論文の概要: A Digital Twin Framework for Generation-IV Reactors with Reinforcement Learning-Enabled Health-Aware Supervisory Control

• arxiv url: http://arxiv.org/abs/2506.17258v1
• Date: Mon, 09 Jun 2025 02:23:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-29 09:28:14.83199
• Title: A Digital Twin Framework for Generation-IV Reactors with Reinforcement Learning-Enabled Health-Aware Supervisory Control
• Title（参考訳）: 強化学習型Health-Aware Supervisory Controlを用いた第IV世代原子炉用ディジタルツインフレームワーク
• Authors: Jasmin Y. Lim, Dimitrios Pylorof, Humberto E. Garcia, Karthik Duraisamy,
• Abstract要約: デジタルツインは、デジタルツールで現実世界のシステムを橋渡しし、コストを削減し、意思決定を強化し、運用効率を高める。 この研究では、Gen-IV Fluoride-salt-cooled High-Temperature Reactorを操作するために、デジタルツインフレームワークが設計されている。
• 参考スコア（独自算出の注目度）: 2.499907423888049
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generation IV (Gen-IV) nuclear power plants are envisioned to replace the current reactor fleet, bringing improvements in performance, safety, reliability, and sustainability. However, large cost investments currently inhibit the deployment of these advanced reactor concepts. Digital twins bridge real-world systems with digital tools to reduce costs, enhance decision-making, and boost operational efficiency. In this work, a digital twin framework is designed to operate the Gen-IV Fluoride-salt-cooled High-temperature Reactor, utilizing data-enhanced methods to optimize operational and maintenance policies while adhering to system constraints. The closed-loop framework integrates surrogate modeling, reinforcement learning, and Bayesian inference to streamline end-to-end communication for online regulation and self-adjustment. Reinforcement learning is used to consider component health and degradation to drive the target power generations, with constraints enforced through a Reference Governor control algorithm that ensures compliance with pump flow rate and temperature limits. These input driving modules benefit from detailed online simulations that are assimilated to measurement data with Bayesian filtering. The digital twin is demonstrated in three case studies: a one-year long-term operational period showcasing maintenance planning capabilities, short-term accuracy refinement with high-frequency measurements, and system shock capturing that demonstrates real-time recalibration capabilities when change in boundary conditions. These demonstrations validate robustness for health-aware and constraint-informed nuclear plant operation, with general applicability to other advanced reactor concepts and complex engineering systems.
• Abstract（参考訳）: ジェネレーションIV(ジェネレーションIV)の原子力発電所は、現在の原子炉の代替として計画されており、性能、安全性、信頼性、持続可能性が改善されている。 しかし、現在、大規模なコスト投資はこれらの先進的な原子炉の概念の展開を阻害している。 デジタル双生児は、コスト削減、意思決定の強化、運用効率の向上のために、現実世界のシステムをデジタルツールで橋渡しする。 この作業では、Gen-IV Fluoride-salt冷却高温リアクターを運用するために、データ強化手法を使用して、システムの制約を順守しながら、運用およびメンテナンスポリシを最適化するデジタルツインフレームワークが設計されている。 クローズドループフレームワークは、代理モデリング、強化学習、ベイズ推論を統合し、オンライン規制と自己調整のためのエンドツーエンド通信を合理化する。 強化学習は、ポンプ流量と温度制限の遵守を保証するリファレンス・ガウンジ制御アルゴリズムによって強制される制約により、対象の電力世代を駆動するためにコンポーネントの健康と劣化を検討するために使用される。 これらの入力駆動モジュールは、ベイズフィルタを用いて測定データに同化される詳細なオンラインシミュレーションの恩恵を受ける。 デジタル双生児は3つのケーススタディで示されており、保守計画能力を示す1年間の長期運用期間、高周波測定による短期的精度向上、境界条件の変化に伴うリアルタイム再校正能力を示すシステムショックキャプチャである。 これらの実証は、他の先進的な原子炉の概念や複雑な工学システムに適用可能な、健康に配慮した、制約に富んだ原子力プラントの運転に対する堅牢性を検証するものである。

関連論文リスト

• Towards Efficient Parametric State Estimation in Circulating Fuel Reactors with Shallow Recurrent Decoder Networks [3.422016133670755]
  本稿では, 中性子と熱水圧との強い結合を特徴とする第4世代原子炉である溶融塩高速炉(MSFR)の試験事例として考察する。 リアルタイムの全ての特性場の正確な再構成により、この手法は原子炉デジタルツインの枠組みにおける監視と制御の目的に適している。
  論文  参考訳（メタデータ） (2025-03-11T21:32:28Z)
• Virtual Sensing-Enabled Digital Twin Framework for Real-Time Monitoring of Nuclear Systems Leveraging Deep Neural Operators [0.36651088217486427]
  本稿では,デジタルツインフレームワークのコアコンポーネントとしてDeepOperator Networks (DeepONet) を導入する。 DeepONetは動的でスケーラブルな仮想センサとして機能し、操作された入力パラメータと空間的に分散されたシステムの振る舞いの間の相互作用を正確にマッピングする。 この結果から,DeepONetは平均二乗誤差と相対L2誤差で精度の高い予測を行い,従来のCFDシミュレーションの1400倍の精度で未知データの予測を行うことができた。
  論文  参考訳（メタデータ） (2024-10-17T16:56:04Z)
• AI Enabled Neutron Flux Measurement and Virtual Calibration in Boiling Water Reactors [0.0]
  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。
  論文  参考訳（メタデータ） (2024-09-25T22:30:09Z)
• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• Digital Twin-Centered Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction [0.4166512373146748]
  本稿では,ハイブリッドデジタルツインに焦点を当てた多段階深層学習フレームワークを提案する。 96%の分類、2.3%のMAPEを達成し、反応器の最終的な定常電力を予測する。 データ駆動の洞察をデジタルツインの原理と整合させることで、この研究は核システム管理における適応的でスケーラブルなソリューションの基礎となる。
  論文  参考訳（メタデータ） (2022-11-23T17:32:52Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
  未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。 機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。 従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2020-07-07T10:00:32Z)

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。