Введение
Глава 1. Обзор основных методов идентификации типа аварии на АЭС 18
1.1 Основные положения по авариям 18
1.2 Основные моменты идентификации аварий по простым системам
1.2.1 Методы на основе модели 21
1.2.2 Безмодельные методы
1.2.2.1 Методы на основе поступающих данных 22
1.2.2.2 Методы на основе сигналов 24
1.3 Идентификация аварий на АЭС (как сложной системы) 24
1.3.1 Методы с использованием модели для идентификации аварии на АЭС 26
1.3.2 Безмодельные методы для идентификации аварии на АЭС 26
1.3.3 Статистические методы 27
1.3.4 Система на основе нечеткой логики 29
1.3.5 Походы с применением нейронных сетей для идентификации аварии на АЭС
1.3.5.1 Многослойные нейронные сети прямого распространения 31
1.3.5.2 НС для идентификации «неизвестных» типов аварий 34
1.3.5.3 НС обрабатывающие данные, зависящие от времени 35
1.3.5.4 Достоинства и недостатки методов
идентификации с НС 35
1.3.6 Нейро-нечёткие системы для
идентификации на АЭС 36
1.3.7 Выводы по главе 1 37
Глава 2. Методы для построения системы идентификации 39
2.1 Общий формализм системы идентификации аварии на АЭС
на основе нейронных сетей 39
2.2 Возможное ветвление аварии в течение ее развития 42
2.3 Основные характеристики нейронных сетей 46
2.3.1 Основные понятия НС 47
2.3.1.1 Модель нейронов 47
2.3.1.1.1 Типы функций активации 49
2.3.1.2 Архитектура НС 51
2.3.1.3 Многослойные сети прямого распространения
2.3.2 Обучение НС 54
2.3.3 Алгоритм обучения многослойной НС методом обратного распространения ошибки 57
2.4 Описание расчетного кода RELAP5 60
2.4.1 Общее сведение о расчётном коде RELAP5 60
2.4.2 Основные уравнения системного кода RELAP5 61
2.4.2.1 Система пар – жидкость без учета неконденсируемых газов и бора 61
2.4.2.2 Режимы двухфазного потока и специальные модели процессов код RELAP5 64
2.4.3 Компоненты кода RELAP5 .66
2.4.4 Использование RELAP5 в системе
идентификации аварий 67
2.5 Методы анализа неопределенностей расчётов 67 73
2.6 Определение необходимого количества расчетов с использованием формулы Вилкса
2.7 Выводы по главе
Глава 3. Создание базы данных для системы идентификации аварий ру ВВЭР-1000/В320
3.1 Краткое описание РУ ВВЭР-1000/В320 для проведения моделирования аварий на АЭС 75
3.1.1 Основные характеристики и параметры реакторной установки ВВЭР-1000 75
3.1.2 Особенности систем безопасности РУ ВВЭР - 1000/В-320 78
3.1.3 Моделирование систем безопасности на АЭС с РУ ВВЭР-1000
3.1.3.1 Нодализационная схема РУ
ВВЭР-1000/В320 по коду RELAP5 84
Выбор множества аварий для настройки базы данных по идентификации 91
Анализ процесса протекания аварий при течи теплоносителя из первого контура РУ 95
3.3.1 Течь из горячей нитки первого контура с ДУ 30мм (Hn30) 95
3.3.1.1 Описание аварийной ситуации 95
3.3.1.2 Хронологическая последовательность основных событий аварии 96
3.3.2 Течь холодной нитки первого контура с ДУ 50мм с наложением отказа насоса высокого давления JND (CnJND50) из
3.3.2.1 Описание аварии
3.3.2.2 Хронологическая последовательность основных событий аварии 100
3.4 Выбор контролируемых параметров для мониторинга состояния АЭС 102
3.5 Выбор параметров для моделирования стохастических отклонений 105
3.6 Генерация базы данных для систем идентификации аварии на основе АН 107
3.6.1 Применение технологии параллельных расчетов для АН 107
3.6.1.1 Обоснование применения техник параллельных расчетов PVM 107
3.6.1.2 Принципы работы PVM 108
3.6.2 Метод генерации базы данных на основе программы NPO 110
3.7 Результаты проведения расчетов по созданию базы данных идентификации 113
3.7.1 Результирующие данные для аварии течи первого контура из холодной нитки с ДУ 30мм (Cn30) – рис. 3.12 - 3.15 115
3.7.2 Результирующие данные для аварии течи первого контура из холодной нитки с ДУ 40мм (Cn40) – рис. 3.16 - 3.19 117
3.7.3 Результирующие данные для аварии течи первого контура из холодной нитки с ДУ 50мм (Cn50) – рис. 3.20 - 3.23 119
3.7.4 Результирующие данные для аварии течи первого контура из холодной нитки ДУ 50мм с отказом системы насоса высокого давления JND САОЗа петли 4 (CnJND50) – рис. 3.24 - 3.27 121 3.7.5 Результирующие данные для аварии течи первого контура из горячей нитки ДУ 30мм (Hn30) – рис. 3.28 - 3.31 123
3.7.6 Результирующие данные для аварии течи первого контура из горячей нитки ДУ 40мм (Hn40) – рис. 3.32 - 3.35 125
3.7.7 Результирующие данные для аварии течи первого контура из горячей нитки ДУ 50мм (Hn50) – рис. 3.36 - 3.39 127
3.7.8 Результирующие данные для аварии течи первого контура из горячей нитки ДУ 50мм с отказом одного гидроаккумулятора САОЗа (HnHA50) – рис. 3.40 - 3.43 129
3.7.9 Анализ результатов расчетов 131
3.8 Выводы по главе 3 131
Глава 4. Разработка и оптимизация системы идентификации аварий в различных режимах ее функционирования 133
4.1 Задача настройки и поиски оптимальной структуры нейронной сети 133
4.1.1 Программа neuroV для поиска оптимальных параметров НС, ее обучению и распознаванию аварий 133
4.1.2 Метод перебора для нахождения оптимальной архитектуры НС 137
4.1.3 Метод на основе генетического алгоритма для нахождения оптимальной архитектуры НС 1 4.2 Тестирование распознавания аварий РУ ВВЭР-1000 для начального момента аварии 139
4.3 Работа системы идентификации во время протекания аварии 1 4.3.1 Анализ проблемы «мертвой зоны» 141
4.3.2 Использования системы идентификации для базы данных на основе 2, 4, 6 и 16 аварий 142
4.3.2.1 Идентификация 2,4, и 6 типов аварий 142
4.3.2.2 Идентификация 16 типов аварий 147
4.3.3 Иерархическая структура системы распознавания для 64 типов аварийных ситуаций на основе бинарного дерева 149
4.3.4 Определение временных окон («мертвых зон») 1 4.4 Возможность функционирования системы идентификации при наличии ошибок в мониторинге 158
4.5 Направления развития 160
4.6 Выводы по главе 4 161
Выводы по работе 163
Литература
