午夜欧美日韩-午夜欧美日韩在线视频播放-午夜欧美性视频在线播放-午夜欧美在线-欧美在线不卡-欧美在线不卡视频

我國社會和經濟的發展, 將會對社會供能提出嚴峻而又互相矛盾的挑戰. 一方面, 要求能源供給持續而快速地增長, 否則將會制約經濟的發展; 另一方面, 在十九大報告中提出的“加快生態文明體制改革, 建設美麗中國”的精神指引下, 能源行業積極支持國內環境保護和減排, 必須大規模減少碳、石油等化石能源的消耗. 核能是清潔、低碳、供能穩定、高能量密度的新能源, 因此發展和運用核能是構建我國當前能源安全、經濟安全、環境安全的可持續能源體系的重要支柱之一.

《中國核能發展報告》(2018) 藍皮書顯示, 截至2017年年底, 我國在運核電機組已經達到37臺, 裝機規模3581萬千瓦, 位列全球第四; 發電量2474.69億千瓦時, 占全國總發電量3.94%, 位列全球第三. 機組運行安全穩定, 總體運行業績指標優良. 報告顯示, 核電發電量占全球發電量的10.6%,而我國僅為總發電量的3.94%,《電力發展十三五規劃》提出, 到2020年我國核電運行和在建裝機將達到8800萬千瓦. 以目前國內情況看, 要想實現規劃目標, 未來幾年我國每年將新增建設6~8臺百萬千瓦核電機組. 因此, 中國核能和核電事業擁有巨大的發展空間[1].

要實現《電力發展十三五規劃》提出的宏偉目標, 實現中國核能的階躍性發展, 在核能產業引入智能技術的支持, 極大地提升核能產業的效能與安全性, 成為一項必須進行而又緊迫的任務. 2017年7月20日, 國務院正式印發《新一代人工智能戰略規劃》, 為我國的人工智能技術和產業發展設立了目標和藍圖, 人工智能的發展已經上升到國家戰略層面,也預示著在中國智能時代即將來臨, 智能技術會在各個方面和層面上對社會經濟和產業進行沖擊和改變, 核電工業也不例外. 本文要探討的內容, 即是在智能時代中, 核電工業的形態將會發生什么變化, 伴隨著這種變化的結果, 又將產生什么樣的核電工業體系架構.

1.1 新智能時代及其特征

卡爾波普爾, 現代西方最有影響的科學哲學家,認為現實是由三個世界組成的: 物理、心理和虛擬世界[2]. 卡爾雅思貝斯在《歷史的起源與目標》[3] 一書中道出了第一物理世界的“軸心時代”: 公元前800到200年, 以中東、印度、中國、希臘、羅馬為中心的人性與哲學性的大覺醒時代. 我們認為, 第二心理世界的“軸心時代”, 就是從文藝復興開始到愛因斯坦為代表的科學時代; 第三虛擬世界的“軸心時代”源自哥德爾的不完備定理[4], 激發了維納、圖靈和馮諾依曼等對智能和計算的新認識, 從而有了今天的人工智能和智能技術. 三個世界的三個“軸心時代”,分別代表著人類在人性、理性和智性上的大覺醒, 以及隨之而來的在哲學、科學和技術上的大突破.

在正在全面來到的第三軸心時代, 我們即將面臨第五次工業革命, 我們認為第五次工業革命的核心——智能科技, 將會呈現以下特征.

IT 的融合與重定義, 新智能時代的IT, 是工業科技(Industrial technology), 信息科技(Infor-mation technology) 和智能科技(Intelligent tech-nology) 的融合, 因此, 我們又將其命名為“新IT”(New IT).

對物理、心理、虛擬三個世界的聯合探索, 新一代人工智能技術的發展, 為探索和發掘心理、虛擬世界提供了可能性. 而對于這三個世界的聯合探索, 必將使得科技形態, 乃至社會形態, 發生革命性的根本變化[5].

ICT 與CPS 的重定義, 在工業4.0中, ICT 定義為Information and communication technology,CPS 定義為Cyber-physical systems; 而在智能時代, 工業4.0將會演變成工業5.0新范式, 相應地,ICT 會演變為Intelligent connection technology,CPS 則定義成Cyber-physical-social systems[6].

智能社會基礎設施的進化, 社會基礎設施在交通網、能源網、信息網或互聯網、物聯網之后, 現在已經開始了第五張網: 智聯網[7]. 這五張網, 把三個世界整合在一起, 并實現物理和虛擬世界的數字信息協同、感知控制協同以及知識智能協同.

1.2 虛擬數字工業的崛起

隨著新智能時代的到來, 伴隨而來的是各個社會產業的新形態, 工業也不例外. 智能技術最終將導致工業4.0時代向工業5.0時代的轉換. 我們將工業5.0時代的社會工業新形態概括為: 實體物理工業和虛擬數字工業一體的, 并以人工虛擬的數字工業為主導的新形態. 簡而言之, 未來的工業擁有虛實一體的, 卻又是虛實分工的新形態, 而“虛擬” 工業會逐漸從“實體"”工業手中取得工業運營和發展主導權.

這種向工業新形態的進化并非一夜之間發生的,而是會逐步進行, 并且在當前已經開始. 從上世紀中期開始, 網絡化工業控制及其自動化經歷了20世紀60~70年代的模擬儀表控制系統、80~90年代的集散控制系統、21世紀初的占主導地位的現場總線控制系統, 以及當前正在普及應用中的工業物聯網.網絡化工控系統總體趨勢是從簡單的本地儀控, 慢慢演化到遠程智能的復雜系統管控. 當前的工業物聯網的注意力主要放在工業網絡的精確性、確定性、自適應性、安全性等以工業通信為主導中心的研發和應用上.

但是隨著工業智能技術在廣度和深度上的進一步發展, 即將出現“類工業領域”、“廣義工業”、“社會制造”、“社會工業”、“軟件定義工業” 等智能大工業新形態, 而這些新形態都是以平行的物理和虛擬工業為最大的特征, 而且最終虛擬數字工業會占據這個平行系統的主導地位[8-9].

虛擬數字工業誕生, 將會是工業5.0時代的最大特征, 將會以極高的效率整合各種工業資源、極大減小工業過程中的浪費和消耗、極大地解放工業生產力, 并促進智能大工業的出現和高速發展[10]. 按照虛擬數字工業的崛起路徑, 我們將其劃分為四個發展階段:

使能與輔助, 以當代各種工控系統為代表的系統, 以工業總線、工業控制、運行技術(Operationaltechnology) 為關鍵技術, 在當代工業中起著重要的使能與輔助作用.

支撐與服務, 隨著工業控制技術的進化, 其作用的空間領域和邏輯范圍越來越寬, 演化出如工業物聯網等概念, 為整個工業體系提供重要的業務運行和運營的支撐和服務作用.

管控與主導, 隨著虛擬數字工業技術的進一步發展, 以平行理論為代表的復雜系統管控科技開始發揮作用, 從而使虛擬數字工業內生出基于人工智能技術的管控手段, 同時開始對實體工業的運營進行微觀與宏觀層面上的主導作用.

支配與統治, 虛擬數字工業技術的最終發展目標, 是使得每一個工業體都擁有自己的伴生軟件定義的人工工業體, 而且其工業實力, 很大程度上取決于其對虛實互動的認識、實踐和效率, 取決于與其伴生的軟件定義的人工組織之規模. 而運行在信息空間的數字工業體, 運用智聯網技術, 當它們互相在智能和知識層面上聯結后, 無疑最終會占據實體工業體的統治地位, 并支配各種產業經濟的運行.

1.3 對中國核電工業的啟示與思考

新智能時代向工業5.0新形態演進的進程已經全面啟動.

2004年, 平行系統理論與方法正式提出[11]. 平行系統(Parallel systems) 是指由某一個自然的現實系統和對應的一個或多個虛擬或理想的人工系統所組成的共同系統, 是控制系統、計算機仿真隨著系統復雜程度的增加、計算技術和分析方法的進一步發展的必然結果, 是彌補很難甚至無法對復雜系統進行精確建模和實驗之不足的一種有效手段, 也是對復雜系統進行管理和控制的一種可行方式, 比如數字雙胞胎可以視為平行系統的一種特例或子集,為特定的系統提供實時監測、調整和優化服務.

美國國防部、PTC公司、西門子公司、達索公司、GE等工業巨頭在2014年前后以工業互聯網、數字雙胞胎為關鍵技術著手, 構建數字工業體系. 數字工業具有更高的科技含量、更高的附加值利潤和更廣闊深邃的發展空間[12]. 以虛實工業體系構建的工業體, 將具有傳統工業形態難以企及的高效運行模式, 因此傳統工業形態的淘汰是未來的必然結果,比如GE 更是提出向數字工業形態全面轉變, 而最終達到 “虛實分離” 的數字工業形態[13]. 到2020年,預計將有10000臺燃氣輪機, 68000架飛機引擎, 1億支照明燈泡和1.52億臺汽車連入工業互聯網.

不僅如此, 虛擬數字工業體系也將徹底改變其商業模式, 比如傳統工業制造商向同業服務商的轉變, 就是虛擬數字工業體系的一個重要特征: 通過對虛擬工業體的學習與實驗, 便可提供圍繞該工業體的各類需求, 如規劃、制造、運維、運營提供各種精準服務業務. 預計到2020年, GE數字部門創造的收入將從2016年的50億上升到150億元, GE也將由此躋身全球10大軟件公司之列. 更高的利潤空間與科技含量, 這也正是虛擬數字工業得以支配和統治實體工業的根本原因.

然而, 在即將到來的虛擬數字工業時代, 我們也應該有充分的危機感. 盡管當前數字工業還在起步階段, 但是其初期核心技術卻完全掌握在歐美工業科技巨頭公司的手中, 國內工業界對這些核心技術的關注和研發基本還未出現, 也基本沒有意識到這些顛覆性變化的可能性. 現在虛擬數字工業處于“支撐與服務” 的發展階段, “管控與主導” 階段即將開始, 而當 “管控與主導” 階段來臨時, 如果中國還沒有建立起自主研發的虛擬數字工業技術, 則中國工業又將落后于世界先進水平, 受制于世界工業巨頭所掌控的虛擬工業技術. 更有甚者, 如果在 “支配與統治” 階段, 還沒有自己的核心虛擬工業體系和技術, 中國實體工業將徹底淪為世界化虛擬數字工業的附庸與殖民工業, 成為依托各類產業鏈的下游工業實體.

如果說一般性的工業門類的虛擬數字化尚有引進、學習、升級的時間、機會和轉圜余地, 作為國家能源命脈和需要高度自主化的核電工業卻沒有這樣的機會. 如果不發展自主的虛擬數字工業體系, 其結果要么是在未來的國際競爭中失去競爭力而逐步被市場邊緣化, 要么必須和國際工業巨頭合作而喪失自主權. 這兩種結果顯然都不是中國核電工業的選項. 因此, 研發和建設具有自主性的虛擬工業體系,是一項重要而且緊迫的戰略性任務. 本文所述的基于平行理論的核電工業新形態和體系架構, 正是為這一戰略性任務提供了頂層設計思想、體系結構理論以及關鍵技術路徑.

核能工業包含核能資源、核能燃料轉換、核反應堆設計、核電站、輻射技術、核安全、核廢料處理與環保、核輻射防護等多個組成部分. 其各個組件之間互相關聯和交互, 形成一個復雜系統. 本節討論的是, 在核能產業中占據重要位置的核電工業, 以平行系統理論為基礎, 其發展態勢會出現何種新形態與體系架構, 如圖1所示.

2.1 新形態: 平行核電

核電系統是一個極其復雜的人機巨系統, 其研發、建造、運行等方面表現出了充分的復雜性. 在工程建造階段, 其復雜性表現在核電工程建造為一個開放的系統, 在設計、設備制造、建安、調試過程當中與整個核能工業鏈形成互動. 在運行階段, 其復雜性一方面為核安全靜態構成要素的復雜, 具體表現在系統復雜、規模龐大、信息量巨大、分散, 人作為核電安全重要能動主體但技能與素質差別大; 另外一方面表現在核電安全動態復雜參數變化形成的系統狀態組合非常復雜、人機交互場景難以預期, 導致系統出現可能的不穩定狀態. 為進一步提高核電系統的安全運行水平, 降低事故發生率, 解決核電復雜系統難以建立精確數學模型的難題, 需要采用新的方法理論體系.

圖1  核電工業體系

平行系統 (Parallel Systems), 是指由某一個自然的現實系統和對應的一個或多個虛擬或理想的人工系統所組成的共同系統, 是控制系統、計算機仿真隨著系統復雜程度的增加、計算技術和分析方法的進一步發展的必然結果, 是彌補很難甚至無法對復雜系統進行精確建模和實驗之不足的一種有效手段也是對復雜系統進行管理和控制的一種可行方式平行系統理論的核心應用方法為ACP方法, 是指人工系統 (Artificial system)、計算實驗 (Computational experiments)、平行執行 (Parallel execution之間的有機結合. 人工系統可以理解為傳統的數學或解析建模的擴展, 計算實驗是仿真模擬的升華, 而平行執行就是自適應控制 (包括內模控制、預測控制、自適應動態規劃 (Adaptive dynamic programming, ADP) 等) 的進一步推進升華[14].

平行系統是仿真系統的高階發展, 其區別主要有以下幾點:

（1）系統的仿真需要以現實系統為版本對系統進行模擬與分析, 精度有限; 而平行系統以現實系統為基礎, 利用神經網絡等代理模型建立與實際系統對應的虛擬系統, 解決復雜系統難以建模的難題.

（2）平行系統與實際系統之間存在交互, 不斷調整模型結構.

（3）平行系統可對系統狀態進行在線推演, 將未來狀態反饋給當前操作.

（4）平行系統中包含代理模型和智能算法如ADP(自適應動態規劃), 可實現對不同方案的自動計算 同時可評估最優設計方案.

2.2 平行核電系統的研究意義

平行核電系統涵蓋核電行業中運行、應急、設計、培訓等各個方面. 平行核電系統的研究, 充分發揮計算機強大的數據處理和推理能力, 以及人的創造力和在緊急事故情況下的事件的處理能力, 有助于及時發現核電復雜系統中存在的安全隱患, 保障人民群眾的生命財產安全, 實現核電設計改進、事故規程優化、運行推演、并發事故情景模擬、學習培訓、人員應急疏散演練、應急方案優化與驗證等功能, 提高核電工業安全可靠性, 對整個核電系統具有重要意義[15?17].

（1） 開展核電設計的改進, 包括工藝參數、事故規程的優化設計, 提升設計質量, 可對不同的設計方案進行計算實驗, 對實驗效果進行動態評估, 并在指定的最優目標函數邊界下, 自動計算最優設計方案.

（2）開展核電已知情景的綜合模擬, 如事故并發模擬技術研究、設備意外失效情景模擬, 有助于查找核電安全隱患, 提高核電安全水平.

（3） 開展智能應急管理技術研究, 可最大程度模擬真實應急場景, 保證應急最優方案的制訂, 及應急情況下各項工作的順利開展.

（4）開展操作運行在線推演與智能決策技術研究, 能準確、實時地評估出核電安全狀態, 并與運行人員實現智能人機交互與智能決策, 降低核電廠巨復雜系統運行安全存在的不確定性風險.

2.3 平行核電系統的研究內容

基于平行系統理念, 結合核電生產的實際特點,平行核電系統包括基礎構建層、數據和知識層、計算實驗層和平行執行層等, 如圖2所示. 該系統可動態模擬核電真實系統復雜運行過程, 實現對核電生產過程的狀態監測、核電系統未知情景的智能模擬計算、核電應急方案的滾動優化分析及核電運行過程的在線推演評估與優化、人機交互高風險區域分析等, 增強核電安全固有屬性, 提升核電整體安全性與競爭力. 其核心思想為, 通過神經網絡、行為分析模型等代理建模方法, 對電廠系統、設備、人員建立模型, 組成同實際系統等價的人工系統. 在人工系統上, 通過計算實驗或試驗來認識實際系統各要素間正常和非正常狀態下的演化規律和相互作用關系,通過兩者的相互連接, 對兩者之間的行為進行對比和分析, 研究對各自未來狀態的借鑒和預估, 相應調節各自的控制與管理方式, 最后利用所認識的規律,通過平行控制實現正常情況下優化實際系統的控制和較少意外的發生, 非正常情況下找到讓系統迅速恢復正常的方法, 提高應急控制水平[18?22].

基礎構件: 構建具備大規模數據分布式存儲與海量數據分布式計算能力的基于SOA (Serviceoriented architecture) (或云計算) 平臺. 遵循FIPA(The Foundation for Intelligent Physical Agents)規范建立多智能體環境, 并開發代理管理系統、分布式目錄服務器和代理通信通道等多代理平臺組件,實現平臺內部的代理生命周期服務、消息通信服務;最后, 結合實驗平臺的具體應用, 構建應用領體, 以實現平臺內部代理間的語義互操作性.

數據和知識: 運用基于代理建模方法對具體應用示范領域中的參與者、環境、規則和機制建模并構建各自的模型庫; 其次, 結合各應用領域的發展現狀, 基于實時監測數據構建場景庫. 基于XML語言設計一套形式化表示方法來統一描述實驗平臺中的領域知識, 并運用機器學習和自然語言處理技術半自動地構建領域知識庫, 實現平臺內部領域知識的存儲、表達與推理.

圖2 平行核電系統的主要研究內容

圖3 平行核電能系統運行流程圖

計算實驗: 設計同時支持真實與虛擬實驗場景的場景生成器. 場景生成器能夠接受最終用戶輸入的場景或自動提取場景庫中的特定實驗場景, 實例化實驗場景中的交互機制與管理規則, 并傳遞給事件驅動引擎完成計算實驗仿真; 基于離散事件仿真技術實現事件驅動引擎, 并動態模擬實驗場景中各代理的交互與通信過程. 事件驅動引擎采用仿真時鐘模擬實驗平臺運行時的特定時刻和時間變化, 按時間順序存儲、分析和確定實驗過程中離散事件及事件間的引發關系. 通過仿真時鐘的推進和離散事件的處理來驅動和模擬計算實驗的過程; 最后, 研制適用于計算實驗平臺的算法分析工具, 并以模塊和組件的形式應用于實驗平臺中. 重點開發各類群體策略學習與優化算法、定性與定量計算實驗研究算法以及對各應用領域提供特定支持的專用算法模塊.這些工具將動態地分析、研究和優化計算實驗過程及其結果, 并實時更新知識庫.

平行控制: 基于智能探測、傳感網絡與多源信息融合技術實時地監測、收集與融合互聯網開源數據和各應用領域的結構化數據, 并基于實時監測數據生成或調整實驗場景; 其次, 設計一套完整的軟件庫和高層應用程序協議, 服務于實驗平臺與終端用戶之間的接口, 使得終端用戶能夠方便地管理和配置實驗平臺以及實驗平臺內部代理的運行; 實時監控和研究實驗場景中的不安全因素, 實現事件安全的被動式查詢與主動式風險研究及預警; 同時通過計算實驗和反饋調控實現半自動化計算研究和優化,生成實時最優決策. 最后, 設計動態可視化的人機交互界面, 以文本、圖、表等形式全方位地呈現計算實驗模擬及其交互控制過程[23?25], 如圖3所示.

2.4 平行核電體系架構

為實現虛實結合的平行控制, 平行核電管控系統如圖4所示.

圖4 平行核電管控系統

圖4中左側為目前傳統的核電工業自動化領域,包括底層過程控制系統 (Distributed control system, DCS)、生產執行系統 (Manufacturing execution system, MES) 及企業資源規劃管理系統 (Enterprise resource planning, ERP). 右側為本文提出的虛擬人工核電系統, 對應的知識自動化領域. 采用構建人工系統、計算實驗和平行執行 (ACP), 實現對核電工業自動化系統的建模、計算和控制; 基于ACP 的虛擬人工核電系統和核電工業自動化系統形成核電社會物理信息系統(Cyber-physical-socialsystems, CPSS); 采用 ACP 反復觀察評估后, 通過虛實平行互動, 形成描述、預測和引導 (Description,prediction, prescription, DPP) 的分析、決策和執行過程, 最終利用虛擬核電系統對實際核電系統實施閉環有效的控制與管理.

虛擬人工核電系統從工業自動化領域通過大反饋獲得核電系統的物理、現場運行及社會信息等大數據, 通過機器學習、數據驅動和語言建模, 進入知識自動化領域. 知識自動化基于ACP、CPSS 及DPP等建模、計算和控制過程, 形成優化的控制決策、通過大閉環引導實際核電系統優化運行.

以核電相關群體為社會管理的觀測、建模、計算及運營對象, 知識自動化可實現對網絡信息的捕捉、識別、追蹤、解析及預測. 其本質內容在于以用戶為中心, 通過采用面向基礎設施的架構、面向平臺的架構、面向軟件的架構, 使用 Web 挖掘等技術對互聯網、移動互聯網及智聯網的文本、視頻等數據進行采集; 同時借助機器學習及云計算等技術實現數據的過濾、分析和結構化, 獲取信息特征; 通過特定的建模手段及方法實現知識的合成, 結合行為動力學特征, 針對核電相關群體進行群體涌現行為計算與宏觀社會現象預測, 進而主動提供基于知識的智能推薦與基于決策的智慧服務, 實現核電管理自動化的全過程[26?28].

基于以上論述系統架構分為六層, 如圖5所示.

對象層: 對應物理核電系統, 包括核電工業全產業鏈, 囊括了核原料生產、加工、利用、廢料處理等環節, 核電站設計、建造、發電運維、改造、拆除等全生命周期環節, 核電研究相關產業以及核電周邊產業; 同時包含人、財、物及社會等對核電工業系統的影響.

數據采集與信息形成層: 分成兩個部分, 一是目前已有的工業自動化系統及信息系統. 主要包括DCS 系統、MES系統及企業級ERP系統. 二是在互聯網和多種通訊模式下, 人與社會對核電工業的互動, 將更加便捷和密切, 通過Internet等渠道收集大量的信息, 并作用于物理核電系統, 稱為感知和執行, 這一過程產生的信息將包含大量的人與社會因素. 最后通過大數據、模式識別、區塊鏈、云計算和社會計算等手段, 匯集以上所有數據信息, 形成有效的信息層.

存儲層: 將數據采集和信息形成層形成的數據分門別類存入核電站運維數據庫、工業自動化數據庫、專家知識庫、政策數據庫、核電相關人員數據庫等各種數據庫.

特征抽取及知識合成層: 采用自然語言處理、機器學習、智能控制等人工智能技術, 實現特征抽取和知識合成.

解析層: 基于特征抽取及知識合成層獲得的知識和特征, 通過人機結合、知行合一、虛實融合等手段, 建立虛擬人工核電系統各環節模型和系統模型,實現虛擬人工核電系統的構建, 完成物理世界、精神世界、人工世界的三統一. 同時對平行核電產業進行平行系統建模, 完成全產業鏈平行化的目標.

平行控制層: 基于虛擬人工核電系統模型, 采用計算實驗, 獲得優化控制策略, 采用平行執行模式,實現對虛擬人工核電系統和實際核電系統的同步反饋. 平行執行對實際核電系統, 引導人與社會的活動; 采用軟件定義機器模式, 與物理定義機器進行控制互動. 平行執行可以調整虛擬人工核電系統的模型、參數、運行方式, 使虛擬人工系統與實際系統一致, 為下一步引導實際系統做準備. 最后, 實現物理、社會、賽博空間的互聯互通, 共同融合, 實現默頓牛頓系統的大統一. 同時, 在執行過程中, 運用動態閉環的管理方式進行平行控制與管理[29?33].

2.5 平行核電系統的應用

平行核電系統的研究, 可應用在核電系統設計改進、事故規程優化、運行推演、并發事故情景模擬、學習培訓、人員應急疏散演練、應急方案優化與驗證等多個方向[34?41], 如圖6所示： 

圖5 平行核電框架

圖6 平行核電系統的主要應用

對運行部門, 提供核電系統的在線推演平臺, 可以評估運行人員的操作風險, 以及對風險事件提供智能決策；

對應急部門, 模擬真實事故場景、同時考慮社會和人的心理行為主觀能動影響等缺點, 保證在應急情況下人員的快速疏散及救援工作的順利開展;

對設計部門, 可由事故后原因分析轉變為事前設計預防, 改進設計方案, 防止此類事故的發生, 為在最大程度上避免重大核事故的發生;

對培訓部門, 可以作為核電操作的輔助教學平臺, 以直觀的形式顯示核電的運行機理, 同時, 可模擬更多故障事件, 提高操作人員處理事件能力.

3.1 智聯網

智聯網的定義為以互聯網、物聯網技術為前序基礎科技, 在此之上以知識自動化為核心系統, 以知識計算為核心技術, 以獲取知識、表達知識、交換知識、關聯知識為關鍵任務, 從而建立智能實體之間語義層次的聯結、實現各智能體所擁有的知識的互聯互通; 智聯網的最終目的是支撐需要大規模社會化協作的、特別是在復雜系統中的知識功能和知識服務. 智聯網的實質即以某種協同的方式進行從原始經驗數據的主動采集、獲取知識、交換知識、關聯知識, 到知識功能, 如推理、決策、規劃、管控等的全自動化過程, 因此智聯網的實質是一種全新的、直接面向智能的復雜、協同知識自動化系統, 如圖7所示.

圖7  智聯網的基本概念示意圖

研究和建設工業智聯網, 為工業發展分析與評估智能系統提供社會化基礎設施和支撐平臺; 通過該支撐平臺, 基于平行系統理論的分析管控、基于工業 CPSS 的系統架構以及產業發展分析的各種社會計算核心技術得以實現. 工業智聯網并非空中樓閣,是建立在互聯網 (數據信息互聯) 和物聯網 (感知控制互聯) 基礎上的. 智聯網的協同知識自動化系統架構, 為建立復雜而高效的多層次社會化的傳感、通信和計算系統規劃和設計提供了邏輯結構和全體系化建設藍圖.

工業智聯網最重要的應用之一, 就是使能軟件定義的工業體系. 在工程領域, 越來越多的系統打破常規, 并通過開放的軟件定義的系統接口實現系統功能的靈活重構, 使得未來工程系統成為智能實體的聯合體, 極大地改善了系統的擴展能力和靈活性. 當代軟件定義系統前沿的代表為軟件定義網絡 (Software defined network, SDN), 靈捷虛擬企業 (Agile virtual enterprise, AVE) 和社會制造 (眾包). 知識自動化和智聯網, 是軟件定義流程與系統的核心: 結合知識表示和知識工程, 聯結智能實體,構造和支撐各類針對特定領域和問題的軟件定義的流程 (Software-defined processes, SDP) 和軟件定義的系統 (Software-defined systems, SDS). 通過SDP 和 SDS, 使常識、經驗、猜測、假定、希望、創新、想象等形式化和實質化, 并使其組織、過程、功能等軟件化, 變為可操作、可計算、可試驗的流程和系統, 從而進一步深入復雜知識自動化系統的構想、設計、實施、運營、管理與控制[42].

3.2 知識自動化方法體系的研發

很多情況下, 工業系統的眾多過程呈現深度耦合、交互影響的特點, 可利用知識自動化的手段對工業過程管理的現象進行捕捉、識別、追蹤、解析、預測及誘導. 更進一步來講, 針對具體的研究對象,通過廣泛的感知、測量、采集和傳遞信息的設備或系統, 對信息進行快速獲取并分析, 實現社會和技術信號的實時采集、數據融合和分析處理; 然后, 基于ACP方法, 借助網絡數據挖掘、自然語言處理及機器學習等技術, 通過結構分析、語義分析等手段對工業活動、結構、組織和功能等進行深入解析, 以獲取實時、系統且全面的知識來解決特定的問題[43].

3.3 發展性人工智能代理系統

多智能體系統的自治性、交互性、協同性、學習與推理等特點是研究復雜系統問題無可替代的絕佳手段. 針對社會計算中多智能體系統的需求和發展方向, 我們提出了一個新概念, 即 “發展性人工智能代理系統”[44]. 發展性人工智能代理的核心特征是“終生學習” 和 “永繼學習”. “終生學習” 的概念指的是, 一個發展性人工智能代理針對一個系統參與者 (人、組織等社會實體), 建立與之對應的終生學習和交互機制, 終生獲取、認知并管控參與者的數據和知識, 從而做到智能代理的知識, 隨著參與者自身的變化及外部環境的變化而改變. “永繼學習” 的概念指的是, 由于基于機器的人工智能代理的知識是可以作為數據直接傳遞的, 因此在利用新的人工智能代理解決新一階段出現的新系統問題的時候, 可以直接利用前序階段的人工智能代理知識而不用重新訓練學習. 基于這兩個特征, 發展性智能體具備的認知、規劃、推理、學習、輔助和引導功能, 是通過其與對應參與者的長期知識交互而形成, 因此具備了深度認知能力, 以及對參與者改變的適應性.

我們認為, 針對目標工業的分析、決策、管控場景, 發展性人工智能代理系統將是下一代多智能體系統的新范式, 能夠做到對復雜系統及系統中各參與者更精確的模擬, 從而建立虛實系統智能體和人之間更加精確的互動機制, 為分析復雜工業系統打下更堅實的基礎.

3.4 大型平行協同演化技術

平行管理與控制的方法為有效建立混合增強智能的框架提供了理論體系與平臺. 由于系統的復雜性的存在, 多數系統本質上不能解析建模. 基于平行系統的理論, 采用 ACP 方法可以對復雜系統進行雙閉環管理與控制. 在實際系統的基礎上, 通過多智能體技術建立一個或多個虛擬的人工系統; 以計算設施為實驗室, 通過對人工系統的計算實驗, 來解決實際系統中難以實驗以及重復實驗的難題; 通過對實際系統與人工系統構成的平行系統進行虛實互動、平行執行來實現系統的管理和控制.

在平行執行的過程中, 需要建立基于系統協同演化機制的場景推演模型. 把實際系統與人工系統相交互, 建立協同演化的機制, 通過虛實互動提高各自的性能并進行優化. 在實際系統與人工系統協同演化的過程中, 需要運用演化博弈思想對協同演化機制進行系統的分析. 同時, 把演化算法與博弈論理論、多智能體系統理論相結合, 并引入分布式計算技術, 建立性能更高效的分布式系統演化算法, 并將協同演化思想與人工神經網絡算法、人工免疫算法、模擬退火算法等結合, 集成現有智能算法中的不同搜索技術, 建立功能強大的平行協同演化算法, 與平行管理與控制相結合, 實現人工系統與現實系統的虛實互動和平行執行.

3.5 大規模混合增強智能計算驗證平臺

結合典型工業應用, 搭建面向不同結構、不同類型、快速多樣的大數據計算實驗平臺, 建立實際系統的分布式、自適應、動態感知機制, 實時準確感知實際系統的多樣化信息. 以人工系統為基礎, 以目標工業管控系統傳感與感知數據為輸入, 研究人工系統智能體的動態標定方法, 將智能體的微觀推理決策參數與系統宏觀運行演化特征相結合, 完成匹配系統整體運行分布的智能體參數標定. 在智能體參數標定的基礎上, 設計各參數科學合理的分布范圍, 完成單因素到多因素的多智能體協同、博弈、對抗等計算實驗, 分析影響工業運行的正負變量因子、主次變量因子, 并采用統計評優的方法評估當前環境參數下工業運行的風險點和管控手段.

3.6 核能產業區塊鏈

區塊鏈是一種全網共識共同維護且保有所有歷史交易數據的分布式數據庫. 其所采用的時間戳、非對稱加密、分布式共識、可靈活編程等技術使其具備了去中心化、時間可追溯性、自治性、開放性以及信息不可篡改等特性. 區塊鏈技術的基本構架大致可以分為六層, 即涵括所有基層信息數據和加密技術等的數據層、連接所有節點完成數據傳播以及驗證的網絡層、涵括各種共識算法與機制的共識層、制定獎勵與懲處的激勵層、封裝算法和智能合約的合約層、以及具體化區塊鏈應用場景的應用層.

區塊鏈的智能合約技術可以真正做到在無外部監督的情況下, 以極小的運營成本支撐大型智能實體網絡的運行, 即 “分布式自治組織” (DistributedAutonomous Organization, DAO).DAO運用智能合約執行一系列公開公正的系統運行規則, 在無人管理和監督的情況下實現自組織和自主運行. 結合前文提到的智聯網知識的協同運行方式 (層次型、集中型、分布型、混合型), 基于區塊鏈的DAO為物聯網的運營提供了理想的平臺, 從而實現按照一定組織規則來自動組織智能體和開展協同知識自動化.更進一步, 通過出售或收購DAO的股權, 提供或者購買DAO的知識服務, 開放智聯網DAO知識服務API等種種商業和技術創新, 智聯網可以成為一種社會化的技術生態系統, 旨在為全社會提供全方位的知識服務.

對于區塊鏈的理解分為三種: “加密數字貨幣”、“分布式記賬本技術” 和 “通證”. “通證” 的觀點是可以根據各種實現場景, 構建一個基于區塊鏈的系統, 它是有真實應用的系統, 且與許多傳統的工業系統對接. “通證” 可以把任何有價值的權益“通證化”, 通證化結合區塊鏈技術之后, 就可以直接共享使用 “通證權” 融資, 且透明可信, 可快速流轉,形成市場價格. 所以, 通證工業鏈就是真正的數字工業鏈, 可以大幅提升工業經濟的效率, 激發出前所未有的創新和活力.

核能區塊鏈的核心思想是提供一個可信底層平臺, 各種產業單元可以基于此底層構建各種智能合約, 構建通證, 實現鏈式協作. 目前各種區塊鏈平臺的性能還達不到商用要求, 區塊鏈技術需要進行性能的優化提升, 但是研發界抱樂觀態度.

實現核能區塊鏈和通證產業系統的基礎是智能合約. 標準化的智能合約可以由產業區塊鏈官方制定, 比如核能產業各個業務研發支撐一個區塊鏈條,發行通證作為業務的一個記賬單位, 所有的利益相關部門使用這個底層基礎設施, 從而在核能力生產網絡中逐步實現通證產業系統. 在形成通證經濟系統雛形后, 智能核能產業網絡即形成.

基于區塊鏈技術的智能核能產業網絡, 每一個產業單元都通過智能合約標準, 將自己的連入不同的產業鏈當中, 或者說每一個產業單元通過各種智能合約范式與自己的產業鏈上下游相連, 給自己的業務和整個產業鏈都在虛擬世界里構建出一個 “虛實平行產業鏈”, 這些 “虛實平行產業鏈”, 通過智能合約范式, 接入電力產業體系中. 核能產業運作時,整個產業鏈條的相關智能合約被不斷觸發, 實現自主高效的運行, 智能核能產業得以實現.

核能產業區塊鏈技術, 將從根本上變革核能工業生產方式, 重塑整個工業的形態. 整個核能力生產都會運行在分布式的智能產業網絡上, 在區塊鏈上監視和管控每一個產業單元的運行狀況, 分析產業的宏觀數據和生產微觀數據, 真正實現虛擬數字核能產業的數據化、知識化、智能化[45?47].

在本節, 我們以核能產業的重要組成部分, 核電工業為背景, 以核電站工控系統安全評估和核電站數字化儀控系統為應用場景來分析相應的業務新技術與系統新形態.

4.1 核電工控系統安全評估

基于平行核電系統, 可進行基于計算實驗的核電工控安全系統信息安全威脅防護策略分析與研究[48]. 利用核電工控系統信息安全保障方案的實時信息, 設計不同的實驗情景, 把計算機作為實驗室, 進行各種各樣的計算 “軟” 實驗, 針對不同安全防護應用設計多種計算實驗場景, 研究網絡安全攻擊演化規律及其常態和非常態管理策略. 在實際網絡攻擊場景和虛擬網絡攻擊場景平行執行的基礎上, 利用計算實驗方法在平行安全防護演練平臺上進行各種試驗, 對核電工控安全系統的防護行為進行預測和分析. 實際安全防范系統中的算法分析工具以模塊和組件的形式應用于平行系統實驗平臺中, 其中包括各類學習策略與優化算法、定性與定量計算實驗研究算法以及對各安全威脅場景 (包括常規安全威脅場景、增強安全威脅場景和突發安全威脅場景) 提供特定支持的專用算法模塊, 這些工具將動態地分析、研究和優化安全威脅計算實驗過程及其結果, 并結合評價指標體系更新評價結果[49?51].主要步驟如下, 如圖 8 所示.

第一階段: 資產識別與評定

步驟 1. 定義業務或運營目標

識別和了解業務或運營目標對于真正理解風險可能對業務帶來的后果和影響至關重要. 因此, 這一步驟也是制定適合自己的風險度量標準并對識別出的風險進行評分的基礎. 對于核電站工控系統來說,控制系統運行和實現自動化的過程都有哪些？在過程中或自動化步驟中都部署了哪些系統來支持這一過程？通過了解這些目標, 就可以知道哪些系統對于實現目標更為關鍵.

步驟 2. 系統評定與分類

給予前一步驟中所識別的業務與運營目標以及與之關聯的系統. 首先對實現上述目標所需要的各個系統進行識別和評定, 然后找出可能與系統相關聯的潛在事件和后果, 最后建立所導致的后果與業務目標之間的關聯, 以便根據系統關鍵性進行分類與優先級排序.

圖8  核電工控系統信息安全保障方案平臺評估流程

步驟 3. 資產識別

盡可能全面的識別出所有資產無疑是至關重要的. 然而, 資產清單以及文件的收集比較困難, 而且往往會有所遺漏. 資產清單的收集與驗證可以通過以下方式來進行: 與最新的、準確的網絡拓撲圖進行交叉驗證.

步驟 4. 網絡拓撲與數據流審查

網絡拓撲圖不僅對于正確識別資產非常重要,對于識別通信路徑和數據流同樣重要, 從而有助于攻擊向量識別. 數據流分析還有助于發現網絡中已經存在的問題.

步驟 5. 風險預算

風險篩選有助于實現各類評估, 根據事先確定的評級可以對每項系統進行優先級排序和評估. 評級方式采用高、中、低的定性評級.

第二階段: 脆弱性識別與威脅建模 

步驟 6. 安全策略審查

網絡安全策略是保證安全狀態的基線. 通常安全策略都會存在薄弱環節. 所以應該對作為安全狀況根基的安全策略和程序進行審查和驗證, 如果安全策略存在薄弱環節, 那么核電站的核心將面臨巨大的風險.

步驟 7. 控制風險 (標準審查、差距分析)

控制風險步驟是針對某一標準或者策略所開展的差距分析或審計工作, 也是大多數傳統風險評估的中心工作. 控制風險以行業標準和要求為基線, 能對安全、整改、緩解等過程的聚焦提供指導.

步驟 8. 網絡脆弱性評估

本步驟通常僅涉及已知的且已經公開紕漏的漏洞. 主要涉及如下方法:

映射漏洞, 將已知漏洞與現有系統進行手動匹配操作;

配置審查, 對系統配置尋找錯誤配置;

漏洞掃描, 對漏洞使用掃描工具進行搜尋;

實時網絡流量分析, 檢測流量并進行分析;

控制分析, 針對各種標準中的脆弱性進行排查.

步驟 9. 計算實驗

通過平行系統, 對評估實現仿真建模, 進行計算實驗. 通過海量自我博弈提升自身能力, 實現虛實結合的自我探索學習, 系統智能水平將持續提升. 理論上最終超越現實世界, 達到人工世界為主導的目的,實現智能系統工程實用化 如圖9所示.

圖9 核電工控系統信息安全計算實驗圖例

4.2 智能平行核電站數字化儀控系統: 下一代核電儀控范式

核電站數字化儀控系統 (Digital Control System, DCS), 控制著整個核電站從常規島到核島幾乎所有的閥門、開關、繼電器等, 數據在系統中進行集中顯示、計算處理并自動驅動執行機構, 具有高可靠性、開放性、靈活性、協調性、易于維護、控制功能齊全等特點. 它是核電站的大腦、神經中樞、運行中心和安全屏障, 是核電站四大關鍵性成套設備之一,是整個核電站最關鍵、最核心技術的集中體現, 也是大型核電裝備現代化程度的重要標志[52?55], 基于平行理論的研究架構如圖 10 所示.

圖10 基于平行理論的核電儀控技術研究架構

作為核電機組這樣一個以核反應堆為一次能源的高科技重大裝備, 其控制系統與核反應過程密切相關, 控制系統的安全性、可靠性、精確度和完整性等各方面的功能和性能都直接影響到整個核電站運行的安全性和經濟性, 因此在考慮核電機組裝備本身的自主化時, 就必須同時考慮其控制系統的自主化. 只有掌握了自動化成套控制系統的關鍵技術, 我國核電站的安全、經濟運行才能有真正的保障.

中國廣核集團 (簡稱中廣核) 為引領核電智能化技術的發展, 設立了 “十三五” 智能核電科技戰略專項 (Smart Nuclear Power, SNP), 提出了在全生命周期內構建 “智能管理、協同設計、智能建造、智慧運營” 的四大發展領域. 北京廣利核系統工程有限公司是中廣核旗下從事核電DCS設計、制造和工程服務的專業化企業, 正在從核電工程DCS系統供應商向核電DCS“工程、運維、改造、服務” 供應商轉型, 從單一核電領域向高可靠控制領域轉型, 從國內核電DCS設備供應商向全球核電DCS設備供應商轉型, 并致力于在自動化、智能化、可視化方向取得技術突破. 作為專業的核電 DCS供應商, 廣利核公司可為各種不同堆型的核電站提供端對端、全生命周期的DCS 解決方案, 實現高精度、快速及高穩定運行的目標, 如圖11所示.

核電站的管理與控制問題, 不僅涉及到核電站的規劃、設計、選址、建設等工程問題, 更涉及到管理、人為等社會因素, 以及地震、火災等自然因素,傳統的理論建模方法難以對其進行研究, 需要新的理論方法來解決上述問題. 因此, 為了實現更優化、更有層次性的控制目標, 解決核電 DCS 系統中的復雜控制問題, 廣利核公司基于平行智能理論方法及其技術路線 , 采用大運維理念 , 致力實現DCS全壽命周期的智能化.

該系統采用基于ACP方法的平行智能理論, 以虛擬化、云計算、大數據為數據基礎 , 建立細粒度仿真、具有彈性、按需分配、靈活擴展的平行核電站數字化儀控系統, 以滿足核電系統信息安全對抗演練、技戰術訓練及實驗、工業控制重要基礎設施與信息系統的安全測評、安全預警的需要[56], 如圖12所示.

圖11  DCS 運維改造平臺

圖12  中廣核 DCS 數據中心平臺

本文首先討論了核能5.0出現的新智能時代基礎, 闡述了虛擬數字工業崛起的技術背景. 其后詳細敘述了核能5.0及核電工業新形態與體系結構, 即平行核電的定義、意義、研究內容、體系架構以及應用領域, 并討論了核能5.0中新一代核心技術, 包括智聯網、知識自動化、發展性人工智能、大規模協同演進技術、工業區塊鏈等. 最后討論了核電工業中具體的應用場景與案例, 核電工控系統安全評估與核電站數字化儀控系統.

在新智能時代來到的時候, 以虛擬數字工業崛起為特征的工業轉型正在逐步發生. 中國工業必須認清這一重大趨勢, 盡早開始這一轉型過程, 以避免在下一輪的全球工業競爭中處于劣勢和下游地位.中國核能工業, 無論在國家能源安全與經濟命脈的層面上考慮, 還是在保持核電工業技術在世界上的競爭力的層面上考慮, 都更應該盡早意識到工業虛擬數字化的必要性與緊迫性, 并盡早開始其進程. 因此, 本文闡述了核能 5.0, 以平行核電為核心理念的虛實一體的核電工業新形態與系統架構, 提出了世界領先的理念、參考模型和技術框架, 為中國核能產業未來的自主發展描繪了前景、道路與期望.