Известия вузов. Ядерная энергетика

Рецензируемый научно-технический журнал. ISSN: 0204-3327

Применение спайковой нейронной сети для моделирования процесса высокотемпературного производства водорода в системах с газоохлаждаемыми реакторами

25.03.2019 2019 - №01 Моделирование процессов в объектах ядерной энергетики

С.О. Старков  Ю.Н. Лавренков

DOI: https://doi.org/10.26583/npe.2019.1.13

УДК: 621.039.9, 004.896

Водородная энергетика способна решить проблему зависимости современных производств от ископаемых видов топлива и значительно снизить количество вредных выбросов. Одним из способов получения водорода является процедура высокотемпературного электролиза водяного пара. Эффективность процесса повышается при увеличении температуры пара, участвующего в электролизе. Ключевой проблемой является использование надежного источника тепловой энергии, способного достигать высоких температур. Высокотемпературные газоохлаждаемые реакторы с газообразным теплоносителем и графитовым замедлителем являются решением проблемы разогрева электролита. Часть тепловой энергии направляется для производства электроэнергии, необходимой для электролиза. Современные электролизеры, построенные в виде массива трубчатых или планарных электролитических ячеек с ядерным источником энергии, делают возможным получение водорода путем разложения молекул воды, а управление рабочей температурой процесса приводит к уменьшению потенциала Нернста. Эксплуатация таких установок осложняется определением оптимальных параметров электролизной ячейки, скорости потока пара, плотности рабочего тока. Для уменьшения затрат, связанных с оптимизацией процесса, предлагается использовать систему низкотемпературного электролиза, управляемую спайковой нейронной сетью. Получены результаты, подтверждающие эффективность применения интеллектуальных технологий, осуществляющих адаптивное управление процессами гибридного моделирования, для организации максимально осуществимого производства водорода при конкретном технологическом процессе, параметры которого могут быть адаптивно изменены в зависимости от специфики использования тепловой энергии реактора. Подтверждена эффективность применения комбинированной функциональной структуры, выполненной на основе спайковых нейронов, для выполнения коррекции параметров созданной электролитической системы. Предлагаемая стратегия моделирования может значительно снизить расход вычислительных ресурсов по сравнению с моделями, базирующимися только на нейросетевых методах прогнозирования.

Ссылки

  1. Gupta Ram B. Hydrogen Fuel: Production, Transport, and Storage. – CRC Press, 2008. – 624 p.
  2. Cacuci Dan Gabriel. Handbook of Nuclear Engineering. – Springer US, 2010. – 3574 p.
  3. Прикладная электрохимия. Учеб. для вузов. 3-е изд., перераб. – М.: Химия, 1984. – 520 с.
  4. Gray Paul R., Hurst Paul J., Lewis Stephen H., Meyer Robert G. Analysis and Design of Analog Integrated Circuits, 5-th Edition. – JohnWiley & Sons, Inc., 2009. – 896 p.
  5. Крекрафт Д., Джерджи С. Аналоговая электроника. Схемы, системы, обработка сигнала. – М.: Техносфера, 2005. – 360 с.
  6. Yan Xing L., Hino Ryutaro. Nuclear Hydrogen Production Handbook. – CRC Press, 2011. – 939 p. ISBN 9781439810835. Series: Green Chemistry and Chemical Engineering.
  7. Nuclear Production of Hydrogen: Nuclear Science (Third Information Exchange Meeting, Oarai, Japan 5-7 October 2005). Organisation for Economic Co-operation and Development, Nuclear Energy Agency. – OECD Publishing, 2006. – 414 p.
  8. Gerstner Wulfram, Kistler Werner M. Spiking Neuron Models: Single Neurons, Populations, Plasticity. – Cambridge University Press, 2002. – 496 p.
  9. Maass Wolfgang, Bishop Christopher M. Pulsed Neural Networks. – A Bradford Book, 2001. – 377 p.
  10. Cichocki Andrzej, Amari Shunichi. Adaptive Blind Signal and Image Processing: Learning Algorithms and Applications. – Wiley, 2002. – 586 p.
  11. Хайкин С. Нейронные сети: полный курс. Пер. с англ. – М.: Издательский дом «Вильямс», 2008. – 1104 с.
  12. Sterratt David, Graham Bruce, Gillies Andrew, Willshaw David. Principles of Computational Modelling in Neuroscience. – Cambridge University Press, 2011. – 404 p.
  13. Gottlieb Irving. Practical Transformer Handbook. – Elsevier Science & Technology, 1998. – 192 p.
  14. Салех Б., Тейх М. Оптика и фотоника. Принципы и применение. Пер. с англ.: Учебное пособие. В 2 т. – Долгопрудный: Издательский дом «Интеллект», 2012. – 760 с.
  15. Moss F., Gielen S. Neuro-informatics and Neural Modelling. – North Holland, 2001. – 1080 p.
  16. WaiKai Chen. Nonlinear and Distributed Circuits. – CRC Press, 2005. – 352 p.
  17. Стронгин Р.Г., Гергель В.П., Гришагин В.А., Баркалов К.А. Параллельные вычисления в задачах глобальной оптимизации: Монография / Предисл.: В.А. Садовничий. – М.: Изд-во МГУ им. М.В. Ломоносова, 2013. – 280 с.
  18. Грешилов А.А. Математические методы принятия решений: учеб. пособие (с расчетными программами на оптическом диске) / 2-е изд., испр. и доп. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2014. – 647 с.

спайковые нейронные сети высокотемпературные газоохлаждаемые реакторы электрооптическая система коммутации нейронов прогнозирование производства водорода централизованная схема глобального параллельного поиска