Innovative methods for on-line control-oriented modeling: an application on the TRIGA reactor

Résumé fourni par la source

Questo lavoro di dottorato sviluppa un approccio innovativo alla simulazione orientata al controllo, per l'applicazione alla dinamica degli impianti nucleari della GEN-III corrente e della nuova GEN-IV. Il reattore TRIGA-MARK II a Pavia ha permesso di validare il modello con un database sperimentale. Gli elementi di novita di questa ricerca consistono in: - sviluppi nella caratterizzazione della fisica e nella modellizzazione dell'impianto TRIGA;
 - nuovi metodi e strategie di previsione della dinamica del reattore. Un modello non-lineare dell'impianto, con geometria e distribuzione spaziale semplificate, e stato realizzato con un duplice approccio: - a-causale, dichiarativo, nell'ambiente di simulazione Dymola OOM; - tradizionale, causale, in ambiente Matlab-Simulink. Si effettua l'analisi di stabilita lineare sul sistema di ODE implementato in Simulink: le regioni di stabilita sono studiate e individuate calcolando gli autosaloni della matrice della dinamica, al variare dei coefficienti di reattivita della temperatura del combustibile e del moderatore. Il perimetro del modello include la piscina del reattore, la cui inerzia termica e fondamentale nella dinamica del sistema, la circolazione naturale attraverso il nocciolo, il sistema di raffreddamento e la reattivita neutronica: - il coefficiente di temperatura del combustibile e modellizzato mediante transitori sperimentali veloci a diversi valori di potenza; - il coefficiente di temperatura del moderatore e modellizzato mediante l'elaborazione di precedenti risultati di ricerca basati su codici di trasporto Monte Carlo N-Particle e sul software FEM COMSOL Multiphysics® per la termoidraulica; - la dinamica della concentrazione dei veleni e inclusa nel modello e l'anti-reattivita e stata calcolata mediante dati sperimentali. Il modello e validato utilizzando transitori sperimentali realizzati dalla candidata nel periodo marzo-maggio 2015, in collaborazione con l'INFN di Milano Bicocca. La simulazione del modello di impianto rappresenta la migliore conoscenza 'a priori' della fisica del sistema. Tuttavia, essa e affetta da semplificazioni e incertezze legate ad un comprensione incompleta della fisica dell'impianto (e.g. fattori d'attrito, regime di flusso del fluido di raffreddamento, modello e parametri dello scambio di calore). Cio e particolarmente vero per l'innovativa tecnologia GEN-IV. D'altro canto, i limiti di una strategia di controllo basata esclusivamente su dati di misura e che le misure rappresentano pochi punti nello spazio e molte variabili importanti non sono accessibili ai sensori (non osservabili). Le misure possono essere affette da rumore o errore sistematico. La strategia di controllo presentata in questo lavoro e una combinazione innovativa delle migliori tecniche disponibili per migliorare la previsione della dinamica. Essa si basa sul filtro di Kalman (KF), un algoritmo di previsione-correzione iterativo che assimila i dati di misura dal sistema reale per migliorare le stime 'a priori'. Se la relazione tra osservabili e variabili di stato e nota, i processi 'nascosti' sono previsti attraverso la tecnica dei problemi inversi. KF e adatto per l'applicazione a sistemi di GEN-IV in cui condizioni fisiche e chimiche estreme limitano la possibilita di utilizzo di sensori e la loro vita utile. Il filtro di Kalman 'Extended' (EKF) e adatto per l'applicazione alla dinamica di sistemi non-lineari e consiste nella linearizzazione dinamica dell spazio di stato del sistema con l'applicazione delle equazioni del filtro di Kalman standard, ad ogni passo temporale. La convergenza e la consistenza dell'EKF non sono garantite, come per il filtro lineare. Poiche l'EKF approssima la probabilita a posteriori p(Xn|Z(0:n)) con una Gaussiana, esso puo produrre risultati meno esatti nei casi in cui l'effettiva probabilita a posteriori sia marcatamente asimmetrica o multimodale. L'EKF puo essere progettato per produrre buone stime di un sistema non-lineare, a patto che esso sia 'tarato' con appropriati parametri di progetto: la performance a regime del filtro e univocamente determinata dalla matrice di covarianza del rumore del processo Q, dalla covarianza del rumore di misura R e dalla matrice di covarianza iniziale dell'errore di previsione P(0). diversamente dal caso lineare, non esiste una metodologia generale per l'inizializzazione dei parametri dell'EKF; nei sistemi complessi questa fase puo essere difficoltosa. Questo lavoro applica la tecnica di Particle Swarm Optimisation (PSO) come soluzione alla questione dell'inizializzazione dell'EKF. il PSO e un metodo di ottimizzazione stocastica, in cui la posizione di una particella corrisponde ad una possibile soluzionedel problema di ottimizzazione (i.e. un set di valori per l'inizializzazione dell'EFK). Le particelle si muovono nello spazio testando di nuovi valori dei parametri, per ridurre il valore di una funzione-obiettivo appropriatamente definita. Le loro interazioni producono un miglioramento iterativo della soluzione del problema di ottimizzazione, secondo regole specifiche. Il PSO e piu veloce degli algoritmi genetici e, diversamente dagli algoritmi evolutivi, non fa uso della selezione. L'uso del PSO per l'individuazione di appropriati parametri iniziali dell'EKF e un'innovazione introdotta da questo lavoro di ricerca in merito alla questione della consistenza e convergenza dell'EKF. Le previsioni effettuate dall'EKF seguono la dinamica dei processi in maniera accurata, senza divergenza o overshooting. La stabilita e la convergenza sono garantite dal' applicazione del PSO all'inizializzazione dei parametri dell'EKF. Alcuni effetti del second'ordine sull'accuratezza della previsione devono essere ulteriormente approfondite: - il modello di alcuni elementi-chiave e a parametri concentrati (e.g. la piscina del reattore); - il valore reale del fattore d'attrito nel nocciolo non e noto. Piccole variazioni possono incidere in maniera significativa sulla portata nel nocciolo e sulla dinamica neutroni; - il modello di scambio di calore tra combustibile e moderatore e mediato sull'intero nocciolo; - il coefficiente di retroazione della reattivita di temperatura del combustibile e calcolato interpolando i dati sperimentali, sulla base di un modello le cui incertezze non sono 'chiuse' (come consegue dalla considerazioni di cui sopra). Ulteriori sviluppi della ricerca potrebbero riguardare: - simulatione CFD per fornire ulteriori elementi sul regime di flusso e sulle condizioni di scambio di calore nei diversi canali del nocciolo; - comparazione con metodi di previsione alternativi (e.g. Particle Filtering), in termini di accuratezza e velocita computazionale; - l'applicazione di metodi di riduzione d'ordine, per semplificare ulteriormente la parte computazionale, migliorando l'accuratezza della simulazione e il livello di dettaglio del modello. Gli scarti introdotti da errore sistematico di misura sono una questione aperta.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.