Integration of artificial intelligence in an advanced filtering framework for real-time system state estimation and risk prediction with application to a nuclear microreactor

Novel nuclear reactor designs, such as Small Modular Reactors and Microreactors, make use of advanced safety assessment methods to explore potential threats and hazards. The analyses at the design stage, rely on complex modeling and simulation tools to simulate accidental scenarios, evaluate losses, and perform qualitative and quantitative risk assessments. During operations, advanced algorithms embedding safety assessment framework, simulation models, computational tools, and artificial intelligence are envisioned for autonomous and semi-autonomous operations to increase plant availability and reliability and to reduce operational costs at the same time. In this respect, the advanced safety assessment at the design stage has to be integrated with online Condition- based Probabilistic Safety Assessment (CB-PSA) to provide real-time estimation of reactor health state, up-to-date risk evaluation, and operational situational awareness. To address this, we propose an integrated framework consisting of: i) a Neural Network (NN) surrogate model-based Bayesian filter for the real-time estimation of reactor states during operation using monitoring data, thereby providing real-time operational insights; and ii) a NN model for real-time prediction of the distribution of risk/safety-related parameters of the reactor, thereby providing online condition-informed risk insights. Moreover, to improve the proposed framework and to achieve a more accurate and computationally efficient model, we propose a novel recursive linear estimator based on Kalman Filter, Monte Carlo sampling and Local Linear Regression. The effectiveness of the proposed framework is shown by means of its application to a synthetic case study and to a Nuclear Battery developed at MIT, which is a particular kind of Microreactor, with respect to loss of heat sink (LOHS) accident scenario.

I nuovi reattori nucleari, come i reattori modulari piccoli (Small Modular Reactors) e i microreattori, fanno uso di metodi avanzati di valutazione della sicurezza per esplorare minacce e rischi potenziali. Le analisi nella fase di progettazione si basano su strumenti complessi di modellazione e simulazione per simulare scenari accidentali, valutare perdite e effettuare valutazioni qualitative e quantitative dei rischi. Durante l’operazione dell’impianto, si prevede l'utilizzo di algoritmi avanzati che incorporano un framework di valutazione della sicurezza, modelli di simulazione, strumenti computazionali e intelligenza artificiale per operazioni autonome e semi-autonome al fine di aumentare la disponibilità e la affidabilità dell'impianto e contemporaneamente ridurre i costi operativi. A tale scopo, la valutazione avanzata della sicurezza nella fase di progettazione deve essere integrata con una Valutazione della Sicurezza Probabilistica basata sullo Stato delle Condizioni (CB-PSA) online per fornire una stima in tempo reale dello stato di salute del reattore, una valutazione del rischio aggiornata e una conoscenza dello stato del reattore. Per affrontare questo problema, proponiamo un framework integrato composto da: i) un filtro bayesiano basato su modelli surrogati di rete neurale (NN) per la stima in tempo reale degli stati del reattore durante il funzionamento utilizzando dati di monitoraggio, fornendo così informazioni operative in tempo reale; e ii) una NN per la previsione in tempo reale della distribuzione dei parametri relativi al rischio/sicurezza del reattore, fornendo così informazioni sul rischio, informate in tempo reale dallo stato del reattore. Inoltre, per migliorare il framework proposto e ottenere un modello più accurato ed efficiente dal punto di vista computazionale, proponiamo un nuovo stimatore lineare ricorsivo basato su filtro di Kalman, campionamento di Monte Carlo e regressione lineare locale. L'efficacia del framework proposto è dimostrata mediante la sua applicazione a uno studio di caso sintetico e a una Batteria Nucleare sviluppata presso il MIT, che è un particolare tipo di microreattore, rispetto ad un incidente dove si verifica una perdita del sistema secondario.