编者按：
近年来，全球核能领域数字化转型风头正劲，推动人工智能与核能产业的深度融合，不仅是响应国家“人工智能+”行动部署的具体实践，也是我们构建现代核能体系、实现安全高效发展的必由之路。中国能源研究会积极响应时代命题，在2025年能源行业人工智能创新技术应用案例征集活动中，特设置了“AI+核能创新应用场景”的征集方向。
自启动以来，活动得到了业界、学界以及科技企业界的广泛响应，共收到来自全国49家单位的数百份场景方案，覆盖从设计建造、运维管理、安全监管到燃料循环、公众沟通、前沿材料等全链条环节，充分展现出这一交叉领域的蓬勃活力与广阔前景。经过多轮严谨的研讨与遴选，我们从众多优秀场景中筛选出了100项代表性场景，并在此基础上通过进一步交流与遴选，最终优选出了30项具有前瞻性、创新性和实践价值的场景作为本次征集活动的最终推荐成果。现将这30项“AI+核能创新应用”推荐场景案例进行集中展示，以供探索核能领域AI场景应用的单位和同行互相学习与提高。
（1）大模型辅助对比学习的核动力装置可解释性故障诊断
提出了一种跨模态对比学习（CMCL）框架，其目标是将核动力装置运行的时间序列数据与基于领域知识生成的文本表征对齐至共享语义空间。
框架采用双编码器结构：一方面，利用双层LSTM对时间序列进行编码，以捕捉瞬态工况中的时序依赖和动态特征；另一方面，借助预训练大语言模型DeepSeek-R1-Distill-Qwen-7B获取文本提示的嵌入表示，并通过冻结投影层作为稳定的语义锚点。
（2）基于故障因果路径的核动力装置典型故障可解释诊断研究
针对核动力装置典型故障诊断领域的弱可解释性难题，提出了基于故障因果传播图与图神经网络融合的可解释故障诊断方法。通过LSTM网络与空域GNN协同作用，完成了故障特征的高效提取与融合，基于深度学习模型特征提取网络捕捉因果图中各节点时序数据的变化特征，准确编码单传感器数据在时序趋势波动。
2. 创新亮点
创新点一：构建了基于跨模态对比学习的核动力装置瞬态事件诊断框架。创新性地提出了新型跨模态对比学习（CMCL）框架，将时间序列数据与自然语言描述相融合，实现了核动力装置瞬态事件的高效识别。
创新点二：构建了具备定性与定量可解释性的核动力装置诊断模型。创新性地将GNN与故障因果传播路径相结合，通过分析各故障因果路径并推理获取了故障概率变量。
创新点三：双模型协调。进一步构建标准化协同机制，有效突破单一模型在复杂场景下的诊断局限。
（1）在响应国家战略方面，不仅为核电站智能运维与安全管控提供关键技术保障，更在国家能源结构调整和低碳转型中发挥支撑性作用。
（2）在社会效益方面，未来可应用于军、民各类核动力堆型的运行特性分析、典型故障仿真与教学科研培训。
（3）在经济效益方面，实现了从“事后维修”到“预知性维护”的运维模式转变，显著降低非计划停堆频次，进一步优化全生命周期运维成本。根据对我国在运核电机组非计划停堆时间及相应经济损失的行业数据初步估算，单台百万千瓦级核电机组应用系统后，年均运维成本可降低约20%-30%，同时可利用率的提升还将带来可观的发电收益。
针对传统故障诊断模型的不可解释性使得操作人员在面对诊断结果时难以完全信任诊断结果的问题，创新性的构建了可解释人工智能驱动的技术体系，并通过“大模型与语义锚定语言相似度推理+故障因果图精准路径推理”的双模型协同诊断模式，直接攻克了传统方法在复杂因果关系建模、模型内置可解释性、系统鲁棒性等方面长期存在的技术瓶颈，有效破解了传统模型“黑箱”问题导致的信任壁垒。从操作执行层面直接降低核事故发生风险，为核动力装置的安全稳定运行提供了关键技术保障。
完成单位：哈尔滨工程大学核科学与技术学院
主要完成人：王航、汪鑫、徐宗玉、彭敏俊、于润泽、杨宁
中国能源研究会于1981年1月成立，是由从事能源科学技术的相关企事业单位、社会团体和科技工作者自愿结成的全国性、学术性、非营利性社会组织，全国性4A级社团。接受业务主管单位中国科学技术协会、社团登记管理机关民政部的业务指导和监督管理。中国能源研究会拥有单位会员900余家，个人会员12万余人，分支机构包括12个工作委员会、51个专业委员会和6个分会，秘书处（办事机构）设有8个部门，并全资设立《中外能源》杂志社。
中国能源研究会坚持“围绕中心、服务大局，研究、咨询、交流、服务”的宗旨，团结能源领域的科技工作者，发挥能源科技高端智库的作用，服务能源科技进步和体制机制创新，积极开展能源领域的决策咨询服务和重大政策与课题研究，以及能源科技评估、团体标准制定、科学普及等工作，推动国内外的学术交流与合作，成为国家能源管理部门与企业联系的桥梁和纽带，是中国能源领域最具影响力的学术团体之一。中国能源研究会是国家能源局首批16家研究咨询基地之一，为政府决策、部署能源工作发挥了积极作用。