《基于大模型驱动的多模态核电)智能运维场景》——大亚湾核电运营管理有限责任公司技术管理主任工程师李广锋

2025年11月14日，大亚湾核电运营管理有限责任公司技术管理主任工程师李广锋在深圳核博会“AI+核能创新应用场景路演”上发表《基于大模型驱动的多模态核电)智能运维场景》主旨报告。

分享介绍了大亚湾公司基于大模型、多模态感知、知识图谱、数字孪生和AR/VR技术构建核电厂智能运维场景的方案。该方案针对数据孤岛、经验传承困难、响应滞后和现场操作低效等痛点，形成从数据采集、智能诊断、方案生成、执行指导到报告沉淀的全流程闭环，并已按试点验证逐步推广。

关键点
1. 项目定位与数字化转型背景（00:18）
项目服务于大亚湾公司从“物理大亚湾”向“数字大亚湾”转化的目标，依托公司数字化转型平台和规划，联合高校围绕核电运维痛点构建基于大模型与多模态感知的数字运维场景。

2. 传统核电运维的主要痛点（01:16）
传统运维难以适配核电高安全、高要求场景，主要问题包括数据分散形成孤岛、老工程师经验难以完整传承、故障定位和维修方案高度依赖人工导致响应滞后，以及现场作业需反复查阅工单和资料造成效率低下。

3. 智能维修闭环体系（02:23）
为解决痛点，方案构建覆盖维修全流程的智能维修体系，形成数据采集、智能诊断、方案生成、执行指导和报告沉淀的闭环。通过知识图谱、向量知识库、感知设备、大模型与机理模型协同、数字孪生及AR/VR技术，使运维流程智能化。

4. 总体技术架构（03:54）
架构围绕结构化与非结构化数据融合形成数据集，并依托设备运维知识库、设备机理模型库、设备孪生库，结合AR/VR技术，最终形成核电设备维修智能体。

5. 数据治理与感知增强（04:11）
针对SAP、手册、报告和纸质文件等多源数据孤岛问题，方案整合相关数据构建RAG向量知识库与知识图谱，实现标准化治理和深度关联。同时通过高密度传感器和边缘节点实现设备运行数据高频、实时采集，减少监测盲区。

6. 大模型与机理模型协同诊断（04:40）
针对监测不全和样本少的问题，方案为泵阀等设备构建机理模型以识别故障特征，并引入大模型生成合成样本弥补样本不足，从而兼顾实时性和物理精度，提高故障识别准确率。

7. 智能维修方案生成与持续优化（05:05）
方案采用RAG检索与知识图谱提取的双重机制，将历史案例、设备参数和故障类型等结构化信息融合输入大模型，自动生成可靠、详尽、标准的维修方案，并通过强化学习根据实际应用效果持续迭代优化。

8. 数字孪生与AR/VR辅助现场执行（05:45）
针对现场不可达、演练不完整和操作低效等问题，数字孪生通过高精度三维模型实时映射设备状态并支持故障标注，VR提供沉浸式演练环境，AR智能眼镜在维修过程中叠加操作指引，减少查阅文件并提升执行效率。

9. 维修报告自动生成与知识回填（06:21）
新方案通过大模型自动汇集报告信息，结合AR眼镜记录的过程信息和实施工作记录生成结构化维修报告，并将报告回填至知识库，推动知识持续沉淀和知识库优化。

10. 试点推广与应用成效（06:59）
项目已在多个领域开展试点验证，采取成熟一个场景推广一个场景的策略逐步推进。应用预期在维修准备效率、故障诊断、执行效率和知识沉淀方面带来提升，并提高经济效益和安全效益。

11. 核心结论：从经验驱动转向数据模型驱动（07:30）
方案的核心价值是推动核电运维从员工经验驱动转向数据模型驱动，覆盖全流程体系，并通过知识沉淀和模型迭代解决数据孤岛、经验断层、响应滞后和操作低效问题，后续将基于试点逐步推广。

时间线
00:14 - 演讲者介绍身份和分享主题，说明内容聚焦基于大模型与多模态感知的核电厂数字孪生运维场景。
00:26 - 介绍大亚湾公司数字化转型背景、目标和项目依托，说明项目是在公司数字化规划下围绕核电运维痛点开展。
01:11 - 展开案例背景，概述核电运维对安全稳定的高要求，并归纳传统运维模式中的关键问题。
02:23 - 提出整体解决思路：构建覆盖维修全流程的智能维修体系，并说明大模型、知识库、感知设备、数字孪生和AR/VR等技术如何协同。
03:54 - 说明系统架构和数据基础建设，包括多源数据融合、知识库、机理模型库、孪生库以及维修智能体。
04:11 - 分别介绍数据治理、实时采集、故障识别、维修方案生成、现场执行辅助和报告沉淀等关键实施环节。
06:59 - 介绍项目试点验证和推广策略，并总结应用在效率、诊断、知识沉淀、经济效益和安全效益方面的价值。
07:30 - 最后总结方案的核心意义：以全流程智能体系推动核电运维由经验驱动向数据模型驱动转变，并计划逐步推广。

AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：

大模型驱动下的核电数字孪生智能运维探索

2025年11月14日，在深圳核博会“AI+核能创新应用场景路演”上，大亚湾核电运营管理有限责任公司技术管理主任工程师李广锋作了《基于大模型驱动的多模态核电智能运维场景》主旨报告，围绕核电厂数字孪生智能运维的建设背景、技术架构、应用场景和推广价值进行了系统介绍。该项目是在国家数字化战略、集团数字化规划以及大亚湾公司自身数字化转型需求共同推动下形成的实践探索，其核心目标是推动核电站从传统“物理大亚湾”向“数字大亚湾”转变，以数字化、智能化手段提升核电运维的安全性、效率和知识沉淀能力。

大亚湾公司在前期数字化建设中已建立数字化小组，并以七大数字化平台作为转型核心引擎，同时规划了数字化转型灯塔项目和基石工程，为智能运维体系建设奠定了基础。面向核电运维长期存在的现实痛点，公司联合高校和相关技术力量，尝试构建以大模型、多模态感知、知识图谱、机理模型和数字孪生为核心的智能运维场景，使核电设备维修从依赖人工经验逐步转向依靠数据、模型和智能体协同支撑。

传统核电运维面临的首要问题是数据孤岛明显。故障记录、维修记录、设备资料、技术报告和纸质文档分散在不同业务系统和材料载体中，数据之间缺少有效关联，完整性和标准化程度不足，导致设备状态监测和故障分析容易出现盲区。同时，核电运维高度依赖资深工程师经验，而大量经验往往以碎片化、隐性化方式存在，未能完整转化为可复用、可传承的知识资产，造成经验沉淀和代际传递困难。

在故障响应环节，传统模式通常需要工程师依靠经验判断、查阅文档、分析历史案例，再制定维修方案，这一过程耗时较长，准确性也受人员水平和资料完备程度影响。现场执行环节同样存在效率瓶颈，维修人员需要根据工单和人工指导反复核对设备信息、操作步骤和技术资料，不仅影响维修效率，也增加了现场作业的不确定性。这些问题叠加起来，使得故障诊断准确率、维修响应速度、现场操作效率和知识复用能力都受到制约。

针对这些痛点，大亚湾提出构建全流程闭环的智能维修体系，覆盖数据采集、智能诊断、方案生成、执行指导和报告沉淀等环节。在数据层面，通过数据治理整合业务系统、文档报告、纸质资料和现场采集数据，建设知识图谱和向量知识库，打通原本分散的数据资源。在感知层面，通过加装传感器和部署边缘节点，实现关键设备运行状态的高频、实时采集，减少监测盲区，为智能诊断提供更加完整、连续的数据基础。

在模型与智能分析层面，项目强调大模型与小模型、数据模型与机理模型的协同。对于泵、阀等核电关键设备，系统构建设备机理模型，用于刻画设备运行规律和故障特征，从而保证诊断过程具有物理约束和专业可信度。与此同时，大模型可用于理解复杂文本、检索历史案例、生成合成故障样本，弥补真实故障样本不足的问题。通过大模型的泛化能力与机理模型的专业精度结合，系统能够提升故障识别的实时性和准确率。

智能维修方案生成是该体系中的关键应用之一。过去维修方案主要依靠工程师检索文档、回顾历史故障和结合个人经验制定，效率不高且标准化程度有限。新方案引入检索增强生成和知识图谱机制，先从知识库中检索相似历史案例，再抽取设备参数、故障类型、维修条件、操作步骤等结构化信息，并将这些内容融合输入大模型，自动生成更加可靠、详尽、规范的维修方案。系统还通过强化学习等方式，根据现场反馈和实际应用效果持续优化方案生成能力，使维修决策逐步形成自我迭代机制。

在现场执行方面，数字孪生技术通过高精度三维模型实时映射设备状态，可对故障点进行可视化标注，并支持维修操作预演。虚拟现实技术则可构建沉浸式演练环境，使维修人员在正式作业前熟悉现场结构、操作路径和风险点，降低误操作概率。增强现实智能眼镜可在现场实时叠加维修指引、设备信息和操作步骤，减少人员反复查阅纸质文件或电子资料的时间，提高维修执行效率和作业规范性。

维修完成后的报告生成与知识回填也是闭环体系的重要组成部分。传统维修报告依赖人工整理，容易出现编写耗时、格式不统一、信息遗漏等问题。新方案利用大模型自动汇集维修过程中的故障信息、操作记录、处理结果和现场影像资料，并结合增强现实眼镜记录的作业过程，生成结构化、标准化的维修报告。报告完成后可自动回填至知识库，成为后续故障诊断、方案生成和经验传承的数据来源，推动运维知识持续沉淀。

从整体技术架构看，该项目并不是单一AI工具的应用，而是围绕核电设备维修场景构建了一套融合结构化数据、非结构化数据、设备运维知识库、设备机理模型库、设备孪生库和智能体的综合体系。核电设备维修智能体在其中承担连接大模型、知识库、机理模型、数字孪生和增强现实系统的枢纽作用，使智能诊断、维修决策和现场指导能够在统一框架下协同运行。

目前，该项目已在多个领域开展试点验证，并采取“成熟一个场景、推广一个场景”的策略逐步推进。通过试点验证、场景验证和领域推广，相关应用范围将逐渐扩大。已有实践表明，该体系在维修准备效率、故障诊断准确率、现场执行效率和知识沉淀完整性等方面均带来提升，同时也有助于增强核电运维的经济效益和安全效益。

这一方案的深层价值在于推动核电运维模式由员工经验驱动向数据模型驱动转变。通过多源数据融合、知识持续沉淀、模型迭代优化和数字孪生现场赋能，系统能够针对数据孤岛、经验断层、响应滞后和操作低效等长期问题形成闭环解决路径。随着大亚湾相关试点不断成熟，该模式有望进一步复制推广至更多核电运维场景，为核电行业智能化升级提供可借鉴的实践样本。