論文の概要: AI Enabled Neutron Flux Measurement and Virtual Calibration in Boiling Water Reactors

• arxiv url: http://arxiv.org/abs/2409.17405v1
• Date: Wed, 25 Sep 2024 22:30:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-29 00:01:07.910412
• Title: AI Enabled Neutron Flux Measurement and Virtual Calibration in Boiling Water Reactors
• Title（参考訳）: AIによる沸騰中の中性子フラックス測定と仮想キャリブレーション 水炉
• Authors: Anirudh Tunga, Jordan Heim, Michael Mueterthies, Thomas Gruenwald and Jonathan Nistor
• Abstract要約: 原子炉コア内の3次元の電力分布を正確に把握することは、原子炉の安全かつ経済的操作を保証するために不可欠である。 機械学習(ML)は、メンテナンスコストの削減、オンラインローカル電力測定の精度の向上、オフラインとオンライン電力分布間のバイアスの低減に使用されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately capturing the three dimensional power distribution within a reactor core is vital for ensuring the safe and economical operation of the reactor, compliance with Technical Specifications, and fuel cycle planning (safety, control, and performance evaluation). Offline (that is, during cycle planning and core design), a three dimensional neutronics simulator is used to estimate the reactor's power, moderator, void, and flow distributions, from which margin to thermal limits and fuel exposures can be approximated. Online, this is accomplished with a system of local power range monitors (LPRMs) designed to capture enough neutron flux information to infer the full nodal power distribution. Certain problems with this process, ranging from measurement and calibration to the power adaption process, pose challenges to operators and limit the ability to design reload cores economically (e.g., engineering in insufficient margin or more margin than required). Artificial intelligence (AI) and machine learning (ML) are being used to solve the problems to reduce maintenance costs, improve the accuracy of online local power measurements, and decrease the bias between offline and online power distributions, thereby leading to a greater ability to design safe and economical reload cores. We present ML models trained from two deep neural network (DNN) architectures, SurrogateNet and LPRMNet, that demonstrate a testing error of 1 percent and 3 percent, respectively. Applications of these models can include virtual sensing capability for bypassed or malfunctioning LPRMs, on demand virtual calibration of detectors between successive calibrations, highly accurate nuclear end of life determinations for LPRMs, and reduced bias between measured and predicted power distributions within the core.
• Abstract（参考訳）: 原子炉コア内の3次元の電力分布を正確に把握することは、原子炉の安全かつ経済的運用、技術仕様の遵守、燃料サイクル計画(安全、制御、性能評価)の確保に不可欠である。 オフライン(つまりサイクル計画とコア設計)では、原子炉のパワー、モデレーター、ヴォイド、流れの分布を推定するために3次元中性子シミュレータが使用され、その辺縁から熱限界、燃料の露出を近似することができる。 オンラインでは、この手法は、満潮の電力分布を推測するために十分な中性子フラックス情報を取得するように設計されたローカルパワーレンジモニター(LPRM)システムによって実現されている。 測定とキャリブレーションから電力適応プロセスまで、このプロセスのある種の問題は、オペレーターに課題を提起し、経済的にコアをリロードする能力を制限する(例えば、必要以上のマージンまたはマージンの工学)。 人工知能(AI)と機械学習(ML)は、メンテナンスコストの削減、オンラインローカル電力測定の精度の向上、オフラインとオンラインの電力分布間のバイアスの低減、それによって安全で経済的リロードコアを設計する能力の向上のために使用されている。 2つのディープニューラルネットワーク(DNN)アーキテクチャ、SurrogateNetとLPRMNetからトレーニングされたMLモデルを示し、それぞれ1%と3%のテストエラーを示す。 これらのモデルの適用例としては、LPRMをバイパスまたは誤動作させる仮想センシング機能、連続するキャリブレーション間の検出器の要求の仮想キャリブレーション、LPRMの高精度な寿命決定、コア内の測定された電力分布と予測された電力分布間のバイアスの低減などがある。

関連論文リスト

• Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement [4.543428299377013]
  本稿では,カップアンドピンガラス絶縁体列のフラッシュオーバー確率を推定するための機械学習(ML)に基づく新しい手法を提案する。 提案手法は,絶縁体ストリングの状態を正確に判定し,資産管理技術者に適切な行動を取るよう指示する。
  論文  参考訳（メタデータ） (2024-07-26T18:11:49Z)
• Multistep Criticality Search and Power Shaping in Microreactors with Reinforcement Learning [0.3562485774739681]
  核マイクロリアクターにおける知的制御のための強化学習(RL)アルゴリズムを導入する。 近位政策最適化(PPO)とアクター・クリティカル(A2C)を用いたRLエージェントの訓練 その結果, 最適ドラム位置同定におけるPPOの優れた性能が示された。
  論文  参考訳（メタデータ） (2024-06-22T20:14:56Z)
• Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
  本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。 我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。 その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
  論文  参考訳（メタデータ） (2023-11-06T22:13:10Z)
• A new transformation for embedded convolutional neural network approach toward real-time servo motor overload fault-detection [0.0]
  DCサーボモーターの過負荷は、多くの企業が専門家を見つけるという問題に直面しているため、業界において大きな関心事である。 本稿では,人間の干渉を伴わないリアルタイム入力信号から障害を抽出する新しい変換法を用いて,畳み込みニューラルネットワーク(CNN)を用いた組込み人工知能アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-08T13:36:33Z)
• Fault-Aware Design and Training to Enhance DNNs Reliability with Zero-Overhead [67.87678914831477]
  ディープニューラルネットワーク(DNN)は、幅広い技術的進歩を可能にする。 最近の知見は、過渡的なハードウェア欠陥がモデル予測を劇的に損なう可能性があることを示唆している。 本研究では,トレーニングとモデル設計の両面で信頼性の問題に取り組むことを提案する。
  論文  参考訳（メタデータ） (2022-05-28T13:09:30Z)
• On the Tradeoff between Energy, Precision, and Accuracy in Federated Quantized Neural Networks [68.52621234990728]
  無線ネットワーク上でのフェデレーション学習(FL)は、精度、エネルギー効率、精度のバランスをとる必要がある。 本稿では,ローカルトレーニングとアップリンク伝送の両方において,有限レベルの精度でデータを表現できる量子化FLフレームワークを提案する。 我々のフレームワークは標準的なFLモデルと比較してエネルギー消費量を最大53%削減できる。
  論文  参考訳（メタデータ） (2021-11-15T17:00:03Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• Artificial Intelligence based Sensor Data Analytics Framework for Remote Electricity Network Condition Monitoring [0.0]
  農村電化は、単一ワイヤアースリターン(SWER)ネットワークのような安価な技術の使用を要求する。 リモート消費者からのエネルギー需要は着実に増加しており、既存の路線の容量はすぐに不足する可能性がある。 SWERラインからの高インピーダンスアーク断層(HIF)は、2009年のブラックサタデーイベントのような壊滅的なブッシュファイアを引き起こす可能性があります。
  論文  参考訳（メタデータ） (2021-01-21T07:50:01Z)
• Deep Surrogate Models for Multi-dimensional Regression of Reactor Power [0.0]
  我々は,原子炉の電力分布の高精度かつ高精度な多次元回帰を提供するニューラルネットワークの能力を確立する。 その結果、ニューラルネットワークは、自律型原子炉制御フレームワークで実装するサロゲートモデルに適した選択であることが示された。
  論文  参考訳（メタデータ） (2020-07-10T15:16:36Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

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。