Настоящее изобретение относится в общем к защите и/или непрерывному контролю активной зоны водо-водяного ядерного реактора в целях предотвращения кризиса кипения.
Сохранение целостности первого защитного барьера (оболочки тепловыделяющего элемента) при проектировании ядерных реакторов является основной задачей и предметом подтверждения безопасности, реализуемого в том числе, путем моделирования поведения реактора в условиях множества аварийных быстропротекающих процессов, используя для этого программы численных расчетов.
Весь используемый метод расчета регистрируют в итоговом отчете о безопасности оборудования, который требует ведомство по обеспечению безопасной эксплуатации ядерной энергетической установки для выдачи разрешения на эксплуатацию реактора.
Целостность оболочки тепловыделяющего элемента гарантируется отсутствием плавления в центре топливных таблеток и отсутствием кризиса кипения (кризиса пузырькового кипения (DNB) или кризиса теплообмена) на поверхности оболочки тепловыделяющего элемента. Эти условия должны выполняться во всех точках активной зоны.
Кризис кипения характеризуется ухудшением теплообмена между теплоносителем первичного контура и поверхностью оболочки тепловыделяющих элементов, что может привести к явлению перегрева и возможному нарушению целостности упомянутого первичного защитного барьера.
Каждый ядерный реактор снабжен системой защиты, функция которой заключается в обеспечении гарантированной безопасности реактора при возникновении определенного количества аварийных ситуаций. Обычно система защиты охватывает ряд событий для защиты, известных как низкий DNBR (коэффициент запаса до кризиса теплообмена). В реакторах, содержащих четыре первичных контура, таких как 1300 MВт (электрической энергии), N4 и EPR, этапы процесса защиты при низком DNBR обеспечивают защиту ядерного реактора от явления кризиса кипения при возникновении аварийных быстропротекающих процессов, относящихся к категории 2, которые характеризуются проявлением реактивности с умеренной динамикой (неконтролируемое извлечение управляющих сборок, несвоевременное разбавление теплоносителя первичного контура, приводящее к снижению концентрации бора, несвоевременное охлаждение первичного контура и т.д.).
С этой целью, система защиты содержит блок обработки информации (именуемый цифровой интегрированной системой защиты и контроля или DIPC) в реакторах мощностью 1300 MВт (электрической энергии), N4, который объединяет функциональный блок, известный как «алгоритм низкого DNBR». Этот алгоритм производит в режиме он-лайн расчет запаса безопасности по отношению к кризису кипения. Для этого блок вычисляет DNBR и сравнивает вычисленную величину с предельной величиной, учитывая неопределенности при расчете реактора и неопределенности при восстановлении DNBR. Этапы защиты при низком DNBR обеспечивают автоматический останов реактора, если указанная восстановленная величина находится ниже предельной величины.
Коэффициент запаса до кризиса теплообмена или DNBR определяется как отношение между критическим тепловым потоком и локальным тепловым потоком. Локальный тепловой поток соответствует тепловому потоку, выделяемому и отводимому тепловыделяющими элементами через их оболочку. Критический тепловой поток представляет собой величину теплового потока, приводящую к разрушению оболочки тепловыделяющего элемента и зависимую от локальных теплогидравлических параметров теплоносителя.
Алгоритм для низкого DNBR использует упрощенную теплогидравлическую модель активной зоны, адаптируемую на стадии проектирования с помощью корректирующих функций (кривых смещения), воздействующих на локальные теплогидравлические количественные параметры для обеспечения предварительной реакции на DNBR, вычисленный с помощью референсного 3D расчетного теплогидравлического кода (компьютерной программы теплогидравлического расчета в 3D).
Упрощенное термогидравлическое моделирование позволяет вычислить локальный тепловой поток по измеренным величинам, характеризующим распределение мощности в реакторе, и локальные теплогидравлические параметры, позволяющие оценить критический тепловой поток.
Кроме того, алгоритм низкого DNBR использует корреляцию предварительно заданного критического потока для вычисления критического теплового потока. Эту корреляцию (корреляционную функцию) определяют на основании экспериментальных данных. Структура корреляционной функции свидетельствует о сложной и затратной разработке. Характеризующая её многомерная аналитическая формула полиномного типа постулирует заранее заданные и последовательно регулируемые вручную стадии во время развития процесса для удовлетворения определенным статистическим показателям.
Алгоритм вычисления низкого DNBR не является достаточно точным, так что для гарантирования безопасности во время работы ядерного реактора необходимо обеспечить большие допуски. Для управления реактором это весьма невыгодно. Кроме того, несмотря на упрощение, для термогидравлического моделирования требуется усложненная обработка цифровых данных с использованием микропроцессорных систем, которая обеспечивает сходимость упомянутого алгоритма в течение времени, сопоставимого с защитой ядерного реактора.
В связи с изложенным задача настоящего изобретения заключается в том, чтобы предложить способ работы ядерного реактора, которому не присущи отмеченные выше недостатки.
В этой связи изобретение относится к способу работы ядерного реактора, содержащего активную зону, при этом способ включает следующие стадии:
- сбор множества количественных параметров, характеризующих работу ядерного реактора;
- вычисление по меньшей мере одного коэффициента запаса до кризиса теплообмена с использованием глубокой нейронной сети, при этом входные данные глубокой нейронной сети определяют, используя собранные количественные параметры, и глубокая нейронная сеть содержит по меньшей мере два скрытых уровня, каждый из которых - по меньшей мере из пяти нейронов;
- вычисление отклонений между указанным по меньшей мере одним вычисленным коэффициентом запаса до кризиса теплообмена и множеством предварительно заданных сравнительных пороговых величин;
- генерирование управляющего сигнала для системы управления реактором, используя вычисленные отклонения, при этом управляющий сигнал выбирают из перечня, включающего, по меньшей мере, следующие показатели:
* автоматический останов реактора или аварийный сигнал;
* не предпринимать никаких действий;
- аварийный останов ядерного реактора с помощью системы управления, если разработанный управляющий сигнал имеет показатель «автоматический останов реактора», или генерирование системой управления аварийного сигнала, если разработанный управляющий сигнал имеет показатель «авария».
Основной недостаток алгоритма низкого DNBR заключается в том, что локальные термогидравлические количественные параметры преобразуются с использованием упрощенной физической модели: единственный канал, однофазная модель, отсутствие корреляции термогидравлических параметров (перепад давления, величина паросодержания), за исключением корреляции критического потока.
Использование глубокой нейронной сети позволяет определить коэффициент запаса до кризиса теплообмена в зависимости от текущих значений лимитирующих количественных параметров, характеризующих работу ядерного реактора, намного более точно и намного быстрее по сравнению с алгоритмом низкого DNBR, используемым в настоящее время.
Величины, прогнозируемые посредством глубокой нейронной сети, намного ближе к величинам, вычисленным с помощью референсного теплогидравлического кода. Ошибка в воссоздании величины DNBR уменьшается в значительной степени. В результате рабочие диапазоны ядерного реактора значительно увеличиваются.
Способ работы может также включать одну или большее число следующих характерных особенностей, рассматриваемых в отдельности или в любой технически возможной комбинации:
- собранные количественные параметры включают результаты измерений нейтронного потока, произведенных с использованием детекторов потока нейтронов, при этом входные данные нейронной сети включают осевое распределение энерговыделения в активной зоне ядерного реактора, восстановленное на основании собранных данных измерений нейтронного потока;
- осевое распределение энерговыделения представляет собой вектор, имеющий множество компонентов, каждый из которых соответствует среднему энерговыделению ядерного реактора на элементарном участке в заданной позиции вдоль оси, при этом каждый компонент определяет один компонент входных данных глубокой нейронной сети;
- детекторы нейтронного потока являются внереакторными детекторами, размещенными снаружи активной зоны;
- детекторы нейтронного потока являются внутриреакторными детекторами, введенными в активную зону на постоянной основе;
- ядерный реактор содержит корпус высокого давления, в котором находится активная зона и по меньшей мере один первичный контур, при этом первичный контур содержит горячую и холодную ветви, соединенные гидравлически непосредственно с корпусом, компенсатор давления, регулирующий давление в первичном контуре, первичный насос, обеспечивающий циркуляцию первичного теплоносителя в первичном контуре, указанные собранные количественные параметры включают, для каждого первичного контура, один или большее число следующих количественных параметров: давление в компенсаторе давления, расход первичного теплоносителя в первичном контуре, температура первичного теплоносителя в горячей и холодной ветвях;
- входные данные нейронной сети включают один или большее число следующих количественных параметров: давление в компенсаторе давления, расход первичного теплоносителя в первичном контуре, температура первичного теплоносителя в холодной ветви;
- входные данные нейронной сети включают тепловую мощность, выделяемую активной зоной;
- выделяемую тепловую мощность определяют расчетным путем, используя, по меньшей мере, давление в компенсаторе давления, расход первичного теплоносителя, температуру первичного теплоносителя в горячей и холодной ветвях, полученные по меньшей мере для одного первичного контура;
- выделяемую тепловую мощность определяют расчетным путем, используя собранные результаты измерения нейтронного потока;
- входные данные нейронной сети включают показатель роста энтальпии;
- указанные собранные количественные параметры включают текущее положение ввода устройств регулирования реактивности активной зоны, при этом показатель роста энтальпии определяется путем осуществления следующих операций:
- вычисление коэффициента неравномерности энерговыделения по радиусу активной зоны, используя полученные данные по текущему положению ввода устройств регулирования;
- вычисление показателя роста энтальпии, используя вычисленную величину коэффициента неравномерности энерговыделения по радиусу активной зоны, указанное восстановленное осевое распределение энерговыделения и определенную выходную тепловую мощность;
- показатель роста энтальпии восстанавливают по осевому распределению мощности;
- ядерный реактор содержит несколько первичных контуров, при этом коэффициент запаса до кризиса теплообмена вычисляют для каждого первичного контура, используя глубокую нейронную сеть с привлечением, по меньшей мере, указанных количественных параметров, полученных для указанного первичного контура;
- детекторы распределены в несколько групп, и детекторы одной группы расположены в шахматном порядке один над другим, при этом минимальную величину коэффициента запаса до кризиса теплообмена вычисляют для каждой группы детекторов нейтронного потока, размещенных внутри активной зоны, используя глубокую нейронную сеть с входными данными, которые получены с помощью, по меньшей мере, результатов измерений нейтронного потока, произведенных с использованием упомянутых детекторов (31) нейтронного потока, размещенных внутри активной зоны;
- на стадии вычисления отклонений осуществляют вычисление набора отклонений между каждым вычисленным коэффициентом запаса до кризиса теплообмена и множеством предварительно заданных референсных величин;
- на стадии генерирования управляющего сигнала генерируется предварительный управляющий сигнал для каждого вычисленного коэффициента запаса до кризиса теплообмена, используя соответствующий набор отклонений, при этом предварительный управляющий сигнал выбирают из перечня, включающего, по меньшей мере, следующие показатели:
* автоматический останов реактора или аварийный сигнал;
* не предпринимать никаких действий;
управляющий сигнал разрабатывают с использованием, по меньшей мере, нескольких предварительных управляющих сигналов;
- относительную величину критического теплового потока вычисляют с помощью глубокой нейронной сети, используя следующую формулу:
где Y – вычисленная величина коэффициента запаса до кризиса теплообмена,
Хо – вектор входных данных;
nH – количество скрытых слоев глубинной нейронной сети;
Аi – предварительно заданная матрица размеров Ni * Ni-1, Ni, где Ni – количество нейронов в слое i , и (Ni – 1) – количество нейронов в слое i-1;
σi - предварительно заданный нелинейный оператор;
- Ai - матрица, действующая как афинное преобразование на компоненты вектора Xi-1, при этом Xi-1 представляет собой вектор, компоненты которого определяются слоем нейронов i – 1;
- σi действует как сигмоидная функция на все компоненты вектора Ai.Xi-1, при этом вектор Xi-1 представляет собой вектор, компоненты которого определяются слоем нейронов i – 1;
- способ включает стадию создания глубокой нейронной сети, при этом указанная стадия создания включает следующие субстадии:
- структура базы данных включает по меньшей мере 100000 состояний активной зоны реактора, каждое состояние определяется набором величин указанных параметров, характеризующих работу ядерного реактора, и минимальную величину коэффициента запаса до кризиса теплообмена вычисляют с помощью референсного 3D расчетного теплогидравлического кода, используя указанный набор величин, при этом указанные состояния выбирают для охвата множества предварительно заданных аварийных ситуаций категории 2, и в результате обеспечивается система управления реактором, позволяющая контролировать указанные аварийные ситуации;
- обучение глубокой нейронной сети, используя, по меньшей мере, часть базы данных;
- валидация глубокой нейронной сети, используя часть базы данных, независимой от части базы данных, используемой для фазы обучения, и тестирование нейронной сети, полученной путем объединения с аварийным нейтронным и теплогидравлическим кодами, что позволяет моделировать аварийные быстропротекающие переходные режимы, требующие вмешательства системы управления.
В соответствии со вторым аспектом изобретение относится к ядерному реактору, содержащему:
- активную зону;
- систему управления;
- блок обработки информации, выполненный с возможностью осуществления способа работы, которому присущи указанные выше характерные особенности.
Другие характерные особенности и преимущества будут известны из подробного описания, приведенного ниже в качестве примера, не ограничивающего изобретение, со ссылками на сопровождающие чертежи.
Фиг. 1 - блок-схема, отображающая последовательность действий в способе в соответствии с изобретением.
Фиг. 2 – упрощенное схематическое изображение ядерного реактора, предназначенного для осуществления способа, иллюстрируемого на фиг. 1.
Фиг. 3 – схематическое представление стадий получения (сбора) данных и вычисления в способе, поясняемом на фиг. 1, для первого воплощения изобретения.
Фиг. 4 – схематическое изображение глубинной нейронной сети, используемой в способе согласно фиг. 1.
Фиг. 5 – схематическое представление стадий сбора данных и вычисления в способе согласно фиг. 1 для второго воплощения изобретения.
Способ работы, схематически представленный на фиг. 1, предполагается реализовать в ядерном реакторе, представленном на фиг. 2.
Ядерный реактор, соответствующий настоящему изобретению, обычно представляет собой водо-водяной энергетический реактор.
В качестве альтернативы, способ может быть осуществлен в любом другом подходящем ядерном реакторе.
Ядерный реактор 1 содержит активную зону 3.
Активная зона 3 обычно состоит из множества призматических тепловыделяющих сборок, расположенных одна рядом с другой. Каждая тепловыделяющая сборка содержит множество тепловыделяющих элементов, удерживаемых в фиксированном положении относительно друг друга с помощью дистанцирующих решеток.
Каждый тепловыделяющий элемент содержит цилиндрическую оболочку, выполненную из металла, в частности, из циркалоя, и внутри оболочки уложены в стопку топливные таблетки.
Ядерный реактор 1, кроме того, содержит корпус 5 высокого давления, внутри которого размещена активная зона 3 и по меньшей мере один первичный контур 7.
Как правило, ядерный реактор содержит несколько первичных контуров 7, например, три или четыре первичных контура 7.
Определенный или каждый первичный контур 7 содержит горячие и холодные ветви 9,11, соединенные гидравлически с корпусом 5, компенсатор давления 13, регулирующий давление в первичном контуре 7, и первичный насос 15, обеспечивающий циркуляцию первичного теплоносителя в первичном контуре 7. Компенсатор 13 давления обычно является общим для различных первичных контуров.
Обычно первичный контур 7, кроме того, содержит парогенератор 17, размещенный выше по ходу движения потока теплоносителя относительно первичного насоса 15.
Горячая ветвь 9 гидравлически соединяет выходной коллектор первичного теплоносителя корпуса 5 с входной водяной камерой первичного теплоносителя парогенератора 17. Компенсатор 13 давления соединен с горячей ветвью 9.
Промежуточная ветвь 19 первичного контура, которую часто называют «U-образная ветвь», соединяет выходную водяную камеру первичного теплоносителя парогенератора 17 с всасывающим патрубком первичного насоса 15. Холодная ветвь 11 соединяет выпускной патрубок первичного насоса 15 с входом для первичного теплоносителя корпуса 5.
Ядерный реактор содержит также устройства 21 управления реактивностью активной зоны.
Эти регулирующие устройства 21 обычно называют «регулирующими кластерами», и они содержат множество регулирующих стержней, изготовленных из материала, поглощающего нейтроны.
Ядерный реактор 1, кроме того, снабжен механизмами (не показаны), обеспечивающими избирательное перемещение регулирующих элементов 21 внутри корпуса 5, для их ввода и извлечения из активной зоны 3.
Ядерный реактор 1, кроме того, содержит систему 23 управления.
Указанная система 23 управления обычно представляет собой систему защиты реактора, выполненную с возможностью осуществления аварийного останова ядерного реактора в случае возникновения аварийной ситуации.
Для этого система 23 управления сконфигурирована с возможностью направления команды автоматического останова реактора к приводному механизму регулирующих элементов 21. Такие действия обуславливают быстрый ввод управляющих элементов в активную зону 3 ядерного реактора.
В качестве альтернативы система 23 управления представляет собой систему непрерывного контроля, выполненную с возможностью генерирования аварийного сигнала в том случае, если ядерный реактор достигает своих эксплуатационных пределов.
В соответствии с другим вариантом система 23 управления действует одновременно как система непрерывного контроля и система защиты.
Ядерный реактор 1, кроме того, снабжен множеством датчиков, обеспечивающих измерение совокупности количественных параметров, характеризующих работу ядерного реактора 1.
В связи с этим, ядерный реактор 1 снабжен датчиками 23, 25 температуры, измеряющими температуру первичного теплоносителя в горячей и холодной ветвях 9,11 соответственно.
Ядерный реактор 1 снабжен датчиком 27, измеряющим давление в компенсаторе 13 давления.
Кроме того, ядерный реактор снабжен датчиком 29, измеряющим число оборотов первичного насоса 15.
Ядерный реактор 1 снабжен также детекторами 31 нейтронного потока.
В соответствии с первым воплощением изобретения эти детекторы являются внереакторными детекторами, размещенными снаружи активной зоны 3.
Детекторы 31 распределены по корпусу 5.
Обычно эти детекторы представляют собой многоярусные внереакторные камеры, например, образующие 6 секций, расположенных одна над другой вдоль центральной оси корпуса.
Детекторы 31 используются для измерения нейтронного потока, излучаемого активной зоной 3 на различных уровнях по высоте зоны.
Ядерный реактор 1 снабжен датчиком 33 положения устройств 21 регулирования реактивности активной зоны.
Помимо этого, ядерный реактор содержит блок 35 обработки информации, сконфигурированный для осуществления способа работы, который будет описан ниже.
Блок 35 обработки информации, является, например, компонентом системы 23 управления. Обычно в состав этого блок входят процессор и запоминающее устройство, связанное с процессором. В качестве альтернативы, блок обработки информации выполнен в виде программируемых логических элементов, таких как FPGAs (программируемые пользователем логические интегральные схемы), или в виде специализированных ИС, таких как ASICs (специализированные интегральные схемы).
Различные датчики 23, 25, 27, 29, 31, 33 обеспечивают информацию для блока 35 обработки информации.
Ниже будет описан способ работы ядерного реактора 1 в соответствии с первым воплощением, со ссылками на фиг. 1, 3 и 4.
Способ включает следующие стадии:
- стадия S10: получение данных, включающих множество количественных параметров, характеризующих работу ядерного реактора 1;
- стадия S12: вычисление по меньшей мере одной величины коэффициента запаса до кризиса теплообмена (DNBR) с использованием глубокой нейронной сети 37, представленной на фиг. 4, при этом входные данные глубокой нейронной сети 37 определяют с использованием собранных данных по количественным параметрам, причем глубокая нейронная сеть 37 содержит по меньшей мере два скрытых слоя, образованных по меньшей мере из пяти нейронов каждый;
- стадия S14: вычисление отклонений между по меньшей мере одним вычисленным коэффициентом запаса до кризиса теплообмена (DNBR) и множеством предварительно заданных референсных величин;
- стадия S16: формирование управляющего сигнала для системы 23 управления, используя вычисленные отклонения, при этом управляющий сигнал выбирают из перечня, включающего, по меньшей мере, следующие желаемые действия:
* автоматический останов реактора или аварийный сигнал;
* не предпринимать никаких действий;
- стадия S18: аварийный останов ядерного реактора с помощью системы 23 управления, когда выработанный управляющий сигнал означает «автоматический останов реактора», или генерирование системой 23 управления аварийного сигнала, если разработанный управляющий сигнал означает «авария».
Полученные количественные параметры включают, по меньшей мере, результаты измерений нейтронного потока с помощью детекторов 31, позволяющие путем преобразования получить распределение P(z) мощности вдоль оси активной зоны 3, как это описано ниже.
Полученные количественные параметры, включают также, для единственного или каждого первичного контура 7, один или большее число следующих количественных параметров: давление р в компенсаторе давления, расход Q первичного теплоносителя в первичном контуре, температуру первичного теплоносителя в горячей и холодной ветвях Tbc и Tbf, соответственно.
Обычно в качестве входных данных получают все указанные выше количественные параметры.
Данные по давлению р в компенсаторе давления и температуре первичного теплоносителя в горячей и холодной ветвях Tbc и Tbf поступают непосредственно от датчиков 27, 23, 25.
Расход Q первичного теплоносителя в первичном контуре получают путем преобразования из величины скорости вращения (числа оборотов) насосов первичного контура, измеренного датчиком 29. Указанный расход вычисляют, используя, например, соотношение, непосредственно определяющее расход первичного теплоносителя в зависимости от скорости вращения.
Полученные количественные параметры включают также текущее положении ввода стержней 21, управляющих реактивностью активной зоны, определяемое с помощью датчика 33.
Как показано на фиг. 1 и фиг. 3, стадия S10 сбора данных обычно включает субстадию S20 считывания величин параметров, измеряемых датчиками 23, 25, 27, 29, 31, 33, при этом определенные количественные параметры, характеризующие работу реактора, считываются непосредственно по показаниям этих датчиков. В частности, считываются величины давления р в компенсаторе давления и температуры Tbc и Tbf в холодной и горячей ветвях.
Стадия S10 сбора данных, кроме того, включает субстадию S22, в ходе которой определяют, по меньшей мере, один иной количественный параметр, характеризующий работу ядерного реактора, путем его вычисления на основании измеренных величин. Это, как правило, относится к вычисленному путем преобразования расходу Q первичного теплоносителя или применению фильтров в отношении количественных параметров, получаемых на стадии S20.
Стадия S12 вычисления, по меньшей мере, одной величины коэффициента DNBR включает субстадию S24 определения входных данных глубокой нейронной сети 37, с использованием полученных количественных параметров, и субстадию S25 вычисления, по меньшей мере, одной величины DNBR с использованием глубокой нейронной сети 37, используя входные данные, полученные на субстадии S24.
Входные данные нейронной сети 37 включают, по меньшей мере, распределение Р(z) энерговыделения вдоль оси активной зоны 3 ядерного реактора, полученное путем преобразования результатов измерений нейтронного потока.
Распределение Р(z) энерговыделения вдоль оси активной зоны представляет собой вектор, содержащий множество компонентов, каждый из которых соответствует среднему уровню энерговыделения в данной осевой координате. Каждый компонент определяет одну составляющую входных данных глубокой нейронной сети.
Количество компонентов зависит от желаемой степени точности воссоздания распределения энерговыделения, и, следовательно, желаемой точности вычисления величины DNBR. Например, осевое распределение энерговыделения содержит столько же компонентов, сколько секций имеется в каждом детекторе 31: сигналы от различных секций детектора определяют входные данные для глубокой нейронной сети.
В качестве альтернативы, в осевом распределении энерговыделения содержится больше компонентов, чем количество секций в каждом детекторе 31. Модуль для воссоздания осевого распределения энерговыделения из численных величин, поступающих из различных секций детекторов, в результате их обработки по специально предусмотренному алгоритму (в частности, полиномиальной интерполяции) обеспечивает более тонкую расчетную сетку осевого распределения мощности, каждый компонент которого определяет одну составляющую входных данных глубокой нейронной сети.
На субстадии S24 энерговыделение ядерного реактора 1 на заданном уровне вдоль оси вычисляют, таким образом, на основании измеренных нейтронных потоков, используя, например, аналитические формулы, по которым определяют непосредственно уровень энерговыделения в зависимости от величины нейтронного потока, и тепловую мощность Рth, которая выделяется активной зоной, полученную путем преобразования данных по нейтронному потоку так, как описано ниже.
Входные данные для нейронной сети 37 включают также тепловую мощность Рth, которая выделяется в активной зоне.
На субстадии S24 определяется выходная тепловая мощность Рth расчетным путем с использованием, по меньшей мере, давления р в компенсаторе давления, расхода Q первичного теплоносителя и температур Tbc и Tbf в холодной и горячей ветвях.
Способ вычисления известен и не будет здесь подробно описан.
Обычно осуществляется вычисление тепловой мощности Рth, выделяемой в каждом первичном контуре 7 с использованием количественных параметров, полученных для указанного первичного контура 7.
Входные данные, поступающие в нейронную сеть 37, кроме того, включают показатель FΔH роста энтальпии.
На субстадии S24 показатель FΔH роста энтальпии определяют в результате осуществления следующих операций:
- вычисление коэффициента Fxy(z) неравномерности нейтронного потока по радиусу активной зоны, используя полученные данные по текущему положению ввода стержней 21 управления реактивностью активной зоны;
- вычисление показателя FΔH роста энтальпии, используя вычисленную величину коэффициента Fxy(z) неравномерности по радиусу активной зоны, полученную путем преобразования осевого распределения энерговыделения P(z), и найденную величину выделяемой тепловой мощности Рth.
Величину коэффициента Fxy(z) неравномерности по радиусу активной зоны и показатель FΔH роста энтальпии вычисляют с использованием известных формул, которые не будут здесь подробно описаны.
Предпочтительно вычисление показателя FΔH роста энтальпии производят для каждого первичного контура 7 с использованием величины выделившейся тепловой мощности Рth, вычисленной для указанного первичного контура 7.
Если ядерный реактор 1 содержит несколько первичных контуров 7, коэффициент запаса до кризиса теплообмена (DNBR) предпочтительно вычисляют на субстадии S25 для каждого первичного контура, используя глубокую нейронную сеть 37. Для этого глубокая нейронная сеть 37 использует входные данные, полученные, по меньшей мере, с помощью собранных количественных параметров для соответствующего первичного контура 7.
В качестве альтернативы, вычисляют единственную величину коэффициента запаса до кризиса теплообмена (DNBR) с использованием глубокой нейронной сети 37. Вычисление производят, например, с использованием входных данных, полученных путем какой-либо обработки собранных количественных параметров первичных контуров, предназначенных для оценки величины DNBR.
Как видно из фиг. 4, глубокая нейронная сеть 37 содержит входной слой 39, расположенный на фиг. 4 слева, выходной слой 41, расположенный на фиг. 4 справа, и множество промежуточных слоев 43, называемых также скрытыми слоями. Количество nH промежуточных слоев 43 больше или равно двум, предпочтительно больше или равно пяти, и предпочтительно больше или равно десяти.
Такая нейронная сеть позволяет охватить большое количество различных ситуаций в ядерном реакторе.
Каждый скрытый слой 43 содержит по меньшей мере пять нейронов 45, предпочтительно, по меньшей мере семь нейронов 45, и предпочтительно, по меньшей мере десять нейронов 45.
Входной слой 39 содержит множество входных нейронов в качестве входных данных.
Входной слой 39 содержит, например, один входной нейрон для каждой составляющей входных данных p, Q, Tbf, Pth, FΔH. Кроме того, во входном слое имеется один нейрон для каждого из компонентов осевого распределения энерговыделения P(z).
Входной слой 39 содержит, например, одиннадцать входных нейронов, если осевое распределение энерговыделения P(z) представляет собой вектор из шести компонентов.
Выходной слой 41 содержит единственный выходной нейрон, соответствующий минимальной величине PCR, вычисленной для соответствующего первичного контура.
Предпочтительно входные данные подвергаются первой последующей обработке перед вводом в нейронную сеть 37 на стадии S22, показанной на фиг. 1.
Первая последующая обработка заключается, например, в применении элементов динамической компенсации, обычно фильтров задержки сигнала, обеспечивающих отображение каждой получаемой величиной соответствующего физического параметра.
Эта последующая обработка компенсирует быстроту реагирования измерительных приборов (измерение температуры горячей и холодной ветвей в корпусе), продолжительность времени опускания устройств регулирования реактивности активной зоны и быстродействие алгоритмов процессов и обработки. Функциональная особенность обработки информации с помощью нейронной сети 37 позволяет в значительной степени уменьшить необходимость использования фильтров по сравнению с традиционными алгоритмами.
Входные данные предпочтительно являются объектами второй последующей обработки перед их вводом в нейронную сеть путем нормализации (представления в нормальной форме) каждого из количественных параметров или компонентов.
Входные данные образуют вектор, именуемый входным вектором и имеющий обозначение Х0. Каждый скрытый слой i нейронной сети образует вектор величин Хi посредством обработки вектора величин Хi-1 непосредственно предшествующего слоя i-1.
При этом для каждого скрытого слоя i значение i находится между 1 и nH.
где Аi – предварительно заданная матрица из величин Ni * Ni-1, Ni, где Ni – количество нейронов в слое i, а Ni-1 – количество нейронов в слое i-1; σi - предварительно заданный нелинейный оператор.
Другими словами, коэффициент запаса до кризиса теплообмена рассчитывается с помощью глубокой нейронной сети 37 по следующей формуле:
где Y – расчетная величина коэффициента запаса до кризиса теплообмена.
Каждая матрица Аi действует в качестве афинного преобразования на компоненты вектора Хi-1. Другими словами:
где Wi – матрица синаптических весов, которая связывает Ni нейронов слоя i c Ni-1 нейронами слоя i-1, и bi – вектор из Ni размерных связей смещения слоя i.
В отношении последнего слоя следует отметить, что матрица AnH+1 является величиной 1 х NnH, а величина σnH+1= 1: для формирования сигнала Y последнего слоя нелинейная функция преобразования не применяется.
Нелинейные операторы σi действуют каждый в качестве нелинейной функции, например, сигмоидальной, на все компоненты вектора Ai X i-1.
Сигмоидальная функция представляет собой функцию, выраженную в виде следующего соотношения:
где l - специально параметризованная константа.
На стадии S14 для каждого первичного контура вычисляют ряд отклонений между величиной коэффициента запаса до кризиса теплообмена, вычисленного для указанного первичного контура, и множеством референсных величин. Таким образом, производят столько вычислений отклонений, сколько имеется первичных контуров.
Эти величины являются эксплуатационными референсными пороговыми величинами, называемыми пороговыми величинами для защиты (или мониторинга), которые включают неопределенности способа, а именно, погрешности измерений и погрешности расчетов.
Обычно вычисленные значения отклонений отображаются в буквенно-цифровой форме или графически, по меньшей мере, отображаются на одном экране для осуществления текущего контроля в реальном времени допустимых пределов (запасов) по защите и мощности для каждого первичного контура реактора.
В случае вычисления единственной величины DNBR осуществляют расчет единственного набора отклонений.
Стадия S16 используется для интерпретации набора отклонений, полученного на стадии S14.
На этой стадии для каждого первичного контура вырабатывается предварительный управляющий сигнал, основанный на наборе отклонений, вычисленных для данного контура.
Если система управления представляет собой систему защиты, предварительный управляющий сигнал выбирают из перечня, включающего, по меньшей мере, следующие желаемые действия: «автоматический останов реактора» и «не предпринимать никаких действий».
Если система управления представляет собой систему непрерывного контроля, предварительный управляющий сигнал выбирают из перечня, включающего, по меньшей мере, следующие желаемые действия: «аварийный сигнал», «не предпринимать никаких действий».
Если система управления представляет собой систему защиты и систему непрерывного контроля, предварительный управляющий сигнал выбирают из перечня, включающего, по меньшей мере, следующие желаемые действия: «автоматический останов реактора», «аварийный сигнал», «не предпринимать никаких действий».
Управляющий сигнал, направляемый в систему 23 управления реактора, вырабатывается с использованием предварительных управляющих сигналов для всех первичных контуров.
После интерпретации отклонений, отмеченных на стадии S14, стадия S16 включает применение мажоритарной логики для сигналов, выработанных для каждого контура реактора. Например, если большинство предварительных управляющих сигналов означают «автоматический останов реактора», то в этом случае управляющим сигналом, направляемым в систему 23 управления, является команда «автоматический останов реактора».
На стадии S18 система 23 управления принимает управляющий сигнал, сформированный на стадии 16, и действует соответствующим образом. Например, указанная система производит автоматический останов реактора 1 посредством ввода устройств регулирования реактивности активной зоны 21, если управляющий сигнал означает «автоматический останов реактора», или генерирует аварийный сигнал, если разработанный управляющий сигнал означает «авария».
Предпочтительно способ, кроме того, включает стадию S26 создания глубокой нейронной сети 37. Указанная стадия создания S26 включает следующие субстадии:
- S28: создание базы данных, включающей, по меньшей мере, 100000 состояний реактора;
- S30: обучение указанной глубокой нейронной сети с использованием, по меньшей мере, части базы данных.
Предпочтительно база данных включает 50000 состояний реактора, предпочтительно, по меньшей мере, 1000000 состояний реактора.
Каждое состояние реактора определяется рядом величин количественных параметров, характеризующих работу ядерного реактора, и величиной коэффициента запаса до кризиса теплообмена. Указанную величину коэффициента запаса до кризиса теплообмена вычисляют с помощью референсного 3D расчетного теплогидравлического кода с использованием соответствующего набора величин количественных параметров, характеризующих работу ядерного реактора.
3D расчетный теплогидравлический код является кодом высокой точности, например, код FLICA. Обычно для формирования базы данных используют выборочный метод Монте-Карло.
Состояния реактора выбирают так, чтобы охватить множество предварительно заданных аварийных ситуаций, приводящих к автоматическому инициированию вмешательства с применением последовательности операций по защите реактора, характерной для низкого уровня DNBR.
Предварительно заданными аварийными ситуациями являются, например, ситуации, именуемые в отчете о безопасности ядерного реактора категорией 2, которые требуют вмешательства с осуществлением последовательности операций по защите реактора, характерной для низкого уровня DNBR.
Диапазоны изменения количественных параметров, характеризующих работу ядерного реактора, выбирают таким образом, чтобы они охватывали область точной корреляции критического теплового потока.
Данные формируют таким образом, чтобы они оптимизировали определение физической симметрии в течение фазы обучения нейронной сети.
Предпочтительно входные переменные параметры нормализованы.
Субстадию обучения S30 осуществляют только на части базы данных, созданной на субстадии S28. Например, для этого используют от 50% до 90% базы данных, обычно 80%.
Фаза обучения включает следующие операции:
i) Определение оптимальной нейронной структуры путем проведения анализа чувствительности с целью выбора типовых гиперпараметров; эта стадия может потребовать использования алгоритмов оптимизации (типа генетического алгоритма) количества скрытых слоев, числа нейронов в одном слое, выбора передаточной функции, продиктованного феноменологией явления кризиса кипения (например, приобретенный и остающийся устойчивым нелинейный характер благодаря использованию аналитического соотношения для корреляции критического потока);
ii) Разработка алгоритма обучения, оптимизированного специально для формируемой базы данных, что допускает ускорение и стабилизацию сходимости процесса, и для улучшения сходимости в направлении более надежных решений посредством недопущения локального минимума. Это улучшает способности нейронной сети к обобщению и, таким образом, её способность к положительному отклику в отношении этапов валидации (проверки производительности) и тестирования, описанных ниже.
Это достигается, например, посредством разработки легко приспосабливающегося алгоритма стохастического градиентного спуска в отношении массива данных. Корректировка синаптического веса и обучение в отношении отклонения систематической погрешности многомерного массива данных в каждом цикле осуществляется на пакетах данных эволюционирующего размера путем сканирования общей базы обучения, параметризованной с помощью определенного количества циклов.
Кроме того, на стадии адаптации алгоритма обучения для повышения эффективности и устойчивости к возникновению ошибок этапа обучения предпочтительно используются методы инициализации весов.
Предпочтительно стадия S26 включает также субстадию S32 валидации глубокой нейронной сети, определенной на субстадии S30. Этот этап валидации осуществляется на второй части базы данных, которая не использовалась на субстадии S32. Обычно вся не использованная на стадии S30 часть базы данных используется на стадии S32. Это обеспечивает правильность прогнозов глубокой нейронной сети, сделанных в конце стадии S30 путем сравнения с прогнозами, полученными с помощью референсной программы, и позволяет оценить возможность распространения (на большое количество ситуаций) разработанной таким образом модели прогнозирования.
Анализ быстроты реагирования предпочтительно осуществляется на субстадии S32. Если этап валидации дает неудовлетворительные результаты, осуществляется возвращение на субстадию S30, затем производится модификация нейронной структуры (а именно, в отношении количества скрытых слоев, количества нейронов в одном слое) или гиперпараметров алгоритма обучения для повторного проведения стадии обучения, направленной на определение матриц синаптических весов и смещенных векторов нейронной сети, с нахождением таким образом предварительно определенных матриц Аi.
Предпочтительно стадия S26 включает также субстадию S24 феноменологической валидации (тестирование) глубокой нейронной сети с использованием данных, независимых от базы данных, определенных на субстадии S28.
При проведении субстадии S34 глубокая нейронная сеть сочетается с расчетными кодами, моделирующими аварийные процессы быстрого изменения. Эти аварийные нестационарные процессы обычно определены в отчете о безопасности ядерного реактора.
Если конечная стадия тестирования является не удовлетворительной, субстадию S30 повторяют.
Таким образом, описанный выше способ приспособлен, в частности, для реализации в реакторе, таком как описанный выше. В то же время, ядерный реактор 1, описанный выше, приспособлен, в частности, для реализации описанного выше способа.
В частности, как показано на фиг. 2, блок 35 обработки информации включает
- модуль 47 получения множества количественных параметров, характеризующих работу ядерного реактора;
- модуль 49 вычисления, по меньшей мере, одной величины коэффициента запаса до кризиса теплообмена, использующий глубокую нейронную сеть 37, сконфигурированную для определения входных данных глубокой нейронной сети 37 с использованием собранных и определенных количественных параметров, при этом глубокая нейронная сеть 37 содержит, по меньшей мере, два скрытых слоя, образованных, по меньшей мере, из пяти нейронов каждый;
- модуль 51 расчета отклонений между по меньшей мере одной вычисленной величиной коэффициента запаса до кризиса теплообмена и множеством предварительно заданных референсных величин;
- модуль 53 формирования управляющего сигнала для системы управления реактора с использованием расчетных величин отклонений, при этом управляющий сигнал выбирают из перечня, включающего, по меньшей мере, следующие значения:
* автоматический останов реактора или аварийный сигнал;
* не предпринимать никаких действий.
Система 23 управления реактора выполнена с возможностью автоматического останова реактора в том случае, если выработанный управляющий сигнал означает «автоматический останов реактора». Система 23 управления реактора выполнена с возможностью формирования аварийного сигнала, если управляющий сигнал означает «авария».
Другими словами, модуль 47 сконфигурирован для реализации стадии S10 способа, описанного выше. Модуль 49 сконфигурирован для проведения стадии S14 описанного выше способа, а модуль 51 сконфигурирован для реализации стадии S10 способа, описанного выше. Модуль 53 сконфигурирован для проведения стадии S16 описанного выше способа.
Далее будет раскрыто второе воплощение изобретения со ссылкой на фиг. 5. Подробно будут описаны только такие характерные особенности, которые отличают второе воплощение от первого. Идентичные элементы или элементы, выполняющие одинаковые функции, будут обозначены одинаковыми ссылочными номерами позиций.
Во втором воплощении детекторы 31 нейтронного потока не являются внереакторными детекторами, размещенными снаружи активной зоны 3. Детекторы 31 нейтронного потока являются внутриреакторными детекторами, размещенными в активной зоне 3 на постоянной основе.
Детекторы распределены в несколько рядов, причем детекторы одного и того же ряда размещены со сдвигом один над другим по вертикали.
Детекторы являются элементами-«колонистами», например, размещенными по вертикали на стержнях в активной зоне. Каждый стержень, снабженный источником электрической энергии, обеспечивает возможность измерения нейтронного потока на различных уровнях вдоль оси активной зоны, в частности, на шести уровнях вдоль оси при вертикальном размещении 6 электрических детекторов. Ядерный реактор обычно снабжен двенадцатью распределенными в активной зоне стержнями, содержащими каждый 6 электрических детекторов.
Выделяемую тепловую мощность Рth определяют расчетным путем, используя полученные результаты измерений нейтронного потока. В этих расчетах больше не используют давление р в компенсаторе давления, расход Q первичного теплоносителя, температуры первичного теплоносителя Tbc, Tbf в горячей и холодной ветвях. Расчетные формулы известны и не будут здесь представлены. Показатель FΔH роста энтальпии получают путем преобразования данных по осевому распределению энерговыделения P(z). При этом отсутствует необходимость воссоздания коэффициента Fxy(z) по результатам измерений, произведенных датчиком 33 положения стержней регулирования реактивности активной зоны 3.
На стадии S12 коэффициент запаса до кризиса теплообмена (DNBR) рассчитывают для каждого ряда 31 внутриреакторных детекторов нейтронного потока, используя глубокую нейронную сеть 37, с входными данными, определенными по результатам измерений нейтронного потока, произведенным указанными внутриреакторными детекторами 31 нейтронного потока.
По результатам измерений нейтронного потока на различных уровнях вдоль оси активной зоны, произведенных указанным рядом детекторов, определяют набор параметров P(z), Pth и FΔH, соответствующих размещению детекторов этого ряда. Эти параметры используют в качестве входных данных для нейронной сети 37.
Используются также другие входные данные, такие как давление р в компенсаторе давления, расход Q первичного теплоносителя, температуры первичного теплоносителя Tbc, Tbf в горячей и холодной ветвях. Эти используемые входные параметры являются одинаковыми для всех рядов датчиков.
На стадии S14 вычисления отклонений вычисляют ряд отклонений между каждым предварительно найденным коэффициентом запаса до кризиса теплообмена и множеством предварительно заданных референсных величин.
На стадии S16 генерирования управляющего сигнала генерируется разработанный управляющий сигнал для каждого вычисленного коэффициента запаса до кризиса теплообмена, используя для этого соответствующий ряд отклонений.
Управляющий сигнал формируется с использованием, по меньшей мере, нескольких предварительных управляющих сигналов в соответствии с описанной выше мажоритарной логикой.
Далее будет кратко описано третье воплощение изобретения. Подробно будут рассмотрены только такие характерные особенности, которые отличают третье воплощение от второго. Идентичные элементы или элементы, выполняющие одинаковые функции, будут обозначены одинаковыми ссылочными номерами позиций.
В третьем воплощении блок 35 обработки данных обеспечивает непрерывное трехмерное отображение данных по энерговыделению в активной зоне реактора.
Такое отображение данных по энерговыделению является одной из количественных характеристик работы реактора. Данные в отношении других количественных характеристик, например, Tbf, p и Q получают также, как и в первом и втором воплощениях.
Некоторые входные данные глубокой нейронной сети 37 определяют расчетным путем, используя трехмерное отображение данных по распределению энерговыделения в активной зоне, заменяя, таким образом, данные по количественным параметрам P(z), Pth и FΔH, рассмотренным выше для первого воплощения изобретения.
Предпочтительно компоненты трехмерного распределения мощности образуют входные данные специально разработанной нейронной структуры, именуемой сверточным слоем, который позволяет оптимизировать извлечение характеристик распределения энерговыделения для совершенствования глубокой нейронной сети и, в частности, с целью оптимизации её структуры для реализации в сети технических средств. Выход этого сверточного слоя образует часть входных данных глубокой нейронной сети 37. В частности, этот выход заменяет вектор компонентов осевого распределения мощности на входе глубокой нейронной сети 37, а также величину показателя FΔH. Такая нейронная структура, приспособленная для обработки пространственно-структурированных данных, заменяет перемножение матриц на операцию математической конволюции между распределением входной мощности упомянутой структуры и рядом кернов (или фильтров), степень свободы которых регулируется в процессе тренировки на стадии S30.
Сверточный слой обеспечивает также нелинейную обработку выходных сигналов сверточного слоя посредством нелинейных передаточных функций, а также третью стадию, допускающую ввод инвариантов при локальных геометрических трансформациях (например, при преобразованиях). Эти стадии могут быть повторены при разработке оптимальной нейронной структуры.
При практической реализации изобретения способ может включать множество вариантов.
Количественные параметры, характеризующие работу ядерного реактора, полученные на стадии S10, и входные данные глубокой нейронной сети могут не соответствовать точно изложенному выше перечню. Могут быть получены другие количественные параметры. Некоторые количественные параметры не могут быть получены. Некоторые входные данные не могут быть использованы. Могут быть добавлены другие входные данные.
В любом случае распределение энерговыделения оказывает значительное воздействие на ситуацию в активной зоне и величину минимального коэффициента запаса (DNBR).
Учет данного обстоятельства повышает точность воссоздания величины DNBR. Количественные параметры, характеризующие работу ядерного реактора, не обязательно получают так, как описано выше и показано на фиг. 2, 3 и 5. Некоторые количественные параметры не могут быть считаны непосредственно датчиками, которыми оборудован ядерный реактор. Они могут быть извлечены из других количественных параметров или величин, измеренных в системе управления ядерным реактором.
Сверточный слой, описанный в третьем воплощении, может быть также использован в первых двух воплощениях для обработки осевого распределения энерговыделения P(z) в нейронной структуре. Другие входные данные нейронной сети могут быть неизменными.
Описанный выше способ имеет ряд преимуществ.
Время отклика системы является весьма коротким и находится, например, в области миллисекунд. Это достигается, в частности, благодаря тому, что способ не требует использования системы контуров, влияющих на скорость сходимости алгоритмов, необходимы только параметры, которые могут быть использованы в глубокой нейронной сети, при этом операции, производимые блоком вычисления, простые и легко параллелизуемы, если это допускают используемые технические средства.
Соответственно, в этом случае освобождаются вычислительные мощности для других компонентов управления ядерным реактором и контрольно-измерительной системы.
Такая характеристика способа достигнута благодаря тому, что сложность исходных физических процессов закодирована путем введения параметров глубокой нейронной сети из базы данных. Это позволяет глубокой нейронной сети воспроизвести коэффициент запаса до кризиса теплообмена с помощью референсного теплогидравлического кода, путем простого использования синаптических весов и передаточных функций структуры нейронной сети.
Расчет коэффициента запаса до кризиса теплообмена, который осуществляется глубокой нейронной сетью, является очень надежным, и быстродействие близко к быстродействию, обеспечиваемому референсным теплогидравлическим кодом в 3D (в данном случае FLICA). Устойчивость быстродействия обладает способностью к коррекции.
Качество быстродействия, которое обеспечивает глубокая нейронная сеть, является исключительным благодаря тому, что не осуществляется никакого воссоздания промежуточных локальных термогидравлических переменных параметров, кроме качественного физического моделирования. Стабильность обеспечиваемой быстроты реакции является функцией тонкости структуры расчетной сетки базы данных, используемой для обучения глубокой нейронной сети. Это всего лишь приводит к затратам времени на вычисления перед вводом сети в эксплуатацию в ядерном реакторе.
Способ, кроме того, является более устойчивым к распространению неопределенностей на входные данные (обусловленных колебаниями случайного характера в результатах измерений, полученных от измерительного оборудования активной зоны), что повышает эффективность стадии проверки правильности данных и пригодности средств вычислительной техники.
| название | год | авторы | номер документа |
|---|---|---|---|
| СИСТЕМА КОНТРОЛЯ НЕЙТРОННОГО ПОТОКА ЯДЕРНОГО РЕАКТОРА | 2006 |
|
RU2310248C1 |
| СПОСОБ ЭКСПЛУАТАЦИИ ЛЕГКОВОДНОГО КОРПУСНОГО ЯДЕРНОГО РЕАКТОРА | 1992 |
|
RU2046406C1 |
| СПОСОБ ОПРЕДЕЛЕНИЯ ТРЕХМЕРНОГО РАСПРЕДЕЛЕНИЯ МОЩНОСТИ В АКТИВНОЙ ЗОНЕ ЯДЕРНОГО РЕАКТОРА | 2008 |
|
RU2448378C2 |
| СПОСОБ УПРАВЛЕНИЯ ЯДЕРНЫМ РЕАКТОРОМ | 2000 |
|
RU2190267C2 |
| СПОСОБ ЗАЩИТЫ АКТИВНОЙ ЗОНЫ РЕАКТОРА ВВЭР ПО ЛОКАЛЬНЫМ ПАРАМЕТРАМ С ИСПОЛЬЗОВАНИЕМ ПОКАЗАНИЙ ВНУТРИРЕАКТОРНЫХ НЕЙТРОННЫХ ДЕТЕКТОРОВ | 2010 |
|
RU2438198C1 |
| АКТИВНАЯ ЗОНА ВОДОВОДЯНОГО ЭНЕРГЕТИЧЕСКОГО РЕАКТОРА | 1997 |
|
RU2126999C1 |
| СПОСОБ СОДЕЙСТВИЯ РАБОТЕ ЯДЕРНОГО РЕАКТОРА | 2010 |
|
RU2550689C2 |
| СПОСОБ УПРАВЛЕНИЯ ЯДЕРНЫМ РЕАКТОРОМ | 2011 |
|
RU2470392C1 |
| Способ аварийной остановки реактора на основании состояния сигналов приборов,важных для безопасности АЭС | 2020 |
|
RU2743250C1 |
| ТЕПЛОВЫДЕЛЯЮЩАЯ СБОРКА ЯДЕРНОГО РЕАКТОРА | 2016 |
|
RU2717353C1 |
Изобретение относится к ядерному реактору и средствам контроля его активной зоны для предотвращения кризиса кипения. Реактор содержит датчики, собирающие множество количественных параметров, характеризующих работу ядерного реактора, а также блок обработки информации, выполненный с возможностью вычисления по меньшей мере одного коэффициента запаса до кризиса теплообмена с использованием глубокой нейронной сети, а также вычисления отклонений между по меньшей мере одним вычисленным коэффициентом запаса до кризиса теплообмена и множеством предварительно заданных референсных пороговых величин. Причем указанный блок формирует предварительный управляющий сигнал для системы управления реактором, используя вычисленные отклонения. Сигнал выбирается из перечня, включающего по меньшей мере следующие показатели: автоматический останов реактора или аварийный сигнал, не предпринимать никаких действий и вырабатывать управляющий сигнал для системы (23) управления реактором, применяя мажоритарную логику, с использованием по меньшей мере нескольких предварительных управляющих сигналов. Техническим результатом является оптимизация нагрузки на вычислительные средства управления ядерным реактором за счет повышения эффективности стадии проверки правильности данных и пригодности средств вычислительной техники. 2 н. и 31 з.п. ф-лы, 5 ил.
1. Ядерный реактор (1), содержащий:
активную зону (3), систему (23) управления, связанную с блоком (35) обработки информации, и датчики (23, 25, 27, 29, 31, 33), обеспечивающие информацию для блока (35) обработки информации,
причем указанные датчики содержат детекторы (31) нейтронного потока, которые являются внутриреакторными детекторами, размещенными в активной зоне (3) на постоянной основе,
детекторы (31) распределены в несколько групп, причем детекторы (31) одной группы расположены по вертикали один выше другого в шахматном порядке,
при этом блок (35) обработки выполнен с возможностью:
- собирать множество количественных параметров, характеризующих работу ядерного реактора (1);
- вычислять минимальную величину коэффициента запаса до кризиса теплообмена для каждой группы внутриреакторных детекторов (31) нейтронного потока с помощью глубокой нейронной сети (37) с привлечением входных данных, определенных с использованием, по меньшей мере, результатов измерений нейтронного потока, выполненных внутриреакторными детекторами (31) нейтронного потока указанной группы, причем глубокая нейронная сеть содержит по меньшей мере два скрытых слоя, каждый из которых содержит по меньшей мере пять нейронов;
- вычислять набор отклонений между каждой вычисленной величиной коэффициента запаса до кризиса теплообмена и множеством предварительно заданных референсных величин;
- вырабатывать предварительный управляющий сигнал для каждой вычисленной величины коэффициента запаса до кризиса теплообмена, используя указанный соответствующий набор отклонений, при этом предварительный управляющий сигнал выбирается из перечня, включающего по меньшей мере следующие показатели:
* автоматический останов реактора или аварийный сигнал,
* не предпринимать никаких действий; и
- вырабатывать управляющий сигнал для системы (23) управления реактором, применяя мажоритарную логику, с использованием по меньшей мере нескольких предварительных управляющих сигналов,
при этом управляющий сигнал выбирается из перечня, включающего по меньшей мере следующие показатели:
* автоматический останов реактора или аварийный сигнал,
* не предпринимать никаких действий; и
система (23) управления выполнена с возможностью выполнения аварийного останова ядерного реактора (1), если выработанный управляющий сигнал имеет указанный показатель «автоматический останов реактора», или генерирования аварийного сигнала, если выработанный управляющий сигнал имеет показатель «авария».
2. Ядерный реактор по п. 1, в котором указанные собранные количественные параметры включают результаты измерений нейтронного потока, проведенных датчиками (31) нейтронного потока, при этом входные данные нейронной сети (37) включают осевое распределение энерговыделения P(z) в активной зоне ядерного реактора, восстановленное исходя из собранных результатов измерений нейтронного потока.
3. Ядерный реактор по п. 2, в котором указанное осевое распределение энерговыделения P(z) является вектором, содержащим множество компонентов, при этом каждый компонент соответствует среднему энерговыделению ядерного реактора на элементарном участке в заданном положении вдоль оси и каждый компонент вектора образует один компонент входных данных глубокой нейронной сети (37).
4. Ядерный реактор по любому из пп. 1-3, который содержит корпус (5) высокого давления, в котором размещена активная зона (3), и по меньшей мере один первичный контур (7), при этом первичный контур (7) содержит горячую и холодную ветви (9, 11), гидравлически соединенные непосредственно с корпусом (5), компенсатор давления (13), регулирующий давление в первичном контуре (7), и первичный насос (15), обеспечивающий циркуляцию первичного теплоносителя в первичном контуре (7), причем собранные количественные параметры включают, для каждого первичного контура (7), один или большее число количественных параметров: давление в компенсаторе (р) давления, расход (Q) первичного теплоносителя в первичном контуре (7), температуру (Tbc, Tbf) первичного теплоносителя в горячей и холодной ветвях.
5. Ядерный реактор по п. 4, в котором входные данные нейронной сети (37) включают один или большее число следующих переменных параметров: давление (р) в компенсаторе давления, расход (Q) первичного теплоносителя в первичном контуре (7), температура (Tbf) первичного теплоносителя в холодной ветви.
6. Ядерный реактор по любому из пп. 1-5, в котором входные данные нейронной сети (37) включают тепловую мощность (Pth), которая выделяется в активной зоне.
7. Ядерный реактор по п. 6, в котором блок (35) обработки выполнен также с возможностью определять указанную выделяемую тепловую мощность (Pth) расчетным путем, используя по меньшей мере давление (р) в компенсаторе давления, расход (Q) первичного теплоносителя, температуру (Tbc, Tbf) первичного теплоносителя в горячей и холодной ветвях, полученную по меньшей мере для одного первичного контура (7).
8. Ядерный реактор по п. 6, в котором блок (35) обработки выполнен также с возможностью определять выделяемую тепловую мощность (Pth) расчетным путем с использованием собранных результатов измерений нейтронного потока.
9. Ядерный реактор по любому из пп. 1-8, в котором входные данные нейронной сети (37) включают показатель (FΔH) роста энтальпии.
10. Ядерный реактор по п. 9, в котором собираемые количественные параметры включают текущее положение ввода стержней (21), регулирующих реактивность активной зоны, причем блок (35) обработки выполнен с возможностью определять показатель (FΔH) роста энтальпии путем осуществления следующих операций:
- вычисление коэффициента Fxy(z) неравномерности энерговыделения по радиусу активной зоны с использованием текущих собранных данных положения ввода;
- вычисление показателя (FΔH) роста энтальпии с использованием вычисленной величины коэффициента Fxy(z) неравномерности энерговыделения по радиусу активной зоны, восстановленного осевого распределения энерговыделения (P(z)) и определенной выходной тепловой мощности (Pth).
11. Ядерный реактор по п. 9, в котором блок (35) обработки выполнен с возможностью восстанавливать показатель (FΔH) роста энтальпии с использованием осевого распределения энерговыделения (P(z)).
12. Ядерный реактор по п. 4 или 5, который содержит несколько первичных контуров (7), при этом блок (35) обработки выполнен с возможностью рассчитывать коэффициент запаса до кризиса теплообмена для каждого первичного контура (7) с помощью глубокой нейронной сети (37), используя по меньшей мере указанные собираемые количественные параметры для каждого первичного контура (7).
13. Ядерный реактор по любому из пп. 1-12, в котором блок (35) обработки выполнен с возможностью вычислять величину коэффициента запаса до кризиса теплообмена с помощью глубокой нейронной сети (37), используя следующую формулу:
,
где Y – вычисленный коэффициент запаса до кризиса теплообмена,
Х0 – вектор входных данных;
nH – количество скрытых слоев глубокой нейронной сети;
Аi – предварительно заданная матрица размеров Ni * Ni-1, Ni, где Ni – количество нейронов в слое i и Ni-1 – количество нейронов в слое i-1;
σi - предварительно заданный нелинейный оператор.
14. Ядерный реактор по п. 13, в котором Ai является матрицей, действующей как аффинное преобразование на компоненты вектора Xi-1, при этом вектор Xi-1 представляет собой вектор, компоненты которого определяются слоем i-1 нейронов.
15. Ядерный реактор по п. 13 или 14, в котором σi действует как сигмоидная функция на все компоненты вектора Ai⋅Xi-1, при этом вектор Xi-1 представляет собой вектор, компоненты которого определяются слоем i-1 нейронов.
16. Ядерный реактор по любому из пп. 1-15, в котором блок (35) обработки выполнен с возможностью создания глубокой нейронной сети (37) посредством выполнения следующих субстадий:
- создание базы данных, включающей по меньшей мере 100000 состояний активной зоны реактора, причем каждое состояние определяется набором величин из указанных количественных параметров, характеризующих работу ядерного реактора (1), и минимальной величиной коэффициента запаса до кризиса теплообмена, вычисленной с помощью референсного 3D теплогидравлического расчетного кода с использованием указанного набора величин, при этом указанные состояния выбирают для охвата множества предварительно заданных аварийных ситуаций категории 2, причем система (23) управления реактором выполнена с возможностью контроля указанных аварийных ситуаций;
- обучение глубокой нейронной сети (37) с использованием по меньшей мере части указанной базы данных;
- валидация глубокой нейронной сети, используя часть указанной базы данных, независимой от части, использованной для фазы обучения, и тестирование нейронной сети, полученной путем объединения с аварийным нейтронным и термогидравлическим кодами, что позволяет моделировать аварийные быстропротекающие переходные режимы, требующие вмешательства системы (23) управления.
17. Ядерный реактор (1), содержащий:
корпус (5) высокого давления, в котором размещена активная зона (3),
несколько первичных контуров (7), содержащих горячую и холодную ветви (9, 11), гидравлически соединенные непосредственно с корпусом (5),
компенсатор давления (13), регулирующий давление в первичном контуре (7),
первичный насос (15), обеспечивающий циркуляцию первичного теплоносителя в первичном контуре (7),
систему (23) управления, связанную с блоком (35) обработки информации, и датчики (23, 25, 27, 29, 31, 33), обеспечивающие информацию для блока (35) обработки информации,
при этом блок (35) обработки выполнен с возможностью:
- собирать множество количественных параметров, характеризующих работу ядерного реактора (1),
причем собираемые количественные параметры включают, для каждого первичного контура (7), один или большее число количественных параметров: давление в компенсаторе (р) давления, расход (Q) первичного теплоносителя в первичном контуре (7), температуру (Tbc, Tbf) первичного теплоносителя в горячей и холодной ветвях;
- вычислять коэффициент запаса до кризиса теплообмена для каждого первичного контура (7) с помощью глубокой нейронной сети (37), используя по меньшей мере указанные собираемые количественные параметры для каждого первичного контура (7),
при этом глубокая нейронная сеть содержит по меньшей мере два скрытых слоя, каждый из которых содержит по меньшей мере пять нейронов;
- вычислять набор отклонений между каждой вычисленной величиной коэффициента запаса до кризиса теплообмена и множеством предварительно заданных референсных величин;
- вырабатывать предварительный управляющий сигнал для каждой вычисленной величины коэффициента запаса до кризиса теплообмена, используя указанный соответствующий набор отклонений, при этом предварительный управляющий сигнал выбирается из перечня, включающего по меньшей мере следующие показатели:
* автоматический останов реактора или аварийный сигнал,
* не предпринимать никаких действий; и
- вырабатывать управляющий сигнал для системы (23) управления реактором, применяя мажоритарную логику, с использованием по меньшей мере нескольких предварительных управляющих сигналов,
при этом управляющий сигнал выбирается из перечня, включающего по меньшей мере следующие показатели:
* автоматический останов реактора или аварийный сигнал,
* не предпринимать никаких действий; и
при этом система (23) управления выполнена с возможностью выполнения аварийного останова ядерного реактора (1), если выработанный управляющий сигнал имеет указанный показатель «автоматический останов реактора», или генерирования аварийного сигнала, если выработанный управляющий сигнал имеет показатель «авария».
18. Ядерный реактор по п. 17, в котором указанные собираемые количественные параметры включают результаты измерений нейтронного потока, проведенных датчиками (31) нейтронного потока, при этом входные данные нейронной сети (37) включают осевое распределение энерговыделения P(z) в активной зоне ядерного реактора, восстановленное исходя из собранных результатов измерений нейтронного потока.
19 Ядерный реактор по п. 18, в котором указанное осевое распределение энерговыделения P(z) является вектором, содержащим множество компонентов, при этом каждый компонент соответствует среднему энерговыделению ядерного реактора на элементарном участке в заданном положении вдоль оси и каждый компонент вектора образует один компонент входных данных глубокой нейронной сети (37).
20. Ядерный реактор по п. 18 или 19, в котором детекторы (31) нейтронного потока являются внереакторными детекторами, размещенными снаружи активной зоны (3).
21. Ядерный реактор по п. 18 или 19, в котором детекторы (31) нейтронного потока являются внутриреакторными детекторами, размещенными в активной зоне (3) на постоянной основе.
22. Ядерный реактор по п. 17, в котором входные данные нейронной сети (37) включают один или большее число следующих переменных параметров: давление (р) в компенсаторе давления, расход (Q) первичного теплоносителя в первичном контуре (7), температура (Tbf) первичного теплоносителя в холодной ветви.
23. Ядерный реактор по любому из пп. 17-22, в котором входные данные нейронной сети (37) включают тепловую мощность (Pth), которая выделяется в активной зоне.
24. Ядерный реактор по п. 23, в котором блок (35) обработки выполнен также с возможностью определять указанную выделяемую тепловую мощность (Pth) расчетным путем, используя по меньшей мере давление (р) в компенсаторе давления, расход (Q) первичного теплоносителя, температуру (Tbc, Tbf) первичного теплоносителя в горячей и холодной ветвях, полученную по меньшей мере для одного первичного контура (7).
25. Ядерный реактор по п. 23, в котором блок (35) обработки выполнен также с возможностью определять выделяемую тепловую мощность (Pth) расчетным путем с использованием собранных результатов измерений нейтронного потока.
26. Ядерный реактор по любому из пп. 17-25, в котором входные данные нейронной сети (37) включают показатель (FΔH) роста энтальпии.
27. Ядерный реактор по п. 26, в котором собранные количественные параметры включают текущее положение ввода стержней (21), регулирующих реактивность активной зоны, причем блок (35) обработки выполнен с возможностью определять показатель (FΔH) роста энтальпии путем осуществления следующих операций:
- вычисление коэффициента Fxy(z) неравномерности энерговыделения по радиусу активной зоны с использованием текущих собранных данных положения ввода;
- вычисление показателя (FΔH) роста энтальпии с использованием вычисленной величины коэффициента Fxy(z) неравномерности энерговыделения по радиусу активной зоны, восстановленного осевого распределения энерговыделения (P(z)) и определенной выходной тепловой мощности (Pth).
28. Ядерный реактор по п. 26, в котором блок (35) обработки выполнен с возможностью восстанавливать показатель (FΔH) роста энтальпии с использованием осевого распределения энерговыделения (P(z)).
29. Ядерный реактор по п. 21, в котором детекторы (31) распределены в несколько групп, причем детекторы (31) одной группы расположены по вертикали один выше другого в шахматном порядке, и блок (35) обработки выполнен с возможностью рассчитывать минимальную величину коэффициента запаса до кризиса теплообмена для каждой группы внутриреакторных детекторов (31) нейтронного потока с помощью глубокой нейронной сети (37) с привлечением входных данных, определенных с использованием по меньшей мере результатов измерений нейтронного потока, выполненных внутриреакторными детекторами (31) нейтронного потока указанной группы.
30. Ядерный реактор по любому из пп. 17-29, в котором блок (35) обработки выполнен с возможностью вычислять величину коэффициента запаса до кризиса теплообмена с помощью глубокой нейронной сети (37), используя следующую формулу:
,
где Y – вычисленный коэффициент запаса до кризиса теплообмена,
Х0 – вектор входных данных;
nH – количество скрытых слоев глубокой нейронной сети;
Аi – предварительно заданная матрица размеров Ni * Ni-1, Ni, где Ni – количество нейронов в слое i, и Ni-1 – количество нейронов в слое i-1;
σi - предварительно заданный нелинейный оператор.
31. Ядерный реактор по п. 30, в котором Ai является матрицей, действующей как аффинное преобразование на компоненты вектора Xi-1, при этом вектор Xi-1 представляет собой вектор, компоненты которого определяются слоем i-1 нейронов.
32. Ядерный реактор по п. 30 или 31, в котором σi действует как сигмоидная функция на все компоненты вектора Ai⋅Xi-1, при этом вектор Xi-1 представляет собой вектор, компоненты которого определяются слоем i-1 нейронов.
33. Ядерный реактор по любому из пп. 17-32, в котором блок (35) обработки выполнен с возможностью создания глубокой нейронной сети (37) посредством выполнения следующих субстадий:
- создание базы данных, включающей по меньшей мере 100000 состояний активной зоны реактора, причем каждое состояние определяется набором величин из указанных количественных параметров, характеризующих работу ядерного реактора (1), и минимальной величиной коэффициента запаса до кризиса теплообмена, вычисленной с помощью референсного 3D теплогидравлического расчетного кода с использованием указанного набора величин, при этом указанные состояния выбирают для охвата множества предварительно заданных аварийных ситуаций категории 2, причем система (23) управления реактором выполнена с возможностью контроля указанных аварийных ситуаций;
- обучение глубокой нейронной сети (37) с использованием по меньшей мере части указанной базы данных;
- валидация глубокой нейронной сети, используя часть указанной базы данных, независимой от части, использованной для фазы обучения, и тестирование нейронной сети, полученной путем объединения с аварийным нейтронным и термогидравлическим кодами, что позволяет моделировать аварийные быстропротекающие переходные режимы, требующие вмешательства системы (23) управления.
| Don Jeong Kim et al., Estimation of minimum DNBR Using Cascsded Fussy Neutral Networks, Transactions of the Korean Society Meeting Jeju, Korea, May 7-8, 2015, раздел 1, строки 1-31, раздел 2, фиг | |||
| Аппарат для очищения воды при помощи химических реактивов | 1917 |
|
SU2A1 |
| Kunihiko NABESHIMA et al., Real-time Nuclear Power Plant Monitoring with Neural Network, Journal of NUCLEAR SCIENCE and | |||
