JPH04194788A - 高速炉の炉内異常検出方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［発明の目的コ （産業上の利用分野） 本発明は、液体金属冷却型高速炉プラントの炉内の異常
発生を検出する炉内異常検出方法に関する。

（従来の技術） 液体金属を冷却材として用いる高速炉プラントの炉心を
構成する燃料集合体内の流路に異物が混入した場合には
、冷却材及び燃料の温度が上昇する。この状態が長く続
くと、燃料が溶融し冷却材との相互作用（Ｆｕｅｌ　Ｃ
ｏｏｌａｎｔ　Ｉｎｔｅｒａｃｔｉｏｎ；ＦＣＩ）によ
り高い圧力が生じる可能性かある。

冷却材として液体金属であるナトリウム（Ｎａ）を用い
る高速路において、燃料破損に至った場合には、燃料要
素から放出され原子炉のカバーガス（ＣＧ）に移行した
核分裂生成物（ＦＰ）ガスを測定するＣＧ法と、燃料と
Ｎａとの接触により１次冷却材に移行したＦＰから放出
される遅発中性子（ＤＮ）を測定するＤＮ法により、異
常の発生を検出している。

小規模程度のガスリーク破損の場合にはＣＧ法が、中か
ら大規模の開口破損か発生した場合にはＤＮ法が有効で
あるが、炉心の局所事故を想定した破損では、その発生
と同時に開口破損へと進展することからＤＮ法のみ原子
炉停止機能を連動させ、自動スクラムを行う方式が一般
的である。

また、上記ＣＧ、ＤＮ法とは別に、炉容器の各出口配管
ｉこ１次冷゛却材の温度と流量を監視する炉容器出口冷
却材温度高検出器と流量低検出器が、さらに炉外には中
性子束を監視する中性子束高検出器が設けられている。

これらもＤＮ法と同様に原子炉停止機能に連動されてお
り、流路閉塞等による冷却材の温度上昇と流量低下、燃
料の溶融による中性子束の増加現象が生じた場合に、自
動的にスクラムを実施するように設計されている。

（発明が解決しようとする課題） 上述したように従来の炉内異常検出方法では、監視対象
となる事象の影響範囲が発生初期においては局所的であ
るため、広範囲の空間的領域を監視対象としている上記
従来の検出手段では、早期にそれらを検出することは困
難である。また、上記方法を用いて異常時における状態
量の変化を検出できたとしても、異常源の位置決めはで
きないという欠点があった。

本発明は、このような従来の欠点を除去するためになさ
れたもので、高速炉プラントの炉心において局所的な炉
内異常事象発生の有無を早期に検出する炉内異常検出方
法を提供することを目的とする。

［発明の構成］ （課題を解決するための手段） 上記従来の目的を達成する本発明の高速炉の炉内異常検
出方法は、高速炉の路上部に設置されている燃料集合体
出口の冷却材温度測定用の熱電対より得られる温度信号
の揺らぎのＲＭＳ値を正常時の値で規格化したＮＲＭＳ
値と、炉心の状態を表わす炉出力、各制御棒位置、炉容
器入口冷却材温度と流量のプロセス量を監視し、該プロ
セス量から炉心の状態を判定し、該炉心の状態が変更中
でない時に前記Ｎ　ＲＭ　Ｓ値から正常／異常の有無を
出力するように学習した入出力信号処理網を用いて、高
速炉の炉内の異常発生の有無を検知することを特徴とす
る。

また、前記ＮＲＭＳ値から正常／異常の有無を出力する
場合に、階層的なネットワーク構造を成し、各層の間に
は結合の強さを表わす重み係数を保持するメモリと、入
力されたＮＲＭＳ値のデータを前記重み係数により重み
付けする機構と、重み付けされたデータを加え合せる機
構を持ち、特性試験や計算コードによる模擬試験から得
られた正常／異常時のＮＲＭＳ値デー少データみ係数を
修正することにより、正常／異常の旨を出力するように
予め学習させておき、異常時にその発生を検知する多数
の入出力信号処理網を用いている。

（作　用） 本発明では、相対的な大きさを表わす燃料集合対出口温
度揺らぎの規格化ＲＭＳ　（ＮＲＭＳ）値を用いている
。これにより、診断対象の異常時の状態が未知であって
も、流路閉塞事象を模擬した特性試験や計算コードによ
る模擬試験等の結果から、正常状態が判っていれば異常
時のそれを推定することができるので、その検知が可能
となる。

また、本発明で用いる多数の一人出力信号処理網は、一
般にニューラル・ネットワークと呼ばれており、短時間
で多数のパターンの識別かできるのて、複雑な判断機構
を持つことなく直ちに判定を行うことができる。

これにより、高速炉の炉内の異常を高感度で連続的に監
視でき、燃料集合体毎の異常発生の有無を早期に発見す
ることができる。

（実施例） 以下、本発明の実施例について図面を参照して詳細に説
明する。

一般に、流体温度には揺らぎが観Ｍ１され、その振幅Ｒ
ＭＳＭσ丁は流路に直角な方向の距離をＸとして平均温
度の勾配ｄＴ／ｄＸに比例することが知られている。ま
た、その比例定数は流体院のランダムな移動距離ＸのＲ
ＭＳ値σＸに相当している。これから、冷却材の流量と
温度に大きな変化がない限り、燃料集合体出口温度揺ら
ぎのＲＭＳ値は炉出力の分布状態のみに依存することに
なる。従って、出力等の変更がなく炉心の状態が静的で
あるならば、炉上部計装に配置されている燃料集合体出
口温度測定用の熱電対て観１１Ｆ１される温度揺らぎの
ＲＭＳ値のパターンと正常状態のそれらとを比較するこ
とにより、流路閉塞事象等の炉内の異常な熱源の発生を
検知できる。

しかしながら、実際のプラントでは、正常時のデータを
得ることはできても、異常時のそれを得ることはできな
い。

また、特性試験等の結果から、流路閉塞事象が発生した
場合の燃料集合体出口温度揺らぎのＲＭＳ値は正常時の
それに比べて大きくなること、さらにこれらの絶対的な
大きさは対象となる機器や、系統の大小により左右され
るが、正常時の上記ＲＭＳ値に対する異常時のＲＭＳ値
の相対的な大きさは不変であることが判っている。そこ
で、本発明では、上記相対的な大きさを表わす燃料集合
対出口温度揺らぎの規格化ＲＭＳ　（ＮＲＭＳ）値を用
いている。これにより、診断対象の異常時の状態が未知
であっても、流路閉塞事象を模擬した特性試験や計算コ
ードによる模擬試験等の結果から、正常状態が判ってい
れば異常時のそれを推定することができるので、その検
知か可能となる。

また、本発明で用いる多数の入出力信号処理網は、一般
にニューラル・ネットワークと呼ばれており、短時間で
多数のパターンの識別ができる・ので、複雑な判断機構
を持つことなく直ちに判定′を行うことかできる。

第１図は本発明の一実施例の処理の内容を示すフローチ
ャート、第２図は本発明で使用する入出力信号処理網の
構成を示した図である。

診断に先立ち、正常／異常時の燃料集合対出口温度の時
系列データを用いて、第２図に示したような入出力信号
処理網の出力が、与えられたデータの正常／異常の旨を
示す教師信号と一致するように重み係数を変更する。こ
の時は学習の実行回数を先に指定してから処理を開始す
る（ステップＳｌ）。

閉塞事象の模擬特性試験や計算機シミュレーションから
得られた正常／異常の状態が判っているデータと、実機
の通常運転時に得られた正常時のみのデータについて学
習する。前者に対しては正常／異常のそれを組にして行
う。

まず、実行回数が指定回数に達しているか否かを判別し
くステップＳ２）、達していれば重み係数と学習結果を
出力して終了する（ステップ５１２）。達していなけれ
ば、燃料集合体出口温度と教師信号を入力しくステップ
Ｓ３）、ＲＭＳ値を計算する（ステップＳ４）。

正常時のデータから学習を開始しくステップＳ５）、前
回の正常時のデータの学習時に保存したＲＭＳ値と今回
のそれとの平均値を求め、新たに正常時のＲＭ　Ｓ値と
して正常時ＲＭＳ値記憶部１１に保存する（ステップＳ
６）。得られた正常時のＲＭＳ値を用いて燃料集合体出
口温度揺らぎの規格化ＲＭＳ　（ＮＲＭＳ）値を計算し
くステップＳ７）、入出力信号処理網にニューラル・ネ
ットワーク）に人力する。

上記温度揺らぎのＲＭＳ値σＲＭＳ％ＮＲＭＳ値σＮＲ
ＭＳは次式から計算する。

ＮＯＲＭＡＬｍ−ＩＮＯＲＭＡＬＸ　（＋）／ＮＮＯＲ
ＭＡＬσＲＭＳ　　− ［Σ　ＩＮＯＲＭＡＬＸ　（ｉ）−ＮＯＲＭＡＬｍ　　
１２／　　Ｎｌ　　Ｉ−２ｉ＝１ ｍ−ΣＸ　（ｉ）／Ｎ １＝Ｌ σＲＭＳ”［ΣＩ　　Ｘ（ｉ）−ｍ　　１２７　　Ｎｌ
　”２１−■ σＮＲＭＳ−σＲＭＳ　　／ＮＯＲＭＡＬσＲＭＳここ
で、ＮＯＲＭＡＬＸ　（ｉ）　、Ｘ　（ｉ）は、入力さ
れた温度または流量等のＮ点のデータ（ｉ−１〜Ｎ）で
、Ｎ。

ＲＭＡＬＸ　（ｉ）　、ＮＯＲＭＡＬｍ　、　ＮＯＲＭ
ＡＬｃｒ　ＲＭＳは正常時のデータとその平均値、ＲＭ
Ｓ値である。

次に、前回の学習終了時に重み係数記憶部１２に保存し
た前記重み係数を多数の入出力信号処理網にセットし、
これらを用いて出力される各燃料集合゛体毎の異常の有
無を有無を得る（ステップＳ８）。出力側に与えられる
学習の教師信号である正常信号（後述の異常時のデータ
による学習の場合には、この教師信号が異常となってい
る）と出力結果を集合体毎に比較して（ステップＳ９）
、不一致の出力をする重み係数を変更する（ステップ５
１０）。

異常時の学習の際には（ステップＳ５）、前記正常時の
ＲＭＳ値を用いて入力データのＮＲＭＳ値を計算しくス
テップＳ７）、正常時と同様に重み係数を変更する。−
組の正常／異常のデータによる学習が終了すると（ステ
ップＳ２）、得られた重み係数を保存する（ステップ５
１２）。終了していなければ、実行回数に１を加え（ス
テップ５１１）、ステップＳ２から処理を繰返す。

実機の通常運転時に得られた正常時のみのデータに対し
ては、前記正常時のデータと同様な処理を行い、正常時
のＲＭＳ値と重み係数を得る。ここで得た正常時のＲＭ
Ｓ値は、後述の診断処理のＮＲＭＳ値を求める時に使用
する。

診断の実行時には、事前に与えられた診断実行指定より
、周期的に処理を実施する。

まず、炉出力、各制御棒位置、炉容器入口冷却材温度と
流量の時系列データを入力しくステップ５１５）、予め
与えられた炉心の状態を判断する炉心状態知識ベース１
０を用いて運転状態が変更中か否かを判定する（ステッ
プ５１６）。上記炉心状態知識ベース１０には、例えば
”もし制御棒位置と炉出力が変化しているならば炉心の
状態は変更中である”といったＩＰ−ＴＨＥＮ　　　形
式のルールがテーブル形式で登録されている。

次いで、炉心の状態か変更中でないならば（ステップ５
１７）、燃料集合体圧口温度を入力しくステップ５１８
）、学習時に正常時ＲＭＳ値記憶部１１に保存した正常
時のＲＭ　Ｓ値を用いてこれらのＮＲＭＳ値の計算を行
う（ステップ５１９）。そして、学習時に保存した重み
係数をセットした入出力処理網を用いて、燃料集合体毎
の異常発生の有無を判定しくステップ５２０）、診断結
果を出力しくステップＳ２’ｌ）、処理を終了する。

炉心の状態が変更中である場合は、ステップＳ１８から
３２０の処理をせず、診断結果を出力する。

［発明の効果］ 以上説明したように本発明の高速炉の炉内異常検出方法
によれば、高速炉の炉内の異常を高感度で連続的に監視
でき、燃料集合体毎の異常発生の有無を早期に発見する
ことかできるのて、プラントの安全性、運転信頼性の向
上に寄与することかできる。

【図面の簡単な説明】

第１図は本発明の一実施例に係る高速炉の炉内異常検出
方法を示すフローチャート、第２図は本発明で使用する
入出力信号処理網の構成を示した図。 １０・・・炉心状態知識ベース、１１・・・正常時ＲＭ
Ｓ値記録部、１２・・・重み係数記録部。 代理人　　弁理士　　則　近　憲　佑

Claims (1)

【特許請求の範囲】
1. 高速炉の路上部に設置されている燃料集合体出口の冷却
   材温度測定用の熱電対より得られる温度信号の揺らぎの
   ＲＭＳ値を正常時の値で規格化したＮＲＭＳ値と、炉心
   の状態を表わす炉出力、各制御棒位置、炉容器入口冷却
   材温度と流量のプロセス量を監視し、該プロセス量から
   炉心の状態を判定し、該炉心の状態が変更中でない時に
   前記ＮＲＭＳ値から正常／異常の有無を出力するように
   学習した入出力信号処理網を用いて、高速炉の炉内の異
   常発生の有無を検知することを特徴とする高速炉の炉内
   異常検出方法。