Development of an Integrated Digital Twin Framework for Online Monitoring and Anomaly Detection

数字孪生（Digital Twins, DTs）正逐渐成为核领域的一项重要赋能技术，其发展得益于核系统持续的数字化进程，并为优化核操作提供了诸多优势。核数字孪生可用于预测性维护、增强操作、改进调度、全生命周期管理、决策支持等。尽管优势明显，但仍需持续推进数字孪生的发展，因为尚存许多差距，包括技术与监管标准化、验证与确认，以及数字到物理的通信。为帮助弥合这些差距，田纳西大学诺克斯维尔分校（UTK）的一个强迫水流量实验系统被用于开发一个完整集成的数字孪生，为核领域及相关学科提供了一个端到端的使用案例。在这项工作中，采用长短期记忆（LSTM）网络进行预测，并采用四分位距（IQR）LSTM混合方法进行异常检测。所有这些都与LabVIEW接口，实现了实时数据分析和预测。随后创建了一个图形用户界面（GUI），当检测到系统异常时，能向操作员提供清晰的指示，从而在操作过程中获得更好的洞察。由此产生的平台展示了一个端到端的原理验证，即在实验性数字孪生中集成了数据采集、基于机器学习的预测与异常检测以及操作员交互，适用于各种核及相关工程系统。