L'évolution du suivi des réacteurs : du manuel à l'intelligence

La surveillance traditionnelle du CANDU repose sur des inspections manuelles périodiques, des systèmes d'alarme fondés sur des règles et sur l'expérience de l'opérateur. Des centaines de capteurs mesurent la température, la pression, le flux de neutrons, les vibrations et la chimie.

Fusion de capteurs en temps réel et détection d'anomalies

Une installation CANDU génère quotidiennement des téraoctets de données à partir de ses calandries, canaux de combustible, systèmes de transport de chaleur et équilibre des installations. Les plates-formes d'IA utilisant des architectures d'apprentissage profond comme les autoencodeurs et les longs réseaux de mémoire à court terme (LSTM) fusionnent ces lectures disparates de capteurs. En construisant un modèle dynamique et multivarié du comportement du réacteur, le système prédit la valeur attendue de chaque capteur à tout moment. Une déviation importante entre les valeurs prévues et réelles indique une anomalie. Cette approche a été démontrée dans un projet de collaboration entre Ontario Power Generation et l'Institut de technologie de l'Université de l'Ontario, où un réseau neuronal a réussi à identifier une pompe de transport de chaleur dégradante portant des semaines avant l'entretien prévu, évitant ainsi une panne forcée.

Jumelles numériques pour l'optimisation des processus

Au-delà de la détection d'anomalies, l'industrie adopte de plus en plus des jumelles numériques, des répliques virtuelles vivantes et animées par l'IA de réacteurs physiques.Pour les unités CANDU, les jumelles numériques combinent des modèles de physique des premiers principes avec des corrections d'apprentissage de la machine formées sur des données opérationnelles.Ce modèle hybride simule des scénarios « what-if » pour les manœuvres de puissance, les stratégies de dépassement de poison ou les opérations de suivi de charge sans risquer la centrale nucléaire actuelle.

Entretien prédictif : prolonger la durée de vie des actifs dans les installations CANDU

Les intervalles de maintenance préventive sont traditionnellement fondés sur des hypothèses statistiques prudentes ou des recommandations du fabricant, ce qui peut conduire à des travaux inutiles et à des remplacements de composants.La maintenance prédictive, alimentée par l'IA, analyse les données historiques de défaillance, les indicateurs de condition en ligne et les signatures opérationnelles subtiles pour estimer la durée de vie utile restante des composants avec une précision croissante.

Pronostique spécifique des composants : canaux de combustible et générateurs de vapeur

Les modèles d'IA ingèrent maintenant les données d'inspection ultrasoniques, les mesures dimensionnelles de l'outillage à l'intérieur du réacteur et les facteurs de risque de craquage à l'hydrure retardée pour prédire la probabilité de croissance des failles et le moment optimal pour la réinspection ou le remplacement du tube. Une étude de 2022 publiée par AIEA[ a mis en évidence comment les algorithmes forestiers aléatoires ont amélioré de 30 % la précision des prévisions de profondeur des failles par rapport aux méthodes de régression linéaire manuelle.

Équipement d'analyse et de rotation des vibrations

Les machines rotatives, les pompes de transport de chaleur primaire, les pompes de circulation des modérateurs, les générateurs de turbines, sont équipées d'accéléromètres. L'analyse des vibrations basée sur l'IA ne détecte pas seulement lorsque les vibrations dépassent un seuil fixe; elle classe la signature en types de défauts spécifiques – désalignement, usure des roulements, cavitation des roues ou assouplissement – en utilisant des réseaux neuronaux convolutionnels formés sur des images spectrogrammes.

Automatisation de l'inspection à courant Eddy et ultrasonore

L'analyse automatisée des signaux de courant de courant de tourbillon provenant des tubes de générateur de vapeur ou des balayages ultrasoniques des tuyaux d'alimentation utilise un apprentissage profond pour classer les défauts par morphologie et profondeur avec plus de cohérence que les inspecteurs humains. Le CANDU Owners Group a parrainé des études comparatives où l'inspection assistée par l'IA a réduit les taux de faux appels de plus de 25 %, permettant ainsi des décisions plus précises de branchement des tubes et prolongeant la durée de vie des composants.

Robotique améliorée par l'IA dans les environnements dangereux

L'entretien à l'intérieur du coffre du réacteur, des baies de combustible usé ou des têtes de générateurs de vapeur expose les travailleurs aux radiations, aux températures élevées et aux espaces confinés. L'IA permet aux systèmes robotiques d'exécuter à distance des tâches et de naviguer et d'inspecter de façon autonome avec une intervention humaine minimale, améliorant de façon spectaculaire la sécurité et la qualité des données.

Robots d'inspection autonomes pour canaux de carburant

Équipés de caméras, de sondes de courant de tourbillon et de capteurs ultrasoniques, ces robots utilisent des algorithmes de localisation et de cartographie simultanées (SLAM) fusionnés avec des modèles CAO antérieurs pour déterminer leur position exacte dans le canal. L'IA de bord traite les données des capteurs en temps réel, en faisant glisser des zones d'intérêt, comme une cicatrice ou un tas de débris, et en adaptant le chemin d'inspection pour recueillir des données à haute résolution au besoin. Le système de contrôle de l'outillage insère ensuite automatiquement des sondes appropriées sans exiger d'un opérateur humain qu'il interprète avec soin des images bruyantes. Cette technologie, développée par les entreprises canadiennes de services nucléaires, a réduit le temps d'inspection des canaux de combustible de 50 % au maximum et a été adoptée lors de projets de remise à neuf à Darlington et Bruce.

Drones sous-marins et aériens pour levés visuels

Pour les évaluations visuelles à grande échelle des réservoirs de modérateurs, des plaques de tubes de calandre ou des réservoirs de carburant usés, les drones sous-marins à IA sont de plus en plus standard. Ces véhicules téléguidés utilisent des réseaux d'adversaires générateurs (GAN) pour améliorer les images sous-marines trouble et appliquer une segmentation sémantique pour identifier la corrosion, les piqûres ou les anomalies structurelles.

Systèmes de soutien à la décision pour les techniciens humains

L'IA renforce l'expertise humaine et non la remplace. Les systèmes d'aide à la décision (SAD) font ressortir les informations les plus pertinentes et recommandent des mesures fondées sur des données probantes, aidant les équipes de maintenance et les exploitants à prendre des décisions plus rapides et mieux informées sous la pression de la complexité et du temps.

Packages de travail intelligents et dépannage guidé

Par exemple, lorsqu'un technicien arrive à étalonner un détecteur de flux de neutrons, le SSD consulte l'analyse de l'IA pour déterminer si le détecteur a dérivé, le corréle avec les lectures de détecteurs à proximité et suggère si un étalonnage simple ou un remplacement complet est justifié. Le système peut faire des renvois au travail actuel avec l'enveloppe de sécurité de l'usine, en avertissant le technicien si une activité concomitante (telle qu'un test de pompe à proximité) pourrait affecter les lectures. Les interfaces de traitement du langage naturel (NLP) permettent aux techniciens de demander l'historique de maintenance, les bulletins de composants ou les précédents rapports d'incidents sans mains à travers des commandes vocales, les laissant concentrés sur la tâche.

Analyse des causes profondes et apprentissage à l'échelle de la flotte

En outre, en connectant plusieurs unités CANDU dans une flotte, par exemple, Darlington ou le site Bruce Power, une plateforme d'IA centralisée détecte des modèles communs à toutes les unités de conception similaire. Si un type de vannes montre une tendance à la hausse de température deux mois avant la défaillance d'une station, cette signature avertit les autres stations d'inspecter ou de remplacer de façon préventive la même valve, empêchant ainsi les événements répétés. Cette approche d'apprentissage de la flotte, mise en oeuvre par des entreprises comme Framatome , a été adaptée pour les joints de pompe à refroidissement CANDU et les tubes échangeurs de chaleur avec des gains de fiabilité mesurables.

Considérations relatives aux cas de réglementation et de sécurité

L'intégration de l'IA dans les systèmes de sûreté nucléaire — ou même dans ceux liés à la sûreté, comme la planification de la maintenance — exige une justification rigoureuse. Les organismes de réglementation comme la Commission canadienne de sûreté nucléaire (CCSN) exigent que les solutions fondées sur l'IA soient transparentes, explicables et sans danger.

AI explicable (XAI) et la confiance de l'opérateur

Pour qu'un opérateur puisse faire confiance à une recommandation d'IA qui pourrait affecter les limites opérationnelles, le système doit expliquer quels capteurs ou caractéristiques ont le plus contribué à une prédiction donnée. Des techniques comme SHAP (SHapley Additive exPlanations) et la cartographie d'activation pondérée par gradient sont intégrées dans les tableaux de bord de surveillance afin de souligner visuellement, par exemple, qu'une déviation de la température du modérateur est principalement liée à une position de vanne particulière plutôt qu'à un changement de poison en vrac.Cette transparence est essentielle pour l'acceptation par la CCSN.

Sécurité des données et robustesse de l'adversaire

Un adversaire pourrait tenter de alimenter le modèle en données de capteur subtilement perturbées (attaques adverses) pour causer de faux positifs ou masquer de véritables défauts. Par conséquent, une formation robuste sur les modèles comprend des exemples contradictoires et des architectures de déploiement s'assurent que les recommandations d'IA sont recoupées avec les limites des premiers principes physiques. L'industrie CANDU, par l'entremise du Groupe des propriétaires de CANDU, a élaboré des lignes directrices pour sécuriser les pipelines de données d'IA, y compris les réseaux de capteurs cryptés et l'enregistrement d'intégrité basé sur la chaîne de blocs pour les journaux de maintenance critiques.

Orientations futures : Opération autonome du CANDU et au-delà

La trajectoire indique une autonomie croissante du système CANDU. Bien que l'autonomie totale demeure une vision à long terme, des mesures progressives sont prises. Les contrôleurs de séquence pilotés par l'IA pourraient gérer les séquences de démarrage et d'arrêt de routine sous supervision humaine, tandis que les algorithmes d'optimisation ajusteraient en permanence les positions des tiges de contrôle et la concentration de poison pour une économie maximale de carburant dans les limites autorisées.

AI quantitativement assistée pour la gestion du combustible

Les outils actuels utilisent des algorithmes de recuit simulés ou génétiques, mais l'apprentissage quantique de la machine est prometteur pour découvrir des stratégies de ravitaillement optimales à l'échelle mondiale qui réduisent le coût et maximisent le burnup. La recherche concertée entre les laboratoires nucléaires canadiens et les startups quantiques explore la façon dont les réseaux neuraux quantiques pourraient traiter la complexité combinatoire des calendriers de ravitaillement en puissance beaucoup plus efficacement, ce qui pourrait permettre d'économiser des millions de dollars en coûts de combustible par année de réacteur.

Intégration avec IoT et 5G pour une connectivité améliorée

La prochaine génération de surveillance CANDU comprendra des réseaux denses de capteurs sans fil à l'intérieur du confinement, activés par des réseaux privés ultra-fiables 5G. Ces capteurs, alimentés par des moissonneurs d'énergie (vibrations ou thermiques), diffuseront en continu des données pour amarrer les processeurs d'IA, permettant une surveillance en conditions sur des composants auparavant inaccessibles pendant l'exploitation.Cela comprend la surveillance en temps réel de l'éclaircissement des parois de tuyaux d'alimentation ou du sag de tubes de calandres, paramètres actuellement vérifiés seulement pendant les pannes planifiées.

Déploiements et résultats tangibles dans le monde réel

Ces technologies ne sont pas théoriques.Au cours du récent retubing de Darlington Unit 2, l'analyse prédictive pilotée par l'IA a guidé le séquençage de remplacement, assurant que l'entretien des outils et les livraisons de matériaux s'alignent sur les progrès, complétant le projet sur le budget et en avance sur le calendrier. À Cernavodă en Roumanie, le diagnostic de pompe à moteur AI a réduit les pannes non programmées de plus de 30% dans un essai de trois ans.

La synergie entre la technologie CANDU et l'intelligence artificielle est encore en voie de maturité, mais la fondation est fermement en place. En intégrant l'IA à la surveillance, la maintenance et l'optimisation opérationnelle, la flotte mondiale de CANDU peut atteindre des niveaux sans précédent de fiabilité, de sécurité et de longévité.