長(zhǎng)期精準(zhǔn)預(yù)測(cè)核電站關(guān)鍵運(yùn)行參數(shù)，對(duì)保障核安全與提升運(yùn)維經(jīng)濟(jì)性具有重要意義。然而，反應(yīng)堆系統(tǒng)機(jī)理復(fù)雜、運(yùn)行工況多變，其高維監(jiān)測(cè)數(shù)據(jù)存在強(qiáng)耦合性與長(zhǎng)時(shí)依賴性。傳統(tǒng)小規(guī)模模型受限于容量與表達(dá)能力，難以同時(shí)捕捉精細(xì)動(dòng)態(tài)特征與長(zhǎng)期依賴關(guān)系，制約了在實(shí)際場(chǎng)景中實(shí)現(xiàn)高精度預(yù)測(cè)與輔助決策的能力。

近日，中國(guó)科學(xué)院合肥物質(zhì)科學(xué)研究院團(tuán)隊(duì)提出了核電站運(yùn)行參數(shù)預(yù)測(cè)大模型框架NPP?GPT。在無需顯式提示詞工程的情況下，NPP-GPT框架能夠預(yù)訓(xùn)練大語言模型應(yīng)用于核電站運(yùn)行參數(shù)預(yù)測(cè)。該框架采用兩階段跨模態(tài)遷移學(xué)習(xí)策略。第一階段通過輸入嵌入重構(gòu)與基于隨機(jī)遮蔽的自監(jiān)督“重構(gòu)式”學(xué)習(xí)，實(shí)現(xiàn)數(shù)值時(shí)序與預(yù)訓(xùn)練語言模型表征空間的對(duì)齊；第二階段采用參數(shù)高效微調(diào)，將領(lǐng)域知識(shí)注入GPT-2模型自注意力模塊的Q/V投影，在保持預(yù)訓(xùn)練通用能力的同時(shí)提升對(duì)核電運(yùn)行數(shù)據(jù)的預(yù)測(cè)性能，能夠兼顧訓(xùn)練與部署效率。

測(cè)試結(jié)果表明，該方法在6類典型工況數(shù)據(jù)集上表現(xiàn)良好，在多變量多步預(yù)測(cè)任務(wù)中整體性能優(yōu)于多種主流時(shí)間序列預(yù)測(cè)方法；隨著預(yù)測(cè)步長(zhǎng)增加，模型仍能保持較高的預(yù)測(cè)精度?？绻r、噪聲擾動(dòng)及缺失數(shù)據(jù)測(cè)試表明，該方法具有較強(qiáng)的魯棒性與泛化能力，可為核電站在線安全監(jiān)測(cè)與運(yùn)行輔助決策提供更可靠的參數(shù)前瞻信息，也能夠?yàn)榇竽Ｐ驮诤四茴I(lǐng)域的工程應(yīng)用提供新思路。

相關(guān)研究成果發(fā)表在《應(yīng)用能源》（Applied Energy）上。研究工作得到中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)等的支持。