Emprego de Redes Neurais Artificiais Para Otimização de Recarga em um Núcleo de um Reator PWR
Oliveira, Edyene1; Castro, Victor Faria de1; Velasquez, Carlos E.1; Pereira, Claubia1
1 Universidade Federal de Minas Gerais
doi:10.20906/CPS/CILAMCE2017-0945
Resumo
Um reator, como, por exemplo, um PWR (Pressurized Water Reator) contém várias estruturas de tubos de zircônio preenchidas com urânio utilizadas como combustíveis. O Brasil possui dois reatores PWR em funcionamento atualmente, sendo o mais antigo, Angra I com 121 elementos combustíveis no núcleo. A recarga destas estruturas ou elementos combustíveis deve seguir certos padrões. O principal é manter três tipos de combustíveis, sendo o primeiro um conjunto novo, o segundo com meia vida e o terceiro mais gasto dos três lotes. Além disso, eles devem ser inseridos no núcleo misturados a fim de distribuir o calor e, principalmente, manter níveis de segurança. Desta forma, a recarga exige alta expertise por parte do engenheiro nuclear, pois, a entrada do problema é grande, neste caso, por exemplo, para 121 elementos combustíveis, existem 121 possibilidades. Há algumas décadas o tema vem sendo pesquisado e, vários algoritmos com viés heurísticos e evolucionários foram propostos, porém, ainda não foi encontrado resultado satisfatório para este problema. O objetivo deste trabalho é criar um modelo que utiliza redes neurais artificiais que ao receber um conjunto de posições de elementos combustíveis de um reator PWR, tenha como saída uma configuração otimizada. As redes neurais artificiais têm sido usadas com êxito em vários problemas atualmente, por dispor de características que proporcionam processamento paralelo e generalização após terem conhecimento sobre os dados. Acredita-se que, uma ou várias configurações espaciais otimizadas e que atendam aos critérios de segurança do reator nuclear sejam obtidas. Serão utilizadas as RNAs FeedFoward com os algoritmos Backpropagation e PSO (Particle Swarm Optimization). Também, serão modeladas as redes neurais de contexto Elman, Jordan e Hopfield com os algoritmos Levemberg Marquardt, Bayesian e Scaled. Os dados para testes serão obtidos a partir de códigos nucleares que são programas de computador específico para esta finalidade. Serão normalizados e testados em modelos de redes neu
Palavras-chave: Inteligencia Computacional; Otimização; Redes Neurais Artificiais; Reatores Nucleares; PWR