数据分析学应用于核电厂设备运维数据挖掘研究.pdfVIP

中国设备工程

CHiNAPLANT

ENGiNEERiNG

数据分析学应用于核电厂设备运维数据挖掘研究

汪林，张力元

（中核运维技术有限公司，浙江杭州311200）

摘要：本文围绕数据分析展开，首先，介绍其主要阶段，包括项目定义、数据准备、统计和建模及验证，且各阶段常反复微调。主要

技术有自然语言处理（NLP）和聚类，NLP经文本清理、标记化、统计评估或模型训练完成，聚类旨在识别数据相似群组，不同聚类算法适用

于不同数据类型，如核电厂运维数据常用KModes算法。数据处理方面，建议开发行业标准数据集以解决各电厂数据差异问题。适用性评估中，

数据分析和机器学习技术在核电厂典型应用包括设备状态评估与剩余寿命预测、堆芯换料方案优化、故障诊断与瞬态工况识别、设备可靠性

数据库开发及应用。本文研究成果可转化为核电厂相关规范导则，指导运维，提高效率和安全性，也可基于技术要点开展科研项目，开发软

件工具优化设备管理体系。

关键词：数据分析；自然语言处理（NLP）；聚类；设备运维；数据挖掘

1 数据分析的主要阶段2 数据分析的主要技术

数据分析侧重于从数据中提取信息，以提供洞察力、数据分析使用的主要技术是自然语言处理（NLP）和

预测趋势并实现流程自动化。使用数据分析（DA）和机聚类。自然语言处理重点是将人类语言（通常为可读文

器学习（ML）必须系统地开发算法，如图1所示。本形式）转化为计算机可以理解的表示形式。通过计算

机对文本数据含义的理解，就可以基于此完成许多不同

的任务，例如，自动翻译成不同的语言、语法错误检查

或识别类似语句。

NLP技术种类繁多，既有纯粹的统计方法（如贝叶斯

推理方法，本项目中采用），也有基于机器学习的方法

（如递归神经网络）。NLP的第一阶段是清理文本数据，

图1  数据分析过程在逐个字符的基础上，去除噪声字符（如特殊字符、数

字字符和标点符号），再以单词或短语为基础进行清理，

算法开发过程包括4个主要阶段：项目定义、数

如表1所示。

据准备、统计和建模以及验证。项目定义阶段主要是

确定项目的目标，并审查现有数据的优势和局限性。表1  文本清理

项目定义的目标是根据现有数据确定切合实际的预期，

操作原始文本清理文本

并审查这些数据实现项目预期成果的能力。根据项目

(1)工厂反应堆在凌晨

目标和对数据的审查，确定项目的问题范围、预期成删除杂音字符5点发生故障(1)工厂反应堆故障

果和交付成果。数据准备（数据输入）阶段是从各个