تخمین نرخ بیشینه حرارت خطی با استفاده از تکنیک‌های محاسبات نرم: مطالعه موردی نیروگاه اتمی بوشهر

در این پژوهش با استفاده از داده‌های واقعی نیروگاه اتمی بوشهر و به کارگیری روش‌های محاسبات نرم و بدون استفاده از داده‌های سنسورهای داخل قلب رآکتور به تخمین پارامتر نرخ بیشینه حرارت خطی می‌پردازیم. الگوریتم‌های یادگیری موثر شبکه عصبی مصنوعی شامل لونبرگ- مارکوارت و تنظیم بیزین در ترکیب با تکنیک‌های مختلف انتخاب ویژگی شامل پیرسون، اسپیرمن، و کندال برای تخمین پارامتر هدف مورد استفاده قرار می گیرند. نتایج مناسب بودن روش پیشنهادی برای تخمین پارامتر هدف را نشان می دهد. با توجه به اهمیت این پارامتر از لحاظ ایمنی و این‌که افزایش بیش از حد آن باعث ارسال سیگنال خاموشی رآکتور می‌گردد، استفاده از رویکردهای مناسب مانند مطالعه پیش‌رو، می‌تواند باعث افزایش ایمنی نیروگاه شده و دفاع در عمق را بهبود بخشد.

estimation of the maximum linear heat rate using soft computing techniques: a case study of bushehr nuclear power plant

this study uses real data of bushehr nuclear power plant (bnpp), and by soft computing methods and without using the data of self-powered neutron detectors (spnds), the maximum linear heat rate of bnpp is estimated. the efficient learning algorithms of artificial neural network (ann), including levenberg-marquardt (lm) and bayesian regularization (br) in combination with different features selection techniques including pearson, spearman, and kendall’s tau, are employed to estimate the target parameter. results show that the proposed method is appropriate for estimating the maximum linear heat rate. given the importance of this parameter in terms of safety and the fact that its excessive increase actuates the shutdown signal of the reactor, the use of the appropriated approaches such as the present study can increase the safety of the plant and improve defense-in-depth (did).