Разработанная система ИИ-датчиков способна распознать закупорку и оценить масштаб возникшей неисправности. Новый метод наблюдения, созданный специалистами из США, объединяет оптоволоконные термодатчики и машинное обучение для того, чтобы вовремя находить скрытые заторы внутри ядерных установок, не допуская их перехода в дорогостоящие поломки и вынужденные паузы в работе.
Евгения Васильева
Ученые из Аргоннской национальной лаборатории изучают переходные процессы теплопередачи в металлических конструкциях для применения в системах ядерных реакторов.
Источник фото: Аргоннская национальная лаборатория
Данная технология была разработана сотрудниками Аргоннской национальной лаборатории (ANL), которая находится под управлением Министерства энергетики США (DOE). Это решение предназначено для теплообменных аппаратов, применяемых в реакторах с солевым охлаждением (MSCR).
Теплообменники играют ключевую роль на атомных станциях, так как они отводят тепло из активной зоны. В реакторе, использующем жидкий металл или соль в качестве теплоносителя, нагретая соль передает тепловую энергию от ядра к другой рабочей жидкости, которая затем может превращаться в пар для генерации электричества.
Однако существует проблема: если температура соли падает слишком близко к ее точке затвердевания, она начинает кристаллизоваться. Это может привести к частичному или полному перекрытию множества маленьких каналов внутри теплообменника, что снижает поток охлаждающего вещества. Поэтому исследователи поставили перед собой цель научиться заранее определять подобные засоры.
Датчики высокой детализации мелких каналов
Согласно информации из Ок-Риджской национальной лаборатории, теплообменник матричного типа обычно содержит от 2000 до 4000 узких проходов, а в больших моделях их количество может быть еще больше. Существующие системы контроля измеряют температуру и скорость движения жидкости только на входе и выходе из аппарата.
Такой подход не дает полного представления о процессах, происходящих в каждом отдельном канале, поэтому небольшие засоры остаются незамеченными. Чтобы решить эту задачу, специалисты предложили разместить распределенные оптоволоконные датчики температуры на опорных элементах теплообменной конструкции.
Эти датчики непрерывно собирают обширные данные о тепловом состоянии устройства. Затем алгоритмы искусственного интеллекта обрабатывают полученную информацию, чтобы обнаружить аномальные температурные значения, которые могут свидетельствовать о том, что затвердевшая соль блокирует один из проходов.
«Если какой-то канал забивается частично или полностью, мы должны это заметить, точно указать его расположение и степень серьезности проблемы, — говорит Алекс Хейфец, доктор наук, старший инженер-электрик Аргоннской лаборатории и один из авторов работы. — Это похоже на получение снимка с высокой детализацией, позволяющего увидеть точное место сбоя в системе».
Хейфец уточнил, что датчики крепятся к несущим механическим частям, а не размещаются внутри самих каналов. Таким образом, они не требуют прохода через стенки теплообменника и не создают препятствий для его нормального функционирования.
Кроме того, искусственный интеллект может не только сигнализировать о проблеме, но и пояснять причину своего решения. Он передает операторам сведения о характере неисправности и о том, как именно был сделан такой вывод.
Особое внимание в исследовании уделено способности системы различать частичные и полные закупорки. Частичное перекрытие канала создает менее выраженное температурное возмущение, однако оно может быть критически важным для долгосрочной эксплуатации реактора, поскольку постепенно приводит к неравномерному распределению тепловых нагрузок.
Искусственный интеллект анализирует не только абсолютные значения температур, но и их пространственные градиенты, а также динамику изменения во времени. Это позволяет предсказывать, насколько быстро развивается затор и существует ли риск его распространения на соседние каналы. Операторы получают не просто сигнал тревоги, а структурированное описание ситуации с указанием вероятности перехода проблемы в более серьезную фазу.
ИИ обеспечивает стабильную работу реакторов
Раннее выявление проблем имеет особое значение для реакторов с солевым охлаждением, так как они функционируют при значительно более высоких температурах, чем обычные водо-водяные реакторы. Теплоноситель на основе соли в таких системах застывает примерно при 932 градусах по Фаренгейту (около 500 градусов по Цельсию).
Фиксация небольших отклонений температуры может дать операторам возможность заранее узнать о начале процесса затвердевания теплоносителя. Исследователи отмечают, что искусственный интеллект способен распознавать едва заметные тренды в больших массивах данных, которые человеку было бы очень трудно увидеть.
«Наш метод позволяет выявлять слабые сигналы в огромных объемах информации, которые человеку практически невозможно проанализировать вручную, — подчеркивает Константинос Прантикос, доктор наук, исследователь из Университета Пердью и соавтор публикации. — В отличие от людей, ИИ не устает обрабатывать тысячи чисел. Он также умеет объяснять свои выводы таким образом, что это способствует нашему пониманию системы и укреплению доверия к ней».
Хейфец добавил, что своевременное обнаружение закупорки позволяет операторам составить план действий по устранению неполадки еще до того, как весь теплообменник выйдет из строя. «Ремонт или замена поврежденного теплообменного аппарата является крайне затратной операцией и скорее всего повлечет за собой незапланированную приостановку работы реактора», — заявил он в заключение. Результаты этой работы были представлены в научном журнале Nature Scientific Reports.
Практическая значимость разработки выходит за рамки только реакторов с солевым охлаждением. Технология может быть адаптирована для других типов теплообменных аппаратов, включая системы с жидкометаллическим теплоносителем, которые также подвержены проблемам кристаллизации примесей и образования отложений.
Более того, принципы распределенного оптоволоконного мониторинга в сочетании с объяснимым искусственным интеллектом могут найти применение в химической промышленности, нефтегазовом секторе и даже в системах охлаждения мощных электронных устройств. Универсальность подхода основана на том, что он не требует вмешательства в конструкцию оборудования и опирается лишь на внешние измерения, что минимизирует затраты на внедрение и техническое обслуживание.
Следующий этап работы
Разработанная система уже прошла серию испытаний на лабораторных стендах, имитирующих условия эксплуатации в реальных реакторах MSCR. В ходе экспериментов исследователи создавали контролируемые закупорки в отдельных каналах теплообменника, изменяя степень их перекрытия от 10 до 90 %.
Оптоволоконные датчики фиксировали малейшие колебания температуры на поверхности опорных элементов, а алгоритмы машинного обучения с высокой точностью определяли не только факт наличия препятствия, но и его конкретное местоположение в матрице из тысяч узких проходов.
По словам авторов работы, точность идентификации заторов составила более 95 %, что значительно превышает возможности традиционных методов контроля, ограниченных измерениями только на входе и выходе.
Следующим этапом работы коллектива станет проведение полномасштабных испытаний на действующем экспериментальном реакторе с солевым теплоносителем, что позволит проверить работоспособность системы в условиях реальных тепловых циклов и возможных переходных процессов.
Исследователи также намерены усовершенствовать алгоритмы таким образом, чтобы они могли прогнозировать образование закупорок на основе анализа многодневных архивов температурных данных, выявляя скрытые закономерности, предшествующие кристаллизации соли.
Параллельно ведется работа над снижением требований к вычислительным ресурсам, чтобы система могла функционировать в автономном режиме без необходимости постоянной передачи больших массивов данных на удаленные серверы.
В долгосрочной перспективе внедрение подобных интеллектуальных систем мониторинга может стать стандартом для проектирования новых атомных энергоблоков, закладывая принципы предиктивного обслуживания на этапе их создания.
Это не только повысит надежность и безопасность эксплуатации, но и позволит сократить количество внеплановых остановок реакторов, что напрямую влияет на экономическую эффективность атомной генерации.
По оценкам авторов, даже предотвращение одного случая преждевременной замены теплообменника на крупном энергоблоке может сэкономить миллионы долларов, не говоря уже о снижении рисков для персонала и окружающей среды.
Разработка демонстрирует, что сочетание современных сенсорных технологий и методов машинного обучения способно решать задачи, которые ранее считались неразрешимыми при традиционных подходах к контролю оборудования.
