Американская национальная лаборатория Аргонн разработала новую систему мониторинга, способную точно диагностировать скрытые неисправности внутри ядерного реактора

Американские исследователи разработали новую систему мониторинга, сочетающую оптоволоконные датчики температуры (Fiber-optic temperature sensors) с искусственным интеллектом (Artificial intelligence, AI), которая позволяет заблаговременно выявлять скрытые внутренние засорения каналов до того, как они приведут к дорогостоящему аварийному останову реактора. Данная технология разработана Аргоннской национальной лабораторией (Argonne National Laboratory, ANL), подведомственной Министерству энергетики США (US Department of Energy, DOE), и специально адаптирована для ключевых компонентов теплообменников (Heat exchangers) реакторов с охлаждением расплавленными солями (Molten-salt-cooled reactors, MSCRs).

Теплообменник, являясь центральным узлом для отвода тепловой энергии из активной зоны, незаменим для безопасной эксплуатации атомной электростанции. В реакторах с охлаждением расплавленными солями высокотемпературная расплавленная соль передаёт тепловую энергию, выделяемую активной зоной, теплоносителю второго контура, который затем используется для генерации высокотемпературного пара и привода паровой турбины для выработки электроэнергии. Однако, как только температура солевой среды чрезмерно приближается к её точке затвердевания, солевой теплоноситель становится крайне подвержен локальному отвердеванию, что приводит к частичному или полному засорению тысяч микроскопических проточных каналов внутри теплообменника и ограничению циркуляции теплоносителя. Это побудило исследовательскую группу к поиску решения для точного выявления раннего засорения проточных каналов.

Аргоннская национальная лаборатория отмечает, что внутри обычного матричного теплообменника (Matrix-type heat exchanger) обычно плотно расположены от 2000 до 4000 микротонких проточных каналов, а в крупногабаритных конструкциях их число может быть ещё больше. В настоящее время подавляющее большинство промышленных систем теплообмена оснащено датчиками температуры и расхода только на общих входе и выходе, что затрудняет фиксацию изменений режима течения в отдельных внутренних каналах, и зачастую мелкие засорения остаются своевременно необнаруженными. В связи с этим исследовательская группа выдвинула инновационную инженерную концепцию интеграции распределённой оптоволоконной системы температурного зондирования (Distributed fiber-optic temperature sensing) в несущие и опорные конструкции теплообменника.

Система осуществляет массовый сбор данных тепловых температур в реальном времени, которые затем передаются специализированному алгоритму искусственного интеллекта для анализа характеристик аномальных колебаний теплового поля с целью выявления признаков засорения каналов, вызванного затвердеванием расплавленной соли. Главный электроинженер Аргоннской национальной лаборатории, соавтор исследования доктор Алекс Хейфец (Dr. Alex Heifetz) отметил, что система способна обеспечивать раннее обнаружение, точную локализацию и оценку степени серьёзности неисправности при частичном или полном засорении микроскопических каналов, подобно сверхвысокоразрешающему мониторинговому зеркалу для выявления внутренних неисправностей системы теплообмена.

С точки зрения инженерного размещения, чувствительное оптоволокно крепится на поверхности механических опорных конструкций оборудования, а не погружается непосредственно внутрь проточных каналов в среду, поэтому не требуется разрушительного проникновения через несущую стенку корпуса теплообменника, и не нарушается нормальная теплогидравлическая циркуляция внутреннего теплоносителя. Кроме того, данная модель мониторинга на основе искусственного интеллекта обладает высокой объяснимостью (Explainable AI): при срабатывании сигнализации она способна одновременно предоставить операторам атомной электростанции обоснование диагностики неисправности и цепочку логических выводов для принятия решений, что значительно повышает прозрачность аварийных сигналов оборудования ядерного класса.