【目的】为应对新型核电系统在保障能源供应、推动清洁能源转型及实现“双碳”目标过程中面临的结构多样化、负荷不确定性、数据复杂性等挑战，并解决大语言模型应用于核电领域时存在的知识局限性、幻觉及推理成本高等问题，研究了大语言模型与知识图谱结合，特别是图检索增强生成(graphretrieval-augmentedgeneration,GRAG)技术的应用潜力，以构建更智能、高效、可靠的核电系统信息处理能力。【方法】分析了大语言模型与知识图谱在核电领域的研究现状、各自优缺点及结合的互补性；重点介绍了GRAG技术相较于传统检索增强生成(retrieval-augmented generation,RAG)技术的优势，并探讨了其在核电风险评估、智能问答辅助、知识管理与决策支持、故障诊断与预测等场景的具体应用；梳理了引入并微调大语言模型、构建领域知识图谱、实现GRAG增强的技术路径。最后，从混杂数据下的知识图谱构建、大语言模型认知推理与决策、人机交互可控性等方面对未来研究进行了展望。【结论】结合知识图谱的GRAG技术能有效缓解大语言模型在专业领域的知识局限性和幻觉问题，增强生成内容的可解释性与可靠性。研究结果可为未来优化核电领域知识图谱的构建、提升大语言模型在复杂推理任务中的能力、开发与核电领域专家高效互动的人工智能体提供参考。
