Политехник разработал математическую модель экстракции урана и плутония для проекта «Прорыв»

Аспирант ТПУ Алексей Емельянов разработал динамическую математическую модель экстракции урана и плутония для безотходной ядерной энергетики.

Она позволяет выбрать оптимальные режимы работы модуля переработки опытно-демонстрационного энергетического комплекса (ОДЭК), который строится в Северске в рамках проекта «Прорыв» Госкорпорации „Росатом“. Модель разработана с применением нейросетевых технологий, что позволяет спрогнозировать процесс экстракции более точно. Это необходимое звено для создания замкнутого ядерного топливного цикла (ЗЯТЦ).

Результаты работы были представлены на XI Международной научно-практической конференции «Физико-технические проблемы в науке, промышленности и медицине», приуроченной к 55-летию с момента первого пуска исследовательского ядерного реактора ТПУ. 

ОДЭК впервые в мире должен продемонстрировать устойчивую работу полного комплекса объектов, обеспечивающих замыкание топливного цикла. Модуль переработки — одна из его частей. Здесь проходит процесс экстракционной очистки урана и плутония. Моделирование — необходимый этап, предшествующий разработке и постройке модуля.

Модель необходима для исследования алгоритмов управления, определения оптимальных режимов оборудования и разработки цифровых двойников производства. Кроме того, в процессе моделирования можно найти критические ошибки при проектировании, которые помогут в будущем избежать аварийных ситуаций и получения продукта несоответствующего качества.     

Томский политех является партнером Госкорпорации «Росатом» в реализации проекта „Прорыв“. Математическая модель процесса экстракции была разработана в рамках сотрудничества. Она основана на математических уравнениях, подобранных под конкретный объект и процессы, и перенесенных в цифровой вид.

Особенность модели в том, что она адаптирована под центробежный экстрактор. Также было модернизировано математическое описание аналогичных процессов, которое ранее описывалось с помощью полиномов. Получить более точное прогнозирование процесса позволило применение нейросетевых технологий.

Для подсчета параметров экстракции технологи используют коэффициент распределения. Суть экстракции в том, чтобы целевой продукт перешел из одной фазы в другую, например, из водной в органическую, а примеси — нет.

Таким образом происходит процесс разделения и очистки. Коэффициент распределения показывает, насколько целевой компонент распределился между фазами. Он зависит от большого числа параметров: концентрации растворов, температур фаз и многих других.

Для их описания обычно применяются полиномы, что приводит к неизбежной потере точности. Нейросетевые технологии позволяют обучить нейросеть под все необходимые параметры и получать точный коэффициент распределения с учетом любых их изменений»,

— рассказывает инженер-проектировщик научно-образовательной лаборатории «Электроника и автоматика физических установок» Алексей Емельянов.

Еще одна важная особенность разработанной политехником модели в том, что она динамическая. В отличие от статической, такая модель позволяет оценивать, как проходят процессы не только в стационарном режиме работы оборудования, но и в переходных режимах.

Модель процесса экстракции уже отработана и передана заказчику. Сейчас группа специалистов Инженерной школы ядерных технологий ТПУ, в составе которой и Алексей Емельянов, в рамках проекта «Прорыв» разрабатывает цифровой двойник для линии модуля фабрикации и рефабрикации ОДЭК. Параллельно начинается работа над созданием моделей с применением нейросети для других технологических процессов модуля переработки.

09.09.2022, 561 просмотр.



Поиск на сайте

Новости компаний, релизы

НАИРИТ объявит итоги Всероссийского инновационного конкурса 21 февраля
НАИРИТ объявит итоги Всероссийского инновационного конкурса 21 февраля
«Инструменты инновационного развития»
«Инструменты инновационного развития»
3 причины перехода с печатной рекламы на цифровую
3 причины перехода с печатной рекламы на цифровую
Виды резервирования серверов для задач АСУ ТП
Виды резервирования серверов для задач АСУ ТП
Выбор клиники и лечащего врача с помощью специализированного сервиса
Выбор клиники и лечащего врача с помощью специализированного сервиса