You are currently viewing پیشرفت در یادگیری ماشین برای عملیات انرژی هسته ای آینده روشن تری را برای انرژی بدون کربن نشان می دهد

پیشرفت در یادگیری ماشین برای عملیات انرژی هسته ای آینده روشن تری را برای انرژی بدون کربن نشان می دهد


Newswise – ببینید که چگونه لبه برش فراگیری ماشین فناوری می تواند نحوه عملکرد رآکتورهای هسته ای را بهبود بخشد.

در ترکیبی چشمگیر از فناوری هسته ای و فراگیری ماشین (ML)، تیمی از دانشمندان در آزمایشگاه ملی آرگون وزارت انرژی ایالات متحده (DOE) کشف مهمی برای حفظ ایمنی و کارایی در یک نوع راکتور هسته‌ای نسل بعدی به نام راکتور سریع خنک‌شده با سدیم (SFR) کرده‌اند. .

SFR نوعی راکتور هسته‌ای است که از سدیم مایع برای خنک کردن هسته خود استفاده می‌کند و با تقسیم اتم‌های سنگین، برق بدون کربن ایجاد می‌کند. اگرچه هنوز در ایالات متحده استفاده تجاری نمی شود، بسیاری بر این باورند که این راکتورها می توانند انقلابی در تولید انرژی ایجاد کنند و به کاهش زباله های هسته ای کمک کنند. با این حال، آنها با چالش هایی مانند حفظ خلوص مایع خنک کننده سدیم مایع با دمای بالا همراه هستند. این جنبه برای جلوگیری از خوردگی و انسداد در سیستم بسیار مهم است. برای رسیدگی به این چالش‌ها، دانشمندان Argonne یک سیستم جدید ML طراحی کردند که در جزئیات توضیح داده شده است مقاله اخیر در مجله انرژی. Energies نام کاغذ خود را برای مقالاتی که نشان دهنده تحقیقات پیشرفته با پتانسیل قابل توجهی برای تأثیر بالا در این زمینه هستند، حفظ می کند.

«با مهار قدرت فراگیری ماشین الکساندر هیفتز، مهندس ارشد هسته ای در Argonne و یکی از نویسندگان مقاله، گفت: برای نظارت مداوم و تشخیص ناهنجاری، پیشرفته ترین سطح کنترل ابزار پیشرفت می کند. “این یک پیشرفت در کارایی و سودآوری ایجاد می کند انرژی هسته ای سیستم های.”

ابتدا، تیم یک مدل ML برای نظارت مداوم بر سیستم خنک کننده ایجاد کرد. این مدل برای تجزیه و تحلیل داده های 31 حسگر در Argonne’s مجهز شده است تاسیسات زنجیره تست مهندسی مکانیزم (METL). که متغیرهایی مانند دما، فشار و دبی سیال را اندازه گیری می کند. تاسیسات METL یک مرکز آزمایشی منحصر به فرد است که برای آزمایش ایمن و دقیق مواد و اجزای پیشنهادی برای استفاده در این راکتورها طراحی شده است. همچنین مهندسان و تکنسین ها (و اکنون مدل های ML) را که می توانند به کار و نگهداری آنها کمک کنند، آموزش می دهد. یک سیستم کلی تقویت‌شده با ML می‌تواند نظارت قوی‌تری را تسهیل کند و از ناهنجاری‌هایی که می‌تواند عملکرد یک راکتور واقعی را مختل کند، جلوگیری کند.

«با مهار قدرت فراگیری ماشین برای نظارت مستمر و تشخیص ناهنجاری‌ها، می‌توانیم از قابلیت اطمینان و پایداری راکتورهای سریع خنک‌شده با سدیم اطمینان حاصل کنیم و انرژی هسته‌ای را به یک راه‌حل امیدوارکننده‌تر برای نیازهای انرژی آینده ما تبدیل کنیم.» – الکساندر هایفتز، مهندس هسته‌ای ارشد در Argonne

دوم، تیم توانایی مدل را در تشخیص سریع و دقیق ناهنجاری های عملیاتی نشان داد. آنها این موضوع را با شبیه سازی یک ناهنجاری از دست دادن مایع خنک کننده، که با افزایش ناگهانی دما و سرعت جریان مشخص می شود، مورد آزمایش قرار دادند. مدل این ناهنجاری را در حدود سه دقیقه پس از شروع آن تشخیص داد. این توانایی اثربخشی آن را به عنوان یک مکانیسم دفاعی برجسته می کند.

در نهایت، این تحقیق به پیشرفت های قابل توجهی برای مدل های آینده اشاره می کند. در شکل فعلی، مدل هر پیکی که از یک آستانه از پیش تعیین شده فراتر رود، علامت گذاری می کند. با این حال، این روش می تواند به آلارم های کاذب ناشی از اسپک های تصادفی یا خطاهای حسگر منجر شود. هر قله ای یک ناهنجاری نیست. این تیم قصد دارد این مدل را برای تمایز بین ناهنجاری های واقعی فرآیند و نویز از اندازه گیری های تصادفی اصلاح کند. این شامل الزام سیگنال به ماندن بالای یک مقدار آستانه برای مدت معینی قبل از در نظر گرفتن آنومالی است. آنها همچنین شامل همبستگی مکانی و زمانی بین حسگرها در محاسبه تلفات خواهند بود.

هایفتز گفت: «در حالی که ما از قابلیت‌های منحصربه‌فرد METL برای توسعه و آزمایش الگوریتم‌های خود در یک مرکز تحقیقاتی آزمایشی فلز مایع استفاده می‌کنیم، پتانسیل دیدن کاربردها در راکتورهای پیشرفته وجود دارد. این می تواند انرژی بدون کربن بیشتری در آینده فراهم کند.

الکساندرا آکینز، همکار تحقیقاتی آرگون و یکی از نویسندگان مقاله، موافق است. ​”تحقیق تشخیص ناهنجاری ما با استفاده از فراگیری ماشین وعده انرژی هسته ای را افزایش می دهد.

این تحقیق توسط DOE، آژانس پروژه‌های تحقیقاتی پیشرفته DOE-Energy، برنامه کارآموزی آزمایشگاه تحقیقاتی در مقطع لیسانس DOE، و برنامه دانشگاه رهبری هسته‌ای دفتر DOE انرژی هسته‌ای (DOE-NE) پشتیبانی شد. تامین مالی تسهیلات METL از طریق DOE-NE انجام می شود.

آزمایشگاه ملی آرگون به دنبال راه حلی برای مشکلات مبرم ملی در علم و فناوری است. اولین آزمایشگاه ملی کشور، Argonne، تحقیقات پایه و کاربردی پیشرو را در تقریباً هر رشته علمی انجام می دهد. محققان Argonne از نزدیک با محققین صدها شرکت، دانشگاه و سازمان های فدرال، ایالتی و شهرداری همکاری می کنند تا به آنها کمک کنند تا مشکلات خاص خود را حل کنند، رهبری علمی آمریکا را ارتقا دهند و کشور را برای آینده ای بهتر آماده کنند. با کارکنان بیش از 60 کشور، Argonne توسط مدیریت می شود UChicago Argonne, LLC برای دفتر علوم وزارت انرژی ایالات متحده.

دفتر علوم وزارت انرژی ایالات متحده بزرگترین حامی تحقیقات پایه در علوم فیزیکی در ایالات متحده است و برای رسیدگی به برخی از مهم ترین چالش های زمان ما کار می کند. برای اطلاعات بیشتر مراجعه کنید https://energy.gov/scence.





Source link