Tyrėjai testuoja dirbtinį intelektą branduolinių reaktorių stebėjime: ar ateities saugumas bus jo rankose?

Tyrėjai sukūrė sistemą, kuri naudoja šviesolaidinius jutiklius ir dirbtinį intelektą, kad aptiktų galimus užsikimšimus druska aušinamo branduolinio reaktoriaus šilumokaityje. Jutikliai matuoja temperatūrą daugelyje šilumokaičio taškų, todėl galima gauti išsamesnį vaizdą apie tai, kas vyksta jo kanaluose.

Dirbtinis intelektas šiuos duomenis naudoja ne tik tam, kad nustatytų, ar sistemoje įvyko anomalija. Jis taip pat gali padėti įvertinti, kur yra problema ir koks jos rimtumas. Pirmųjų bandymų metu sistema gerai atpažino ryškesnius užsikimšimus, tačiau labai ankstyvus pokyčius aptikti jai buvo gerokai sunkiau.

Kodėl sunku pastebėti užsikimšimą?

Druska aušinamuose aukštos temperatūros reaktoriuose skysta druska cirkuliuoja per šilumokaičius ir perduoda šilumą į kitą grandinę. Jei druska vienoje vietoje per daug atvėsta, ji gali pradėti kietėti. Dėl to atskiri siauri srauto kanalai gali susiaurėti arba net visiškai užsidaryti.

Tokias problemas iš pradžių pastebėti nėra lengva. Įprastos matavimo sistemos daugiausia stebi temperatūrą ir srautą šilumokaičio įleidimo ir išleidimo angose. Tuo pačiu metu šilumokaičio viduje jau gali būti susidarę vietinių užsikimšimų, o bendri matavimai vis dar gali atrodyti normalūs.

Tai ypač sudėtinga konstrukcijose su keliais tūkstančiais lygiagrečių kanalų. Keli matavimai šilumokaičio galuose negali tiksliai parodyti, kur prasidėjo problema.

Temperatūra matuojama optiniais pluoštais

Argono nacionalinės laboratorijos tyrėjai, vadovaujami Konstantino Prantikoso, išbandė sistemą, kurioje naudojamas kompaktiškas matricos tipo šilumokaitis ir paskirstytas optinio pluošto temperatūros matavimas.

Jutiklių šviesolaidžiai skirti dėti ant šilumokaičio konstrukcijos atramų. Tai leidžia vienu metu gauti temperatūros duomenis iš daugelio taškų, nesukuriant papildomų įsiskverbimų pro slėgiui atsparias sieneles.

Toks išdėstymas leidžia gauti daug išsamesnį šilumokaičio temperatūros vaizdą. Tada dirbtinis intelektas turi išanalizuoti šią informaciją ir nustatyti, ar temperatūros pokyčiai gali rodyti užsikimšimą. Sistema taip pat turėtų galėti nurodyti, kur yra problema ir koks jos rimtumas.

Tyrėjai dar neišbandė sistemos veikiančiame branduoliniame reaktoriuje. Bandymams buvo naudojami sintetiniai duomenys, gauti iš šilumos perdavimo modelio. Duomenys taip pat buvo papildyti realiu matavimo triukšmu.

Iš viso buvo išanalizuoti 4 998 atvejai. Iš jų 4 749 buvo įprastos veikimo būsenos, o 249 – anomalijos. Šie atvejai buvo analizuojami naudojant aštuonis mašininio mokymosi metodus.

Stiprios blokados atpažįstamos geriau nei pradiniai pokyčiai

Geriausius bendrus rezultatus pasiekė „XGBoost“ algoritmas. Stipriausios išbandytos anomalijos atveju jis pasiekė 0,99 atkūrimo rodiklį ir 0,96 F1 reikšmę. Tai reiškia, kad modelis sugebėjo atpažinti beveik visus šios kategorijos atvejus šiame duomenų rinkinyje.

Tačiau silpniausios anomalijos rezultatai buvo gerokai prastesni. „XGBoost“ atkūrimo rodiklis siekė tik 0,45, o F1 reikšmė – 0,51. Kitiems modeliams taip pat buvo sunku atskirti ankstyvuosius pokyčius nuo įprasto sistemos elgesio.

Tai reiškia, kad dar neįrodyta, jog šis metodas gali patikimai aptikti kiekvieną pradinį užsikimšimą. Tyrimas rodo, kad temperatūros duomenys gali būti naudojami tokiems sutrikimams klasifikuoti, tačiau labai mažus pokyčius vis dar sunku atskirti.

Kodėl svarbus paaiškinamas dirbtinis intelektas?

Tyrėjai taip pat analizavo, kaip paaiškinti dirbtinio intelekto sprendimus. Tam naudoti Shapley koeficientai, padedantys nustatyti, kurie temperatūros matavimai turėjo didžiausią įtaką konkrečiai prognozei.

Tai svarbu todėl, kad branduolinėje energetikoje nepakanka vien gauti įspėjimą. Operatoriai turi suprasti, kodėl sistema jį pateikė, kokie duomenys tai lėmė ir ar įspėjimas pagrįstas. Tokie paaiškinimai galėtų padėti geriau įvertinti situaciją ir priimti sprendimus.

Tačiau prieš naudojant tokią sistemą tikruose reaktoriuose, reikia atlikti daugiau bandymų. Reikės nustatyti, kaip ji veikia esant realiems apkrovos pokyčiams, įrangos senėjimui ir faktiniam druskos kietėjimui.

Iki šiol atlikti tyrimai rodo, kad optinius pluoštus, temperatūros matavimus ir dirbtinį intelektą galima sujungti į vieną stebėjimo sistemą. Vis dėlto praktiniam pritaikymui dar reikės realių šilumokaičių eksperimentų ir patikrinimo sąlygomis, kurios būtų kuo artimesnės tikram reaktoriaus darbui.

Įvertinkite šį straipsnį:

 

 

 

 

 

Kraunami duomenys...

Ačiū už jūsų įvertinimą!