SE504401C2 - Förfarande för att övervaka neutrondetektorer i kärnreaktor - Google Patents

Description

15 20 25 30 35 isu4 401 2 detektorns utslag ändras med tiden. Minskningen av fissilt material i detektorerna är olika för olika detektorer och beror pä hur mycket strälning detektorn har utsatts för. För att kompensera för detta kalibreras detektorerna med jämna mellanrum, ca en gäng per manad. För detta ändamäl används en rörlig neutronkänslig detektor, s k TIP-detektor (Travelling Incore Probe). som körs upp genom samtliga detektorrör i härden.

TIP-detektorn mäter neutronflödet pä samma ställen i röret som LPRM-detektorerna är placerade. Dessa TIP-mätvärden används som referensvärden och alla LPRM-detektorerna justeras sä att de överensstämmer med TIP-mätvärdena.

LPRM-mätningarna är mycket brusiga. Dessutom arbetar detektorerna under extremt svära förhällanden där risken för att det blir fel i detektorerna är förhällandevis hög. LPRM- detektorerna är fyllda med gas, t ex argon. Ett vanligt före- kommande fel är att en spricka i detektorn orsakar att gasen längsamt sipprar ut, vilket medför att detektorn driver. Denna typ av fel är svära att upptäcka och kräver att utsignalerna fràn detektorn studeras under en längre tidsperiod.

Den metod som används idag för övervakning av LPRM-detektorerna jämför utsignalerna frän detektorerna med beräknade värden frän en härdsimulator. Denna metod innehäller mänga osäkerheter eftersom de beräknade värdena kan vara behäftade med dels modellfel och dels fel i insignalerna till beräkningarna. Om utsignalen frän en detektor skiljer sig frän det beräknade värdet kan det vara svart att avgöra om det är fel pä detektorn eller fel pä det beräknade värdet.

En LPRM-detektor kan också övervakas genom att utsignalen frän detektorn studeras under en längre period för att se om detektorn driver eller är defekt pa annat sätt. Denna metod är inte heller helt tillförlitlig eftersom den inte tar hänsyn till om driftförhällandena har ändrats under den studerade perioden. 10 15 20 25 30 35 3 504 401 SAMMANFATTNING AV UPPFINNINGEN Uppfinningen avser att àstadkomma ett förfarande för övervakning av en neutrondetektor i en reaktorhärd, vilket förfarande dels anger att detektor är defekt, och dels ger en indikation om vilken typ av fel det är fràgan om. Förfarandet är lämpligt för kontinuerlig övervakning av detektorn.

Vad som kännetecknar ett förfarande enligt uppfinningen framgår av bifogade patentkrav.

FIGURBESKRIVNING Figur 1 visar en schematisk bild av en reaktorhärd med ett detektorrör i genomskärning.

Figur 2 visar en del av härden i figur l i ett horisontellt snitt genom nivä D.

Figur 3 visar en del av reaktorhärden i figur 2 förstorad.

Figur 4 visar ett exempel pa ett processelement Figur 5 visar en sigmoidfunktion.

Figur 6 visar exempel pä ett neuralt nätverk med tre niváer.

Figur 7a - 7e visar olika tendenser hos utsignalen fràn en LPRM- detektor.

Figur 8 visar ett neuralt nätverk för igenkänning av tendenser i utsignalen fràn en LPRM-detektor enligt en utföringsform av uppfinningen.

Figur 9 visar en tabell över hur olika feltyper kan bestämmas utifran den övervakade detektorns tillständssignaler och ett antal referensvärden. 10 15 20 25 30 35 504 401 4 BESKRIVNING AV UTFÖRINGSFORMER Figur 1, 2 och 3 visar ett exempel pä en reaktorhärd innefattande neutrondetektorer för vilken uppfinningen är tillämpbar.

Figur 1 visar en reaktortank l, tillhörande en kokarvattenreaktor, i genomskärning. Reaktorhärden 2 innehäller bränsle i form av bränslepatroner mellan och genom vilka kyl- vatten pumpas. Ett flertal vertikala neutrondetektorrör är anordnade jämnt fördelade över härden. I figuren visas ett neutrondetektorrör 3 i genomskärning. I neutrondetektorröret är anordnat fyra pä lika avständ fördelade fast monterade neutron- flödesdetektorer 4A, 4B, 4C, 4D, s k LPRM-detektorer. Alla LPRM- detektorerna i härden är fördelade pä fyra niväer, 80%, 60%, 40% och 20% av härdens höjd. Niväerna betecknas A, B, C, D i figur l. Härden innehäller ca 80 - 150 st LPRM-detektorer beroende pä reaktortyp. LPRM-detektorerna bildar ett regelbundet gitter i härden. En rörlig neutronflödesdetektor 5, s k TIP- detektor, kan köras upp och ner i neutrondetektorröret.

Figur 2 visar en del av härden i figur 1 i ett horisontellt snitt genom nivä D. Bränslepatroner 6 med ett i huvudsak kvadratiskt tvärsnitt är anordnade vertikalt i härden med ett visst avständ fràn varandra. Därvid bildas ett rutmönster av vertikalt gäende spalter mellan bränslepatronerna. Snittet innehäller 36 bränslepatroner. Totala antalet bränslepatroner i ett helt tvärsnitt uppgär till flera hundra. Reaktorhärden innefattar ett flertal parallellt med bränslepatronerna i de vertikalt gäende spalterna placerade styrstavar 7. I de vertikalt gäende spalterna är LPRM-detektorer 4D1 - 4D9 anordnade. Styrstavarna i härden är indelade i styrstavsgrupper.

När styrstavarna ska förflyttas sker det gruppvis. En enskild detektor förflyttas normalt aldrig ensam, utan endast tillsammans med de övriga styrstavarna som ingar i samma styrstavsgrupp.

Figur 3 visar en del av reaktorhärden i figur 2 förstorad.

Bränslepatronerna 6 är inneslutna i höljerör 8, vilka är 10 15 20 25 30 35 5 504 401 försedda med ett iháligt, med korsformat tvärsnitt utformat stödorgan 9. Höljeröret med stödorgan är indelat i fyra vertikala kanalformade delar 10, s k delpatroner, med åtminstone i huvudsak kvadratiskt tvärsnitt. Varje delpatron innehåller ett flertal bränslestavar ll. Stavarna är anordnade i ett gitter där varje stav ingár i tvà mot varandra vinkelräta rader. Stavarna hälls i sina lägen med icke visade distanshàllare, s k spridare, placerade mellan ej heller visade topp- och bottenplattor pä bränslepatronen. Utrymmena mella bränslestavarna ll inom varje delpatron lO genomströmmas av vatten liksom den av stödorganet 9 bildade korsformiga kanalen 12. Spalterna mellan bränsle- patronerna genomströmmas ocksa av vatten.

Styrstavarna 7 har ett korsformat tvärsnitt med fyra vinkelräta mot varandra frän en central del utgäende blad 13. De spalter där styrstavarna kan föras in, sk styrstavsspalter l4b, är i det här utföringsexemplet bredare än de spalter där inga styrstavar kan införas, sk bakspalter l4a. Centrerat mellan fyra styr- stavar, dvs i skärningspunkten mellan tva bakspalter l4a, är ett neutrondetektorrör 3 anordnat. Neutrondetektorröret innefattar en LPRM-detektor 4D5.

Utsignalen frän en defekt detektor kan uppträda pä olika sätt beroende pà vilket fel detektorn har. Om detektorn inte reagerar alls ligger utsignalen konstant kvar pä samma nivà vad som än händer runt omkring den. Om detektorn driver uppat eller nedát uppträder den som vanligt, men dess utsignal ligger lite högre/lägre än tidigare. En detektor kan av olika orsaker plötsligt gä sönder, och uppvisar dä ett hopp uppät eller nedát i utsignalen. I figur 7a - 7e visas fem olika tendenser hos utsignalen som kan tyda pà att detektorn är defekt.

Figur 7a visar ett exempel pa en konstant utsignal. Utsignalen bestàr endast av brus pa en i övrigt konstant signal.

Figur 7b visar ett exempel pä en svagt avtagande signal.

Figur 7c visar ett exempel pä en plötsligt avtagande signal.

Figur 7d visar ett exempel pà en svagt stigande signal.

Figur 7e visar ett exempel pä en plötsligt stigande signal. l0 15 20 25 30 35 504 401 e Utsignalen frän en detektor är ofta mycket brusig och det kan därför vara svårt att upptäcka sådana fel som att detektorn driver eller inte reagerar. För att känna igen vissa mönster i utsignalen som kan tyda på att det är fel på detektorn används enligt uppfinningen ett neuralt nätverk (Neural Network).

Ett neuralt nätverk innefattar ett antal processelement fördelade på olika nivåer och vilka är anslutna till varandra med envägsförbindelser. Ett processelement har ett flertal ingångar men bara en utgång. I figur 4 visas ett exempel på ett processelement där X0 - xn utgör insignaler. Insignalerna multipliceras med en för varje insignal specifik förbindelsevikt (connection weight) WO - Wn och summeras. n I = ZWiXi i=O Utsignalen från processelementet utgörs av den via en över- f(I). som är en ofta använd överföringsfunktion. föringsfunktion omvandlade summan, Y = I figur 5 visas en sigmoidfunktion Utsignalen från ett processelement kan i sin tur utgöra insignal till ett flertal andra processelement på en högre nivå.

Figur 6 visar ett exempel på hur ett stort antal processelement 20 kan organiseras i olika lager sä att de bildar ett neuralt nätverk. Antalet lager och antalet processelement i varje lager beror av den tilltänkta applikationen. Nätverket i figur 6 består av tre lager. Ett ingångslager 21, med n stycken processelement, fungerar som buffert för insignalerna xl - xn, Ett gömt lager 22 består av k stycken processelement. Ett utgångslager 23 innehåller m stycken processelement som buffrar utsignalerna Y1 - Ym. Hur nätverket uppför sig för olika insignaler bestäms av nätverkets förbindelsevikter WX och dessa bestäms i en inlärningsfas.

Innan nätverket kan användas måste det genomgå en inlärningsfas för att lära sig hur det ska svara på olika insignaler. För det ändamålet behövs ett flertal uppsättningar med insignaler med 10 l5 20 25 30 35 7 504 401 tillhörande kända utsignaler och en äterutbredningsalgoritm (back-propagation algoritm). Varje uppsättning insignaler skickas genom nätverket och de erhàllna utsignalerna jämförs med de kända utsignalerna, och utifrän jämförelsen beräknas ett totalt fel. Det totala felet minimeras genom att förbindelse- vikterna modifieras. Återutbredningsalgoritmen fördelar det totala felet pà alla processelement i nätverket genom att skicka felet bakat genom nätverket samtidigt som förbindelsevikterna Wx justeras. Insignalerna skickas pá nytt genom nätverket och det totala felet mellan de nya utsignalerna och de kända utsignalerna beräknas. Om det totala felet överstiger ett minsta tillätet fel skickas felet bakät samtidigt som förbindelse- vikterna äterigen justeras. Detta förfarande upprepas tills det totala felet understiger det minsta tillàtna felet. Genom att pä detta sätt upprepade gänger tränas med olika uppsättningar insignaler med tillhörande kända utsignaler lär sig nätverket hur det ska uppföra sig.

Neurala nätverk är i och för sig kända och mera om hur de fungerar finns beskrivet i "The Electrical Engineering handbook" sidorna 420-429, 1993 by CRC Press. användning av neurala nätverk finns färdigskrivna dataprogram som tillhandahälls fritt. ett ANN back-propragation algoritm-program som heter ASPRIN V editor Richard C. Dorf, För I följande utföringsexempel används 5.0 utgivet av MITRE Corporation, USA.

Uppfinningen bygger pä att ett neuralt nätverk fär lära sig att utifrän ett flertal insignaler känna igen ett antal olika tendenser. I det följande beskrivs en föredragen utföringsform där det neurala nätverket känner igen följande fem olika konstant, svagt avtagande, plötsligt avtagande, tendenser, svagt stigande och plötsligt stigande.

Insignalerna till det neurala nätverket utgörs av ett tids- fönster. En LPRM-detektorer avläses med jämna mellanrum, i detta exempel var tionde sekund. Ett lämpligt tidsfönster utgörs av de Mätvärdena frän de 50 och utgör insignaler till det 50 senaste avläsningarna frän detektorn. senaste avläsningarna sparas, neurala nätverket som beräknar nya tendenser var tionde sekund. 10 15 20 25 30 35 40 504 401 a I figur 8 visas ett exempel pä ett neuralt nätverk för igen- känning av ovan nämnda tendenser i utsignalen frän en LPRM- detektor. Ett sädant neuralt nätverk kallas i fortsättningen för ett tendensnätverk. Ingängslagret 31 bestär av 50 process- - S(t-49At) svararande mätvärdena frän de 50 senaste avläsningarna av element, vilka tillförs insignaler S(t) mot- detektorn. At är tiden mellan tvä avläsningar och i detta exempel är At=l0s. Det gömda lagret 32 innehäller 25 process- element. Givetvis kan antalet vara bade större och mindre än 25.

Ett större antal processelement i det gömda lagret ger en större noggrannhet samtidigt som beräkningarna tar längre tid. Ett mindre antal processelement ger snabbare beräkningar och mindre noggrannhet. Utgängslagret 33 bestär av fyra processelement vars utsignaler i fortsättningen benämns tillständssignaler Nl - N4.

Nl: Indikerar en svagt avtagande tendens.

N2: Indikerar en plötsligt avtagande tendens.

N3: Indikerar en svagt stigande tendens.

N4: Indikerar en plötsligt stigande tendens.

Om ingen av tillständssignalerna indikerar nagon tendens innebär det att tendensen är konstant. Överföringsfunktionen utgörs av en sigmoidfunktion med ett definitionsomräde [0,l].

Under en upplärningsfas fär tendensnätverket lära sig att känna igen de fem olika tendenserna. För upplärning av tendens- nätverket kan dels användas riktiga data frän ett kärnkraftverk under drift, och dels data beräknade vid simuleringar. I detta exempel används bara simulerade data. Uppsättningar av simulerade insignaler lagras i en datafil, och utgör sedan indata till ett äterutbredningsalgoritm-program, t ex ASPRIN V 5.0. I början av inlärningen är insignalerna till nätet rena, dvs utan brus, och med en tydlig lutning. Gradvis under inlärningen ökas brusnivän och lutningen minskas. Ett lämpligt antal uppsättningar insignaler kan vara mellan 2000 och 3000 stycken. Tillständssignalen sätts till 0.9 när den indikerar en tendens, och till 0.0 när den inte indikerar en tendens.

För övervakning av en LPRM-detektor tillförs tendensnätverket mätsignaler frän detektorn, och utifrän de i inlärningsfasen 10 15 20 25 30 35 9 504 401 bestämda förbindelsevikterna beräknas fyra tillständssignaler, N15, N25, N35, N45 för den övervakade detektorn. Under drift stiger och sjunker detektorns utsignal pä grund av helt normala företeelser, t ex en effektuppgàng eller en effektnedgàng.

Detektorns utsignal beror till stor del av styrstavarnas rörelser. För att kunna avgöra utifrän detektorns tillständs- signaler om den är defekt mäste tillständssignalerna jämföras med tillständssignaler frän andra detektorer i härden. Vid en effektuppgäng, en effektnedgäng och styrstavsrörelser päverkas aldrig bara en enskild detektor utan flera detektorer uppvisar samma tendenser.

Till den övervakade detektorn utses fyra referensdetektorer.

Referensdetektorerna bör väljas sä att de beter sig lika med avseende pä styrstavarnas rörelser som den undersökta detektorn.

I detta utföringsexempel är referensdetektorerna valda sä att de ligger pä samma nivä i härden som den undersökta detektorn. Tvä av referensdetektorerna är valda sä att de ligger i omedelbar närhet av den undersökta detektorn. De andra tvä referensdetektorerna är valda sä att de är belägna längre bort i härden, och i en position som är symmetrisk i förhållande till en styrstav som ingar i samma styrstavsgrupp som den undersökta detektorn.

Under övervakningen tillförs tendensnätverket mätsignaler frän referensdetektorerna, och utifrän de i inlärningsfasen bestämda förbindelsevikterna beräknas fyra tillständssignaler för var och en av referensdetektorerna, Nlri, N2ri, N3ri, N4ri, i = l _. 4.

För att kunna avgöra om den övervakade detektorn är defekt mäste dess tillständssignaler jämföras med referensdetektorernas till- ständssignaler. För att underlätta jämförelsen beräknas fyra referensvärden Rl, R2, R3, R4, vilka utgör medelvärdet av motsvarande tillständssignaler för referensdetektorerna. 4 4 4 4 zNlri zN-Zri ZN3ri 2N4ri Rl 2 i=l R2 = i=l R3 = i=l R4 = i=l 4 4 4 4 ri referensdetektor nr i. 10 15 20 25 30 35 504 401 10 Tillständssignalerna för den övervakade detektorn jämförs med referensvärdena. Utifràn jämförelsen kan slutsatser dras om detektorn är defekt och vilken typ av fel detektorn har. Nedan listas ett antal feltyper som kan utläsas ur jämförelserna. I figur 9 visas hur olika feltyper kan bestämmas utifràn den undersökta detektorns tillständssignaler och referensvärdena. Om storleken pà ett referensvärde eller en tillständssignal inte har nagon betydelse för tolkningen av en viss feltyp har den markerats med ett x i tabellen.

Feltyp nr 1: Detektorn svarar inte. Alla fyra tillstånds- signalerna för den övervakade detektorn är mindre än 0.1, och minst ett av referensvärdena är större än 0.4. Det betyder att den övervakade detektorn inte rör sig trots att referensdetektorerna rör sig.

Feltyp nr 2: Detektorn driver nedàt. N15 är större än 0.4, och R1 är mindre än 0.1. Den övervakade detektorn uppvisar en avtagande tendens som inte referensdetektorerna har.

Feltyp nr 3: Detektorn gör ett hopp nedat. N25 är större än 0.4, och R2 är mindre än 0.1. Den övervakade detektorn uppvisar en plötsligt avtagande tendens som inte referensdetektorerna uppvisar.

Feltyp nr 4: Detektorn driver uppàt. N35 är större än 0.4, och R3 är mindre än 0.1. Den övervakade detektorn uppvisar en stigande tendens som inte referensdetektorerna har.

Feltyp nr 5: Detektorn gör ett hopp uppät. N45 är större än 0.4, och R4 är mindre än 0.1. Den övervakade detektorn uppvisar en plötsligt stigande tendens som inte referensdetektorerna uppvisar.

Feltyp nr 6: Detektorn oscillerar. Inom ett och samma tidsfönster bade stiger och sjunker utsignalen, trots att referenssignalen är i huvudsak konstant. 10 15 20 25 30 35 11 504 401 Feltyp nr 7: Snabba oscillationer eller en onormalt hög brusnivà ger denna feltyp.

I ovanstående exempel har fyra referensdetektorer valts ut, men antalet kan givetvis vara bade större och mindre an fyra och deras placering i härden kan väljas pà nagot annat satt.

Med ovan beskrivna förfarande kan ett utvalt antal, eller alla detektorer i härden övervakas. En övervakad detektor kan samtidigt som den är övervakad ocksa utgöra referensdetektor för en eller flera andra övervakade detektorer.

Claims (5)

l 504 401 /Å PATENTKRAV

1. Förfarande för att avgöra om en neutronflödesdetektor i en kärnreaktor är defekt, där kärnreaktorn är försedd med ett flertal neutronflödesdetektorer, innefattande följande steg: - under en inlärningsfas läres ett neuralt nätverk innefattande ett ingàngslager (31) anordnat att mottaga ett antal insignaler (S(t) - S(t-49At)) motsvarande värden vid skilda tidpunkter hos en mätsignal, ett gömt lager (32) och ett utgàngslager (33) anordnat att avge ett antal tillstàndssignaler (N1, N2, N3, N4), att känna igen ett antal olika tendenser hos mätsignalen sà att tillstàndssignalerna indikerar tendenserna, inlärningen sker genom att nätverket tillförs ett flertal uppsättningar insignaler med kända tillståndssignaler, - under en övervakningsfas tillförs det neurala nätverket insignaler motsvarande värden vid skilda tidpunkter hos en mätsignal från den övervakade detektorn, och insignaler motsvarande värden vid skilda tidpunkter hos mätsignaler fràn ett antal referensdetektorer, varvid tillstàndssignalerna för den övervakade detektorn och referensdetektorerna beräknas - i beroende av tillstándssignalerna för den övervakade detektorn och tillstàndssignalerna för referensdetektorerna avgörs om detektorn är defekt.

2. Förfarande enligt patentkrav 1 k ä n n e t e c k n a t a v att ett antal referensvärden beräknas utgàende fràn referensdetektorernas tillståndssignaler. ß 504 401

3. Förfarande enligt patentkrav 2 k ä n n e t e c k n a t a v att i beroende av tillstàndssignalerna för den övervakade detektorn och de beräknade referensvärdena avgörs om detektorn är defekt.

4. Förfarande enligt patentkrav 2 eller 3 k ä n n e t e c k n a t a v att ett referensvärde beräknas som medelvärdet av tillstàndssignalerna fràn motsvarande processelement för referensdetektorerna.

5. Förfarande enligt nàgot av föregående patentkrav k ä n n e t e c k n a t a v att i beroende av tillstàndssignalerna för den övervakade detektorn och tillstàndssignalerna för referensdetektorerna avgörs vilken typ av fel detektorn har.