Detección de perturbaciones en reactores nucleares utilizando redes neuronales
[ES] El presente trabajo estudia las posibilidades de detección y localización de pequeñas anomalías de funcionamiento en un reactor nuclear de agua presión. Mediante la monitorización de las medidas de los detectores de neutrones es posible la detección temprana de perturbaciones de una forma no in...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/191931 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/191931 |
| Access Level: | acceso abierto |
| Palabra clave: | Inteligencia artificial Ruido neutrónico Localización Redes neuronales Nuclear energy Neutron noise Localisation Neural networks Artificial intelligence FISICA APLICADA INGENIERIA NUCLEAR Máster Universitario en Ingeniería Industrial-Màster Universitari en Enginyeria Industrial |
| Sumario: | [ES] El presente trabajo estudia las posibilidades de detección y localización de pequeñas anomalías de funcionamiento en un reactor nuclear de agua presión. Mediante la monitorización de las medidas de los detectores de neutrones es posible la detección temprana de perturbaciones de una forma no invasiva. La detección temprana de anomalías da la posibilidad de realizar las acciones pertinente antes que estas provoquen problemas de seguridad o repercutan en la disponibilidad de la planta. El objetivo principal del TFM es el de diseñar una red neuronal que permita encontrar las perturbaciones en un modelo de reactor bidimensional a partir de los datos de flujo neutrónico simulados ante anomalías. En este sentido, se simulan casos de diferentes perturbaciones y se obtiene las lecturas del ruido neutrónico en los detectores, la fluctuación sobre la media. Estos datos permiten entrenar una red neuronal. En primer lugar, se simularán los datos en el código FEMFFUSION. Luego, los datos permitirán construir una red neuronal para encontrar la localización de la perturbación. La red se construye de manera similar a la de la documentación que trata los problemas de localización mediante la librería KERAS. Finalmente, se estudia en más detalle las diferentes redes que se pueden construir y se varían sus datos y estudiando su desempeño. Se concluye con los resultados de detección y se establecen los mejores parámetros para el funcionamiento del sistema. |
|---|