بخشی از مقاله
چکیده:
در این پژوهش، سی ستمی جهت پایش لحظهای پارامترهای بهره برداری قلب راکتور بوشهر از جمله ضریب اوج قدرت محلی و شعاعی و همچنین فاکتور عدم توازن محوری قدرت بر ا ساس یک شبکه ع صبی م صنوعی ارائه شده ا ست. این سی ستم از دادههای آ شکار سازهای نوترونی درون قلب و همچنین برخی پارامترهای قلب مانند موقعیت میلههای کنترل، میزان توان حرارتی، زمان سپری شده از آغاز سیکل و یک شبکه پرسپترون چند لایهای برای پیش بینی پارامترهای بهره برداری استفاده میکند. نتایج بدست آمده نشان دهنده دقت قابل قبول شبکه عصبی مذکور برای پیش بینی پارامترهای بهره برداری مورد نظر در قلب راکتور بوشهر میباشند.
مقدمه
از الزامات بهره برداری ایمن راکتورهای هستهای، پایش لحظهای1پارامترهای نوترونیک قلب راکتور میباشد. از عوامل بسیار مهم کارکرد ایمن راکتورهای قدرت، برقراری شرایط محدود کننده توزیع قدرت است تا مانع از بحران غلیان و صدمه به سوخت و غلاف شود. برای این منظور پارامترهایی به نام فاکتور پیک قدرت و فاکتور عدم توازن محوری تعریف میشوند. فاکتور پیک قدرت عبارت است از نسبت چگالی قدرت بیشینه به چگالی قدرت متوسط قلب راکتور و فاکتور عدم توازن محوری نسبت اختلاف قدرت تولیدی در نیمه بالایی و پایینی قلب و قدرت تولیدی در کل قلب میباشد
در روابط فوق، پارامترهای Kq ، Kv و AO به ترتیب ضریب اوج قدرت شعاعی، ضریب اوج قدرت محلی و فاکتور عدم توازن محوری و همچنین Pr ، Pn ، PT و PB به ترتیب قدرت در هر مجتمع سوخت، قدرت در هر نود، قدرت تولیدی در بالای قلب و قدرت تولیدی در پایین قلب میباشند. تغییرات توزیع قدرت قلب راکتور توسط آشکار سازهای شار نوترون2 در درون و بیرون قلب اندازه گیری میشود
روش کار
هدف اصلی در این پژوهش، تخمین ضرایب اوج قدرت و فاکتور عدم توازن محوری در قلب راکتور بوشهر که از نوع راکتورهای VVER-1000 است، با استفاده از دادههای مربوط به آشکارسازهای نوترونی درون قلب میباشد. با توجه به رابطه پیچیده و غیرخطی میان پارامترهای بهره برداری راکتور و دادههای آشکارسازهای درون قلب، استفاده از شبکه عصبی مصنوعی 3 برای ایجاد ارتباط بین دادهها و پارامترها، راهگشا خواهد بود. این پژوهش علاوه بر ارائه روشی بر مبنای شبکه عصبی برای تخمین لحظهای پارامترهای بهره برداری، یک مطالعه حساسیت در مورد تعداد بهینه نرونها و لایههای مخفی و تعداد بهینه آشکارسازهای نوترونی درون قلب ارائه میدهد.
برای اعتبارسنجی روش، از دادههای مربوط به مدارک نوترونیک راکتور بوشهر استفاده شده است. با توجه به اینکه تعداد این دادهها برای آموزش شبکه عصبی کافی نیست، ناچار نیاز به یک مدل نوترونیک دیگر برای محاسبه دادههای آشکارسازی و پارامترهای قلب در حالات کاری مختلف راکتور هستیم. عمل آموزش شبکه عصبی با استفاده از این دو دسته داده تجربی و شبیه سازی شده انجام خواهد شد.
با توجه به ابعاد بزرگ مجتمعهای سوخت، بهتر است از یک روش با مشهای بزرگ استفاده شود. بهترین گزینه برای این منظور روش نودال میباشد. مدل نودال مذکور، با استفاده از دادههای نوترونیک راکتور بوشهر اعتبارسنجی شده است
محاسبات در بازههای مختلف زمان گذشته از سیکل راکتور، میزان قدرت و ارتفاع میلههای کنترل انجام شده است.
شبکه عصبی مصنوعی
اصلیترین بخش پژوهش، انتخاب یک شبکه عصبی مناسب و آموزش آن میباشد. برای این منظور از یک شبکه عصبی MLP1 استفاده شده است. در این بخش، تعداد نرونهای لایه مخفی و تعداد لایههای مخفی بهینه مورد بررسی قرار گرفته است.
ابتدا یک MLP با یک لایه مخفی در نظر میگیریم. ساختار شبکه در شکل 1 به نمایش درآمده است
شکل 1 ساختار MLP با یک لایه مخفی
برای آموزش شبکه عصبی از تعداد 64 دسته داده مربوط به حالات کاری مختلف راکتور استفاده شده است. این دادهها ترکیبی از دادههای تجربی و دادههای شبیه سازی شده معتبر میباشند . از %70 دادهها برای آموزش و از %30 آنها برای آزمایش استفاده شده است. تمامی دادهها مربوط به سیکل اول کاری راکتور بوشهر بوده و محدوده حالات کاری مورد استفاده در جدول 1 آمده است.
