Прогнозирование основных переходных сценариев тяжелых аварий на атомных электростанциях

Операторам атомных электростанций очень трудно прогнозировать и идентифицировать основные сценарии развития тяжелых аварий после исходного события, анализируя временные тренды важных параметров. В связи с этим вероятностная нейронная сеть (PNN), успешно применяемая для решения задач классификации, используется для классификации аварий по группам исходных событий, включая аварии с потерей теплоносителя (LOCA), полную потерю питательной воды (TLOFW), обесточивание станции (SBO) и разрыв трубки парогенератора (SGTR). Кроме того, разработана нечеткая нейронная сеть (FNN) для идентификации основных сценариев развития тяжелых аварий после исходных событий. Входными данными для PNN и FNN служат начальные интегральные по времени значения, полученные интегрированием измерительных сигналов в течение короткого интервала времени после останова реактора. Автоматический конструктор структуры нечеткой нейронной сети выбирает входные переменные из интегральных по времени значений многочисленных измеряемых сигналов и оптимизирует количество правил и связанные с ними параметры. Если исходное событие перерастает в тяжелую аварию — например, вследствие несоблюдения операторами соответствующих руководств по управлению авариями или отказа систем безопасности станции, — предложенный алгоритм точно классифицирует исходные события. Он также точно прогнозирует моменты наступления важных событий в сценариях развития тяжелой аварии, что весьма полезно для управления тяжелой аварией.