Sistema preditivo baseado em redes recorrentes para controle de reatores nucleares de pesquisa

The control of nuclear reactors is done by systems that monitor several variables simultaneously, but only indicate the occurrence of an accident, without identifying its type or cause. The possibility of prediction of an accident based on the evolution of the current variables of the reactor can be a very useful tool to assist the work of the reactor operators, increasing their confidence, as well as the general availability of the plant. Echo State Networks (ESN) are Recurrent Neural Networks (RNNs) suitable for the formulation of predictive systems, with the advantage of using a training algorithm that is simpler and faster than conventional RNNs. To use Echo State Networks in predictive systems it is not necessary to specify the structure of the model, but some parameters of this network must be tuned for good performance. This work proposes the use of Artificial Intelligence to optimize ESN’s parameters, to improve performance. Particle Swarm Optimization (PSO), a method that uses so-called swarm intelligence, was used. The ESN optimized by the PSO was used to monitor the operation of a nuclear reactor (with real operating data), as well as to identify in real time if an accident is occurring, as well which accident is occurring. The results show that the network can identify and predict the state of the reactor, be it in normal or accident condition.O controle de reatores nucleares é feito por sistemas que monitoram diversas variáveis simultaneamente, porém apenas apontam a ocorrência de um acidente, sem identificar seu tipo ou causa. O poder de previsão de que um acidente possa ocorrer baseado na evolução das variáveis atuais do reator pode ser uma ferramenta bastante útil para auxiliar o trabalho dos operadores do reator, aumentando não só sua confiança, mas também a disponibilidade geral da planta. As redes Echo State Network (ESN) são Redes Neurais Recorrentes (RNR) apropriadas para a formulação de sistemas preditivos, com a vantagem de utilizarem um algoritmo de treinamento muito mais simples e mais rápido que as RNR convencionais. Porém, para utilização das ESN em sistemas preditivos não é necessário especificar a estrutura do modelo, porém alguns parâmetros desta rede devem ser trabalhados e ajustados para se obter um bom desempenho. Este trabalho propõe a utilização de Inteligência Artificial para otimização dos parâmetros da ESN, a fim de se obter o melhor desempenho possível. Foi utilizada a Otimização por Enxame de Partículas (PSO - Particle Swarm Optimization), método que utiliza a chamada inteligência de enxame, que evolui a população em busca dos melhores resultados. A rede ESN com seu treinamento otimizado pelo PSO foi utilizada para acompanhar o funcionamento de um reator nuclear, com dados reais de funcionamento, assim como identificar em tempo real se algum acidente está ocorrendo, bem como qual acidente está ocorrendo. Os resultados obtidos demonstram que a rede pode identificar e prever, o estado do reator, seja este em condição normal ou de acidente