توسعه الگوریتم های کنترل راکتور اول یک منطقه بحرانی از تحقیقات در مهندسی هسته ای است.با ظهور یادگیری ماشین، امکانات جدید برای افزایش ایمنی و بهره وری راکتورهای هسته ای ظهور کرده اند، این مقاله بررسی می کند که چگونه تکنیک های یادگیری ماشین در سیستم های کنترل راکتور یکپارچه شده اند تا ایمنی را در حالی که عملکرد بهینه را حفظ می کنند، با ترکیب مدل های سازگار و مبتنی بر داده ها با محدودیت های ایمنی دقیق، طراحی استراتژی های سنتی، کنترل قدرت غیر مستقیم، و واکنش دقیق تر از سیستم های قدرت، می تواند به طور موثر بیشتر را بهبود بخشد.

متن تاریخی: از آنالوگ تا کنترل هوشمند

کنترل راکتور هسته ای از تنظیمات دستی و حلقه های بازخورد آنالوگ به سیستم های دیجیتال که نظارت بر هزاران پارامتر در زمان واقعی است، تکامل یافته است. الگوریتم های کنترل اولیه بر کنترل دقیق متناسب با کنترل های فعال تر و پیش فرض سیستم های تنظیم شده (LTIA قوی هستند، اما فاقد انعطاف پذیری برای رسیدگی به شرایط ترانس فراتر از اساس طراحی آنها هستند، زیرا سنسورهای بیشتر و سیستم های یادگیری پیشرفته تر را برای کنترل انرژی (FIA) فراهم می کند.

الزامات ایمنی هسته در Reactor Control

هر الگوریتم کنترل برای یک راکتور هسته ای باید معیارهای ایمنی دقیق را برآورده کند: باید راکتور را در محدوده های عملیاتی ایمن نگه دارد، از آسیب به پوشش سوخت جلوگیری کند و اطمینان حاصل شود که الگوریتم های سنتی با حاشیه های یادگیری ماشین آلات محافظه کارانه طراحی شده اند، با این حال، عدم اطمینان را معرفی می کند، زیرا مدل ها از داده ها یاد می گیرند و ممکن است به طور غیر منتظره ای در توزیع آموزش خود رفتار کنند.

یادگیری ماشین در Reactor Safety

الگوریتم های یادگیری ماشین می توانند مقادیر زیادی از داده ها را از سنسورهای راکتور تجزیه و تحلیل کنند تا الگوهایی را که نشان دهنده مسائل ایمنی بالقوه است شناسایی کنند.این الگوریتم ها می توانند پیش بینی ناهنجاری ها را قبل از افزایش آنها، اجازه دهند تا مداخلات پیشگیرانه، تکنیک های کلیدی شامل یادگیری نظارت بر تشخیص خطا و تقویت یادگیری برای بهینه سازی کنترل، مانند شبکه های عصبی یکپارچه و شبکه های حافظه کوتاه مدت، به ویژه در پردازش اطلاعات فضایی (مانند توزیع نوترونی).

آموزش عالی برای تشخیص خطا

مدل های یادگیری سوپرvised در داده های تاریخی آموزش دیده اند تا امضاهای خطا یا شرایط ناامن را شناسایی کنند، این مدل ها می توانند داده های زمان واقعی را برای تشخیص انحراف ها و پروتکل های ایمنی ماشه به سرعت آموزش ببینند، به عنوان مثال، یک متخصص کلاس می تواند آموزش داده شود تا شروع یک تصادف از دست دادن یا یک لوله ژنراتور بخار را با تجزیه و تحلیل فشار، دما و سرعت جریان، تنظیم کند (حتی نشان داده های لوله های لوله های فشرده شده توسط نوار لوله های اضطراری).

تقویت یادگیری برای کنترل بهینه سازی

یادگیری تقویت (RL) الگوریتم های کنترل را قادر می سازد تا اقدامات بهینه را از طریق محاکمه و خطا در محیط های شبیه سازی شده یاد بگیرند. اولین روش شامل محدودیت های فرآیند یادگیری است، اطمینان حاصل می کند که سیستم ایمنی را در هنگام لزوم اولویت بندی می کند؛ یک روش مشترک این است که از یک منتقد ایمنی استفاده کند که اقدامات بر اساس نزدیکی آنها به مرزهای ایمنی، در طول آموزش، عامل RL مجاز به کشف امنیت در هر نوع محدودیت ایمنی است؛ در حالی که در آن یک روش ساده سازی سوخت و تنظیم مجدد نتایج سوخت در آستانه، در آن است.

کنترل پیش بینی مدل با Learned Dynamics

یکی دیگر از جهت های امیدوار کننده ترکیب یادگیری ماشین با کنترل پیش بینی مدل (MPC) به جای استفاده از یک مدل ثابت فیزیک، یک شبکه عصبی دینامیک راکتور را از داده ها یاد می گیرد. An MPC بهینه سازی کننده سپس حل یک مشکل بهینه سازی محدود در هر مرحله، با استفاده از مدل آموخته شده برای پیش بینی دولت های آینده، از آنجا که مدل می تواند به روز رسانی آنلاین، سیستم سازگار با شرایط در حال تغییر (به عنوان مثال بهبود انعطاف پذیری ماشین کنترل سخت) در حالی که این دستگاه را فراهم می کند.

یکپارچه سازی مختصات ایمنی در یادگیری

اطمینان از اینکه الگوریتم های یادگیری ماشینی به محدودیت های ایمنی احترام می گذارند، نیاز به طراحی دقیق دارد.چند چارچوب پیشنهاد شده است:

  • فرآیندهای تصمیم گیری مارکوف آموزش دیده [FLT 1] - عامل به حداکثر رساندن موضوع پاداش به محدودیت در هزینه های ایمنی تجمعی (به عنوان مثال حداکثر تعداد سفر در سال) راه حل می تواند با استفاده از روش های Lagrangian یا بهینه سازی اولیه پیدا شود.
  • سنتز شول - یک ماژول تأیید جداگانه، یا "لباس"، اقدامات نماینده را نظارت می کند و هر که منجر به نقض شود، سپر می تواند از یک مدل فیزیک ساده یا مشخصات رسمی پاکت عملیاتی امن راکتور ساخته شود.
  • بهینه سازی zi ایمن - برای تنظیم نقاط تنظیم و یا افزایش کنترل کننده استفاده می شود، مکمل های بهینه سازی بیزی عملکرد ایمنی به عنوان یک فرایند Gaussian و تنها نقاطی را بررسی می کند که احتمالا با احتمال بالا ایمن هستند.

این روش ها در شبیه سازی های با رضایت بالا تأیید شده اند و محققان در حال حاضر در حال انتقال آنها به بستر های تست سخت افزار واقعی (FLT:0 (علوم و مهندسی روشن، 2024) هستند.[۱۰]

چالش در اجرای

علی رغم نتایج امیدوار کننده، استقرار یادگیری ماشینی در یک اتاق کنترل راکتور هسته ای با موانع متعددی مواجه است:

  • قابلیت پیش بینی - تنظیم کنندگان نیاز دارند که اپراتورهای درک کنند که چرا یک سیستم کنترل تصمیم گیری خاص را انجام می دهد.شبکه های عصبی جعبه سیاه دشوار است توضیح دهند، اما تکنیک هایی مانند گسترش لایه و ارزش Shapley می توانند به شناسایی ویژگی های ورودی تاثیر گذار کمک کنند.
  • بازبوسی برای تغییر توزیع - شرایط Reactor می تواند به تدریج (به عنوان مثال، پیری سوخت) یا تغییر ناگهانی (به عنوان مثال، یک دریچه) حرکت کند. مدل باید در شرایط دقیق باقی بماند در طول آموزش دیده نمی شود.
  • [V&V] - روش های سنتی V&V (آزمون در برابر مجموعه ای از سناریوها) ممکن است برای کنترل کنندگان معتبر و رسمی که ثابت می کند سیستم هرگز یک منطقه امن را ترک نمی کند، یک منطقه تحقیق فعال، به ویژه برای شبکه های عصبی قطعه ای است.
  • ] پذیرش شتاب بخش - کمیسیون تنظیم مقررات هسته ای ایالات متحده و دیگر مقامات دستورالعمل های دقیقی برای سیستم های ایمنی دیجیتال دارند.

مطالعات موردی و پروژه های خلبان

چندین گروه تحقیقاتی پتانسیل عملی یادگیری ماشین ایمنی برای کنترل راکتور را نشان داده اند.در نیروگاه هسته ای Forsmark در سوئد، یک عامل یادگیری تقویت شده آموخته است که سرعت پمپ را بهینه سازی کند در حالی که به محدودیت های حرارتی احترام می گذارد، دستیابی به افزایش 0.5٪ در بهره وری بدون نقض هر گونه محدودیت در موسسه فناوری ماساچوست، محققان از یک شبکه عصبی عمیق برای مدل اصلی نوترونی در زمان های کنترل میله های معمولی استفاده کردند.

مسیر های آینده

با نگاهی به جلو، این زمینه به سمت سیستم های کنترل یادگیری پایان می رود که می تواند چندین راکتور را در یک ایستگاه، تخصیص پویا بخار، و تعامل با شبکه برق نیز تمرکز دارد:

  • AI قابل توضیح [FLT 1] - مدل های در حال توسعه که نه تنها تصمیم های ایمن می گیرند بلکه توضیحات قابل خواندن انسانی مانند نمودارهای علّت یا سناریوهای ضد واقعیت را نیز تولید می کنند.
  • اندازه گیری قطعی [FLT 1] - با استفاده از شبکه های عصبی بیزی یا روش های گروهی برای ارائه فواصل اطمینان در هر دو پیش بینی و اقدامات توصیه شده، این اجازه می دهد سیستم کنترل درخواست مداخله انسانی در هنگام عدم اطمینان بالا باشد.
  • آموزش و پرورش - مدل های پیش تمرین در شبیه ساز های راکتور عمومی و هماهنگ کردن آنها برای گیاهان خاص، کاهش مقدار داده های خاص سایت مورد نیاز است.
  • سیستم های حلقه انسان [FLT 1] - رابط های طراحی که در آن عامل یادگیری ماشین نشان می دهد اقدامات اما تصمیم نهایی با یک اپراتور باقی می ماند، سیستم باید به اندازه کافی شفاف باشد تا اعتماد ایجاد کند.

نتیجه گیری

ادغام یادگیری ماشین در الگوریتم های کنترل راکتور ارائه می دهد پیشرفت های امیدوار کننده در ایمنی و بهره وری است.با استفاده از تکنیک های سازگار و پیش بینی - آموزش عالی برای تشخیص خطا زود هنگام، یادگیری برای کنترل بهینه تحت محدودیت ها، و دینامیک اتاق هیبریدی MPC یادگیری - راکتورها می توانند با خیال راحت تر در یک محیط به طور فزاینده پیچیده عمل کنند.