長期精準預(yù)測核電站關(guān)鍵運行參數(shù)，對保障核安全與提升運維經(jīng)濟性具有重要意義。然而，反應(yīng)堆系統(tǒng)機理復(fù)雜、運行工況多變，其高維監(jiān)測數(shù)據(jù)存在強耦合性與長時依賴性。傳統(tǒng)小規(guī)模模型受限于容量與表達能力，難以同時捕捉精細動態(tài)特征與長期依賴關(guān)系，制約了在實際場景中實現(xiàn)高精度預(yù)測與輔助決策的能力。

近日，中國科學(xué)院合肥物質(zhì)科學(xué)研究院團隊提出了核電站運行參數(shù)預(yù)測大模型框架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)用于核電站運行參數(shù)預(yù)測。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)與基于隨機遮蔽的自監(jiān)督“重構(gòu)式”學(xué)習(xí)，實現(xiàn)數(shù)值時序與預(yù)訓(xùn)練語言模型表征空間的對齊；第二階段采用參數(shù)高效微調(diào)，將領(lǐng)域知識注入GPT-2模型自注意力模塊的Q/V投影，在保持預(yù)訓(xùn)練通用能力的同時提升對核電運行數(shù)據(jù)的預(yù)測性能，能夠兼顧訓(xùn)練與部署效率。

測試結(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)測任務(wù)中整體性能優(yōu)于多種主流時間序列預(yù)測方法；隨著預(yù)測步長增加，模型仍能保持較高的預(yù)測精度?？绻r、噪聲擾動及缺失數(shù)據(jù)測試表明，該方法具有較強的魯棒性與泛化能力，可為核電站在線安全監(jiān)測與運行輔助決策提供更可靠的參數(shù)前瞻信息，也能夠為大模型在核能領(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。研究工作得到中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項等的支持。