熔盐堆换热器智能监测新方案

Argonne National Laboratory的研究人员提出了一种用于熔盐冷却反应堆的紧凑型矩阵式换热器。该换热器配有嵌入式软硬件系统，旨在提高可靠性并减少代价高昂的运行中断。

换热器是任何反应堆的关键部件，负责将热能从反应堆堆芯导出，以直接利用或用于发电。使用熔盐实现这一功能的反应堆必须监测因流体冻结造成的堵塞，而流体冻结可能源于杂质积聚或保温不足。这些问题可能减缓运行，并可能需要紧急处理。

Argonne团队在发表于Scientific Reports的一篇论文中介绍了这种设计。该换热器包含数千条小型流道，这些流道由分隔板隔开，并以相互交错的平行管阵列形式排列。

据Argonne介绍，目前大多数换热器仅检查入口和出口处的温度与流量，而不监测流道内部，因此早期问题可能无法被发现。

Argonne团队提出了一种换热器监测方法，采用嵌入式光纤温度传感器和可解释人工智能算法，识别异常温度模式或异常情况，这些现象可能表明某条流道发生堵塞。

Argonne首席电气工程师Alex Heifetz表示：“如果其中一条流道发生部分或完全堵塞，我们希望能够检测到堵塞、确定其位置并判断严重程度。这就像以高分辨率查看系统中的故障发生位置。”

论文介绍了一项基于高保真合成数据的概念研究。研究表明，采用嵌入式分布式温度传感仪表、智能特征选择和可解释机器学习的熔盐换热器，可以实现早期异常检测自动化。

该团队的设计提出将传感器安装在换热器的机械支撑结构上，因此无须贯穿壁面，不会因穿壁安装而影响安全或换热器运行。

检测早期堵塞是一项重大挑战，尤其是在流道仅部分受阻、温度变化很小的情况下，其温度可能仍处于未堵塞流道的相同范围内。这意味着人工智能系统必须能够检测和识别细微的异常情景。在这项研究中，团队纳入了多个流量降低水平的试验，以表示不同程度的堵塞。

Purdue大学研究生助理、ANL访问学者Konstantinos Prantikos表示：“这些系统面临的最大挑战之一，是在数据看起来与正常运行几乎完全相同时检测故障。我们的方法能够从海量数据中检测出几乎难以分辨的模式，而这些数据对人工检查而言极具挑战。与人类不同，人工智能不会因查看数千个数字而感到疲倦。它还能够解释其决策，从而帮助我们理解并信任这些系统。”

据该实验室介绍，及早发现堵塞可使反应堆运营方制定补救方案，防止换热器完全失效。尽量减少计划外停堆至关重要，因为熔盐冷却反应堆通常设计为在需要更换新燃料之前连续运行最长10年。可靠的监测有助于最大限度延长反应堆正常运行时间，并确保仅在必要时实施维护。

Heifetz表示：“维修或更换发生故障的换热器是一项成本高昂的工作，而且很可能迫使反应堆计划外停堆。”