Das einzigartige Design von CANDU-Reaktoren

Schwerwassermäßigung und natürliches Uran

CANDU-Reaktoren verwenden Schwerwasser (Deuteriumoxid) sowohl als Moderator als auch als Kühlmittel, was eine außergewöhnlich hohe Neutronenwirtschaft ermöglicht. Dadurch kann der Reaktor eine Spaltkettenreaktion unter Verwendung von natürlichem Urankraftstoff unter vollständiger Umgehung der Notwendigkeit von Anreicherungsanlagen aufrechterhalten. Die Physik eines Schwerwasserkerns stellt jedoch erhebliche Herausforderungen bei der Steuerung dar. Das große Moderatorvolumen führt zu erheblichen thermischen Trägheiten, und der positive Leerraumkoeffizient der Reaktivität erfordert eine sorgfältige Verwaltung der Kühlmitteldichteschwankungen. Steueralgorithmen für diese Systeme müssen sich für Neutronenkinetiken, die sich deutlich von denen in Leichtwasserreaktoren unterscheiden, insbesondere hinsichtlich der räumlichen Verteilung des Flusses und der verzögerten Reaktion auf Reaktivitätsänderungen, eignen. Der Querschnitt des Schwerwassers mit niedriger Neutronenabsorption kann starke Auswirkungen auf die Reaktivität haben, was schnelle und präzise Kontrollmaßnahmen erfordert. Darüber hinaus muss das Deuterium-Wasserstoff-Verhältnis im Schwerwasser innerhalb enger Toleranzen gehalten werden, um die Qualität des Moderators zu erhalten, was eine zusätzliche Komplexität für instrumentierte Steuersysteme hinzufügt.

On-Power-Betankung und ihre Kontrollauswirkungen

Die Erfindung betrifft ein Verfahren zur Herstellung von Gasturbinen, die mit einer elektrischen Energiequelle betrieben werden, die in der Lage ist, die Gasturbinen zu betanken, während sie mit voller Leistung betrieben werden. Herkömmliche Steuerungssysteme bauen auf zonalen Flussdetektoren und stellen die Füllungen der Leichtwasserzonen ein, um die Leistungsverteilung zu verflachen. Moderne Algorithmen enthalten jetzt prädiktive Modelle, die die durch den Betrieb der Betankungsmaschine verursachten Flussstörungen antizipieren. Dies ermöglicht es dem Reaktorregelungssystem, die Steuerstangenpositionen und die Zonenreglerpegel präventiv einzustellen, die Amplitude von Leistungsschwingungen zu reduzieren und dabei zu helfen, die Kanalleistung innerhalb der Lizenzgrenzen zu halten. Die Fähigkeit, die Betankungsbahn in Echtzeit zu modellieren, ist zu einem wichtigen Unterscheidungsmerkmal für Steuerungssysteme der nächsten Generation geworden. Darüber hinaus müssen Algorithmen die thermisch-hydraulische Rückkopplung aus dem Betankungszyklus berücksichtigen, da das Einfügen von kalten Kraftstoffbündeln die lokale Reaktivität vorübergehend beeinträchtigen kann. Moderne prädiktive Steuerungen kompensieren dies durch vorübergehende Erhöhung des Wasserstands in benachbarten Leichtwasserzonen, um einen reibungslosen Übergang zu gewährleisten, ohne die

Grundlagen der Reaktorsteuerung in CANDU-Systemen

Neutronenstromüberwachung und Reaktivitätsregulierung

Das Reaktorregelsystem verarbeitet kontinuierlich Signale von In-Core-Flussdetektoren, Ionenkammern und Prozessinstrumenten. Es berechnet den Reaktivitätsbedarf und aktiviert mehrere Regelmechanismen: Flüssigkeitszonenregler, Einstellstangen, mechanische Steuerabsorber und unter bestimmten Bedingungen das Moderator-Giftsystem. Die Reaktivität des Kerns wird durch Ausbalancieren dieser Geräte so geregelt, dass sie dem geforderten Leistungssollwert folgen, während Hunderte von thermischen und neutronischen Einschränkungen eingehalten werden. Effektive Algorithmen müssen die Mehreingangs-, Mehrleistungs-Natur der Anlage mit robuster Entkopplung und Störunterdrückung behandeln. Moderne Systeme enthalten ausgeklügelte Zustandsschätzungstechniken, um auf nicht gemessene Variablen zu schließen, was die Qualität der Rückkopplung verbessert. Beispielsweise werden Kalman-Filter jetzt verwendet, um räumlich verteilte Flusskarten aus einem begrenzten Satz von Detektormesswerten zu schätzen, so dass der Regler beginnende Flusskippungen erkennen und mildern kann, bevor sie signifikant werden. Diese Zustandsschätzungsfunktion ist besonders wertvoll in den frühen Stadien eines Transienten, wenn Sensormesswerte verrauscht oder verzögert sein können.

Kernphysik und die Rolle verzögerter Neutronen

Während prompte Neutronen die unmittelbare Reaktion auf die Spaltung dominieren, ist es die verzögerte Neutronenfraktion, die den Steuerungssystemen die notwendige Zeit gibt, um die Kettenreaktion zu steuern. In CANDU-Kernen, die mit natürlichem Uran betrieben werden, beträgt die verzögerte Neutronenfraktion etwa 0,65%. Jeder Steuerungsalgorithmus muss sorgfältig auf die kinetischen Parameter des Reaktors abgestimmt werden, da aggressive Rückkopplungen zu Instabilität oder Leistungsoszillationen führen können, wenn die Verstärkungsmargen nicht ausreichen. Neuere robuste Steuerungsdesigns enthalten explizit verzögerte Neutronenvorläuferkonzentrationen als Zustandsvariablen innerhalb des Steuerungsmodells. Dies ermöglicht ein glatteres transientes Handling nach großen Reaktivitätseinträgen, wie sie durch eine Brennstoffbündelverschiebung oder einen Rückzug einer Steuerungsvorrichtung verursacht werden. Darüber hinaus führt das Vorhandensein von Xenon-135, einem starken Neutronenabsorber, der während der Spaltung erzeugt wird, langsame Reaktivitätstransienten ein, die durch das Steuerungssystem kompensiert werden müssen. Fortgeschrittene Algorithmen enthalten jetzt Vorhersagemodule für Xenonaufbau und Burnout,

Traditionelle Kontrollalgorithmen: PID und darüber hinaus

Die Migration zu digitalen Steuerungssystemen in den 1990er Jahren ermöglichte eine ausgeklügelte Logik, zunächst durch Gain-Scheduling und später durch State-Space- und Optimierungs-basierte Steuerungen. Die neueste Generation von Algorithmen baut auf diesen Grundlagen auf, indem sie Online-Adaption und modellprädiktive Elemente einführte, die zuvor rechnerisch unerschwinglich waren. Diese Entwicklung wurde durch die Notwendigkeit angetrieben, näher an Sicherheitsgrenzen zu arbeiten und gleichzeitig hohe Verfügbarkeit zu gewährleisten. Zum Beispiel ermöglicht die Gain-Scheduling basierend auf Kernabbrand und Moderator-Gift-Levels eine einheitliche Steuerungsstruktur, um eine konstante Leistung über den gesamten Brennstoffkreislauf zu gewährleisten. Moderne digitale Plattformen ermöglichen auch eine stoßfreie Übertragung zwischen redundanten Steuerungen, die die Fehlertoleranz ohne Störungen der Reaktorleistung erhöht.

Treiber für die Weiterentwicklung von Kontrollalgorithmen

Verschärfung der Sicherheitsmargen und des regulatorischen Drucks

Regulierungsbehörden wie die Canadian Nuclear Safety Commission verfeinern kontinuierlich die Anforderungen an deterministische Sicherheitsanalysen und fördern probabilistische Sicherheitsbewertungen. Moderne Algorithmen müssen zuverlässige Leistung innerhalb engerer Margen für Kraftstofftemperatur, kritische Kanalleistung und lineare Leistungsbewertungen nachweisen. Eine verbesserte Steuerungssoftware kann einen Teil dieser Margenkompression absorbieren, indem sie die Anlage näher an ihren tatsächlichen physikalischen Einschränkungen arbeitet, ohne dabei auf Konservatismus zu verzichten. Zum Beispiel zeigte eine Forschungskooperation im Jahr 2021, dass ein adaptiver Zonenregler die Peak-to-Durchschnittliche Flussschwankungen während der Betankungstransienten um bis zu 8% reduzieren und so die Betriebsmarge direkt erhöhen könnte (IEEE Transactions on Nuclear Science, Juni 2021). Solche Verbesserungen sind von entscheidender Bedeutung, da Anlagen versuchen, Betriebslizenzen über ihre ursprüngliche Designlebensdauer hinaus zu verlängern. Die Fähigkeit, größere Margen durch bessere Steuerung zu demonstrieren, erleichtert auch Lebensdauerverlängerungsprogramme, da Regulierungsbehörden den Nachweis verlangen, dass alternde Komponenten keinen übermäßigen Belastungen ausgesetzt sind. Darüber hinaus ermöglicht der Trend zu einer risikoinformierten Regulierung die Anerkennung für fortschrittliche

Komplexität moderner Betriebsbedingungen

Viele CANDU-Einheiten wechseln vom Grundlastbetrieb zu flexiblen Erzeugungsrollen, folgen dem Netzbedarf oder integrieren mit intermittierenden erneuerbaren Quellen. Dies führt zu häufigen Leistungsmanövern, manchmal mit Raten, die die ursprüngliche Konstruktionsgrundlage in Frage stellen. Darüber hinaus führen Instrumentendrift, Sensordegradation und Komponentenalterung zu zeitvariablem Verhalten, das Fixed-Gain-Regler nicht optimal handhaben können. Fortgeschrittene Algorithmen, die sich an die Anlagendynamik in Echtzeit anpassen, werden immer wichtiger, um hohe Kapazitätsfaktoren aufrechtzuerhalten und unnötige Schutzauslösungen zu vermeiden. Die wirtschaftlichen Anreize für den Lastfolgebetrieb haben die Investition in algorithmische Upgrades für Flottenbetreiber besonders attraktiv gemacht. Zum Beispiel muss eine CANDU 6-Einheit, die an einem Markt mit hoher Durchdringung von erneuerbaren Energien teilnimmt, innerhalb weniger Stunden um 50% der vollen Leistung hoch- und runterfahren. Ein Fixed-Gain-Controller würde unter solchen Bedingungen Schwierigkeiten haben, eine stabile Zonennivellierung aufrechtzuerhalten, aber ein adaptiver modellprädiktiver Regler kann den Übergang unter Einhaltung aller thermischen Einschränkungen bewältigen. Betreiber an Stationen

State-of-the-Art Control Algorithmus Fortschritte

Adaptive Steuerungsstrategien

Die Adaptive Steuerung modifiziert ihre Parameter als Reaktion auf die sich entwickelnde Anlagendynamik. Für CANDU-Reaktoren wurden adaptive Modell-Referenzschemata prototypisiert, wobei das gewünschte Closed-Loop-Verhalten durch ein Referenzmodell beschrieben wird und die Reglerparameter online aktualisiert werden, um Tracking-Fehler zu minimieren. Ein bemerkenswerter Ansatz verwendet rekursive Parameterschätzung mit den kleinsten Quadraten kombiniert mit Pol-Platzierungsdesign, um die Gewinne der Zonenregler kontinuierlich neu zu justieren. Dieses System wurde auf einem Hardware-in-the-Loop-Simulator in Canadian Nuclear Laboratories validiert, was einen stabilen Betrieb über einen breiten Bereich von Reaktivitätsrückkopplungskoeffizienten und Moderator-Giftkonzentrationen demonstriert. Eine andere Technik nutzt die selbststabilisierende thermisch-hydraulische Rückkopplung des Kerns durch Schätzung der momentanen Brennstoffzeitkonstanten aus Temperaturmessungen, Modifizierung des integralen Begriffs, um Überschwingen bei schnellen Leistungssteigerungen zu vermeiden. Diese Algorithmen verbessern die Last-Abstoßungsreaktion, begrenzen die Spitzenleistungsspitze nach einer Turbinenfahrt, ohne dass eine sofortige Reaktorabschaltung erforderlich ist. Darüber

Modellprädiktive Steuerung

Die MPC-Formulierung kann auch zukünftige Kenntnisse, wie geplante Betankungssequenzen oder Kondensatorrückdruckänderungen, einschließen, die eine Voroptimierung des Reaktivitätspfades ermöglichen und Spikes reduzieren, die eine Aktivierung des Sicherheitssystems auslösen könnten. Computational progressiv ermöglichen nun Echtzeit-Lösung des Optimierungsproblems bei industriellen Steuerungen, wodurch MPC für Nachrüstanwendungen machbar wird. Der Vorhersagehorizont wird typischerweise auf 30-60 Sekunden eingestellt, was ausreicht, um das dominante dynamische Verhalten des Kerns zu erfassen, während die Rechenlast überschaubar bleibt. Jüngste Arbeiten haben das MPC-Framework erweitert, um stochastische Einschränkungen einzuschließen, die Unsicherheiten in Modellparametern und Sensorrauschen berücksichtigen, um probabilistische Sicherheitsgarantien zu bieten.

Machine Learning und neuronale Netzwerkanwendungen

Maschinelles Lernen, insbesondere tiefe neuronale Netze, wurde auf zwei Hauptbereiche angewendet: Ersatzmodellierung und direktes Regelpolitiklernen. Surrogatmodelle replizieren Kernneutronik mit hoher Genauigkeit zu einem Bruchteil der Rechenkosten. Ein Feedforward-Deep-Learning-Modell, das auf jahrzehntelangen CANDU-Betriebsdaten trainiert wurde, wurde als Feedforward-Erweiterung für bestehende Feedback-Controller verwendet, wobei vorhersehbare Störungen wie Xenon-Oszillationen aufgehoben wurden. Dieser Ansatz, der von der Internationalen Atomenergiebehörde dokumentiert wurde, hat eine 30%ige Reduktion der Amplitude räumlicher Xenon-Transienten im Vergleich zu herkömmlichen betreibergestützten Methoden erreicht. Verstärkungslernen wurde auch für die Optimierung der Regelpolitik untersucht. Ein RL-Agent, der in einer simulierten CANDU-Umgebung ausgebildet wurde, lernt, Zonencontroller zu füllen und Einstellerstäbe zu maximieren, um eine Belohnungsfunktion zu maximieren, die das Flux Peaking bestraft und glatte Leistungsänderungen fördert. Während sich noch in der Forschungsphase befand, zeigte ein Konferenzpapier von 2023, dass ein Deep deterministic Policy Gradient Agent eine gut abgestimmte PID auf mehreren Schlüsselmetrik

Robuste Kontrolle für Unsicherheiten

Die Unsicherheit der Reaktorparameter, wie Reaktivitätskoeffizienten nach Langzeitbestrahlung, kann die Regelleistung beeinträchtigen. Die robuste Regeltheorie, insbesondere die H-Unendlichkeit und die strukturierte Singularwertsynthese, wurde auf Entwurfsregler angewandt, die Stabilität und Leistung über einen begrenzten Satz von Anlagenvariationen hinweg garantieren. Ein robuster Flussregler für ein CANDU 6-Modell wurde synthetisiert, um trotz eines unsicheren Moderatortemperaturkoeffizienten von über ±20 % des Nennwertes einen Phasenabstand von über 45 Grad zu erhalten. Der resultierende Regler zeigte eine minimale Leistungsminderung, wodurch die konservative Abwertung vermieden wurde, die oft erforderlich ist, um Unsicherheit zu berücksichtigen. Diese Methoden bieten einen formalen Rahmen, um sicherzustellen, dass die Regelsysteme auch dann stabil bleiben, wenn sich die Anlageneigenschaften während des Brennstoffkreislaufs entwickeln. In der Praxis werden robuste Regler oft mit einer Online-Unsicherheitsschätzung kombiniert. Wenn die geschätzte Unsicherheit die Auslegungsgrenzen überschreitet, kann der Regler in einen konservativeren Modus wechseln oder den Bediener alarmieren. Dieser Hybridansatz stellt ein Gleichgewicht zwischen Leistung und Sicherheit her, so dass die Anlage unter normalen Bedingungen effizient arbeiten kann, während

Integration von Digital Twins und Echtzeitsimulation

Ein digitaler Zwilling eines CANDU-Reaktors, der mit einem fortschrittlichen Knotendiffusionscode gebaut ist, kann parallel zur Anlage laufen, wodurch der Regelalgorithmus die Auswirkungen einer geplanten Aktion auf die Kanalleistungen vorhersagen kann, auch wenn die entsprechenden Detektoren diesen Bereich nicht abdecken. Dies ermöglicht eine proaktive und nicht reaktive Regelstrategie. Ein Piloteinsatz an der Darlington Nuclear Generating Station hat gezeigt, dass ein digitales Zweifach-Augmented-Alarmsystem den Betreibern frühere Warnungen vor Ausschlußzonenverletzungen geben kann, was das Situationsbewusstsein erhöht. Der digitale Zwilling dient auch als Plattform für das Testen von Änderungen des Regelalgorithmus ohne Risiko für die Betriebsanlage. Der digitale Zwilling muss schneller als Echtzeit laufen, um für die vorausschauende Steuerung nützlich zu sein. Aktuelle Implementierungen erreichen einen Faktor von 2-5 Beschleunigung mit Modellen reduzierter Ordnung und Parallelrechner. Zukünftige Bemühungen zielen darauf ab, Strömungsdynamik und Strukturdynamikmodelle zu integrieren, um eine noch größere Genauigkeit zu erreichen, so dass das Steuerungssystem thermisch-mechanische Spannungen auf Brennstäbe und Druckrohre antizipieren kann.

Verbesserte Betriebssicherheit und Leistung

Predictive Maintenance und Anomalie Detection

Die Steuerungsalgorithmen erzeugen einen kontinuierlichen Datenstrom, der für Gerätegesundheitsindikatoren abgebaut werden kann. Klassifikatoren für maschinelles Lernen, die auf historischen Fehlersignaturen trainiert sind, können in das Steuerungssystem eingebettet werden, um subtile Anomalien in den Steuerstab-Zeit- oder Zonenreglereigenschaften zu kennzeichnen, die einem mechanischen Ausfall vorausgehen können. Durch die Verschiebung der Wartung von zeitbasierter auf zustandsbasierter Zeitplanung verringern die Dienstprogramme das Risiko einer Gerätedegradation, die die Reaktorsteuerung beeinträchtigt. Durch die Integration der Anomalieerkennung mit adaptiven Regelkreisen kann das System auch für bestimmte Sensorfehler entsensibilisiert werden, wodurch der zuverlässige Betrieb bis zur Planung einer Reparatur aufrechterhalten wird. Dieser Ansatz hat gezeigt, dass er Zwangsausfälle um bis zu 12 % in frühen Pilotstudien reduziert. Beispielsweise kann ein wiederkehrendes neuronales Netzwerk, das auf Vibrations- und Positionssignale von Verstellstangenantrieben trainiert wird, Lagerverschleiß bis zu 200 Stunden vor dem Ausfall erkennen, was ausreichend Zeit für den geplanten Austausch bietet. Das gleiche Framework kann auch eine Drift in der Ionenkammerempfindlichkeit erkennen, indem es automatisch durch die Anpassung des Kalibrations

Reduzierung menschlicher Fehler durch Automatisierung

Menschliche Fehler sind nach wie vor ein wesentlicher Faktor für Betriebsereignisse in Kernkraftwerken. Fortschrittliche Algorithmen verringern die kognitive Belastung der lizenzierten Betreiber durch Automatisierung komplexer Verfahren wie die Energierückgewinnung nach einem Rückschlag oder die Koordinierung mehrerer Reaktivitätsgeräte während des Anfahrens. Eine kognitive Arbeitsanalyse, die nach der Installation eines modellprädiktiven Beratungssystems in einer CANDU-Anlage durchgeführt wurde, zeigte, dass sich das Bewusstsein des Betreibers verbessert hat und die Verfahrensfehlerquoten um 40 % gesunken sind. Das System ersetzt nicht den Betreiber, sondern stellt einen empfohlenen Kontrollpfad dar, den der Betreiber akzeptieren oder überschreiben kann, wobei algorithmische Präzision mit menschlichem Urteilsvermögen kombiniert wird. Dieser hybride Ansatz wurde von den Regulierungsbehörden gut aufgenommen, die ihn als einen Weg zu mehr Sicherheit ansehen, ohne den Menschen aus der Entscheidungsschleife zu entfernen. Das Beratungssystem umfasst auch ein Echtzeit-Validierungsmodul, das empfohlene Maßnahmen auf Anlagensicherheitsgrenzen und verfahrenstechnische Einschränkungen hin überprüft, wobei mögliche Konflikte angezeigt werden, bevor der Betreiber sie ausführt. Diese zusätzliche Überprüfungsschicht verringert die Wahrscheinlichkeit von Fehlinterpretationen und stellt sicher, dass automatisierte Empfehlungen immer innerhalb der Grenzen der genehmigten Verfahren liegen.

Erweiterung der Sicherheitsmargen in transienten Szenarien

Die Kombination aus adaptiver Gain-Scheduling, MPC und robuster Synthese führt direkt zu erweiterten Sicherheitsmargen. Während eines simulierten großen Regelverlustereignisses hielt ein robuster MPC-Controller die kritische Kanalleistung 4% weiter vom Auslösesollwert entfernt als ein herkömmliches System. Während einer Notabschaltung kann eine optimierte Absorber-Drop-Sequenz, die aus Verstärkungslernen abgeleitet wird, das Spitzen-zu-Mittelwert-Leistungsverhältnis während des Transienten reduzieren, was die Erhöhung der Brennstoffenthalpie verringert. Diese Verbesserungen sind zwar scheinbar inkrementell, sind jedoch statistisch signifikant in probabilistischen Risikobewertungen und können die berechnete Kernschadenshäufigkeit reduzieren. Die Fähigkeit, mit größeren Margen während des Transienten zu arbeiten, gibt dem Bediener auch mehr Zeit, um anormale Bedingungen zu diagnostizieren und auf sie zu reagieren. In einer kürzlich durchgeführten Benchmark-Studie demonstrierte ein adaptiver Controller die Fähigkeit, einen Reaktorausflug während eines Verlustes von Speisewassertransienten zu verhindern, indem er automatisch die Leistung reduziert und das Moderator-Gift-System aktiviert, Aktionen, die zuvor manuell

Fallstudien und experimentelle Validierung

Simulator-basierte Tests in kanadischen Kernlaboratorien

Ein gemeinsames Projekt zwischen CNL und dem University of Ontario Institute of Technology testete eine adaptive Zonensteuerung in 200 verschiedenen transienten Szenarien, einschließlich Lastabweisung, Reaktorrückschlag, Leistungssprung und versehentlicher Rücknahme der Steuervorrichtung. Der Algorithmus passte das Referenzmodell innerhalb von 2% Tracking Error in 98% der Fälle an, was die Leistung der vorhandenen Anlagensteuerung übertraf. Das Projekt zeigte auch, dass die adaptive Schleife erfolgreich mit simulierter Verschlechterung der Moderatorpegelmessung und Aufrechterhaltung der Stabilität ohne Bedienereingriff bewältigt wurde. Dieses Maß an Robustheit ist entscheidend für die Lizenzierung neuer Algorithmen für den Einsatz in Betriebsanlagen. Die Testmatrix umfasste Extremfälle wie den gleichzeitigen Verlust einer Primärpumpe und eine Regelstababweichung, Szenarien, die wahrscheinlich eine Fahrt mit konventioneller Steuerung verursachen würden, aber durch die optimale Umverteilung von Reaktivitätsgeräten verwaltet wurden.

Implementierung bei Qinshan CANDU Units

Chinas Qinshan Phase III betreibt zwei CANDU 6-Reaktoren. 2021 begann der Standort mit der Erprobung eines maschinellen Lernfluss-Mapping-Systems, das Online-Schätzungen der Kanalleistung zur Unterstützung manueller Steuerungsentscheidungen lieferte. Obwohl es noch kein Closed-Loop-Controller war, zeigte das System eine 10% ige Reduktion der Flußneigungsvarianz im Vergleich zum historischen Betrieb. Das Feedback aus dem Kontrollraum war positiv, wobei die Betreiber ein erhöhtes Vertrauen in die Verwaltung der Auswirkungen von Verstellerstangenbewegungen aussprachen. Der Erfolg dieser Studie veranlasst die Entwicklung eines vollständigen, geschlossenen Steuerungs-Upgrades basierend auf den gleichen datengesteuerten Modellen (Canadian Nuclear Laboratories, 2023 Technical Brief). Dies stellt einen konkreten Schritt hin zu einem breiteren Einsatz fortschrittlicher Algorithmen in der internationalen CANDU-Flotte dar. Die nächste Phase zielt darauf ab, ein MPC-basiertes Zonensteuerungssystem zu implementieren, das das Flusskartierungs-Neuralnetzwerk als Teil seines internen Modells verwendet, das voraussichtlich bis 2025 in Kraft sein wird behörd

Validierung in der Darlington Nuclear Generating Station

Darlington, eine CANDU 9-Station mit vier Einheiten, war ein Testbed für die Integration des digitalen Zwillings. Ein Projekt im Jahr 2023 setzte einen digitalen Zwilling in Echtzeit ein, der in den Prozessrechner der Anlage einspeist und den Betreibern eine parallele Schätzung der Kanalleistung und der Flussverteilung liefert. Während einer geplanten Leistungsreduzierung prognostizierte der digitale Zwilling einen lokalisierten Flussspitzenwert, der die Sicherheitsgrenzen der Anlage überschritt, was die Betreiber dazu veranlasste, die Füllsequenz des Zonenreglers früher anzupassen, als sie es sonst hätten. Der digitale Zwilling validierte auch die Leistung des Regelalgorithmus während eines simulierten Verlustes von zwei Verstellstangen, was zeigt, dass die verbleibenden Geräte noch akzeptable Flussformen beibehalten können. Diese Tests haben Vertrauen in den digitalen Zwillingsansatz aufgebaut und ein Folgeprojekt ist im Gange, um den digitalen Zwilling direkt mit dem Reaktorregelungssystem für den geschlossenen Beratungsmodus zu verbinden. Die Erfahrung von Darlington zeigt, dass die Kombination von digitalen Zwillingen und fortschrittlichen Algorithmen auch ohne vollständige Automatisierung wertvolle Entscheidungshilfen bieten kann, die die Sicherheitsmargen verbessern.

Zukünftige Richtungen und die Rolle der künstlichen Intelligenz

Erklärbare KI für Operator Trust

Eine Hürde für die Einführung einer neuronalen netzwerkbasierten Steuerung ist das Blackbox-Problem. Die Erforschung erklärbarer KI zielt darauf ab, vom Menschen verständliche Rechtfertigungen für algorithmische Entscheidungen zu liefern. Für die CANDU-Steuerung können Salienzkarten hervorheben, welche Eingangsvariablen eine Steuerungsaktion am meisten beeinflusst haben, und die Regelextraktion kann Entscheidungsbäume erzeugen, die die Logik des Netzwerks annähern. Wenn Betreiber verstehen, warum der Algorithmus eine bestimmte Reaktivitätsreduktion befiehlt, steigt das Vertrauen und die Wahrscheinlichkeit unnötiger Eingriffe sinkt. Die kanadische Nuklearsicherheitskommission hat Interesse an XAI als Lizenzierungsmechanismus für zukünftige maschinenlernbasierte Sicherheitssysteme bekundet, wobei anerkannt wird, dass Transparenz für die regulatorische Akzeptanz unerlässlich ist. Laufende Arbeiten konzentrieren sich auf die Erzeugung von Erklärungen in natürlicher Sprache für jede Steuerungsaktion, wie "Reduzierte Zone 4 füllen, weil Detektor D12 den vorhergesagten Wert um 3% aufgrund der nahe gelegenen Justerstangeneinfügung überstiegen." Solche Erklärungen können auf Bedienerbildschirmen angezeigt werden, so dass eine schnelle Validierung der Überlegungen des Algorithmus möglich ist.

Autonome Reaktorsteuerung und darüber hinaus

Die langfristige Vision ist eine vollständig autonome Reaktorsteuerungsarchitektur, in der KI alle Routineoperationen übernimmt und die Betankung, das Giftmanagement und die Gerätediagnose koordiniert. Dies beseitigt nicht die menschliche Rolle, sondern verschiebt sie auf die Aufsichtskontrolle und strategische Entscheidungsfindung. Eine von der Candu Owners Group veröffentlichte Roadmap identifiziert die schrittweise Einführung zunehmend autonomer Funktionen, beginnend mit automatisierter Flussabbildung, dann autonomer Zonensteuerung und schließlich koordinierter Einheitenverpflichtung über eine Multi-Unit-Station. Die in diesem Artikel diskutierten Algorithmen bilden die technische Grundlage dieser Transformation. Forschung an Institutionen wie dem Massachusetts Institute of Technology, obwohl sie sich hauptsächlich auf Leichtwasserreaktoren konzentrieren, entwickelt Rahmenbedingungen für autonome Steuerung mit integriertem Deep Reinforcement Learning mit formaler Verifizierung, die an den CANDU-Kern angepasst werden könnten. Wenn erfolgreich, könnten solche Systeme innerhalb einer Sicherheitshülle arbeiten, die dynamisch von einem parallelen Assurance Checker berechnet wird und einen strengen Sicherheitsfall für vollständige Autonomie bietet. Das ultimative Ziel ist ein Steuerungssystem, das einen sicheren, effizienten und flexiblen Betrieb mit minimalem Bedienereingriff ermöglicht. Das ultimative Ziel ist ein Steuerungssystem, das einen sicheren, effizienten

Hardware-in-the-Loop und Hybrid-Testplattformen

Da Steuerungsalgorithmen komplexer werden, ist strenges Testen in realistischen Umgebungen von größter Bedeutung. Hardware-in-the-Loop-Plattformen, die tatsächliche Anlagenregler (z. B. Zonensteuerungspegelregler, Stabantriebseinheiten) mit einer Echtzeit-Reaktorsimulation kombinieren, werden Standard für die Validierung. Diese Plattformen ermöglichen es Entwicklern, Fehler zu injizieren, Sensorrauschen zu simulieren und die Reaktion des Algorithmus auf unerwartete Verhaltensweisen zu testen. Ein kürzlich durchgeführter HI-L-Test bei CNL hat gezeigt, dass ein neuronaler Netzwerkcontroller auf dem gleichen Industriecomputer wie der bestehende Legacy-Controller laufen kann, mit nahtlosem Schalten im Falle eines Algorithmusausfalls. Der Test ergab auch, dass das neuronale Netzwerk nur 30% mehr CPU-Zeit verbraucht als der PID-Controller, was Bedenken hinsichtlich der Rechendurchführbarkeit ausräumt. Solche Plattformen werden für den Aufbau der regulatorischen Evidenzbasis unerlässlich sein, die benötigt wird, um KI-basierte Steuerungssysteme für kritische Sicherheitsanwendungen zu lizenzieren.

Schlussfolgerung

Die Entwicklung von Regelalgorithmen für CANDU-Reaktoren von klassischen PID-Schleifen bis hin zu adaptiven, prädiktiven und KI-gesteuerten Systemen stellt einen bedeutenden Fortschritt in der nuklearen Sicherheit und Betriebsleistung dar. Durch die Nutzung eines tieferen physikalischen Verständnisses, Echtzeitdaten und moderner Rechenleistung verstärken diese Algorithmen die Kopplung zwischen Reaktorzustand und Steuerungsreaktion, erweitern die Sicherheitsmargen, ohne die Flexibilität zu beeinträchtigen. Laufende Validierungen an Simulatoren und frühe Anlageneinsätze bestätigen, dass die theoretischen Vorteile in der Praxis erreichbar sind. Da die globale CANDU-Flotte versucht, ihre Betriebsdauer zu verlängern und sich an ein dekarbonisiertes Netz anzupassen, werden die hier beschriebenen intelligenten Regelstrategien eine zentrale Rolle bei der Aufrechterhaltung der beispielhaften Sicherheitsbilanz dieser einzigartigen Reaktortechnologie spielen. Die fortgesetzten Investitionen in die Algorithmusentwicklung, kombiniert mit strengen Tests und regulatorischem Engagement, stellen sicher, dass diese Fortschritte greifbare Vorteile für die kommenden Jahrzehnte liefern werden. Der Weg zur vollen Autonomie, geführt von erklärbarer KI und validiert durch Hardware-in-the-Loop-Tests, verspricht eine weitere Verbesserung sowohl der Sicherheit als auch der Betriebs