Использование аналитики больших данных в мониторинге производительности реакторов Candu

Сбор и интеграция данных в реакторах CANDU

Надежная инфраструктура данных является основой любой аналитической инициативы. заводы CANDU собирают данные из различных систем приборостроения и управления (I&C), включая:

• Внутриядерные детекторы потока и ионные камеры для мониторинга нейтронов
• Детекторы температуры сопротивления (RTD) и термопары в первичных и вторичных цепях
• Передатчики давления и ячейки дифференциального давления для систем охлаждения и пара
• Акселерометры и зонды близости на насосах, турбинах и двигателях
• Измерители проводимости и химические анализаторы для контроля за чистотой тяжелой воды и коррозией
• Акустические датчики для обнаружения утечек и идентификации режима потока

Аналитика в реальном времени и обнаружение аномалий

После централизации данных, движки потоковой аналитики применяют сложные правила обработки событий (CEP) для обнаружения отклонений от нормальных рабочих оболочек. Например, внезапное повышение температуры канала охлаждающей жидкости в сочетании с падением потока может указывать на частичную блокировку или отказ топливного пакета. Традиционные статические пороги будут пропускать такие многовариантные аномалии, но модели машинного обучения, обученные на исторических данных, могут распознать их в течение нескольких секунд.

Общие методы включают:

• Статистический контроль процесса (SPC): Динамические ограничения управления, основанные на перемещении средних и стандартных отклонений флага точек данных, которые нарушают ожидаемые границы.
• Изолирующие леса и автокодировщики: Неконтролируемые алгоритмы, которые идентифицируют аномальные паттерны без предварительной маркировки. Автокодер, обученный на обычных вибрационных сигнатурах, может реконструировать ожидаемые паттерны; высокая ошибка реконструкции указывает на потенциальные ошибки, такие как износ подшипника или несоответствие вала.
• Рекуррентные нейронные сети (RNN): Особенно подходят для прогнозирования временных рядов и обнаружения тонких тенденций, предшествующих деградации оборудования. Для прогнозирования скорости обрастания теплообменников из-за многолетних данных о падении давления и температуре были развернуты сети с длинной кратковременной памятью (LSTM).
• Графические нейронные сети: Новые модели, которые используют физическую связь систем растений (например, трубопроводов и электрических сетей) для обнаружения неисправностей, которые распространяются через взаимосвязанные компоненты.

На станции Дарлингтон в Онтарио, алгоритмы распознавания образов, применяемые к спектрам вибрации от первичных насосов теплотранспорта, успешно обнаруживали ранний износ подшипников за несколько месяцев до отказа. Это позволило планировать техническое обслуживание во время запланированного отключения, избегая незапланированного снижения мощности. Аналогичным образом, на реакторах CANDU 6 в Циньшань, Китай, обнаружение аномалий на температурах системы модератора выявило развивающуюся блокировку теплообменника, что позволило корректирующее действие до снижения производительности до пределов тревоги.

Прогнозное обслуживание и мониторинг на основе условий

Переход от реактивного или основанного на времени обслуживания к обслуживанию на основе условий (CBM) является одним из наиболее ощутимых преимуществ аналитики больших данных. Вместо замены компонентов по фиксированному графику операторы постоянно контролируют состояние активов и вмешиваются только при появлении сигналов деградации. Прогнозное обслуживание расширяет это путем прогнозирования оставшегося срока полезного использования (RUL) с использованием моделей деградации и машинного обучения.

В реакторах CANDU типичные применения включают:

• Целостность токопроводящего канала: Анализ изменений диаметра трубки давления и данных ингрессии водорода для прогнозирования долгосрочной пригодности.Многовариантные модели регрессии коррелируют скорость ползучести с нейтронным потоком и температурной историей, улучшая оценки интервала замены.
• Нарушение теплообменника: Соотношение коэффициентов теплопередачи с записями химической очистки для оптимизации интервалов очистки. Гауссовская регрессия процесса фиксирует нелинейное поведение напыления и рекомендует очистку только тогда, когда стоимость нагружения превышает стоимость вмешательства.
• Паровые турбинные подшипники: Комбинирование анализа нефти, вибраций и температурных тенденций для планирования капитальных ремонтов. Случайные классификаторы лесов, обученные на исторических данных о сбоях, назначают вероятность сбоя в течение следующих шести месяцев, что позволяет стратегическое планирование сбоев.
• Изоляция штанги генератора: Мониторинг моделей частичного разряда с помощью онлайн-датчиков для прогнозирования риска разрушения изоляции. Модели машинного обучения, обученные по фазово-разрешенным моделям PD, могут различать безвредную корону и опасное отслеживание.

Технология цифровых двойников еще больше расширяет возможности прогнозирования. Цифровой двойник - это виртуальная модель физического актива высокой точности, постоянно обновляемая данными в реальном времени. Запустив моделирование, операторы могут прогнозировать поведение активов в различных условиях и сценариях технического обслуживания. Исследователи из COG разработали цифровых двойников для основных насосов охлаждающей жидкости, демонстрируя потенциальное снижение затрат на техническое обслуживание на 20-30%, избегая ненужных проверок и смягчая риски катастрофического отказа. Более продвинутые двойники включают в себя основанные на физике модели нейтроники и тепловой гидравлики, позволяя имитировать целые растения для продления жизни и принятия решений по повышению мощности.

Повышение безопасности и нормативного соответствия

Аналитика больших данных предоставляет всеобъемлющие, поддающиеся проверке доказательства поведения установок. Канадская комиссия по ядерной безопасности (CNSC) ожидает, что операторы будут автоматически контролировать запас прочности и сообщать об отклонениях. Инструменты аналитики могут непрерывно сравнивать производительность в реальном времени с лимитами анализа безопасности, генерируя отчеты о тенденциях, которые упрощают проверку соответствия.

Продвинутый анализ событий также помогает расследованию первопричин. Когда происходит аномальное событие, синхронизированное воспроизведение данных из нескольких систем (нейтроника, тепловая гидравлика, механическая) ускоряет диагностику. После инцидента добыча данных может выявить ранее непризнанные шаблоны предшественников, что приводит к улучшению операционных процедур или профилактических мер по всему флоту. Например, после вынужденного отключения из-за утечки трубки парогенератора аналитика данных выявила повторяющуюся вибрационную сигнатуру, которая предшествовала утечке несколькими циклами, что побудило к усиленному мониторингу для аналогичных блоков.

Регулирующие органы начинают использовать большие данные для надзора. CNSC поощряет представление больших наборов данных для периодических обзоров безопасности, и растет интерес к использованию машинного обучения для выявления новых тенденций безопасности в нескольких коммунальных службах. Этот совместный подход в сочетании со строгой анонимизацией данных укрепляет общий принцип безопасности для реакторов CANDU без ущерба для собственной информации.

Кибербезопасность и целостность данных для приложений безопасности

Интеграция аналитики больших данных в ядерные операции должна решать проблемы кибербезопасности. Использование облачных платформ и взаимосвязанных систем увеличивает поверхность атаки. Коммунальные службы придерживаются таких рамок, как IEC 62443 и NIST SP 800-82, реализуя диоды данных для одностороннего потока данных от установки до аналитических сред. Для аналитики, связанной с безопасностью, модели должны быть строго проверены и контролируемы версиями, с отказоустойчивыми механизмами, которые гарантируют, что ни один отказ аналитики не может привести к небезопасным действиям. Отрасль также изучает происхождение данных на основе блокчейна для создания журналов обнаружения подделок для нормативных аудитов.

Широкомасштабная оптимизация и передача знаний

Операторы нескольких блоков CANDU — в Канаде, Румынии, Аргентине, Китае и Южной Корее — могут использовать большие данные по всем паркам. Совокупность анонимных данных о производительности от многих реакторов позволяет проводить бенчмаркинг, идентификацию передовой практики и передачу знаний. Например, если конкретный тип клапана демонстрирует более длительный срок службы на одной станции из-за определенного режима обслуживания, эта информация может распространяться по всему флоту. Аналитика уровня флота поддерживает стратегические решения по программам продления жизни, экономит оптимизацию запасов и распределение ресурсов.

Современные облачные платформы облегчают безопасный обмен данными при сохранении строгого контроля кибербезопасности. Федеративные методы обучения позволяют централизованно агрегировать параметры модели без перемещения чувствительных данных о установках за пределы площадки. Это особенно ценно для обнаружения редких режимов отказа, которые, возможно, не произошли на одном объекте, но статистически значимы по всему флоту. Публикации серии МАГАТЭ по ядерной энергии предоставляют руководство по структурам обмена данными, которые уравновешивают сотрудничество с собственными проблемами.

Проблемы в осуществлении

Несмотря на непреодолимые преимущества, внедрение анализа больших данных в реакторах CANDU сопряжено с препятствиями:

• Качество и полнота данных: Дрифт датчиков, неправильной калибровки и пробелов ухудшают точность модели. Необходимы надежные очистительные трубопроводы данных. Методы вычисления (например, k-ближайшие соседи, интерполяция временных рядов) могут заполнять короткие пробелы, но должны применяться осторожно, чтобы избежать смещения в критически важных анализах безопасности.
• Системная интеграция с ненадежностью: Старому оборудованию I&C часто не хватает современных цифровых интерфейсов. Модернизация шлюзов и преобразователей протоколов требует тщательного планирования, чтобы избежать введения новых режимов отказа. Некоторые заводы развертывают параллельные системы сбора данных, которые считывают сигналы от существующих передатчиков, не мешая петлям управления уровня безопасности.
• Кибербезопасность: Подключение сетей установок к аналитическим платформам повышает риск. Диоды данных с воздушным зазором обеспечивают односторонний поток, и строгое соблюдение стандартов безопасности имеет важное значение. Регулярное тестирование на проникновение и оценка уязвимостей являются обязательными.
• Пробелы в навыках: Ядерная рабочая сила традиционно делает акцент на инженерии над наукой о данных. Перекрестная подготовка и найм ученых-данных с знаниями в области является постоянной проблемой. Некоторые утилиты создают внутренние «отряды данных» инженеров-реакторов, обученных в рамках Python, SQL и машинного обучения.
• Культурное сопротивление: Операторы могут не доверять алгоритмам черного ящика. Объясняемые методы ИИ (например, значения SHAP, механизмы внимания) и прозрачная модельная документация помогают построить доверие. Показ операторам, как прогнозы модели согласуются с их эмпирическими знаниями, ускоряет принятие.

Решение этих проблем требует постоянной приверженности руководства, сотрудничества с исследовательскими институтами и соблюдения нормативных указаний по программному обеспечению, используемому в приложениях, связанных с безопасностью.

Соображения в отношении затрат и нормативное обоснование

Коммунальные предприятия должны продемонстрировать четкую отдачу от инвестиций, прежде чем развертывать системы больших данных в масштабе. Ранние пользователи сообщают, что только профилактическое обслуживание может снизить вынужденные отключения на 30-40% и продлить интервалы проверки на 15-20%. Для типичного блока CANDU мощностью 700 МВт, избегая одного незапланированного дня отключения, экономит более 1 миллиона долларов США в затратах на замену электроэнергии. Капитальные затраты на внедрение озера данных в масштабах всей установки с передовой аналитикой - включая серверы, лицензии на программное обеспечение и обучение - обычно колеблются от 5 до 10 миллионов долларов США, что дает окупаемость в течение 2-4 лет при применении к ценным активам, таким как турбины, насосы и теплообменники.

Обоснование нормативных требований предполагает демонстрацию того, что инструменты аналитики не вводят новых рисков безопасности. CNSC и другие регуляторы требуют градуированного подхода: модели для систем небезопасности могут быть быстро развернуты, а те, которые влияют на решения по безопасности, проходят тщательную проверку и валидацию. Коммунальные службы часто привлекают сторонних рецензентов для разработки моделей аудита, обеспечения соответствия данных, испытаний и документации ядерным стандартам. МАГАТЭ опубликовало руководство по компьютерным моделям анализа безопасности, служащее справочником для интеграции машинного обучения в нормативные рамки.

Будущие направления: ИИ, машинное обучение и многое другое

Траектория анализа больших данных в CANDU указывает на еще более сложные возможности. Достижения в области глубокого обучения, особенно трансформаторы для данных временных рядов, обещают более высокую точность в классификации и прогнозе неисправностей. Усиление обучения может однажды помочь в оптимизации параметров управления в режиме реального времени, хотя приложения в системах ядерной безопасности требуют строгой проверки и, вероятно, параллельной реализации не безопасности для первоначального принятия.

Еще одной новой областью является краевая аналитика, где обработка данных происходит локально на датчиках или выделенном оборудовании внутри установки. Это снижает задержку и пропускную способность при одновременном повышении безопасности за счет ограничения передачи данных за пределы станции. Легкий экран моделей для аномалий, пересылая только соответствующие резюме или оповещения. Например, интеллектуальный датчик вибрации на первичном насосе охлаждающей жидкости может запускать сверточную нейронную сеть для классификации неисправностей подшипника, отправляя только предупреждение высокой достоверности вместо необработанных данных.

Интеграция с цифровыми двойниками в масштабах всей установки будет углубляться, что позволит симуляторам, которые рассматривают целые системы подачи ядерного пара, а не изолированные компоненты. Сочетание эксплуатационных данных с моделями на основе физики дает гибридные цифровые двойники с улучшенной прогностической точностью. Эти двойники могут использоваться для обучения операторов, проверки процедур и даже онлайн-оптимизации точек реактора в пределах оболочки безопасности. Возможность онлайн-заправки реактора CANDU добавляет сложность, но предоставляет богатые данные для калибровки модели из непрерывной вставки топливного пакета.

Наконец, по мере того, как все больше реакторов CANDU будут перестраиваться и продлевать срок службы, большие данные будут определять решения о том, какие компоненты заменять или инспектировать, обеспечивая безопасную работу в течение десятилетий после первоначального срока службы. Коллективные знания из десятилетий данных датчиков, проанализированных в масштабе, помогут глобальному флоту CANDU работать с большей эффективностью, безопасностью и экономической конкурентоспособностью. Обмен информацией через отраслевые консорциумы, одновременно защищая конфиденциальную информацию, ускорит внедрение передовой практики и будет способствовать культуре, основанной на данных, в ядерном сообществе.