从先进核电厂仿真器到数字核电厂之现状与发展方向

黄建华，郭天觉

（1．厦门大学能源研究院 福建 厦门 361005；2．和昇集团 香港）

从先进核电厂仿真器到数字核电厂之现状与发展方向

黄建华1，郭天觉2

（1．厦门大学能源研究院 福建 厦门 361005；2．和昇集团 香港）

进入21世纪后各种尖端科技进展很快，例如高性能计算能力、超高速网络、云平台等。本文探讨如何应用这些尖端科技，进行从先进核电厂工程仿真器往上提升成为数字核电厂之初期规划与发展方向。

建模技术；仿真技术；先进工程仿真器；工业4．0；中国制造2025；数字核电厂

现在几乎所有核电厂都使用仿真器进行操作员培训。近来工程仿真器也被用于协助核电厂设计和工程。最近几年随着科技的发展为了使核电厂的建模和仿真能够更准确、可靠，数字核电厂的研发开始启动。先进核电厂仿真器平台是成熟的商业产品而数字核电厂则仍是在研究发展中，它们的共同点是都是以建模和仿真技术来表现一个核电厂。建模技术（Modeling）就是开发以数学方程式和逻辑控制方程式来表示核电厂的行为和反应，例如：开发以质量守恒、动量守恒、能量守恒偏微分方程式来表示水和水蒸气在反应堆芯的行为和反应。仿真技术（Simulation）就是以数值分析方法，例如有限差方法或有限元方法来解答上述表示核电厂行为和反应的方程式，并写成计算器语言，使用计算器取得数值答案。

在建模和仿真的过程中都会有不确定性，包括认知的不确定性和偶然的不确定性。认知的不确定性是一种系统的不确定性，是因为我们对事物了解的不足，例如我们在建模时我们的模型忽略了某些效果，又例如我们使用的某些数据因为知识贫乏而不够准确。偶然的不确定性是一种统计的不确定性，是自然界中的随机现象，例如同一实验做两次同一测量结果不会完全相同，最基本会存在一点噪声产生的差异。因此在数字反应堆和数字核电厂的研发中不确定性的量化是一项重要项目。

先进核电厂仿真器平台是成熟的商业产品，提供这种产品的主要欧美公司包括：美国WSC公司的3KeyMaster平台［1］、加拿大L3－MAPPS公司的 Orchid?平台［2］、美国GSE公司的JADETM平台［3］。而执行数字反应堆核电厂平台研发的欧美研发计划包括：以美国ORNL国家实验室主导的CASL计划的VERA平台［4］、美国INL国家实验室主导的NEAMS计划的 MOOSE平台［5］、欧洲NURESIM计划的SALOME平台［6］。数字反应堆再进一步便成为数字核电厂。

进入21世纪后各种尖端科技进展很快，例如：高性能计算能力、超高速网络、云平台等，中国和欧美都在思考如何把这些尖端科技有效地应用到工业生产上，帮助生产力更上一层楼，带动经济发展。故而有工业4．0［7］和中国制造2025［8］等计划，核能工业是中国工业中重要的一环，因此数字核电厂的研发也需要把这些尖端科技的有效应用考虑进去。

1 核电厂仿真器和数字核电厂介绍

在20世纪70年初期以计算器为基础的控制室核能仿真器开始被应用，但一直到1979年在三哩岛 （Three Mile Island，TMI）意外发生前后，全世界核能产业使用核电厂控制室核能仿真器的数量并不多，而受限于当时计算器的计算能力，当时核能界应用的仿真器普遍存在以下的问题：

1）其控制室面板的布局和设计和被模拟的核电厂并不完全相同。

2）那些仿真器使用的核电厂中子分布和热工水力模型并不足够反映核电厂的真实状况，例如中子计算一般采用反应堆点动力学模型，而热工水力一般采用均质模型。

3）由于设计上和实际核电厂的差异，核电厂的实际操作程序一般不能使用在这些仿真器上，因此操作员用来培训的程序和核电厂使用的程序并不完全一致。

在20世纪80年代汲取了过去多年核电厂运转的经验和教训，核能产业重新再详细评估核电厂人员特别是控制室人员的培训是否足够，因此一些国家的核能产业针对控制室人员仿真器培训建立更严格的要求，而且对核能仿真器的研发更为重视。

在20世纪90年代开始把较能反映真正核心状态的软件应用在仿真器上，这包括把三维多群组（2或4群组）中子扩散理论软件应用在核心中子分布的实时模拟，以及把用作脱机瞬态和意外分析软件应用在核心热工水力的实时模拟。

2000年后把三维多群组中子扩散理论软件和脱机瞬态和意外分析软件应用到实时模拟技术已经成熟，而且实际应用到新建核电厂的全范围仿真器，例如：

1）福建宁德核电全范围模拟机，堆芯中子分布的模拟采用三维少群组NESTLE软件，堆芯热工水力的实时模拟采用RELAP5软件［9］。

2）台湾龙门核电全范围模拟机堆芯中子分布的模拟采用三维少群组NEMO软件，堆芯热工水力的实时模拟采用TRACS软件［10］。

此外先进工程仿真器也开始被应用到新一代核电厂的设计开发和设计验证上，并取得一定程度的效果，例如台湾龙门核电厂数字系统验证［11］和美国泰拉公司的行波堆工程仿真器［12］。

同时欧洲和美国都开始更为注重先进建模与仿真的研究和发展而组织了一系列的会议和启动了数字反应堆研发计划。所谓数字反应堆基本上就是用先进的建模和仿真科技执行堆芯的仿真计算。

欧洲启动了CRISSUE－S计划 （CRISSUE－S Critical Issues in Nuclear Reactor Technology：A State－of－the Art Report），它的意思就是核反应堆技术中的关键问题：一份尖端技术的报告。CRISSUE－S这项活动的主要讨论项目是三维中子动力学和系统热工水力学之间的相互作用。CRISSUE－S在2002年至2003年总共开了6次会议，于2004年发表了CRISSUE－S总结报告［13］。对核心中子计算和热工水力计算的建模和仿真产生了一定的影响。

此外欧洲在2000年启动了EUROFASTNET 计划［14］，EUROpean project for Future Advances in Sciences and Technology for Nuclear Engineering Thermal－Hydraulics，它的意思就是欧洲核工程热工水力学未来发展科学与技术计划。EUROFASTNET计划的目标是开发新的计算机模型和开展新的实验使得反应堆热工水力的物理描述能够更详细和更准确，EUROFASTNET项目计划于2003年结束。

经过EUROFASTNET计划的酝酿，欧洲各国于2005年建立了长期的先进建模与仿真的研发计划 NURESIM／NURISP／NURENEXT［15］。

美国对先进建模和仿真科技在核能发展上的重视在前美国能源部部长朱棣文先生 （Steve Chu）2010年3月在华尔街日报发表以下针对美国核能业的谈话再度得到证实［16］。

“正如先进计算器模仿革命化了飞机的设计……我们将应用建模和仿真技术加速核能的研究和发展。科学家和工程师可以站立在一台虚拟反应堆的中心，观察水在核心的流程、核燃料的效能，甚至反应堆在不同操作条件下的反应。要达到这潜力，我们将建立一个新的研究中心叫 ‘核能建模和仿真中心’，集中我们国家一些最好的头脑在这中心工作。”

在2009年至2010年间美国先后启动了两个先进建模和仿真的科研计划，一个叫NEAMS，另一个叫CASL。

NEAMS （Nuclear Energy Advanced Modeling and Simulation），它的意思就是核能先进建模和仿真计划。NEAMS的着重点是新一代反应堆的研究开发和设计。

CASL （Consortium for Advanced Simulations of Light Water Reactors），它的意思就是轻水反应堆先进建模和仿真集团。CASL的着重点是解决正在运转的反应堆在延长使用寿命和功率提升所碰到的问题。

我们这里所说的数字核电厂和数字反应堆的差异在于数字核电厂包括下列附加功能为数字反应堆所没有：

1）厂区 （BOP，Balance of Plant）系统的建模和仿真。

2）数字控制和仪器仪表 （DC＆I，Digital Control and Instrumentation） 系 统 的 建 模 和仿真。

3）仿真功能，例如：工况 （IC）、重置（RESET）、运行 （RUN）、停止 （STOP）、冻结 （FREEZE）、 快 照 （SNAP）、 自 动 重 演（AUTO REPLAY）、故障 （Malfunction）、剧本 （Scenario）、回溯 （BACKTRACK）、步进（STEP）等功能。

2 数字核电厂平台特点

数字核电厂包含以下主要特点：

1）使用多种物理紧密偶合，例如在执行核心中子计算和核心热工水力计算时在同一时间步长互相传送数据，因此在同一时间步长内各自数据的变化马上会影响对方的计算。

2）使用多层尺度计算，例如在执行核燃料性能分析计算时所使用的材料特性是透过小尺度计算程序产生再送给大尺度计算程序执行核燃料性能分析。又例如在执行核心热工水力计算时会结合子信道和系统程序。

3）使用高速计算器并采用并行计算以增加计算能力。

4）使用先进运算方法，在解矩阵方程时因为要解非常庞大的矩阵因此需要使用先进的求解库，例如Trilinos、PETSc。

5）使用先进计算器程序语言，例如C、C＋＋、Java，以方便维护、扩充。

6）应用现有的最先进物理程序，例如中子计算采用多群组传输理论程序，热工水力计算采用子信道程序，甚至是CFD程序。

7）执行不确定性量化。

8）包含厂区 （BOP，Balance of Plant）系统的建模和仿真①数字反应堆不包含这些功能。。

9）包含数字控制和仪器仪表 （DC＆I，Digital Control and Instrumentation）系统的建模和仿真①。

10）包含仿真功能①。

3 近代和数字核电厂相关的先进计算机和数字科学科技的发展

进入21世纪以来很多方面的科学和科技都突飞猛进，数字核电厂是属于21世纪的核能技术应尽量使用21世纪的科学和技术，本章将介绍一些和数字核电厂相关的先进计算机和数字科学科技。

3．1 高性能计算能力 （High Performance Computing Capability）

从20世纪末期开始高性能计算能力继续快速增长，而同时，高性能计算能力的成本则迅速下降。例如图1［17］所示单从2000年到2010年计算能力从约1012FLOPS（FLoating Point Operations Per Second， 每 秒 浮 点 运 算 ）增进至约1015FLOPS，增长约1 000倍，就是说2 000年时需24h的计算，到2010年时只需不到2min。而同时期计算成本则下降了约350倍，如表1［18］所示。由于高性能计算能力的快速增长，建模和仿真可以做到比过去更精细、准确。

图1 高性能计算机计算性能增长的时间历程Fig．1 Time history of computation performance of leading edge computers

表1 每单位GFLOP的处理器成本的时间历史Table 1 Time history of processor cost per unit GFLOP of performance

3．2 超高速网络 （Super High Speed Network）

同时期高速网络之发展也非常惊人［19］，如图1所示从1995年的100Mb／s的Fast Ethernet，到 2000年的 10Gb／s的 Gigabit Ethernet，到2010年已经相当普遍的40Gb／s网络，到2017年已经有1Tb／s网络的出现。超高速网络之发展让建模和仿真增加弹性，不需局限于单一计算机，可以用多台计算机各自执行不同计算，然后透过高速网络相互传输数据。

3．3 商品集群 （Commodity Clustering）

商品集群［20］就是利用高速网络整合大量在一般商店就能采购到的计算组件用于并行计算，其效果就是以低成本获得处理和储存庞大数据。过去如果要处理和储存庞大数据要使用价格昂贵的超级电脑，自从商品集群出现后处理和储存庞大数据的成本大为降低，现在商品集群已经广被应用，商品集群之优点包括。

图2 高速网络传输速度增长的时间历程Fig．2 Time history of high speed network performance

1）成本低。

2）可以弹性使用，容易扩充。

使用商品集群时应注意的地方包括：

1）要能够符合用户的性能要求，例如数据量、数据吞吐量、数据传输速度等。

2）要能够持续不断的稳定运转。

3）有容错能力，不能因为部分组件故障而做成整个集群停机。

商品集群之应用包括：内存集群、数据库集群。商品集群的操作系统一般采用Linux，因此也被称为Linux集群。

3．4 工业4．0、中国制造2025

工业4．0和中国制造2025都是应用现在最先进的数字技术投入到工厂的营运再进一步建造智能工厂，提升工业生产力，工业4．0的设计观念包括：

（1）互操作性

能够彼此连接和通信的机器，设备，传感器和人员。

（2）信息透明度

通过使用传感器数据丰富数字化工厂模型，信息系统能够创建物理世界的虚拟副本，提升原始传感器数据和物理模型聚合产生更高价值的全面信息。

（3）技术援助

系统提供支持人员决策和解决问题的能力，以及协助人员对过于困难或不安全的任务的执行能力。

（4）分散决策的能力

网络物理系统自己做出简单决策并尽可能自主执行任务的能力。

工业4．0、中国制造2025和数字核电厂相关的主要科技包括：工业互联网、大数据、机器学习、自主控制。

3．4．1 工业互联网 （Industrial Internet）

工业互联网［21］是互联网和物联网继续发展把互联网应用在工业上的技术，是工业4．0的基础技术，其上层架构如图3所示。

图3 工业互联网上层架构Fig．3 Industrial internet top level structure

工业互联网的核心计算一般是部署在工业云，但是如果是基于网络安全考虑也可以部署在内部服务器。

3．4．2 大数据 （Big Data）

随着高性能计算能力、超高速网络、商品集群、互联网等科技的快速发展，大数据的应用越来越广泛因此大数据的研究也越来越深入，在现代工商业大数据的角色越来越重要，大数据可以帮助识别商机、改善生产流程、提升效率和效能等等。

大数据［22］的特性包括：

1）数据的数量庞大 （Volume），不是一般单机计算器所能储存、处理。

2）数据的种类繁多 （Variety），除了包括过去常见的结构数据外，现在因为互联网的广泛使用因此还包括非结构数据，例如图像数据、视频数据、语音数据等。

3）数据产生的速度以及结果响应的速度都比过去的要求快很多 （Velocity），过去的数据处理基本上是批次作业，但是为了符合互联网和工业互联网的需求大数据的处理需要是在线的、实时的，而且是连续不断的。

4）数据的来源必须可靠，数据必须是有效而且正确的 （Veracity）。

大数据的应用一般来说有效的数据量越大分析出来的结果越正确有用，数字核电厂就是一个虚拟核电厂，尤其是经过验证与确认的数字核电厂所产生的虚拟数据可以弥补实际核电厂数据的不足，例如实际核电厂传感器的数量有限，很多地方没有传感器的数据，又例如实际核电厂一般都是正常运转，非正常运转和事故运转的数据非常不足甚至很可能没有，数字核电厂所产生的大量虚拟数据将是一个这类数据非常好的来源。

3．4．3 机器学习 （Machine Learning）

Tom M．Mitchell在1997年提出了一个广泛被引用的机器学习的定义［23］：

“一个计算器程序被认为能够从某种类别的任务T和性能度量P中学习经验E，就是如果其在T中的表现，依据P所测量，会随经验E而改善。”

机器学习的一个广泛而有代表性的描述是从经验中学习以提高性能或做出准确预测的计算方法。一些常被使用的机器学习算法包括线性和非线性回归、判定树、随机森林、人工神经网络和支持向量网络等。这些机器学习模型一般是通过在模型中利用大量现有数据对数据进行学习，直到找到足够的模式和规律能够对这些数据的内涵做出准确的判断。然后利用经过学习的模式和规律用于评定新的数据并进行预测。

成功的机器学习其先决条件是必须要有大量完整的数据，数字核电厂所提供的大量虚拟数据将对机器学习有很大的帮助。机器学习的惊人之处是这是一个不断向上的学习过程，它会随着经验的累积而不断改善、不断进步、不断提升。

3．4．4 自主控制 （Autonomous Control）

现在一般传统的控制系统是自动控制系统，自动控制系统［24］的设计首先要建立被控制物理系统的动态数学模型，然后在动态数学模型基础上应用控制设计技术来设计适当控制器的控制算法。再通过可编程逻辑控制器 （PLC）或分布式控制系统 （DCS）来实现控制器，并用于控制该物理系统。自动控制器的设计目的是为满足围绕操作设定点的规范，然后通过调度器产生可以在整个操作范围内完成控制目标的控制器。但自动控制的控制器只能依据固定的数学模型执行，没有自适应的能力。

自主控制是自动控制的往上提升，自主控制器具有独立运行和持续改进的能力，他们可以在长时间不经外部干预的情况下执行必要的功能。自主控制器可以处理意外的情况，新的控制任务，并可以容错、显示故障以及从故障中恢复［25］。

自主控制器的一些重要特征包括：它们可以缓解操作员一些耗费时间的任务，从而提高效率。此外因为它们可以监测系统的健康状况，提高性能，保护系统免受内部故障的影响，增强系统的可靠性。以及他们在完成复杂任务方面的表现比人更可靠，更有一贯性。

自主控制器过去应用实例例如无人航天飞行器、深水探险器。在核能应用上自主控制能够帮助操作员在正常状况执行高效率的运转，在突发和紧急状况帮助操作员作出正确的判断及时反应执行安全地运转。自主控制尤其适合用在偏远地区的小型核电站或水上核电站，只需少数操作员便可以维持核电站的高效率和安全运转。

数字核电厂将是一个设计和验证核电厂自主控制器的强大工具。

4 数字核电厂的发展方向

4．1 数字核电厂的发展目标

数字核电厂的发展目标包括：

1）支撑中国核电厂工程的分析、设计、测试、验证、研发以及教育训练。

2）有效利用先进建模和仿真技术以及先进计算机科学技术在核能领域，包括工业4．0和中国制造2025技术，让中国核电厂的设计和营运能更上一层楼，达到并超越世界最先进工业水平。

4．2 数字核电厂的发展方向

数字核电厂的发展方向将参考第3章所描述的先进计算机和数字科技，其特点包括：

1）以网络为设计基础，把传统仿真器平台单机作业改为分布式多机作业。数字核电厂的效率和有效性将会随着高速网络的发展而不断提升。

2）把整个架构分为集成／管理阶层和计算软件／人机接口／显示软件阶层两大部分。

3）集成／管理阶层分为三大部分：指令服务器、内存集群、数据库集群。

4）指令服务器负责发出指令控制其他计算器的操作，包括：

① 启动／卸除控制，启动／卸除各个计算器的执行程序；

② 顺序控制，控制各个计算器执行的先后顺序；

③ 实时／非实时控制，控制各个计算器执行的时间在实时或非实时模式；

④ 模拟运行环境，例如：运行、暂停／冻结、快照、回溯、步进。

5）内存集群负责存放计算软件阶层各种计算器的内存，方便整个平台的共同使用，内存集群的优点是能够有效处理庞大的内存数据量，方便扩充，不会影响整个架构，适合分布式设计。

6）数据库集群是一个数据数据库能够储存、处理各式各样的结构数据和非结构化数据包括数字核电厂产生的大量虚拟数据、从实际核电厂取得的大量传感器数据、实际核电厂的大量设计数据等等。数据库集群的优点是能够有效处理庞大的数据库数据量，方便扩充，不会影响整个架构，适合分布式设计。

7）计算软件阶层包含各种计算器和显示服务器。

8）各种计算模块包括：堆芯物理计算、热工水力计算、仪控计算、厂区系统和组件计算等，其优点是任何一套物理计算系统包括软件、硬件均可被取代而不影响整个架构。

9）人机接口是用户操控数字核电厂的管道，透过人机接口用户可以下指令给指令服务器控制其他计算器的操作。

10）显示服务器负责二维、三维动态显示以及趋势图显示，分开成为独立系统，方便可以随时更换不同的显示软件，不会影响整个架构。

4．3 数字核电厂的上层架构

数字核电厂的上层架构将参考第3．4．1节所介绍的工业互联网，如图4所示，但基于网络安全的考虑，因此将采用内联网技术而非互联网技术。

图4 数字核电厂上层架构Fig．4 Digital nuclear power plant top level structure

数字核电厂的集群、服务器和计算模块都是透过超高速网络相互传输数据，视整体性能和速度的需要集群、服务器和计算模块不需要在同一个地方，可以弹性分散不同地方。

此外实际核电厂的实时传感器数据可以透过传感器接口传送至数字核电厂和数字核电厂和数字核电厂计算数据集成然后应用，例如用于数字核电厂的验证与确认、用于数字核电厂的不确定性量化、用于核电厂设计改善的优化等。

5 数字核电厂的应用趋势

在实际核电厂设计和建造过程中数字核电厂可以扮演重要角色让核电厂的设计和建造更为顺利，减少错误，提高效率，数字核电厂的任务将包括：

1）执行设计验证，不确定性以及灵敏度分析，完善顶层设计。

2）执行安全分析并优化安全余量。

3）在许多不同情况下产生大量虚拟核电厂数据，以更好地了解新核电厂的行为，再进一步优化新核电厂的设计和运行。

4）利用数字核电厂产生虚拟大数据，开发实际核电厂专属的人工智能数据库与训练模组。

当实际核电厂运行时，数字核电厂将与实际核电厂同步运行，持续不断收集实际核电厂数据，并使用传感器的测量数据验证、确认和校准数字核电厂所产生的计算数据，并将：

1）使用数字核电厂更好地了解实际核电厂的行为，特别是在传感器不可用的地方，并协助实际核电厂操作员更有效和安全地操作实际核电厂。

2）使用数字核电厂在正常、非正常、尤其是紧急状况准确预知未来发展趋势，因而帮助规划更好的应对措施。

3）使用数字核电厂结合大数据库和机器学习发展下一代核电厂自主控制技术。

6 总结

先进核电厂仿真器是20世纪的产物，从1980年代开始经过二三十年的发展已经成为成熟的商业产品，在核电厂的全范围仿真器和工程仿真器被广泛应用，在核电厂操作员的训练和数字仪控系统的设计以及验证和确认起了很大的作用。

20世纪末21世纪初时核能工业面临两个主要问题，即：

1）在运转中的核电厂的寿命延长和功率提升。

2）新一代 （即第4代）核电厂的研发。

为了回应上述两个问题美国和欧洲都启动了数字反应堆的研发，基本上是加入最先进的建模和仿真科技，数字反应堆再进一步加上厂区系统建模和仿真、数字控制和仪器仪表系统建模和仿真以及仿真功能便成为数字核电厂。

进入21世纪后计算机和数字科学有着爆炸性的发展，例如：超高速网络、商品集群、工业互联网、大数据、机器学习、自主控制等。中国制造2025是应用上述最先进的数字技术投入到工厂的营运，提升工业生产力，帮助中国经济发展。核能工业是中国工业非常重要的一环，数字核电厂则是中国核能工业发展非常强大的工具，数字核电厂的研发和设计将配合中国制造2025的推动，投入这些最先进的数字技术，这样做有两层意义，一方面是透过使用这些最先进的数字技术让数字核电厂的功能和性能发生质的变化，产生质的跳跃提升。另一方面是数字核电厂的研发和设计将提供中国制造2025宝贵的经验，和其他工业产生良性互动，帮助这个尤关中国经济发展的国家重点计划更有把握达成目标。

［1］https：／／www．ws－corp．com／default．asp？PageID＝3＆PageNavigation＝Products－Overview．

［2］http：／／www．mapps．l－3com．com／Press ＿releases／20070709＿orchidIntro．html．

［3］http：／／www．gses．com／simulation－technology．

［4］“Virtual Environment for Reactor Applications（VERA）：Snapshot 3．0”CASL－U－2014－0006－000．

［5］D．Gaston，G．Hansen，C．Newman．“MOOSE：A Parallel Computational Framework for Coupled Systems of Nonlinear Equations”，INL／CON－08－15008，2009International Conference on Mathematics，Computational Methods ＆ Reactor Physics，Saratoga Springs，New York，May 3－7，2009．

［6］“SALOME6THE OPEN SOURCE INTEGRATION PLATFORM FOR NUMERICAL SIMULATION”，Salome－platform．org．

［7］https：／／www．siemens．com／innovation／en／home／pictures－of－the－future／industry－and－automation／digtial－factory－trends－industrie－4－0．html．

［8］国务院关于印发 “中国制造2025”的通知 ．中华人民共和国国务院．2015年5月8日 ［2015年6月15日］．［9］http：／／www．ctecdcs．com／en／solutions／solution＿07．html．

［10］Chin－Mao Lee，Wen－Ching Tsai，Kin W．Wong，Tom Pang，“The New Generation Nuclear Power Plant Simulator－The Lungmen ABWR Simulator”，NPIC＆HMIT 2009，Knoxville，Tennessee，April 5－9，2009．

［11］Chia－Kuang Lee，Chin－Mao Lee，Hau－Lu Lee，Wen－Long Yang，Kin W．Wong，“Digital System Vali－dation Testing in the Lungmen Project”，NPIC ＆HMIT 2009，Knoxville，Tennessee，April 5－9，2009．

［12］http：／／terrapower．com／news／using－simulation－toimprove－reactor－design－and－operation．

［13］http：／／www．oecd－nea．org／tools／abstract／detail／nea－1734．

［14］BESTION，D．，PAILLRE，H．，LATROBE，A．，LAPORTA，A．，TESCHENDORFF，V．，ST－DTKE，H．，AKSAN，N．，D’AURIA，F．，VIHAVAINEN，J．，MELONI，P．，HEWITT，J．，LILLINGTON，L．，PROSEK，A．，MAVKO，B．，MACEK，J．，MALACKA，M．，CAMOUS，F．，FICHOT，F．，MONHARDT，D．，“EURO－pean project for Future Advances in Sciences and Technology for Nuclear Engineering Thermal－Hydraulics（EUROFASTNET）”，FISA 2003－EU Research in Reactor Safety，Conclusion Symposium on Shared Cost and Concerted Actions，10－13 November 2003，EC Luxembourg．

［15］C．Chauliac，JM Aragones，D．Bestion，DG Cacuci，N．Crouzet，F－P Weiss，M．Zimmermann，“The NURESIM European Platform for nuclear reactor simulation and the NURISP associated European Project”，NENE 2009，Bled，Slovenia，Sept．14－17，2009．

［16］Wall Street Journal，March 23，2010．

［17］https：／／en．wikipedia．org／wiki／Supercomputer．

［18］https：／／en．wikipedia．org／wiki／FLOPS．

［19］http：／／www．ethernetalliance．org／wp－content／uploads／2012／04／Ethernetnet－Alliance－ECOC－2012－Panel－2．pdf．

［20］Clustering fundamentals，https：／／www．ibm．com／developerworks／library／l－cluster1／．

［21］Marco Annunziata，Peter C．Evans，“The Industrial Internet＠ Work”，GE Industrial Internet White Paper．

［22］https：／／www．sas．com／en ＿us／insights／big－data／what－is－big－data．html．

［23］T．Mitchell，“Machine Learning”，McGraw Hill．

［24］https：／／en．wikipedia．org／wiki／Automatic＿control．

［25］http：／／www．irse．org／knowledge／publicdocuments／6%20Stewart%20Webb．pdf．

From Advanced Nuclear Plant Simulator to Digital Nuclear Power Plant，Status and Development Direction

WONG Kin－wah1，GUO Tian－jue2
（1．School of Energy Research，Xiamen University，Xiamen，Fujian Prov．，China 361005；2．Worldsec Group，Hong Kong，China）

Entering into the 21st century a variety of cutting－edge technologies progress quickly，such as：high－performance computing power，ultra－high－speed network，cloud platform，etc．This paper explores development direction and provides preliminary planning on how to use these cutting－edge technologies to advance from state of the art nuclear power plant engineering simulator to digital nuclear power plant．

modeling；simulation；state of the art engineering simulator；industry 4．0；made in China 2025；digital nuclear power plant

TM623 Article character：A Article ID：1674－1617 （2017）03－0306－10

TM623

A

1674－1617 （2017）03－0306－10

10．12058／zghd．2017．03．306

2017－08－15

黄建华 （1946—），男，广东人，核能工程专业，台湾公元首席科学家，美国斯坦福大学物理学学士、美国加州大学洛杉矶分校 （UCLA）核工博士，研究方向为仿真器、数字核电厂。

（责任编辑：韩霞）