Duc-Tri Tóm tắt: Nghiên cứu này tập trung vào các thách thức trong việc tối ưu hóa điều khiển chiết tách và rửa uranium trong quy trình PUREX. Mục tiêu là duy trì hệ thống ở mức bão hòa dung môi mục tiêu trong khi tuân thủ các ràng buộc vận hành, quản lý nhiễu và điều chỉnh theo các thay đổi điểm đặt. Ủy ban Năng lượng Nguyên tử và Năng lượng Thay thế Pháp (CEA) đã phát triển một bộ mô phỏng chuyên dụng mang tên PAREX để mô hình hóa quá trình chiết tách lỏng-lỏng trong quy trình PUREX. Tuy nhiên, mô hình toán học cơ bản rất phức tạp, bao gồm các phương trình đại số-vi phân phi tuyến bậc cao (DAE). Do đó, việc áp dụng trực tiếp các phương pháp điều khiển tối ưu sẽ dẫn đến các bài toán lập trình phi tuyến quy mô lớn, tính toán chuyên sâu. Để khắc phục điều này, chúng tôi đề xuất huấn luyện một mạng thần kinh để dự báo đầu ra của quá trình dựa trên các phép đo lịch sử. Kiến trúc mạng này kết hợp các mạng bộ nhớ ngắn hạn dài (LSTM), hồi quy tuyến tính và hồi quy logistic, giúp giảm hiệu quả số lượng biến trạng thái và đơn giản hóa bài toán tối ưu hóa. Hơn nữa, chúng tôi thiết lập và giải quyết các bài toán điều khiển dự báo mô hình phi tuyến (NMPC) và ước lượng chân trời di động (MHE) bằng thuật toán Tối ưu hóa Bầy đàn (PSO). Kết quả mô phỏng chứng minh tính hiệu quả của phương pháp điều khiển tối ưu thích nghi này trong việc đáp ứng các mục tiêu điều khiển, cho thấy tiềm năng triển khai trong thực tế.
NMPC thích nghi dựa trên mạng thần kinh nhân tạo cho hoạt động chiết tách-rửa Uranium trong quy trình xử lý nhiên liệu hạt nhân đã qua sử dụng
Share this
NMPC thích nghi dựa trên PSO cho hoạt động chiết tách-rửa Uranium trong quy trình xử lý nhiên liệu hạt nhân đã qua sử dụng