論文の概要: Design of a Supervisory Control System for Autonomous Operation of Advanced Reactors

• arxiv url: http://arxiv.org/abs/2209.04334v1
• Date: Fri, 9 Sep 2022 14:48:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-12 13:13:50.104378
• Title: Design of a Supervisory Control System for Autonomous Operation of Advanced Reactors
• Title（参考訳）: 高性能原子炉の自律運転のための監視制御系の設計
• Authors: Akshay J. Dave, Taeseung Lee, Roberto Ponciroli, Richard B. Vilim
• Abstract要約: 本研究は自律運転の制御面に焦点を当てる。 システム内では、データ駆動モデリング、物理に基づく状態観察、古典的な制御アルゴリズムが統合されている。 320MWのフッ化物冷却高温Pebbleベッドリアクターは、制御システムの実証のための設計基盤である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advanced reactors deployed in the coming decades will face deregulated energy markets, and may adopt flexible operation to boost profitability. To aid in the transition from baseload to flexible operation paradigm, autonomous operation is sought. This work focuses on the control aspect of autonomous operation. Specifically, a hierarchical control system is designed to support constraint enforcement during routine operational transients. Within the system, data-driven modeling, physics-based state observation, and classical control algorithms are integrated to provide an adaptable and robust solution. A 320 MW Fluoride-cooled High-temperature Pebble-bed Reactor is the design basis for demonstrating the control system. The hierarchical control system consists of a supervisory layer and low-level layer. The supervisory layer receives requests to change the system's operating conditions, and accepts or rejects them based on constraints that have been assigned. Constraints are issued to keep the plant within an optimal operating region. The low-level layer interfaces with the actuators of the system to fulfill requested changes, while maintaining tracking and regulation duties. To accept requests at the supervisory layer, the Reference Governor algorithm was adopted. To model the dynamics of the reactor, a system identification algorithm, Dynamic Mode Decomposition, was utilized. To estimate the evolution of process variables that cannot be directly measured, the Unscented Kalman Filter was adopted, incorporating a nonlinear model of nuclear dynamics. The composition of these algorithms led to a numerical demonstration of constraint enforcement during a 40 % power drop transient. Adaptability of the proposed system was demonstrated by modifying the constraint values, and enforcing them during the transient. Robustness was also demonstrated by enforcing constraints under noisy environments.
• Abstract（参考訳）: 今後数十年で展開される先進的な原子炉は、規制の厳しいエネルギー市場に直面し、収益性を高めるために柔軟な運用を採用する可能性がある。 ベースロードからフレキシブルな運用パラダイムへの移行を支援するために,自律的な運用を求める。 本研究は自律運転の制御面に焦点を当てる。 特に、階層的な制御システムは、定期的な運用上の過渡期における制約執行をサポートするように設計されている。 システム内では、データ駆動モデリング、物理ベースの状態観測、古典的な制御アルゴリズムが統合され、適応可能でロバストなソリューションを提供する。 320MWのフッ化物冷却高温Pebbleベッドリアクターが制御システムの実証のための設計基盤である。 階層制御システムは、監督層と低レベル層から構成される。 監督層は、システムの動作条件を変更する要求を受信し、割り当てられた制約に基づいてそれらを受け入れ、拒否する。 プラントを最適な運転領域に保つために制約が課される。 低レベル層は、トラッキングと規制の義務を維持しながら、要求された変更を満たすためにシステムのアクチュエータとインターフェースする。 監視層での要求を受け入れるために、参照ガバナアルゴリズムが採用された。 反応器の動力学をモデル化するために, システム同定アルゴリズムである動的モード分解を用いた。 直接測定できない過程変数の進化を推定するために、核動力学の非線形モデルを取り入れた非香りカルマンフィルタが採用された。 これらのアルゴリズムの構成は、40%の電力低下時における制約強制の数値実証につながった。 提案するシステムの適応性は,制約値を変更し,過渡期に強制することによって実証された。 雑音環境下で制約を課すことでロバスト性が実証された。

関連論文リスト

• A Safe Reinforcement Learning Algorithm for Supervisory Control of Power Plants [7.1771300511732585]
  モデルフリー強化学習(RL)は、制御タスクのための有望なソリューションとして登場した。 本稿では,監督制御のための近似ポリシ最適化に基づく確率制約付きRLアルゴリズムを提案する。 本手法は, 原子力プラント設計における負荷追従操作において, 違反距離と違反率の最小化を実現するものである。
  論文  参考訳（メタデータ） (2024-01-23T17:52:49Z)
• Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter [14.66072990853587]
  バイオインスパイアされた神経力学に基づくバックステッピングとスライディングモード制御ハイブリッド形成制御法を提案する。 提案した制御戦略は,従来のバックステッピング設計に存在する非現実的な速度ジャンプ問題を解決する。 提案手法の有効性と有効性を示すため,複数のシミュレーションを行った。
  論文  参考訳（メタデータ） (2023-05-03T17:29:46Z)
• In-Distribution Barrier Functions: Self-Supervised Policy Filters that Avoid Out-of-Distribution States [84.24300005271185]
  本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。 本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
  論文  参考訳（メタデータ） (2023-01-27T22:28:19Z)
• Numerical Demonstration of Multiple Actuator Constraint Enforcement Algorithm for a Molten Salt Loop [5.6006269492683725]
  溶融塩ループの自律制御に対して、解釈可能で適応可能なデータ駆動機械学習アプローチを実証する。 適応性に対処するために、制御アルゴリズムを使用して、定数と時間依存の制約を強制しながらアクチュエータセットポイントを変更する。
  論文  参考訳（メタデータ） (2022-02-04T11:58:40Z)
• Steady-State Error Compensation in Reference Tracking and Disturbance Rejection Problems for Reinforcement Learning-Based Control [0.9023847175654602]
  強化学習(Reinforcement Learning, RL)は、自動制御アプリケーションにおける将来的なトピックである。 アクター批判に基づくRLコントローラのためのイニシアティブアクション状態拡張(IASA)が導入される。 この拡張は専門家の知識を必要とせず、アプローチモデルを無償にしておく。
  論文  参考訳（メタデータ） (2022-01-31T16:29:19Z)
• Learning Robust Policy against Disturbance in Transition Dynamics via State-Conservative Policy Optimization [63.75188254377202]
  深層強化学習アルゴリズムは、ソースとターゲット環境の相違により、現実世界のタスクでは不十分な処理を行うことができる。 本研究では,前もって乱れをモデル化せずにロバストなポリシーを学習するための,モデルフリーなアクター批判アルゴリズムを提案する。 いくつかのロボット制御タスクの実験では、SCPOは遷移力学の乱れに対する堅牢なポリシーを学習している。
  論文  参考訳（メタデータ） (2021-12-20T13:13:05Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Sparsity in Partially Controllable Linear Systems [56.142264865866636]
  本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。 最適制御には無関係な状態変数を特徴付ける。
  論文  参考訳（メタデータ） (2021-10-12T16:41:47Z)
• Enforcing Policy Feasibility Constraints through Differentiable Projection for Energy Optimization [57.88118988775461]
  本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。 エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
  論文  参考訳（メタデータ） (2021-05-19T01:58:10Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。