Kredit:CC0 Public Domain
Kärnkraftverk tillhandahåller stora mängder elektricitet utan att släppa ut planetvärmande föroreningar. Men kostnaden för att driva dessa anläggningar har gjort det svårt för dem att hålla öppet. Om kärnkraft ska spela en roll i USA:s ekonomi för ren energi måste kostnaderna minska. Forskare vid det amerikanska energidepartementets (DOE) Argonne National Laboratory utarbetar system som kan göra kärnenergi mer konkurrenskraftig med hjälp av artificiell intelligens.
Kärnkraftverk är dyra delvis eftersom de kräver konstant övervakning och underhåll för att säkerställa konsekvent kraftflöde och säkerhet. Argonne är mitt i ett treårigt projekt på 1 miljon dollar för att utforska hur smarta, datoriserade system kan förändra ekonomin.
"Drifts- och underhållskostnader är ganska relevanta för kärnkraftsenheter, som för närvarande kräver stora besättningar och omfattande underhåll", säger Roberto Ponciroli, chefsingenjör vid Argonne. "Vi tror att autonom drift kan bidra till att förbättra deras lönsamhet och även gynna utbyggnaden av avancerade reaktorkoncept."
Projektet syftar till att skapa en datorarkitektur som kan upptäcka problem tidigt och rekommendera lämpliga åtgärder till mänskliga operatörer. Tekniken kan spara kärnkraftsindustrin mer än 500 miljoner dollar per år, uppskattar Ponciroli och kollegor.
Ett typiskt kärnkraftverk kan hålla hundratals sensorer, alla övervakar olika delar för att säkerställa att de fungerar korrekt.
"I en värld där beslut fattas enligt data, är det viktigt att veta att du kan lita på din data," sa Ponciroli. "Sensorer, precis som alla andra komponenter, kan försämras. Att veta att dina sensorer fungerar är avgörande."
Jobbet med att inspektera varje sensor – och även prestandan hos systemkomponenter som ventiler, pumpar, värmeväxlare – vilar för närvarande på personal som går på anläggningsgolvet. Istället kan algoritmer verifiera data genom att lära sig hur en normal sensor fungerar och leta efter anomalier.
Efter att ha validerat en anläggnings sensorer skulle ett artificiellt intelligenssystem sedan tolka signaler från dem och rekommendera specifika åtgärder.
Ponciroli ger ett exempel:Låt oss säga att din bils instrumentbräda varnar dig för ett däck med lågt lufttryck. Du vet att du inte behöver dra omedelbart, men du kanske väljer att sakta ner lite för att undvika punktering tills du kan fylla däcket med luft.
Människor gör dessa typer av bedömningar hela tiden. Vi utvärderar information, fattar ett beslut och vidtar åtgärder, som att ändra kontroller (i scenariot ovan, sakta ner bilen) och göra reparationer. En artificiell intelligensmetod som kallas förstärkningsinlärning replikerar hjärnans logik genom att lära systemet att fatta beslut genom att utvärdera potentiella resultat. På ett kärnkraftverk kan datorer upptäcka problem och flagga dem till anläggningsoperatörerna så tidigt som möjligt, vilket hjälper till att optimera kontrollerna och även undvika dyrare reparationer längre fram. Samtidigt kan datorer förhindra onödigt underhåll på utrustning som inte behöver det.
"De uppgifter på lägre nivå som människor gör nu kan överlåtas till algoritmer", säger Richard Vilim, en senior kärnkraftsingenjör i Argonne. "Vi försöker lyfta människor till en högre grad av situationsmedvetenhet så att de är observatörer som fattar beslut."
I samarbete med industrin för att utveckla testscenarier har Argonnes ingenjörer byggt en datorsimulering, eller "digital tvilling", av en avancerad kärnreaktor. Även om systemet är utformat för att tjäna ny reaktorteknik, sa Vilim, är det också tillräckligt flexibelt för att kunna användas vid befintliga kärnkraftverk.
Teamet validerar sitt artificiella intelligenskoncept på den simulerade reaktorn, och hittills har de färdigställt system för att kontrollera och diagnostisera dess virtuella delar. Resten av projektet kommer att fokusera på systemets förmåga att fatta beslut – vad det gör med diagnosdata.
Eftersom ett autonomt kärnkraftverk kräver dessa olika funktioner, är slutprodukten av Argonne-teamets arbete en systemarkitektur som sammanfogar flera algoritmer. Till exempel anpassar ingenjörer kod inklusive Argonnes System Analysis Module (SAM), ett analysverktyg för avancerade reaktorer. SAM, som utvecklats i samarbete med ingenjörsfirman Kairos Power, vann en 2019 R&D 100-pris.
"Argonne är väl lämpad för det här projektet, eftersom vi redan har alla de möjligheter vi behöver internt", sa Ponciroli. "Det handlar bara om att kombinera dem för att få ut ännu mer av dem." + Utforska vidare
