阿贡国家实验室利用数字孪生技术提升先进核反应堆效率与安全

LEMONT，伊利诺伊州——美国能源部（DOE）阿贡国家实验室（Argonne National Laboratory）的研究人员开发了一种利用数字孪生技术提升核反应堆效率、可靠性和安全性的方法。这种技术通过高级计算机模型和人工智能（AI），能够在不同条件下预测反应堆的行为，帮助操作员做出实时决策。 阿贡国家实验室的主要核工程师胡睿表示：“我们的数字孪生技术在理解和管理先进核反应堆方面迈出了重要一步，使我们能够快速而准确地预测和应对反应堆条件的变化。”该技术允许科学家监测并预测小型模块化反应堆和微型反应堆在各种条件下的行为。为了验证这一技术，研究人员对其进行了应用，为两个不同类型的核反应堆创建了数字孪生模型：一个是已经退役的实验增殖反应堆II型（Experimental Breeder Reactor II，简称EBR-II），另一个是新的通用液态氟盐冷高速反应堆（generic Fluoride-salt-cooled High-temperature Reactor，简称gFHR）。EBR-II的数字孪生模型主要用作测试案例，以验证其仿真模型的有效性。 这项技术的核心在于图神经网络（Graph Neural Networks，简称GNNs），这是一种专为处理图结构数据设计的人工智能方法，能够识别复杂模式和连接，为系统中的关键关系提供深刻见解。研究人员通过使用阿贡领导计算设施（Argonne Leadership Computing Facility，简称ALCF）来训练GNN并进行不确定性量化，从而提高模型的可信度。 相比传统模拟，GNN基础的数字孪生技术显著更快，能够迅速预测反应堆在不同情景下的表现，如功率输出或冷却系统性能的变化。该技术通过在阿贡的系统分析模块（System Analysis Module，简称SAM）上训练，利用有限的实时传感器数据做出精确预测，支持更好的规划和决策，有望降低维护和运营成本。 此外，数字孪生技术可以实时监控反应堆运行，检测异常行为。一旦发现异常，系统可以提出调整建议，确保反应堆的安全和稳定运行。 总体而言，阿贡国家实验室的数字孪生技术在多个方面优于传统方法，不仅能够更可靠地预测反应堆内部各个部件的协同工作情况，还可用于应急规划和明智的决策支持。未来，这一技术甚至可能实现反应堆的自主操作，确保其高效、安全、可靠地运行，同时降低成本并延长关键部件的使用寿命。 业内专家认为，阿贡国家实验室的这项技术为先进核反应堆的开发和部署铺平了道路，代表了核能领域的重要突破。阿贡国家实验室是美国能源部下属的一个国家级研究机构，致力于开展前沿科技研究以推动国家的技术进步和能源安全。