Hvordan kunstig intelligens kunne sænke omkostningerne ved atomenergi

Atomkraftværker leverer store mængder elektricitet uden at frigive planetopvarmende forurening. Men udgifterne til at drive disse anlæg har gjort det svært for dem at holde åbent. Hvis nuklear skal spille en rolle i USA's ren energiøkonomi, skal omkostningerne ned. Forskere ved det amerikanske energiministeriums (DOE) Argonne National Laboratory udtænker systemer, der kan gøre atomenergi mere konkurrencedygtig ved hjælp af kunstig intelligens.

Atomkraftværker er til dels dyre, fordi de kræver konstant overvågning og vedligeholdelse for at sikre ensartet strømflow og sikkerhed. Argonne er midtvejs i et treårigt projekt på 1 million USD for at udforske, hvordan smarte, computeriserede systemer kan ændre økonomien.

"Drifts- og vedligeholdelsesomkostninger er ret relevante for nukleare enheder, som i øjeblikket kræver store besætninger på stedet og omfattende vedligeholdelse," sagde Roberto Ponciroli, en ledende nuklear ingeniør hos Argonne. "Vi tror, ​​at autonom drift kan bidrage til at forbedre deres rentabilitet og også gavne implementeringen af ​​avancerede reaktorkoncepter."

Projektet sigter mod at skabe en computerarkitektur, der kunne opdage problemer tidligt og anbefale passende handlinger til menneskelige operatører. Teknologien kan spare atomindustrien for mere end 500 millioner dollars om året, vurderer Ponciroli og kolleger.

Et typisk atomkraftværk kan rumme hundredvis af sensorer, som alle overvåger forskellige dele for at sikre, at de fungerer korrekt.

"I en verden, hvor beslutninger træffes i henhold til data, er det vigtigt at vide, at du kan stole på dine data," sagde Ponciroli. "Sensorer, som enhver anden komponent, kan nedbrydes. At vide, at dine sensorer fungerer, er afgørende."

Jobbet med at inspicere hver sensor – og også ydeevnen af ​​systemkomponenter såsom ventiler, pumper, varmevekslere – ligger i øjeblikket hos personalet, der går på fabrikkens gulv. I stedet kunne algoritmer verificere data ved at lære, hvordan en normal sensor fungerer, og lede efter uregelmæssigheder.

Efter at have valideret en plantes sensorer, ville et kunstig intelligenssystem derefter fortolke signaler fra dem og anbefale specifikke handlinger.

Ponciroli tilbyder et eksempel:Lad os sige, at din bils instrumentbræt advarer dig om et dæk med lavt lufttryk. Du ved godt, at du ikke behøver at trække over med det samme, men du kan beslutte at sætte farten lidt ned for at undgå en punktering, indtil du kan fylde dækket med luft.

Mennesker foretager disse typer dømmekraft hele tiden. Vi evaluerer information, træffer en beslutning og skrider til handling, f.eks. at ændre kontroller (i scenariet ovenfor, at bremse bilen) og foretage reparationer. En kunstig intelligens-metode kaldet reinforcement learning replikerer hjernens logik ved at lære systemet at træffe beslutninger ved at evaluere potentielle resultater. På et atomkraftværk kunne computere opdage problemer og markere dem til anlægsoperatører så tidligt som muligt, hvilket hjælper med at optimere kontrollen og også afværge dyrere reparationer. Samtidig kunne computere forhindre unødvendig vedligeholdelse af udstyr, der ikke har brug for det.

"De opgaver på lavere niveau, som folk udfører nu, kan overdrages til algoritmer," sagde Richard Vilim, en senior nuklear ingeniør i Argonne. "Vi forsøger at løfte mennesker til en højere grad af situationsbevidsthed, så de er observatører, der træffer beslutninger."

I samarbejde med industrien for at udvikle testscenarier har Argonnes ingeniører bygget en computersimulering eller "digital tvilling" af en avanceret atomreaktor. Selvom systemet er designet til at betjene nye reaktorteknologier, sagde Vilim, er det også fleksibelt nok til at blive anvendt på eksisterende atomkraftværker.

Holdet validerer sit kunstige intelligens-koncept på den simulerede reaktor, og indtil videre har de færdiggjort systemer til at kontrollere og diagnosticere dens virtuelle dele. Resten af ​​projektet vil fokusere på systemets evne til at træffe beslutninger – hvad det gør med de diagnostiske data.

Fordi et autonomt atomkraftværk kræver disse forskellige funktioner, er slutproduktet af Argonne-teamets arbejde en systemarkitektur, der syr flere algoritmer sammen. For eksempel tilpasser ingeniører kode, herunder Argonnes System Analysis Module (SAM), et analyseværktøj til avancerede reaktorer. SAM, som blev udviklet i samarbejde med ingeniørfirmaet Kairos Power, vandt en 2019 R&D 100-pris.

"Argonne er velegnet til dette projekt, fordi vi allerede har alle de muligheder, vi har brug for internt," sagde Ponciroli. "Det er bare et spørgsmål om at kombinere dem for at få endnu mere ud af dem." + Udforsk yderligere

3D-printede atomreaktorkomponenter installeret på TVA Browns Ferry atomkraftværk