امكان‌سنجي تخمين بر-خط اندازه شكستهاي احتمالي در مدار اوليه نيروگاههاي هستهاي با آب تحت فشار توسط شبكههاي عصبي بازگشتي

The feasibility study of break size estimation in the primary system of nuclear power plants with the pressurized water reactor using recurrent neural networks

در اين پژوهش امكانسنجي انجام تخمين بر-خط اندازه شكست‌هاي احتمالي در مدار اوليه نيروگاههاي هسته‌اي با آب تحت فشار (مطالعه موردي نيروگاه هسته‌اي بوشهر) توسط شبكه‌ عصبي بازگشتي NARX انجام شده است. براي توليد داده‌هاي مورد نياز شبكه عصبي NARX از مدل‌سازي نيروگاه بوشهر در كد RELAP5 استفاده شده است. نتايج اين امكانسنجي نشان ميدهد كه با استفاده از شبكه عصبي مصنوعي بازگشتي از نوع NARX، بدون نياز به پارامترهاي انتگرال‌گيري‌شده، تشخيص بر-خط اندازه شكست با دقت خوبي قابل انجام است. استفاده از چنين روشهايي منجر به كاهش حجم كار فكري و فشار رواني اپراتور ميشود و احتمال خطاي انساني را نيز كاهش مي‌دهد.

In this research, a feasibility study is performed on break size estimation in the primary system of nuclear power plants with pressurized water reactors (Case study of Bushehr Nuclear Power Plant) using NARX recurrent neural networks. The data set required for training of NARX neural network is developed using thermal-hydraulic modeling of Bushehr nuclear power plant in RELAP5 system code. The results of this feasibility study indicate that on-line break size estimation can accurately be performed by NARX neural networks without using time-integrated variables. This type of computational aids leads to decrease of mental work load and stress of reactor operators, which in turn decrease probability of human errors.