Fusionsenergi utvecklas som en lösning på globala energiproblem. Särskilt den magnetiska inneslutningsmetoden, där plasma med ultrahög temperatur begränsas av ett magnetfält, är den mest avancerade och anses vara den mest lovande metoden för fusionsreaktorer.
Med denna metod begränsas plasmat i reaktorn i ett högtemperaturtillstånd med hög densitet av ett magnetfält, och energin som frigörs av fusionsreaktionen i plasman omvandlas till elektricitet.
För att förverkliga denna kraftgenereringsmetod är det viktigt att förutsäga och kontrollera det komplexa beteendet hos fusionsplasma. En möjlig kontrollmetod är digital tvillingkontroll, där fusionsplasman styrs baserat på plasman som återges i numeriskt utrymme.
Det är dock svårt att förutsäga och analysera plasmabeteendet med hög noggrannhet med hjälp av simuleringsmodeller eftersom modellen inte bara måste ta hänsyn till komplext plasmaflöde utan även många andra faktorer som uppvärmning, bränsletillförsel, föroreningar och neutrala partiklar.
Dessutom kommer framtida fusionsreaktorer att ha begränsad mätkapacitet, vilket tvingar fram prediktiv kontroll och plasmatillståndsuppskattning under förhållanden med stor osäkerhet och brist på information.
En forskargrupp har utvecklat ett nytt kontrollsystem som kan optimera den prediktiva modellen med hjälp av realtidsobservationer och uppskatta den optimala kontrollen baserat på den förbättrade prediktiva modellen även under så mycket osäkra förhållanden.
Arbetet publiceras i Scientific Reports .
En matematisk metod som kallas dataassimilering är en teknik som använder observerad information för att minska skillnaderna mellan numeriska simuleringar och verkligheten. Dataassimilering används för att förbättra prestandan för förutsägelser och analys av storskaliga simuleringsmodeller (t.ex. väderprognoser).
Forskargruppen har utvecklat ASTI (Assimilation System for Toroidal plasma Integrated simulation) som ett dataassimileringssystem för fusionsplasma. I allmänhet är dataassimilering en teknik för att förbättra noggrannheten i förutsägelse och analys.
I denna forskning har de lagt till kontrollfunktioner till dataassimileringsramverket och skapat ett system som kan utföra digital tvillingkontroll av fusionsplasma. Denna dataassimileringsbaserade kontrollmetod anpassar simuleringsmodellen till det faktiska beteendet hos fusionsplasman i realtid, vilket gör att plasmabeteendet kan förutsägas med hög noggrannhet och styras ytterligare, baserat på förutsägelserna.
Inom ASTI utförs ett stort antal simuleringar med olika tillstånd parallellt för att probabilistiskt förutsäga plasmans framtida tillstånd. Genom att reflektera (assimilera) observationer och måltillstånd i denna förutsagda sannolikhetsfördelning utförs anpassningen till den verkliga plasman och kontrolluppskattningen.
ASTI applicerades på Large Helical Device (LHD), världens mest avancerade supraledande plasmaexperimentanläggning, som är utrustad med många kontrollrattar inklusive en högeffektselektroncyklotronresonansuppvärmningsanordning (ECH) och avancerad mätutrustning inklusive realtids Thomson spridningsmätsystem.
Forskarna genomförde ett experiment för att kontrollera elektrontemperaturen i den faktiska plasman med ECH, samtidigt som de optimerade den prediktiva modellen baserad på elektrondensiteten och temperaturprofilerna som observerades i realtid.
Som ett resultat kom elektrontemperaturen nära måltemperaturen samtidigt som modellens prediktionsnoggrannhet förbättrades, och världens första demonstration av prediktiv kontroll av ett fusionsplasma av en digital tvilling, baserad på dataassimilering, uppnåddes framgångsrikt.
Denna nya kontrollmetod förväntas bli grundläggande för kontroll av fusionsreaktorer eftersom den kan tillämpas på viktiga men utmanande kontrollproblem, inklusive kontroll av plasmadensitet och temperaturprofiler och kontroll av kvantiteter som inte mäts direkt, t.ex. värmeutsläpp från plasmans insida.
Styrsystemet som utvecklats i denna studie lägger grunden för styrning av fusionsreaktorer, där olika komponenter måste beaktas samtidigt. Även om detta kontrollexperiment är en utgångspunkt för digital tvillingkontroll av fusionsplasma, är det ett betydande steg mot de avancerade kontrollerna som är väsentliga för att förverkliga fusionskraftgenerering, såsom plasmaprofilkontroll och undvikande av plötsliga försvinnande fenomen.
I framtiden planerar teamet att utöka kontrollsystemet och genomföra demonstrationsexperiment för mer avancerade kontrollproblem vid LHD och andra experimentella enheter i Japan och utomlands.
Denna dataassimileringsbaserade kontrollmetod ger grunden för adaptiv prediktiv kontroll i situationer där det är svårt att förutsäga med hög noggrannhet genom enbart simulering. Därför förväntas detta tillvägagångssätt lösa inte bara kontrollproblem av fusionsplasma, utan även andra samhällsfrågor som involverar många osäkra faktorer, såsom vägtrafikkontroll och flodvattennivåkontroll.
Forskargruppen leddes av biträdande professor Yuya Morishita, professor Sadayoshi Murakami från Graduate School of Engineering, Kyoto University, Japan, biträdande professor Naoki Kenmochi, biträdande professor Hisamichi Funaba, professor Masayuki Yokoyama, professor Masaki Osakabe från National Institute for Fusion Science (NIFS), National Institutes of Natural Sciences (NINS), Japan, och professor Genta Ueno från Institute of Statistical Mathematics (ISM), Japan, och Joint Support-Center for Data Science Research (RIOS-DS), Japan.
Biträdande professor Morishita sa:"Jag tror att denna forskning är utmanande men viktig för att förverkliga fusionskraftgenerering. Det var också ett bra tillfälle för mig, som är specialiserad på numeriska modellberäkningar, att uppleva fusionsplasmaexperiment för första gången och att inse skillnaden mellan verklighet och simulering I framtiden skulle jag vilja etablera detta kontrollsystem som en styrgrund för fusionsreaktorer."
Mer information: Yuya Morishita et al, Första tillämpningen av dataassimileringsbaserad kontroll på fusionsplasma, Scientific Reports (2024). DOI:10.1038/s41598-023-49432-3
Journalinformation: Vetenskapliga rapporter
Tillhandahålls av National Institutes of Natural Sciences