2025年11月14日，苏州热工研究院有限公司产品开发副主任工程师刘笑麟在深圳核博会核电厂冷源安全论坛发表《冷源多系统协调少人化运维场景建设》主旨报告。
分享围绕核电冷源运维现场人耗高、人员风险大、恶劣天气下作业窗口不足等问题，提出少人化智慧冷源防控体系的建设思路。核心方案是把冷源管理从被动应对转向主动预警，并通过爆发风险预测、入侵强度监测、拦截处置协同、应急调度指挥和态势动态感知等模块形成闭环管理。
关键点
1. 冷源运维现场的人耗与安全痛点（00:17）
核电冷源运维现场普遍存在人耗高的问题，由此带来海边或海上作业安全风险、人员作业能力有限，以及恶劣天气下缺少作业窗口等后果，可能导致现场运维措施失效。
2. 现有防控体系仍需提升（01:45）
当前冷源防控在智能化水平、多设备协同和体系闭环方面仍有不足：传统监测对复杂环境动态变化的精准感知和预测能力不足，设备联动效率较低，也尚未形成覆盖监测、预测、防控到响应的闭环管理模式。
3. 少人化智慧冷源体系的总体构想（02:29）
方案按冷源防控时间轴构建模块，包括爆发风险预测、入侵强度监测、拦截处置协同设计、应急调度指挥和态势动态感知。目标是在生物冲击拦截体系前，提前三小时完成入侵强度监测预警，提前三天形成爆发初步预测，并在冲击发生后通过实时态势感知、动态作业指挥和多系统联动处置共同应对。
4. 基于环境DNA的爆发风险预测（04:08）
分享提出用环境DNA或类似连续监测方式替代单纯依赖经验风险日历，通过连续监测冷源生物种类和数量随时间变化的波动模式，并结合环境因子分析，构建动态风险日历和生物爆发预测模型，从而增强对未来风险的指导能力。
5. 入侵强度监测从多点报警转向综合判断（06:44）
现有声纳等监测系统存在静态观测多、数据孤岛严重、偏被动响应和误报判断困难等问题。方案希望把多个测点数据与水动力环境耦合，形成综合态势判断，现场不再分别查看多个波束报警，而是获得是否需要机组动作的明确判断。
6. 量化入侵风险的技术路径（08:33）
入侵风险量化需要优化基于局部观测约束的水动力模型，通过实测点校准提升模型精度；同时利用声纳数据反演单位体积生物密度，构建高时空分辨率三维初始浓度场，并基于拉格朗日粒子追踪和格林函数方法预测生物漂移轨迹与浓度响应。
7. 拦截处置协同以恢复拦截效能为核心（10:12）
拦截处置是人耗最集中的环节。现有抽吸泵和水下清理机器人虽可降低人耗，但存在喇叭口设计影响局部负压、尾兜区域难以抽走、机器人可达范围和清理效率有限等问题，因此需要结合在线抽吸装置、水下检查清理机器人、便携式装备和移动平台，构建跨系统协同设计。
8. 提升抽吸、刷洗与移动平台作业能力（11:26）
方案包括面向抽吸导流的网型优化，通过数值模拟优化网体长度、孔径和收口等参数以提升抽吸效率；研究强附着力刷盘协同结构；并设计高集成度移动多功能作业平台，整合便携式抽吸、刷盘动力接口和设备储存空间，同时考虑巡航或遥控以适应恶劣工况。
9. 拦截网监测与机器人作业效率优化（13:16）
为提升水下检查清理机器人的效率，方案提出在拦截网设计中增加定位辅助标记、作业辅助挂点和适应性结构。对于网体网衣监测，传统拉力计难以满足精细化监测需求，因此希望采用分布式或准分布式方案，实现对网体、水下网型受力、破损和实时生物量的监测。
10. 基于老化特性的拦截网运维管理（15:04）
不同超高分子量纤维材料的老化性能差异很大，需要通过实验测定不同原材料的老化寿命模拟值，并以模型和高精度网体综合监测数据为输入，辅助拦截网开展更精细化的运维管理。
11. 应急调度指挥平台规划（15:38）
应急调度指挥需要统一的音视频通信和定位平台，以提升现场响应力量的对讲集群效率和沟通效率。功能规划主要包括船舶定位展示、通信调度，以及关键设备远控和作业监视。
12. 多场景数字孪生支撑态势动态感知（16:16）
现有一张图式管理平台存在展示不够直观、信息聚合效率有待提升等问题。智慧冷源多场景数字孪生平台通过三维建模还原、实时数据驱动和机理模型结合，使环境和现场状态展示更直观，并支持生物入侵智能预警和辅助决策推演。
时间线
00:10 - 开场说明分享主题来源于核电运维现场反馈，并引出冷源运维人耗高、风险高和恶劣天气作业受限的现实问题。
01:25 - 介绍背景与目标，指出现有防控在智能化、设备协同和闭环管理方面仍有提升空间，需要推动冷源管理模式升级。
02:29 - 提出少人化智慧冷源体系的总体模块和时间轴安排，强调从提前预测、提前预警到冲击发生后的联动处置。
04:08 - 展开爆发风险预测方案，重点说明环境DNA连续监测、环境因子图谱和生物爆发模型之间的关系。
06:44 - 转入入侵强度监测，分析多波束声纳等现有监测方式的误报和数据孤岛问题，并提出综合态势判断思路。
08:33 - 进一步说明量化入侵风险的实现路径，包括水动力模型校准、生物浓度反演、三维浓度场构建和漂移轨迹预测。
10:12 - 进入拦截处置协同设计部分，围绕降低现场人耗和恢复拦截体系效能，讨论抽吸、机器人、移动平台和网体优化等措施。
13:16 - 继续讨论拦截网相关监测与管理，包括网体受力、破损、生物量、网位监测以及基于老化特性的运维管理。
15:38 - 介绍应急调度与指挥平台规划，聚焦现场通信、定位、关键设备远控和作业监视能力。
16:16 - 最后介绍态势动态感知和数字孪生平台构建，通过实时数据、三维展示和机理模型服务智能预警与辅助决策。
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)：
苏州热工研究院刘笑麟：构建核电冷源多系统协同少人化智慧防控体系
苏州热工研究院有限公司产品开发副主任工程师刘笑麟围绕“冷源多系统协调少人化运维场景建设”介绍了核电冷源智慧防控的建设思路。当前核电冷源运维现场仍面临人工作业消耗高、海边及海上作业安全风险大、复杂水下作业能力有限、恶劣天气下处置窗口不足等问题。传统冷源防控在智能化监测、多设备协同、预测预警和闭环管理方面仍有提升空间，因此运维模式需要从被动响应转向主动预警，从单点或单环节优化转向覆盖监测、预测、防控、响应全过程的系统化闭环管理。
该体系建设以时间轴为主线，强调在不同阶段形成递进式防控能力：在较长周期内预测冷源生物爆发趋势，提前三天完成初步风险预测，提前三小时对入侵强度进行监测预警，并在生物冲击拦截体系后实现实时联动处置。围绕这一目标，方案设置了爆发风险预测、入侵强度监测、拦截处置协同设计、应急调度指挥和态势动态感知等模块，力图通过多源数据融合、多装备协同和数字化平台支撑，降低现场人员依赖，提高核电冷源防控的主动性、可靠性和连续性。
在爆发风险预测方面，传统风险日历主要依赖历史经验，对环境变化和生物群落波动的适应性不足。新方案引入环境DNA连续监测，通过自动化原位采集和样品富集，持续掌握冷源生物种类和数量变化，减少人工采样带来的数据离散问题。同时，系统持续采集水温、盐度、流速、营养盐等关键环境因子，形成环境因子图谱，并通过数据预处理、变量选择、RDA分析和假设检验，识别诱导生物爆发的关键因素，进一步构建动态风险日历和生物爆发预测模型，使预测结果更贴近现场运行需求。
在入侵强度监测方面，现有方式往往偏向静态观测和单点报警，多设备、多测点数据之间缺少有效融合，容易出现误报或过度响应。为此，方案提出将多测点声纳、水动力模型和轨迹预测结合起来，形成综合入侵强度指标。通过对不同区域生物浓度和强度分布进行评估，结合海洋动力条件预测生物漂移路径和到达时间，并估算口门入侵强度，从而为机组动作和现场响应提供更量化、更可靠的依据。其关键技术包括基于实测观测优化水动力模型、利用声学数据反演单位体积生物密度，以及通过拉格朗日粒子追踪和格林函数方法预测输运路径和浓度响应。
拦截处置是冷源防控中人力投入最集中的环节，也是少人化建设的重点。方案以快速恢复拦截体系效能为核心，将在线抽吸、水下检查清理机器人、便携式装备、移动作业平台和网体监测纳入统一协同设计。通过数值模拟优化拦截网长度、孔径、收口等关键参数，提升抽吸导流和局部负压覆盖效果；针对附着力较强的生物，研究强附着力刷盘结构与作业方式，提高水下清理效率，并改善刷盘与软网变形、网体压塌等实际工况之间的适配性。
在装备协同方面，高集成度移动多功能作业平台可集成便携式抽吸、便携式刷盘等装备的动力接口和储存空间，减少现场部署难度，提升复杂海况下的作业效率。水下检查清理机器人则通过定位辅助标记、作业挂点、物理标记和立杆适应性设计，提高识别、定位和清理能力。对于拦截网自身状态监测，单纯依赖拉力计反推整体受力难以反映网位、破损和生物量等细节，未来需要通过分布式或准分布式传感、多点监测和算法优化，实现对水下网型、受力状态和余货量的实时判断。同时，不同网体材料的老化特性差异明显，需建立材料老化寿命模型，为拦截网维护、更换和寿命评估提供精细化依据。
应急调度与指挥平台建设旨在统一现场响应力量，提升通信、定位、调度和远控能力。通过集中化音视频通信和对讲集群管理，可减少现场信息传递不畅和指挥链条分散问题；通过船舶、平台和作业力量的实时定位展示，可辅助指挥人员掌握现场态势；通过关键设备远程控制和作业状态监视，可减少人员直接进入高风险区域，提高应急处置效率和安全性。
态势动态感知则是整个智慧冷源体系的综合呈现。针对现有“一张图”平台三维化、场景化和数据融合不足的问题，方案提出建设智慧冷源数字孪生平台，通过三维建模还原电厂冷源区域、取水口、拦截体系和作业场景，并接入环境、设备、监测和作业等实时数据，直观展示环境变化、设备状态、生物入侵态势和拦截体系运行情况。在此基础上，平台进一步融合水动力等机理模型，支持生物漂移、入侵强度和处置效果推演，为现场预警、调度和决策提供动态支撑，推动核电冷源防控由经验驱动向数据驱动和智能辅助决策转变。
