Nükleer reaktörlerde yapay zeka uygulamaları
Artificial intelligence applications in nuclear reactors
- Tez No: 1021798
- Danışmanlar: DR. ÖĞR. ÜYESİ HASAN ALİ AYGÖR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Nükleer Mühendislik, Electrical and Electronics Engineering, Energy, Nuclear Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Muş Alparslan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Nükleer Enerji ve Enerji Sistemleri Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, Basınçlı Su Reaktörlerinin (PWR) birincil soğutma sistemlerindeki Tasarım Temelli Kazalardan Akış Kaybı Kazası (LOFA) ve Küçük Kırılma Soğutma Suyu Kaybı Kazasının (SBLOCA) erken tespiti için hibrit bir Evrişimsel Sinir Ağı ve Uzun Kısa Süreli Bellek (CNN-LSTM) modeli geliştirmeyi ve doğrulamayı amaçlamaktadır. Geleneksel eşik tabanlı alarm sistemlerinin aksine model; basınç, sıcaklık, kütlesel debi, seviye ve nötron akısından oluşan çok değişkenli verilerdeki doğrusal olmayan uzamsal-zamansal korelasyonları öğrenerek arızaları dinamik olarak sınıflandırmaktadır. Çalışmada model performansı statik metriklerin yanı sıra nükleer güvenlik için kritik olan arıza tespit gecikme süresiyle değerlendirilmiştir. Derin öğrenmenin şeffaflık problemini çözmek amacıyla Açıklanabilir Yapay Zeka (XAI) yaklaşımlarından SHAP entegre edilmiştir. Toplu Parametre ve Nokta Kinetiği yaklaşımlarıyla üretilen 1.000.000+ zaman adımlık veri setindeki testlerde modelin; LOFA senaryolarını ortalama 1.2 saniyede, yavaş gelişen SBLOCA senaryolarını ise 4.5 saniyede %98.4'lük genel doğrulukla tespit ettiği kanıtlanmıştır. Bu çalışma, yapay zekanın reaktör koruma sistemlerinin güvenlik marjlarını fiziksel olarak doğrulayabilen bir karar destek mekanizmasına dönüşebileceğini göstermektedir.
Özet (Çeviri)
This thesis aims to develop and validate a hybrid Convolutional Neural Network and Long Short-Term Memory (CNN-LSTM) model for the early detection and diagnosis of Design Basis Accidents, specifically Loss of Flow Accident (LOFA) and Small Break Loss of Coolant Accident (SBLOCA), in the primary cooling systems of Pressurized Water Reactors (PWRs). Unlike traditional threshold-based alarm systems, the proposed model dynamically classifies faults by learning nonlinear spatial-temporal correlations within multivariate data, including pressure, temperature, mass flow, level, and neutron flux. In this study, model performance was evaluated using both static metrics and fault detection delay, a critical constraint in nuclear safety. To address the transparency problem of deep learning, SHAP, an Explainable Artificial Intelligence (XAI) approach, was integrated. Tests conducted on a dataset of 1,000,000+ time steps generated via Lumped Parameter and Point Kinetics approaches demonstrated that the model detects LOFA scenarios within an average of 1.2 seconds and slower-developing SBLOCA scenarios within 4.5 seconds with an overall accuracy of 98.4%. This study demonstrates that artificial intelligence can transform into a decision support mechanism capable of physically verifying the safety margins of reactor protection systems (RPS).
Benzer Tezler
- Yapay sinir ağları ve bulanık sistemlerin nükleer güç santrallarının kontrolunda kullanılması
Neural networks and fuzzy systems for advanced controoler design in nuclear power plants
FARUK EROL SAĞIROĞLU
- Flow boiling correlations for CO2 using ann and GA methods
Ann ve GA yöntemleri kullanılarak CO2 kaynamalı akış korelasyonları
AHMET KORKMAZ
Yüksek Lisans
İngilizce
2023
Mühendislik BilimleriMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMED RAFET ÖZDEMİR
DR. ÖĞR. ÜYESİ SEMİH ÖZEL
- Development of artificial intelligence based semi-autonomous control system to assist decision making of reactor operators
Reaktör operatörlerinin karar vermesini desteklemek için yapay zekâ tabanlı yarı-otonom kontrol sisteminin geliştirilmesi
CEYHUN YAVUZ
Doktora
İngilizce
2025
Nükleer Mühendislikİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. SENEM ŞENTÜRK LÜLE
- Application of kNN-GRNN algorithm for liquid holdup determination in two-phase flow
İki fazlı akışta sıvı oranının belirlenmesi için kNN-GRNN algoritmasının kullanılması
MEHMET SADIK PEKTAŞ
Yüksek Lisans
İngilizce
2018
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÇINAR
- Applicatioon of compütational intelligence methods to in-core fuel management
Hesaplamalı zeka metodlarının kalp içi yakıt yönetimine uygulanması
ADEM ERDOĞAN
