Modelling thermodynamic properties of substances with neural networks in nuclear power plant simulation

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology | Diplomityö
Date
2005
Major/Subject
Systeemitekniikka
Mcode
AS-74
Degree programme
Language
en
Pages
65 s. + liitt.
Series
Abstract
Tämä työ on tehty osana Loviisan ydinvoimalaitoksen automaatiouudistusprojektia. Loviisan ydinvoimalaitosta on ohjattu nykyisellä automaatiojärjestelmällä jo yli 30 vuotta. Jotta laitosta voitaisiin turvallisesti käyttää mahdollisimman pitkään, tulee sen vanhat analogiset automaatiojärjestelmät muuttaa digitaalisiksi. Digitaalinen lähestyminen tulee muuttamaan monia asioita, joista näkyvimmät ovat valvomot. Tulevaisuudessa laitosta tullaan ohjaamaan normaaleilta monitoreilta vanhojen analogisten taulujen ja pulpettien sijasta. Automaatiouudistuksessa käytetään laitoksen toimintaa kuvaavaa hyvin kattavan kehityssimulaattoria. Simulaattorilla on monta eri käyttötarkoitusta, joista tärkeimmät ovat uusien ohjausnäyttöjen suunnittelu ja testaus, sekä automaatiouudistuksien testaus ja validointi yhdessä toimittajien kanssa. Loviisan kehityssimulaattori on toteutettu APROS ohjelmalla. Vuosien kehityksen ja käyttämisen jälkeen on havaittu, ettei APROS pysty mallintamaan tiettyjä tilanteita riittävän hyvin. Ongelman ratkaisemiseksi eivät klassiset menetelmät riittäneet, joten ongelmaa lähestyttiin uudella tavalla. VTT on kehittänyt ratkaisun, mikä perustuu usean neuroverkon muodostamaan hyvin epälineaariseen approksimoivaan kokonaisuuteen. Ratkaisussa mallinnetaan prosessissa ilmenevien ilmavuotojen, veden ja höyryn sekoituksen termodynaamisia tiloja. Kiertoon pääsee jostain kohtaa ilmaa, mikä voi alkaa levitä mallissa. Työn tarkoituksena on implementoida uusi ratkaisu kehityssimulaattorin ja kattavasti testata sen toiminta. Uusi ratkaisu mahdollistaa kehityssimulaattorin käytön aivan uusissa tilanteissa. Kehityssimulaattorin parannukset mahdollistavat kattavamman koulutuksen operaattoreille, sekä tarkemman testauksen ja suunnittelun tulevalle automaatiolle. Loppujen lopuksi ratkaisu tähtää samaan kuin varsinainen automaatiouudistus, eli laitoksen turvalliseen ja taloudelliseen käyttöön tulevaisuudessa.
Description
Supervisor
Koivo, Heikki
Thesis advisor
Kontio, Harri
Keywords
soft sensor, dynaaminen simulointi, neural networks, neuroverkko approksimointi, power plant simulation, automaatiouudistusprojekti, thermodynamic properties of substances, APROS, nuclear power, Loviisan ydinvoimalaitos, non-condensable gases, termodynaamisten ominaisuuksien mallinnus, APROS
Other note
Citation