انرژی هسته ای در مقایسه با نیروگاه های سوخت فسیلی می توانند برق زیادی را بدون انتشار آلودگی که باعث گرم شدن زمین بشود تولید کند.
به گزارش تک ناک، اما هزینه راه اندازی و نگه داری این نیروگاهها بسیار زیاد است و برای برخی کشور ها ادامه استفاده از آنها را غیر ممکن کرده است و برای ادامه استفاده از انرژی هسته ای نیاز است که هزینه تولید آن کاهش یابد.
دانشمندان آزمایشگاه ملی آرگون در وزارت انرژی ایالات متحده (DOE) در حال ابداع سیستم هایی هستند که می توانند هزینه تولید انرژی هسته ای را با استفاده از هوش مصنوعی کاهش دهد.
علت بالا بودن هزینه های نیروگاه های هسته ای این است که برای اطمینان از جریان و ایمنی پایدار، نیاز به نظارت و نگهداری مداوم دارند.Argonne در یک پروژه یک میلیون دلاری سه ساله قرار است تاثیراستفاده از سیستم های هوشمند و کامپیوتری بر کاهش هزینه ها را بررسی کند.
روبرتو پونسیرولی، مهندس هستهای اصلی در آرگون، میگوید: «هزینههای اصلی بهره برداری و نگهداری واحدهای هستهای کاملاً به تعداد کارکنان و وسعت سایت بهره برداری مربوط می شود ». ما فکر می کنیم که عملیات مستقل می تواند به بهبود سودآوری آنها همچنین به استفاده از مفاهیم پیشرفته راکتور کمک کند.
هدف این پروژه ایجاد یک معماری کامپیوتری است که بتواند اشکالات پیش آمده را زود تشخیص دهد و اقدامات مناسب جهت رفع اشکالات رابه اپراتورهای انسانی توصیه کند. پونسیرولی و همکاران او تخمین می زنند که استفاده از این فناوری می تواند سالانه باعث صرفه جویی 500 میلیون دلاری در صنعت هسته ای شود.
در یک نیروگاه هستهای معمولی صدها حسگر برای نظارت بر قسمتهای مختلف وجود دارند تا مطمئن شوند بخش های مختلف نیروگاه بدون اشکال کار میکنند.
پونسیرولی گفت: «در دنیایی که تصمیمها بر اساس دادهها گرفته میشود، مهم است بدانید که میتوانید به داده هایی که بر اساس آن قرار است تصمیم گیری کنید اعتماد کنید. “حسگرها مانند هر جزء دیگر، می توانند خراب شوند. دانستن اینکه حسگرها درست کار می کنند بسیار مهم است.”
وظیفه بازرسی هر سنسور و همچنین عملکرد اجزای سیستم مانند شیرها، پمپ ها، مبدل های حرارتی در حال حاضر بر عهده نیروی انسانی است. درعوض، الگوریتمها میتوانند دادهها را با یادگیری نحوه عملکرد یک حسگر معمولی و جستجوی اشکالات تأیید کنند.
پس از تأیید حسگرهای نیروگاه سیستم هوش مصنوعی سیگنال های دریافتی از آنها را تفسیر کرده و اقدامات خاصی را توصیه می کند.
پونسیرولی مثالی ارائه میکند: فرض کنید خودرو شما به شما درباره باد کم لاستیک خودرو هشدار می دهد. می دانید که نیازی نیست فوراً توقف کنید، اما ممکن است تصمیم بگیرید تا زمانی که بتوانید لاستیک را باد کنید کمی سرعت خود را کاهش دهید تا از پنچری جلوگیری کنید.
انسان ها همیشه این نوع قضاوت ها را انجام می دهند. ما اطلاعات را ارزیابی می کنیم، تصمیم می گیریم و اقدام می کنیم، مانند تغییر کنترل ها (در سناریوی بالا، کاهش سرعت خودرو) و انجام تعمیرات. یک روش هوش مصنوعی به نام یادگیری تقویت شده، منطق انسان رابا آموزش به سیستم برای تصمیم گیری با ارزیابی نتایج بالقوه شبیه سازی می کند.
در یک نیروگاه هستهای، رایانهها میتوانند مشکلات را شناسایی کرده و در اسرع وقت آنها را به اپراتورهای نیروگاه اعلام کنند. این گزارش ها به بهینهسازی کنترلها کمک میکند و همچنین از تعمیرات گرانتر جلوگیری میکند. همچنین رایانه ها می توانند از تعمیر و نگهداری غیر ضروری تجهیزاتی که به آن نیاز نیست جلوگیری کنند.
ریچارد ویلیم، مهندس ارشد هستهای آرگون، میگوید: «وظایف سطح پایینتری که اکنون کارکنان انجام میدهند را میتوان به الگوریتمها واگذار کرد. ما در تلاش هستیم تا انسان ها را به درجه بالاتری از آگاهی موقعیتی ارتقا دهیم تا ناظران تصمیم گیرنده باشند.»
مهندسان Argonne برای بهبود سناریوهای آزمایش، یک شبیهسازی کامپیوتری یا “دوقلوی دیجیتالی” از یک راکتور هستهای پیشرفته ساختهاند. ویلیم گفت، در حالی که این سیستم برای خدمت به فناوریهای راکتوری جدید طراحی شده است، همچنین قابلیت استفاده در نیروگاههای هستهای فعلی را داراست.
این تیم در حال بررسی ایده هوش مصنوعی خود بر روی راکتور شبیه سازی شده است و تاکنون سیستم هایی را برای کنترل و تشخیص قطعات مجازی آن تکمیل کرده است. باقیمانده پروژه بر توانایی تصمیمگیری سیستم متمرکز خواهد بود – کاری که با دادههای تشخیصی انجام میدهد.
از آنجایی که یک نیروگاه هسته ای به این کارکردهای متنوع نیاز دارد، محصول نهایی کار تیم Argonne یک معماری سیستمی است که بتواند چندین الگوریتم را به هم پیوند بزند. به عنوان مثال، مهندسان در حال تطبیق کدهایی مانند ماژول تحلیل سیستم Argonne (SAM) هستند که یک ابزار تجزیه و تحلیل برای راکتورهای پیشرفته است.
