大數據的機器學習能否解決

核電機組智能控制問題？

近十年來，以深度學習為代表的人工智能算法在視覺識別、自然語言處理、設備運維、自動駕駛等眾多方面取得了重大進展。深度學習實質上是一種基于概率論與統計學的機器學習方法，首先深度學習嚴重依賴于樣本的選擇和數量，其次通過深度學習獲得的推理模型的有效性目前尚處于較低水平，與核電控制的確定性和安全性要求相差較大。核電智能控制的未來不能僅考慮大數據機器學習一條發展路徑，而且要研究基于確定論的小數據學習方法，神經網絡自適應控制、模糊控制、預測控制和遺傳算法等等也有可能解決核電智能控制問題。

Q4

核電DCS采集的生產過程數據和范圍

是否充分？

從核電設備智能運維的角度，核電控制系統是最重要的數據來源，由于信號采集硬件采集速率和IO通訊總線帶寬的限制，目前DCS的現場實時數據采集周期最小一般是50ms；同樣由于服務器處理能力和數據庫架構問題，在DCS歷史數據庫保存的歷史數據記錄周期大多在0.5或1秒，這意味著從歷史數據庫保存的數據只能反映較慢的變化過程，無法提供瞬變狀態的信息，造成核電機組設備運行數據供應不足，智能運維分析能力受限。

Q5

核電DCS的信息安全如何保證？

針對核電的惡意攻擊行為之中危險性最高的是APT攻擊，依賴單一技術手段很難實現對有組織的多專業組合APT攻擊的有效防護，需要借鑒核電領域常用的多樣性縱深防御措施，重重設防，及時發現，快速響應，斬斷伸向核電安全的黑手。核電DCS處于安全一區，需要符合等保三級要求，但核電DCS的智能化勢必要打通與安全二區和安全三區的雙向通訊通道，同時也帶來了外部網絡攻擊的潛在威脅。除了采用傳統的網閘、防火墻、網絡審計等外掛式安全增強手段，還應該提高DCS自身的安全能力，通過控制器硬件架構、嵌入式操作系統、實時控制軟件、控制組態軟件、安全網絡協議的安全升級同時滿足功能安全與信息安全的要求。

新一代核電控制系統智能化升級的方向

預期的新一代核電控制系統智能化升級方向主要包括：

1、研究新的智能控制算法解決經典控制論和現代控制論難以解決的非線性、時變、強耦合的核電復雜工藝系統控制魯棒性問題。

2、研究圖像、視頻、音頻等多媒體信息與傳統的溫度、壓力、流量等工業過程參數的融合感知和實時分析方法，通過基于多傳感器和圖像信息融合的多維度復合控制方法能有效提高控制的敏感度和響應性。

3、升級DCS硬件，增加高速輸入模塊和遠程IO單元；提高IO總線速率，支持光纖和銅纜傳輸介質；采用高性能的多核CPU和固態存儲器，滿足高速數據采集和存儲的要求；采用服務器集群方式提高數據服務和計算服務能力。

4、設計全新的DCS組態集成開發環境（IDE），支持服務器和單機兩種工程開發模式以及C/S和B/S客戶端，提供版本控制功能滿足分布式多版本同步開發；支持IEC61131-3編程語言、編譯型的C/C++語言和解釋型的python語言；支持創建多個周期、中斷和連續運行任務；支持基于OPC UA的層次化對象模型。

5、控制站支持虛擬化運行模式，部署Hypervisor軟件，允許創建控制虛機和計算虛機，分別支持實時控制任務和非實時計算任務。

6、控制站提供開放的工業實時以太網和現場總線，支持與安裝在現場的智能傳感器和執行器的雙向通訊。

7、控制站的實時控制軟件與IO通道解耦，支持IO通道虛擬化和跨站分配。

8、采用內生安全設計，支持基于國密算法的數據細粒度加密傳輸和存儲，采用雙體系可信計算架構，支持靜態和動態度量，滿足等保三級要求。

核電數字化控制系統的智能化升級不但需要滿足未來新建機組的要求，同時也需要考慮在役機組的升級改造的要求。

伴隨著中國核電產業的快速發展，基于統一標準的元數據、數據模型、分布式服務接口的新一代核電數字化控制系統必將為智慧核電的建設提供強有力的支撐。

作者介紹

朱毅明，現任和利時集團中央研究院總工程師，教授級高工，國家智能制造標準化專家咨詢組專家。長期從事工業自動化和信息系統的開發設計工作，主持并完成了多項核高基、863計劃等國家級科技項目，包括和利時第五代模塊化DCS、支持GOA4級全自動駕駛的地鐵調度監控系統、自主可控大型PLC、工業互聯網集成開發平臺和內生信息安全的DCS等。

審核編輯：郭婷