核电厂冷源海生物探测预警及决策支撑系统研究

孟亚辉，刘磊，郭显久，刘宁，刘扬

(1.苏州热工研究院有限公司，江苏苏州215004；2.交通运输部东海救助局，上海200090；3.大连海洋大学信息工程学院，辽宁省海洋信息重点实验室，辽宁大连116023；4.大连电子学校，辽宁 大连116023；5.大连松辽玻璃船舶有限公司，辽宁 大连116035)

目前，国内大多数核电厂建在海边和湖泊附近，以方便取用冷却水。取水口是核电厂的重要水源地，核电厂大部分设备的冷却水和厂用水均通过取水口获得。因此，取水口冷源的可靠性直接影响核电厂的安全性和经济性。

近年来，随着全球大环境的变化，核电厂取水口堵塞事件频繁发生，2004—2008年国内外共有61起，其中大部分事件都引起了机组的降功率，部分引起了停堆，还有部分事件甚至直接对核电厂安全相关系统造成了影响[1]。2009年，法国CRUAS核电厂4号机组被大量水草入侵，水草堵塞泵站的过滤系统，造成4号机组丧失冷源，操纵员降低机组功率20%。EDF公司统计，从20世纪80年代至今，EDF电厂累计发生由于冷源问题引起的CRF跳泵上百次，据此EDF电厂启动了AP0503取水口和泵站冷源保障项目研究[2]。EPRI 1020524报告对美国77家电厂进行了取水口堵塞问题的调研和信息收集，调研包括各电厂出现的海生物种类、特点，以及各电厂取水口和泵站的配置，给出了各电厂针对取水口堵塞问题采取的成功治理经验反馈和设备改进建议[3-4]。2016年4月，国家核安全局通报表明，中国核电厂发生了数起由于海洋生物 (以下简称海生物)或海洋异物堵塞取水系统从而影响取水安全的事件[5]，并公开了5起海洋生物或异物影响核电厂取水安全的典型事件。在频发的海生物入侵风险下，滨海核电厂的冷源保障问题日益突出，如何从源头上一揽子解决各电厂面临的冷源问题成为当务之急。为此，国家核安全局要求核电营运单位建立预警和预防机制。针对日益恶化的水源环境，国内外进行了一系列分析研究和技术改进[6-7]。中广核集团在各营运电厂对海生物入侵问题也采取了一系列拦截和防治措施，比如在取水口前加装全断面式的拦截滤网对海生物进入取水口实现预拦截，应对海面溢油的雷达探测装置等，虽缓解了部分海生物入侵的问题，但面对变化多样的海洋环境和海生物种类仍存在缺陷和不足。而且核电厂冷源安全保障目前基本上全部靠人工处置，也没有探测预警系统作为技术支撑。

本研究中，以红沿河核电厂为例，从全面提高核电厂冷源可靠性的目的出发，研究以海生物探测技术为基础，建立一种海生物探测预警系统及决策支撑系统，能够探测和估计海生物入侵强度和分布密度，并且能够将信息发送给相关人员，从而系统地提高核电厂冷源风险应对能力，进一步指导电厂从冷源各个风险防范环节入手，完善和提高现有的冷源风险防范行动，弥补现有防范行动的不足之处，从纵深防御的角度协调海生物预警、探测、防范等措施的功能关系，为全面提高核电厂冷源可靠性提供技术支持。

1 核电厂冷源海生物探测预警及支撑系统总体设计

核电厂冷源海生物探测预警及支撑系统包括前端智能监测系统、数据处理中心、预警与决策系统3大主要部分，以综合声呐探测技术、雷达探测技术、水下红外探测技术和水下微光成像技术等构成取水口的监测网路。通过物联网技术、云计算和大数据的应用，建立浮标监测平台，实现对水域生物及异物远程实时监测。建立数据处理中心，对监测信息进行存储、分析和处理，并在电脑客户端和手机上实时显示，为工作人员提供应急决策支撑。客户也可以通过网络直接访问服务器，获取所需信息。海生物探测预警及支撑系统架构如图1所示。

图1 海生物探测预警及支撑系统架构图Fig.1 System frame diagram of early warning and decision support system for marine organisms

本研究中所采用的探测方法有声呐探测技术、微光图像识别技术、海上雷达扫描技术和卫星遥感观测技术。这些不同探测技术产生的数据，具有多种不同的存储形式和格式，包括以专有格式或数据文件形式存储，以文本、表格、栅格和矢量形式在数据库中存储，从而形成异质异构的多源海洋数据集合。面对大量的多源海洋数据集，若进行实际应用和检索，会带来诸多不便，因此，本研究中需要考虑进行多源数据融合及数据优化处理。

除海生物外，红沿河取水口冬季海冰也会威胁冷源安全，主要包括大冰块堵塞、碎冰下潜、冰絮骤凝。针对这些问题，可采用雷达监测、光学设备等多种手段联合探测，探索堵塞程度观测技术，建立预警指标，形成应急措施，编制应急预案，进而建立海冰管理模式。

2 智能浮标设计

浮标是海洋探测中非常重要的载体，能够完成多任务多维度的探测需求[8-10]。本系统探测目标为鱼虾等中小型海生物，海藻等微小浮游生物，红沿河海冰等海上漂浮物，水母、海地瓜等低等生物。探测方式分别为声呐探测技术、微光图像识别技术、水上雷达扫描技术等，这些探测设备需要有较好的搭载设备。智能浮标用于搭载监测设备，其技术研发首先考虑浮标本身的供电、通信、信号等技术指标，同时具有开放的搭载，能够兼容本系统所涉及的设备，且能够提供可靠的运行平台。

浮标体采用玻璃钢材质，考虑到风浪流对浮标稳定性的影响，可在浮标舱底进行配重。另外，考虑到台风天气的影响，在浮标外部加装支架，在水下部分进行压载，提高了浮标的稳定性，如图2所示。智能浮标系统主要包括3部分：数据采集系统、通讯系统和浮标自身监控系统，如图3所示。具体包括光伏充电模块、电源管理模块、GPS信号、卫星传输模块、倾斜度传感器、LED航标灯、3G/4G通讯模块、风速风向仪、ADCP等，以及舱门是否打开报警、浮标是否进水报警。通过开发智能浮标作为较为固定的搭载手段，并结合取水口陆基固定方式安装探测器，可采用多点位布置达到探测屏障的目标。

在设计中，根据核电厂冷源海域探测预警及决策支持系统通讯方式的需要，分别开发了卫星通讯收发模块、移动WIFI通讯模块、移动短信收发模块、塔式信号处理模块和光纤通讯收发模块。其中，卫星通讯收发模块和移动WIFI通讯模块是两种主要的通讯方式，在通讯系统设计中，两者有优先级的考虑，当WIFI通讯模块正常工作时，卫星通讯收发模块处于备用状态，一旦WIFI设备发生故障影响数据通讯时，将启用卫星通讯收发模块，及时将信号传送给服务器。移动短信模块具有主动和被动两种工作模式，通常工作为被动方式，主要是辅助接受工作人员不在控制区域时发出的控制命令短信，主动方式是将设备的重要信息以短信的形式反馈给工作人员。当探测设备离岸较近时，可采用光纤通讯方式。塔式信号主要是与浮标配合使用。

图2 智能浮标结构示意图Fig.2 Structure diagram of the intelligent buoy

图3 智能浮标监测系统组成框图Fig.3 Diagram system of the intelligent buoy

3 预警及决策支撑系统核心设计

预警及决策支撑系统是整个系统的核心，通过数据的采集分析进行预警和决策[11-13]。通过对核电厂海域小目标的识别，开发通讯与数据采集系统、数据处理平台和预警决策终端平台。将采集到的海生物信息通过多源信息融合技术对多种探测器的数据进行融合，数据预处理与分析，得到海生物入侵报警模型，再通过监控预警系统进行信息发布。

3.1 探测数据采集系统

在核电厂冷源海域探测预警及决策支持系统中，数据采集模块的功能包括采集声呐探测器、微光成像摄像机、风速风向仪、水质等传感器数据。数据采集模块主要结构如图4所示。

图4 数据采集模块系统框图Fig.4 System diagram of data acquisition module

本设计中，考虑到采集模块将会用在海上船舶或其他搭载设备上，因此，设计了耐压防水外壳，所有模块间的连接均为水密接头。鉴于海上干扰因素较多，根据采集模块抗干扰能力设计了数据采集隔离模块，以保证采集数据的正确性。在通讯方式上，开发了数据采集通讯模块和通讯接口兼容模块，兼容支持多种通讯方式与不同种类设备进行数据通讯，支持通过RS232、RS485、CAN、以太网、移动GPRS、CDMA、GSM、WiFi网络等方式和控制设备进行通讯[13-14]。支持与国内外主流的PLC、SCADA软硬件、DCS等设备的通信与联网等，支持通过OPC等方式与信息化系统进行数据采集，支持以OPC、MODBUS等协议对外转发数据完成联网。该系统还开发了数据采集输入输出接口快速开发系统，数据采集模块SDK开发包和数据采集模块故障诊断系统，不仅可以快速配置输入输出接口，而且其中的采集模块还具有自诊断功能。

因此，实际操作中可通过有线或无线方式进行采集，该采集系统可根据传感器的数量进行通讯接口的灵活方便配置，具体如图5所示。工作中可以方便配置数据采集模式，查看各连接端口数据，并及时处理下位机采集数据。

3.2 数据处理平台

数据处理平台主要是将采集到的信息进行存储和预处理，并通过多源信息融合技术进行分析，将其变成所需数据，如图6所示。对数据库中各种探测数据进行分析和处理，在此过程中需要研究数据分析算法，充分利用现有的图形分析工具进行数据分析，然后对数据进行处理[14-17]。此外，还需将数据传输系统中的数据进行加密，对于有些数据需要进行预处理，针对数据断传问题，平台中还开发了数据自动恢复系统，以维护数据采集的准确性。将处理结果输出到预警监测数学模型，通过模型进行分析，并给出报警信息。用户通过电脑客户端可以登录并查看相关信息，还可根据权限对报警信息进行相应的管理。报警海域会在GIS系统上显示处理，方便值班人员进行定位，及时处理报警信息。在系统中还可以加载数据优化处理方法，具体功能为：

图5 上位机数据采集系统Fig.5 Data acquisition module of host computer

图6 数据处理平台Fig.6 Data processing platforms

(1)解决稳态、瞬态和运动声源辐射声场空间重构，以及噪声源识别与精确定位，提高噪声源识别定位精度和工作频带范围。

(2)通过噪声分析，识别振动噪声问题。在对数据进行处理时分为两种情况：一是目标明确，数据直接进行分析；二是目标模糊，采用神经网络与模糊算法相结合，对目标进行优化。

3.3 监控预警系统

监控预警系统是将处理后的数据进行分类显示。通过预警模型进行预警阈值的设定，并且具有GIS位置显示系统、集控室监控系统、预警监控系统、工作人员值班系统、视频监控系统、专家干预系统和安全保密系统。最终能够分析、判断水域异常信息，并通过服务器、手机客户端做出预警，界面友好，如图7所示。该系统具有以下特点：(1)多传感器信号融合，经数据处理平台优化处理后，可成像显示；(2)跟踪目标可在GIS上采用二维形式和三维立体形式呈现；(3)集中控制室监控、预警系统、工作人员值班系统、视频监控系统等多界面交互。

图7 监控预警系统Fig.7 Monitoring alarm system

4 结论

本研究中提出并研究了一种核电厂冷源海生物探测预警及决策支撑系统，通过建立浮标数据监测系统、数据处理中心和预警决策系统，完成对取水口附近海域海生物的实时监测，并对监测信息进行存储分析和处理，根据预警模型，为用户在电脑和手机客户端上显示监测信息，为冷源运行人员提供决策支撑，整体提高了核电厂冷源的安全性和可靠性。该系统结构简单，可扩展性强，能够根据不同海域进行个性化配置。

[1] 阮国萍.核电厂取水口堵塞原因分析与应对策略[J].核动力工程，2015，36(S1)：151-154.

[2] Bryhn A C，Andersson J，Petersson E.Mortality of European glass eel(Anguilla anguilla)juveniles at a nuclear power plant[J].International Review of Hydrobiology，2014，99(4)：317-325.

[3] Bergström L，Jansson M，Sundqvist F，et al.Biological investigations at the Ringhals nuclear power plant 1979-2007[R].Swedish Board of Fisheries，Finfo Report，2009：2.

[4] Roqueplo C，Lambert P，Gonthier P，et al.C Estimation of glass eel mortality in the Gironde after passage through the cooling circuit of the Blayais nuclear power plant[R].CEMAGREF，Groupement de Bordeaux，Report 58， 2000.

[5] 关于2015年度下半年核电厂建造和调试质量事件与问题的通报[R].国核安函〔2016〕34 号.2016.

[6] Maes J，Turnpenny A W H，Lambert D R，et al.Field evaluation of a sound system to reduce estuarine fish intake rates at a power plant cooling water inlet[J].Journal of Fish Biology，2004，64(4)：938-946.

[7] Sonny D，Knudsen F R，Enger P S，et al.Reactions of cyprinids to infrasound in a lake and at the cooling water inlet of a nuclear power plant[J].Journal of Fish Biology，2006，69(3)：735-748.

[8] 郭伟.水下监测系统中目标探测若干关键技术研究[D].长沙：国防科技大学，2011.

[9] 王卫宁，许枫.中国2010年上海世博会园区水下目标探测与处置系统[J].上海船舶运输科学研究所学报，2012，35(2)：16-21.

[10] 高超.基于ARM的水声浮标系统设计与实现[D].哈尔滨：哈尔滨工程大学，2013.

[11] 李炳南，赵冬至，蒋雪中，等.赤潮灾害应急决策支持系统的概念设计[J].海洋环境科学，2014，33(3)：418-424.

[12] 阎笑彤，徐翔，郭显久，等.基于WEB的水产养殖病害诊断专家系统[J].大连海洋大学学报，2016，31(2)：225-230.

[13] 刘文全.基于GIS的海上石油平台溢油应急决策支持系统结构与应用研究[D].青岛：中国海洋大学，2010.

[14] 兰圣迎.无线移动通讯技术在近海环境监测中的应用[J].海洋环境科学，2008，27(5)：510-512.

[15] 陈柯宇，程恩，苏为，等.基于3G的水声通信海测平台的设计与实现[J].合肥工业大学学报：自然科学版，2016，39(4)：471-475.

[16] 杨洋.基于Android的海洋水质监测管理系统的研究[D].秦皇岛：燕山大学，2013.

[17] 邢旭峰，王刚，李明智，等.海洋牧场环境信息综合监测系统的设计与实现[J].大连海洋大学学报，2017，32(1)：105-110.