Comprendre les incertitudes du système dans les centrales nucléaires

Ces incertitudes se situent généralement dans trois catégories : les paramètres, la structure et l'environnement. Les incertitudes paramétriques découlent d'une connaissance imprécise des constantes physiques, des propriétés des matériaux ou des caractéristiques des composants. Par exemple, la conductivité thermique exacte des boulettes de combustible ou du coefficient de température modérateur peut s'écarter des valeurs de conception en raison des tolérances de fabrication ou des effets d'irradiation. Les incertitudes structurelles découlent de simplifications ou d'omissions dans les modèles mathématiques utilisés pour décrire la dynamique des réacteurs. Les modèles de paramètres lumpés, les linéarisations et les approximations à ordre réduit introduisent toutes des écarts entre le comportement prévu et réel. Les incertitudes environnementales comprennent des perturbations externes telles que les fluctuations de la charge de grille, les variations de température de l'eau de refroidissement ou les événements sismiques. Ensemble, ces incertitudes peuvent dégrader les performances des contrôleurs à gain fixe, menant à un suivi sous-optimal de la puissance, à une usure accrue sur les barres de commande, voire à l'activation des systèmes de sécurité.

Bien que des méthodes robustes garantissent la stabilité des scénarios les plus défavorables, elles sacrifient souvent les performances nominales et peuvent être excessivement prudentes. Alors que les centrales nucléaires s'orientent vers des opérations de suivi de la charge, des combustibles plus lourds et des cycles de combustible plus longs, la gamme des conditions d'exploitation s'élargit, ce qui rend les contrôleurs robustes fixes moins attrayants. Cela a incité l'industrie nucléaire à explorer des approches de contrôle adaptatifs qui peuvent ajuster leur comportement en temps réel pour correspondre à l'évolution de la dynamique des centrales.

Approches de contrôle adaptatif pour les applications nucléaires

Les stratégies de contrôle adaptatif modifient automatiquement les paramètres du contrôleur en fonction des réponses mesurées du système. Cette capacité d'auto-ajustement permet au système de contrôle de maintenir des performances quasi optimales, même si les caractéristiques de l'installation changent en raison de l'épuisement du combustible, du vieillissement des composants ou de perturbations externes.

Modèle de référence de contrôle adaptatif (MRAC)

Les paramètres du contrôleur sont ajustés en utilisant une loi d'adaptation, généralement basée sur le critère de stabilité de Lyapunov ou la descente du gradient, afin de minimiser l'erreur entre les deux sorties.Dans les applications nucléaires, le MRAC a été démontré avec succès pour contrôler la puissance du réacteur, le débit de liquide de refroidissement et le niveau d'eau du générateur de vapeur. Les principaux avantages du MRAC comprennent sa simplicité, des preuves bien comprises de stabilité et la capacité de gérer des incertitudes paramétriques variant lentement. Par exemple, des chercheurs de l'Institut de technologie du Massachusetts (MIT) ont mis au point des plans MRAC pour les réacteurs à eau pressurisée qui compensent les changements de coefficient de température du combustible sans exiger une estimation explicite des paramètres.

Régulateurs autonomes (STR)

Les DOD adoptent une approche différente en évaluant explicitement les paramètres du modèle de centrale en ligne et en recalculant les gains du contrôleur sur la base du modèle mis à jour. Ce processus en deux étapes, l'identification des paramètres suivie par la synthèse du contrôleur, permet de gérer les DOD à la fois parametric et certaines incertitudes structurelles.Dans les contextes de centrales nucléaires, les moindres carrés récursifs ou les filtres Kalman étendus sont couramment utilisés pour l'estimation des paramètres en temps réel. La conception du contrôleur peut être basée sur le positionnement des pôles, le contrôle quadrilatique linéaire optimal ou les principes du modèle interne.

Gagner l'horaire

Bien que les gains de contrôle ne soient pas adaptés au sens strict (parce que les gains sont fixés au préalable), le programme de gain est largement utilisé dans les centrales nucléaires existantes en raison de leur fiabilité et de leur facilité d'exécution. Les implémentations modernes prolongent le concept par l'apprentissage en ligne : le programme de gain lui-même peut être mis à jour à l'aide d'algorithmes d'apprentissage des machines qui reconnaissent les modèles dans les données des centrales. Par exemple, des planificateurs de gain en réseau neuronal ont été proposés pour coordonner plusieurs entrées – tiges de contrôle, bore soluble et pompes de refroidissement – afin de maintenir la distribution de puissance axiale pendant les manœuvres de suivi de la charge. Le programme de gain est particulièrement efficace lorsque la dynamique dominante des centrales est bien caractérisée dans l'enveloppe d'exploitation, mais il devient lourd lorsque de nombreuses variables de programmation sont nécessaires ou lorsque l'installation fonctionne dans des régimes non couverts par le programme précomputé.

Techniques avancées de contrôle adaptatif

Au-delà des méthodes classiques, plusieurs techniques de contrôle adaptatif avancées sont en train de se renforcer dans la recherche nucléaire et sont prêtes à être déployées dans les centrales de nouvelle génération.Le contrôle adaptatif L1 (L1AC) permet de découpler l'adaptation et la robustesse, permettant une adaptation rapide sans dynamique dynamique dynamique dynamique à haute fréquence.Cette propriété est précieuse pour les systèmes nucléaires où la bande passante des actionneurs est limitée, tels que les mécanismes d'entraînement des tiges de commande.Le contrôle prédictif des modèles (MPC) avec des modèles adaptatifs combine les capacités prédictives de MPC avec les mises à jour des modèles en ligne de l'identification des systèmes.

Avantages du contrôle adaptatif dans les centrales nucléaires

La mise en oeuvre d'approches de contrôle adaptatives dans les centrales nucléaires procure des avantages considérables sur le plan de la sûreté, de l'efficacité et de la flexibilité opérationnelle. Les améliorations de la sûreté découlent de la capacité du contrôleur à maintenir la stabilité dans des conditions imprévues, comme la perte de chauffe-eau ou un trajet de la pompe, sans exiger l'intervention de l'opérateur. Les contrôleurs adaptatifs peuvent rapidement compenser les capteurs ou les actionneurs dégradés, ce qui permet d'acquérir du temps pour les systèmes de protection de l'usine.

Considérations relatives à la vérification, à la validation et à la délivrance de licences

L'un des principaux obstacles au contrôle adaptatif de l'énergie nucléaire est le processus rigoureux de vérification et de validation (V&V) requis par les organismes de réglementation comme la Commission de réglementation nucléaire des États-Unis (CNRC) et l'Agence internationale de l'énergie atomique (AIEA). Les contrôleurs adaptatifs sont intrinsèquement non linéaires et variables en fonction du temps, ce qui rend insuffisantes les analyses de stabilité linéaire conventionnelles. L'industrie nucléaire exige une preuve rigoureuse que le système de contrôle adaptatif maintiendra la stabilité et les performances pendant tout son cycle de vie, y compris pendant les scénarios de défaillance.

Études de cas et mise en œuvre dans le monde réel

Plusieurs projets pilotes et réacteurs de recherche ont démontré avec succès un contrôle adaptatif. Le réacteur de recherche MIT (MITR) a été un banc d'essai pour les algorithmes MRAC et STR axés sur la manœuvre de puissance automatisée. Des expériences ont montré que les contrôleurs adaptatifs pouvaient maintenir la puissance du réacteur à ±1 % du point de consigne pendant l'insertion de changements de la valeur de réactivité dépassant 0,3, ce qui a surperformé un contrôleur PID bien ajusté. Au projet Halden Reactor en Norvège, les contrôleurs à gain programmé ont été évalués pour le contrôle du niveau du générateur de vapeur, ce qui a permis d'obtenir des réductions significatives du comportement oscillatoire pendant les périodes de démarrage et d'arrêt.

Défis et questions ouvertes en matière de recherche

La complexité informatique demeure une préoccupation, en particulier pour l'estimation des paramètres en ligne dans les modèles à grande échelle qui comprennent les sous-systèmes thermiques-hydrauliques, neutroniques et mécaniques. Les contrôleurs en temps réel doivent fonctionner avec un calendrier déterministe, ce qui impose des contraintes à la complexité de l'algorithme. Le potentiel d'instabilité dû à la dérive des paramètres ou à l'excitation insuffisante est un problème bien connu qui nécessite des conditions d'excitation persistantes ou une modification robuste de la loi d'adaptation. La cybersécurité est une autre préoccupation croissante : les contrôleurs adaptatifs qui se fient aux données des capteurs et aux mises à jour en ligne pourraient être vulnérables aux attaques qui manipulent les estimations, entraînant des mesures de contrôle dangereuses.

Orientations futures : AI, apprentissage automatique et jumelles numériques

Les modèles d'apprentissage approfondi peuvent apprendre à établir des relations à haute dimension entre les états des centrales et des mesures de contrôle optimales, permettant aux contrôleurs adaptatifs de gérer des phénomènes complexes et non linéaires tels que les oscillations spatiales du xénon ou les instabilités du débit en deux phases. L'apprentissage du renforcement (RL) a été appliqué pour comparer les problèmes de contrôle des réacteurs nucléaires, les agents apprenant à faire fonctionner les pompes de refroidissement et les barres de contrôle de position des gaz d'échappement pour répondre à la demande de puissance tout en respectant les limites thermiques. Toutefois, les contrôleurs RL et les contrôleurs en réseau neuraux ne disposent pas des garanties rigoureuses de stabilité des méthodes d'adaptation classiques, ce qui constitue un écart critique pour les applications critiques en matière de sécurité.

Conclusion

Des méthodes établies comme le MRAC, le STR et l'établissement de calendriers pour les nouvelles techniques impliquant des jumeaux numériques et de l'IA, ces stratégies permettent une exploitation plus sûre, plus efficace et plus flexible des réacteurs. Bien que des défis techniques subsistent en matière de vérification, de validation et de mise en oeuvre, l'industrie nucléaire renforce progressivement la confiance et la capacité de déployer un contrôle adaptatif dans les centrales commerciales. La collaboration entre ingénieurs de contrôle, scientifiques nucléaires et décideurs est essentielle pour faire progresser ces technologies et mettre à jour les cadres réglementaires en conséquence.

Pour plus de détails, voir le rapport technique de l'AIEA sur le contrôle adaptatif des réacteurs nucléaires , les exigences de licence du CNRC pour les instruments et le contrôle numériques et cet examen IEEE du contrôle adaptatif dans l'énergie nucléaire.