Classificação de acidentes de uma usina nuclear do tipo PWR usando redes neurais

• Autor(a) principal: Moreira, Lucas da Silva
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRJ
• Texto Completo: http://hdl.handle.net/11422/17803
• topic: CNPQ::ENGENHARIAS::ENGENHARIA NUCLEAR; Redes Neurais; Aprendizado de Máquina; Acidentes em Centrais Nucleares; Classificação de Acidentes

Uma usina nuclear monitora simultaneamente grande quantidade de parâmetros a fim de permitir que os operadores tenham uma vasta gama de informações sobre a condição da usina, porém, o ser humano é limitado cognitivamente e, muitas vezes, pode fazer análises erradas dos parâmetros apresentados, e em condições de estresse essa capacidade cognitiva se reduz de forma ainda mais acentuada. Sendo assim, este trabalho tem como objetivo criar um método de classificação baseado aprendizado de máquina (redes neurais) para classificar a condição de operação normal da usina bem como condições de acidentes, como o acidente por perda de refrigerante (LOCA), a ruptura de tubos do gerador de vapor (SGTR) e o blackout da estação, através de um conjunto mínimo de variáveis de estado julgadas necessárias para a classificação do evento em curso. Através da linguagem de programação Python e da biblioteca TensorFlow foram programadas as Redes neurais, os programas de teste de topologias e teste de combinações de variáveis de estado, para encontrar as topologias e combinações de variáveis de estado que otimizassem a precisão das classificações das redes. Os resultados mostram a eficiência do método proposto, o qual foi capaz de apresentar resultados satisfatórios para o problema de identificação de uma usina do tipo PWR, com apenas 4 variáveis de estado.