Аппроксимация запаса критичности реактора ВВР-ц с использованием искусственной нейронной сети


Дата
21.04.2017 10:00 — 16:00
Место
НИЯУ МИФИ
Москва, Каширское ш., 31

Аннотация доклада

С 1964 г. в городе Обнинске находится в эксплуатации исследовательский реактор ВВР-ц. С 1980 г. на базе реактора ВВР-ц запущено производство радионуклидов медицинского назначения и радиофармпрепаратов на их основе. В связи с успешностью данного направления и выгодным географическим расположением реактора принята долгосрочная программа по реконструкции реактора для увеличения эффективности наработки радионуклеидов[1].

В 2011 году была создана прецизионная модель реактора ВВР-ц. Данная прецизионная модель имеет достаточную точность для расчета запаса критичности реактора. Таким образом, обеспечивается расчеты по модернизации реактора для производства радионуклидов[2]. К существенным недостаткам данной модели относится низкая скорость работы. Расчет запаса критичность для одного состояния реактора занимает примерно 8 часов. С учетом длительности кампании реактора в 100 часов и необходимости расчетов по радиационной безопасности предстоящей кампании, исследователи сильно ограничены при расчетах модернизации реактора.

Таким образом, актуальной является задача создания упрощенной модели, которая позволит исследователям проводить больше вычислительных экспериментов по модернизации реактора. Целью данной работы является создание аппроксимации запаса критичности реактора с использованием искусственной нейронной сети по данным прецизионной модели, а также по измеренным данным прошедших кампаний.

Согласно обобщённой аппроксимационной теореме, можно получить сколь угодно точное приближение любой непрерывной функции многих переменных, используя операции сложения и умножения на число, суперпозицию функций, линейные функции, а также одну произвольную непрерывную нелинейную функцию одной переменной[3]. Таким образом, искусственная нейронная сеть с одним нелинейным слоем может аппроксимировать запас критичности реактора.

Для построения нейросетевой аппроксимации было проведено моделирование 34 кампаний с помощью прецизионной модели, а также использованы данные 24 реальных кампаний. Исходными данными для модели является процент выгорания топлива в каждой тепловыделяющей сборке (ТВС) реактора, а также положения стержней средств управления и защиты (СУЗ) реактора. Результатом работы прецизионной модели является относительное значение запаса критичности.

С помощью библиотеки TensorFlow была создана нейросетевая аппроксимация. После обучения искусственная нейронная сеть показала максимальную ошибку аппроксимации в 3.13%. Средняя ошибка аппроксимации – 1.11%. Время расчета запаса критичности составляет примерно 100 мс. Таким образом, неросетевая аппроксимация обладает достаточной точностью и скоростью работы для ускорения предварительных расчётов запаса критичности.

Литература

  1. Кочнов О.Ю., Лукин Н.Д. ВВР-ц – этапы реконструкции ре’актора. Тезисы доклада на XI Российское совещание «Безопасность исследовательских ядерных установок» (Димитровград, 25-30 мая 2009 г.). – С. 35-36.
  2. Колесов В.В., Кочнов О.Ю., Волков Ю.В., Украинцев В.Ф., Фомин Р.В. Создание прецизионной модели реактора ВВР-ц для последующей оптимизации его конструкции и наработки 99Mo и других радионуклидов // Известия вузов. Ядерная энергетика. –2011. – №.4. – С. 129-133.
  3. Горбань А. Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики, 1998, т. 1, № 1. — С. 12—24.
Avatar
Иван Белявцев
Developer technology инженер
comments powered by Disqus