تخمین نرخ بیشینه حرارت خطی با استفاده از تکنیک‌های محاسبات نرم: مطالعه موردی نیروگاه اتمی بوشهر
در این پژوهش با استفاده از داده‌های واقعی نیروگاه اتمی بوشهر و به کارگیری روش‌های محاسبات نرم و بدون استفاده از داده‌های سنسورهای داخل قلب رآکتور به تخمین پارامتر نرخ بیشینه حرارت خطی می‌پردازیم. الگوریتم‌های یادگیری مؤثر شبکه عصبی مصنوعی شامل لونبرگ- مارکوارت و تنظیم بیزین در ترکیب با تکنیک‌های مخت...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Nuclear Science and Technology Research Institute
2022-06-01
|
| Series: | مجله علوم و فنون هسته‌ای |
| Subjects: | |
| Online Access: | https://jonsat.nstri.ir/article_1378_ed2bf5d3993021bbaaf9d4d5294dde23.pdf |
| Summary: | در این پژوهش با استفاده از داده‌های واقعی نیروگاه اتمی بوشهر و به کارگیری روش‌های محاسبات نرم و بدون استفاده از داده‌های سنسورهای داخل قلب رآکتور به تخمین پارامتر نرخ بیشینه حرارت خطی می‌پردازیم. الگوریتم‌های یادگیری مؤثر شبکه عصبی مصنوعی شامل لونبرگ- مارکوارت و تنظیم بیزین در ترکیب با تکنیک‌های مختلف انتخاب ویژگی شامل پیرسون، اسپیرمن، و کندال برای تخمین پارامتر هدف مورد استفاده قرار می‌گیرند. نتایج مناسب بودن روش پیشنهادی برای تخمین پارامتر هدف را نشان می‌دهد. با توجه به اهمیت این پارامتر از لحاظ ایمنی و این‌که افزایش بیش از حد آن باعث ارسال سیگنال خاموشی رآکتور می‌گردد، استفاده از رویکردهای مناسب مانند مطالعه پیش‌رو، می‌تواند باعث افزایش ایمنی نیروگاه شده و دفاع در عمق را بهبود بخشد. |
|---|---|
| ISSN: | 1735-1871 2676-5861 |