李嘉明
(苏州热工研究院有限公司，江苏 苏州 215004)
核电厂的核应急指挥支持系统是提高核应急以及核安全能力的重要保障，是核事故应急响应期间的重要信息交换和指挥中枢平台，可以为应急响应行动的制定提供有效的建议。核应急系统建设常因存在关联数据及信息较多、上下游系统的数据集成接口较多、需打通应急网络及社会网络架设隔离装置较多等诸多痛点难点，进入核应急状态时，堆芯损伤评价、事故后果评估、机组数据监测(DCS)、区域辐射及环境辐射监测(KRS)、应急指挥决策与调度等都随同人、设备、环境等元素随时在厂内、厂外、地方与国家等多地相互影响，应急信息的采集获取、数据传输等工作的难度将大幅增加，信息来源繁杂多样。以上种种原因对核应急指挥支持系统提出了很高的要求。
核应急指挥支持系统的发展，经历了第一代的技术发展，主要为基于机组参数信息的监控，且功能单一，集成化度不高，以上统称为第一代核应急指挥支持系统。随着技术的发展，多信息来源的集成化、多功能模块化的应急决策支持系统纷纷出现，国内外比较先进的研究机构开发出高度集成化的核事故后果评价系统，如国外欧共体的RODOS[1]、美国的 NARAC[2]、韩国的AtomCARE、日本的 WSPEEDI[3]等，国内有RODOS-C[4]、RADCON[5]，上述模型系统更偏重事故后果评估和防护行动决策，指挥和调度功能相对比较薄弱。杨亚鹏等[6]设计出一种集成化的应急指挥与决策系统，上述系统的信息获取来源更加广泛，基于DCS/KRS/气象数据等多源数据信息集成化、可视化已成为新系统的标配，并配合有预案程序库、值班、培训等多种功能模块，以上诸多系统可统称为第二代应急指挥与决策支持系统。
但当前业内主流的第二代应急指挥支持系统存在各功能模块较为独立、智能化程度不高等诸多问题未解决，例如，应急行动水平(EAL)条款较多，高达100多个子条款，应急人员不易及时判断；
纸质版严重事故管理导则(SAMG)内容使用条件及条款繁多且不易查阅，技术支持组(TSC)给出控制策略时间较长；
TSC评估流程过于繁杂，防护行动的决策建议给出结论较慢，影响指挥部决策速度……上述问题尚欠缺有效的模型和智能辅助模块，制约着业内核应急系统的整体智能化水平。
针对当前核应急指挥支持系统应用需求，本文介绍一种新型的智能应急指挥支持系统的开发与应用，构建了3个智能化新模型：EAL智能辅助决策模型、TSC评估智能辅助决策模型、SAMG智能辅助计算与决策模型，用于提升行动决策速度和系统的智能化水平。
新型应急指挥支持系统的总体结构设计分为软、硬件系统+前端展示、功能模块+界面展示两大部分。系统软、硬件结构如图1所示。
图1 应急指挥支持系统结构Fig.1 The structure of the emergency command support system
系统软硬件是系统运行的软硬件环境基础，其中硬件包括网络(A/B网)、交换机、服务器、数据库、显示终端、网闸等；
子软件包括一体化平台、专家评估工具、EAL/SAMG模块、通讯软件、应用程序界面(API)接口等；
数据包括机组数据模拟机数据、辐射监测数据、4G物联网络数据、地理信息系统(GIS)二三维地图、应急预案程序、气象数据等。系统可通过LED大屏、PC端、Pad端、Phone端等显示终端进行展示。
功能模块分为培训管理、应急响应、应急演习导控、电子预案程序库。其主要功能通过业务层的四个模块即个人中心、事故进展、监控查询、预置管理来实现。
个人中心根据应急处置和个人职责的思路设计，分为个人界面、待办、已办、待阅、已阅、草稿、起草等功能模块；
事故进展根据演习/响应来设计，分为应急状态、机组概况、设备抢修、事故序列、应急建议、指挥决策等内容；
监控查询主要用于系统数据可视化、专家工具评估、智能辅助决策，分为应急体系、应急组织、流程图、曲线图、专家评估工具、EAL/SAMG模块、报告报表等内容；
预置管理主要用于培训演练，分为演习导控、培训管理、人员预置、KRS预置、系统管理、用户管理、预案库管理、授权管理、传真管理、岗位管理等内容。系统功能结构如图2所示。
图2 应急指挥支持系统功能结构Fig.2 The functional structure of the emergency command support system
上述系统描述综合架构出一个应急指挥支持系统的三维框架，满足应急响应行动的总体要求，系统总体框架如图3所示。
图3 应急指挥支持系统总体框架Fig.3 The overall framework of the emergency command support system
当前应急指挥支持系统的发展方向，离不开系统各个子模块的智能化辅助决策，针对前言中描述的多个业内难点问题，构建了3个智能化模型。
2.1 EAL智能辅助决策模型
当前应急人员进入或者升级应急状态时，需要靠应急初始条件(OIL)和应急行动水平(EAL)进行人工判断，往往其子条款高达上百条，根据国家2022年颁布的《压水堆核动力厂应急行动水平制定》导则[7]，覆盖的识别类型分为6大类：辐射水平/流出物放射性异常类(A 类)；
裂变产物屏障类(F 类)；
影响核动力厂安全的危害和其他事件类(H 类)；
热态下的系统故障类(S 类)；
冷态下的系统故障类(C 类)；
独立乏燃料贮存设施类(E 类)。上述识别类及其对应的事件类别详见表1。
表1 EAL识别类及对应事件类别Table 1 The EAL identification category and the corresponding event category
上述EAL的子条款较多，为实现触发子条款智能化辅助决策判断，构建了一个EAL智能化辅助决策模型(简称EAL模型)，模型通过输入端不同的取值来源进行分析处理，利用算法对上述4种识别类的取值进行结果输出，针对最终给出应急状态等级建议。
EAL模型划分为3个子功能模块，详细分别为：数据输入模块、数据处理模块以及结果输出模块。数据输入模块支持4种数据来源：机组数据、机组状态诊断结果、事件报告以及手动输入的数据。数据处理功能包括应急等级判断逻辑、输入参数据编辑、数据可视化功能、应急行动建议、应急后果评价以及应急报表输出。在结果输出模块中，系统自动对应急等级判断数据进行可视化。EAL模型的构建为应急响应或演习提供决策支撑，提升了运行人员和指挥部对进入应急状态的子项条款判断速度和准确度。EAL模型及展示界面分别如图4和图5所示。
图4 EAL智能辅助决策模型Fig.4 The EAL intelligent aided decision-making model
图5 EAL智能辅助决策模型界面Fig.5 The interface of the intelligent aided decision-making model
2.2 TSC评估智能辅助决策模型
技术支持组(TSC)一般由组长、机组状态诊断助理、源项与堆芯损伤评估助理、性能试验助理、系统与工程助理、事故后果评价助理、环境监测助理及队员、化学助理及队员和秘书等组成。应急状态下负责应急响应的主要职责是通过对机组和设备系统状态进行诊断和预测，提供运行控制和应急维修的建议，向指挥部提供场内人员和场外公众辐射防护行动建议，以及在严重事故工况下，负责执行严重事故管理导则(SAMG)，制定处置策略及提出处置建议。以国内某压水堆核电厂为例，技术支持组的岗位结构如图6所示。
图6 技术组结构Fig.6 The structure of the TSC group
传统的技术组评估流程较为复杂，在评估任务下达后，评估方法从三道屏障(堆芯、一回路、安全壳)到外部环境监测，由内到外对辐射及事故影响结果进行评估，并使用堆芯损失评价软件/事故后果评价软件/SESAME 4.0等专家评估工具辅助计算和评估，最后得出综合结论。传统技术组评估步骤长达7步，一环扣一环，在前一环尚未给出结论值之前后面岗位无法进行计算和结论判断，这样的设计往往得出防护行动建议结论较为缓慢，不利于应急快速评估。传统技术组评估模型如图7所示。
图7 传统技术组评估模型Fig.7 The old evaluation model of the TSC group
结合国际原子能机构(IAEA)的防护行动评估标准[8]辅助校正，系统构建了新的智能评估模型，将评估步骤缩减为3步，多岗位可同时评估，当任意一个岗位提交评估结论后，系统可通过算法迅速给出一个智能防护行动建议(包含撤离、隐蔽、服碘等详细的内容)。与此同时，其他岗位先后提交结论后，系统自动判断结论并呈现最优建议，供技术组参考。新评估模型提升了技术组防护行动建议的决策速度和准确性，比传统技术组评估模型时间上缩短了1 h以上。技术组评估模型及展示界面分别如图8和图9所示。
图8 新的技术组评估模型Fig.8 The new evaluation model of the TSC group
图9 技术组评估界面Fig.9 The evaluation interface of the TSC group
2.3 SAMG智能辅助计算与决策模型
本文以压水堆为案例，当堆芯出口热电偶温度大于 650 ℃[9]时，应急人员需使用严重事故管理导则(SAMG)进行机组控制。压水堆的SAMG又包括主控室(MCR)导则和技术组(TSC)导则两部分。主控室使用事故初始响应导则(SACRG-1)和事故瞬态处理导则(SACRG-2)，技术组使用诊断流程图(DFC)、严重事故导则(SAG)、严重事故威胁状态树(SCST)、严重威胁导则(SCG)、计算辅助导则(CA)和退出导则 (SAEG)。压水堆SAMG的结构如图10所示。
图10 压水堆SAMG结构Fig.10 The SAMG structure of PWR
技术组在启动到岗后启动TSC综合评估行动，在堆芯热电偶温度高于650 ℃后，系统后台报警，则启动SAMG评估行动。传统的SAMG评估需要应急人员翻阅大量的纸质版文件逐一查找，并加以计算工具进行辅助计算和判断，评价效率较低，不利于应急响应。系统以压水堆为例，针对上述SAMG结构构建了电子化的SAMG智能辅助计算与决策模型，新模型通过自动读取机组/模拟机/KRS参数，通过SAMG计算模型进行数据处理与判断，若系统触发了严重事故的相关阈值(如堆芯温度>650 ℃)，SAMG模块界面自动触发报警，TSC组启用严重事故评估模块，根据模块向导界面引导至对应的子项模块，获取子项模块对应的机组控制策略。此外，针对严重事故时可能部分系统失效无法进行参数实时监测，TSC组还可手动输入数据，通过电子化的CA辅助计算工具，获取对应的计算结果。SAMG智能辅助模型可为技术组提供SAMG辅助计算和机组控制策略上的支持，提高了TSC组严重事故评估和提供机组控制策略的速度。SAMG辅助计算与决策模型如图11所示。
图11 SAMG辅助计算与决策模型Fig.11 The SAMG aided decision-making model
新系统的开发考虑了日本福岛核事故的经验反馈[10]，并结合IAEA的防护行动评估标准辅助校正，构建了3个新模型：EAL智能辅助决策模型、TSC评估智能辅助决策模型、SAMG智能辅助计算与决策模型，用于提升行动决策速度和系统的智能化水平。新系统已经投用于大亚湾、宁德等核电厂应急指挥支持系统的升级改造，用户反馈使用效果良好。最后针对用户需求及未来应急指挥支持系统智能化发展的方向，提出了4个问题及建议供业内进一步探讨和研究：
1)当前市面主流应急指挥支持系统仅针对单一机组的事故情景模拟，针对类似日本福岛核事故的多机组事故以及复杂演习情景的交叉模拟功能开发为业内难点。建议新系统向多模拟机投用的多机组演练功能拓展，以及开发智能演习导控模块，配合解决多机组事故的复杂演习情景难题。
2)当前市场上主流程序EAL智能判断自动化率不高，做不到系统完全自动判断，仅靠DCS/KRS等监控系统进行自动触发EAL子条款的占比不高。与此同时，针对H类、S类、C类等需要人工判断输入的条款较多，无法及时提醒运行值及应急人员进行条例判断。由于H类涉及诸多异常事件，建议将异常事件类分派给对应的岗位填写，通过录入异常事件触发系统自动推送相关EAL条款，可以及时提醒运行值及其他应急人员，从而在一定程度上提高H类的自动化率。
3)业内主流系统演习评估模块智能化水平不高，无法针对应急人员对不同的事故情景节点的响应动作正确度进行分析评估、打分和错误行为提醒纠正。建议将演习情景评估模块碎片化设计，可先针对单一情景中需响应岗位的任务行动拆解并设置打分节点，将评分碎片化，再采用组合式方法将多个情景串联起来，可组成一个复杂的演习情景评估模块。
4)当前开发的SAMG模型仅针对压水堆型设计，不适用于重水堆、高温气冷堆等其他堆芯。建议后续开发针对其他堆型的SAMG模型，以满足其他堆型核电厂的使用需求。
猜你喜欢支持系统导则辅助小议灵活构造辅助函数河北理科教学研究(2021年3期)2022-01-18心理健康支持系统对2～3岁听障儿童干预后的影响中国听力语言康复科学杂志(2021年6期)2021-12-21倒开水辅助装置发明与创新(2021年39期)2021-11-05“长征”五号地面发射支持系统短期快速恢复实践航天工业管理(2020年9期)2020-12-28减压辅助法制备PPDO材料科学与工程学报(2016年1期)2017-01-15提高车辆响应的转向辅助控制系统汽车文摘(2015年11期)2015-12-02上海：精心构建医改社会支持系统中国卫生(2015年1期)2015-11-16人工肝支持系统临床应用的研究进展吉林大学学报（医学版）(2014年2期)2014-02-27工程项目管理导则(十一)中国工程咨询(2012年4期)2012-02-14工程项目管理导则(十二)中国工程咨询(2012年5期)2012-02-13
