近日，核能安全所科研人员在核电站故障预测与健康管理领域取得新进展，相关研究成果以“Time series modeling and forecasting with feature decomposition and interaction for prognostics and health management in nuclear power plant”为题发表在能源领域国际学术期刊《Energy》上。

核电系统故障在其发展的初期阶段往往表现为部分系统状态在时间序列上的微小扰动，因此开展核电系统状态预测工作对于事故的早期干预、防止严重事故发生具有重要意义。然而，核电系统高度非线性以及多物理耦合特性，为主工艺流程中的关键状态(例如核功率、冷却剂温度、蒸汽压力等)的长期预测带来巨大挑战。

针对上述难题，研究团队创新提出了“分解-重构-预测”三阶递进架构——AFDI-Net，通过特征空间解耦与跨尺度信息交互，突破核电站时序数据建模瓶颈。该方法首先利用结合注意力机制的多核时序分解模块，将核电站时序数据分解为具有自适应权重的可解释的趋势-季节模式，对高度非线性的核电站数据进行解耦。然后采用具有信息交互功能的特征重构模块对局部特征进行建模并获取全局相关性，进而捕捉核电站数据的长期依赖。最后，为减少模型复杂度，采用线性层得到所需预测窗口。此外，研究团队打破传统数值指标评价体系，创新设计基于下游任务的模型评估系统，为该领域模型性能的综合评价提供了新思路。

测试结果表明，该方法在核电站状态预测中具备显著优势，并展示出良好的鲁棒性;该方法在核电站多变量长、短期预测中的预测精度较传统方法均取得了显著提升;其“分解-重构-预测”结构，不仅能够有效对核电站复杂系统进行解耦，且能够准确捕获核电站运行数据的长期依赖关系，为未来微小型反应堆的创新设计与核电站工业设备预测性维护提供了理论与方法支持。

核能安全所博士研究生余海波为该论文第一作者，杨明翰副研究员和汪建业研究员为通讯作者。上述研究工作得到了中国科学院先导专项、中广核核电安全技术与装备全国重点实验室基金项目等支持。

AFDI-Net整体框架与工作流程