发明领域
[0001] 本发明涉及聚变反应堆领域。具体地，本发明涉及聚变反应堆的设计和控制。
[0002] 背景
[0003] 用于
等离子体的
磁约束装置(例如托卡
马克装置(tokamak))的设计和运行是充分了解的领域。然而，当要使用等离子体容器作为聚变反应堆的一部分时，引入了多种另外的复杂度。
[0004] 首先，为了得到聚变所需的高等离子体
温度、
密度和约束，必须整合多个复杂的系统和过程。这些过程和系统通常具有相互矛盾的要求(例如需要具有接近等离子体的用于等离子体启动的
角向场线圈以增加所达到的场，相对于需要将组件移动远离等离子体以减少损伤和污染)。这意味着，不存在通用最佳的解决方案，但是一些解决方案与其他解决方案相比仍然可以是更好或更差的，因此设计通常是发现与期望的结果相对应的“局部最大值”的问题。设计聚变反应堆所需的工作意味着设计者的技术团队可以仅考察可行解决方案的小子集。
[0005] 其次，聚变反应堆是比实验非聚变等离子体室严酷得多的环境。由聚变等离子体发射的
中子将会逐渐使组件如
传感器性能下降并且使它们发生故障并变得不准确。工作传感器甚至将会经历由中子通量导致的显著噪音。具体地，用于等离子体控制的传感器倾向于是灵敏的，接近等离子体，并且与其他用于监测反应堆的传感器(例如用于监测应
力的结构传感器或在超导磁体中的温度传感器)相比是脆弱的。一些传感器(例如磁探针)记录期望
信号的时间导数，因此必须将它们的输出积分。这意味着，在这样的传感器中的错误在与聚变反应堆运行相关的脉冲时间内显著累积。
[0006] 概述
[0007] 根据本发明的第一方面，提供了一种控制在
核聚变反应堆中的等离子体的方法。
核聚变反应堆包括传感器和等离子体控制输入部。提供初始控
制模型，其将传感器的至少一个子组的读数与等离子体控制输入部的控制相关联。执行控制回路，所述控制回路包括：
[0008] 根据控制模型依赖于传感器而操作等离子体控制输入部；
[0009] 确定传感器中的每一个的读数之间和/或传感器的读数与等离子体控制输入部的状态之间的相关性；和
[0010] 基于所确定的相关性调节控制模型。
[0011] 根据第二方面，提供了一种用于核聚变反应堆的
控制器，控制器被配置成与核聚变反应堆的传感器和等离子体控制输入部连接，并且被配置成执行根据第一方面所述的方法。
[0012] 根据第三方面，提供了一种
计算机程序，当在用于核聚变反应堆的控制器上运行时，计算机程序使控制器执行根据第一方面所述的方法。
[0013] 根据第四方面，提供了一种设计核聚变反应堆的方法。确定核聚变反应堆的一组初始参数。模拟核聚变反应堆的表现。基于所模拟的结果改变所确定的参数。重复模拟和改变参数的步骤以趋近期望的模拟结果。
[0014] 在
权利要求2及其下文中给出了另外的实施方案。
[0016] 图1是用于核聚变反应堆的控制系统的示意图；
[0017] 图2是示例性机器学习
算法的简化
流程图。
[0018] 详述
[0019] 考虑到在设计聚变反应堆中的明显的难题，以及在具有相互矛盾的要求的情况下各自需要优化的多个相互关联的系统和组件，机器学习是用于辅助设计的有前景的工具。可以将学习算法应用于在聚变设计中的多种参数并且与模拟工具耦合，以确定那些参数的变化对等离子体和反应堆的特性的影响。这样的算法可以用于快速并且自动地考察大的参数空间以发现有前景的反应堆设计，或者可以用于围绕预先存在的设计点(通过人类设计者或通过更广泛的机器学习设计得到)进行优化。
[0020] 随着聚变装置接近商业部署，在设计中所需的复杂度
水平可能显著增加，所需的优化也将会显著增加(例如在
能量生产方面超过收支平衡以及保证反应堆的长寿命周期)。将会需要在当前实验
原型中不存在的新系统，如氚增殖再生区(tritium breeding blanket)。用于设计的机器学习法可以大幅提高设计聚变反应堆的效率并且可能找到不能被简单的试错法(trial and error)所涵盖的解决方案。
[0021] 机器学习还可以应用于反应堆的运行。如在背景中所指出的，通常用于监测在等离子体容器内的等离子体的传感器(“一级传感器”)在经受长时间的中子通量时较脆弱并且容易发生故障。然而，聚变反应堆还包括用于监测反应堆的其他方面——例如用于检测结构
应力和应变、超导磁体的温度、噪音和中子通量的多个更坚固的传感器(“二级传感器”)。在当前设计中二级传感器不用于监测等离子体的状态，因为在这些传感器的读数与等离子体的状态之间不存在简单的关系。
[0022] 使用机器学习法，将可以在反应堆运行的初期期间训练控制系统，使得当一级传感器不可避免地发生故障或性能下降时，控制系统可以由二级传感器和仍然有效的一级传感器确定等离子体的状态。机器学习法在这里是特别相关的，因为所使用的实际传感器在反应堆之间可能不同——既由于一级传感器在不同机器上以不同速率发生故障，也由于在制造中的小偏差导致等离子体状态与二级传感器之间的关系的差异。
[0023] 为了保证训练期足够长以使得能够在一些或所有一级传感器发生故障之后准确控制等离子体，可以最初以“训练模式”(即产生较低的中子通量和/或较低的能量中子的模式)运行反应堆。通过用仅氘的等离子体启动反应堆并且当从训练模式转换到正常运行时仅引入氚，可以实现训练模式。
[0024] 可以用于控制等离子体系统的输入部(例如外部加热部和
电流驱动器、
位置控制线圈、
燃料供应系统、干扰控制系统)通常以与其他输入部耦合的非线性方式影响等离子体。甚至在任一个传感器发生故障之前，机器学习法也将会在发现控制这些输入部以实现期望的等离子体状态的最佳方式方面提供明显优势。在其中外部能量输入为
等离子体能量中的较小比例并且因此与非燃烧等离子体相比具有较小影响的高增益燃烧等离子体(如聚变发电所需的)中，这是特别重要的。确定使用各种输入部的最佳方式可以使得能够得到更先进的运行方案并且显著提高整体装置效率。
[0025] 图1示出了聚变反应堆控制系统的示意图。反应堆控制系统包括一级传感器10，其被配置成监测等离子体的状态。一级传感器10可以包括
磁性诊断器11、
光谱学仪器12、
光学传感器13、测
辐射热系统14、
微波诊断器15或其他适合的传感器。反应堆控制系统还包括二级传感器20，其被配置成监测反应堆的其他性质。二级传感器20可以包括应力传感器21、应变传感器22、
传声器23、温度传感器24、中子检测器25、振动传感器26或其他适合的传感器。反应堆控制系统还包括等离子体控制输入部30，其被配置成调节等离子体的性质，例如位置、温度和电流。等离子体控制输入部30可以包括用于
磁场线圈31(在反应堆是托卡马克装置的情况中包括环向场线圈31a和角向场线圈31b二者)、加热系统32、电流驱动系统33、燃料输入部34的输入部和其他适合的输入部。可以通过具有宽范围的能量、强度和方向的中子束和/或通过利用多种不同技术的
电磁辐射来实现加热部和电流驱动器。
[0026] 反应堆控制系统还包括控制器40，其接收来自一级传感器10和二级传感器20的读数，并且基于那些读数控制等离子体控制输入部30以将等离子体维持在期望的状态。控制器40通过使用来自一级传感器10的读数训练的机器学习算法进行控制，并且被配置成使得当一级传感器10中的一个或多个发生故障时，控制器可以基于来自其余一级传感器10和二级传感器20的读数控制等离子体。
[0027] 图2示出了以高度简化形成呈现的在控制器10上运行的示例性机器学习算法的流程图。如以上所述，在括号中的特征是任选的并且涉及训练模式的使用。
[0028] 在步骤S101中，用初始控制模型启动控制器。初始控制模型限定了应当如何基于来自一级传感器10的读数操作等离子体控制输入部30。
[0029] 在步骤S102中，反应堆开始运行(任选以具有较低中子通量的训练模式运行)。
[0030] 在步骤S103中，根据控制模型控制等离子体。基于来自一级传感器10和/或二级传感器20的读数，使用等离子体控制输入部30控制等离子体。在控制模型是初始控制模型时，将会仅使用一级传感器10。
[0031] 在步骤S104中，控制器进一步确定等离子体状态与一级传感器10、二级传感器20和/或等离子体控制输入部30之间的关系。这可以包括确定等离子体控制输入部30的行动与一级传感器10和二级传感器20中的任何一个或多个的读数之间的相关性，和/或确定一级传感器10中的任何组与二级传感器20之间的相关性。例如，可以发现，来自特定磁场传感器(一级传感器10)和特定应变传感器(二级传感器20)的读数是强相关的。
[0032] 在步骤S105中，检测一级传感器10的故障或性能下降。可以通过检测一级传感器10的
明显错误的读数(例如，在考虑其他一级传感器10和/或二级传感器的读数的情况下在物理上不可能的读数)来检测这种故障。如果可能，确定故障传感器的读数与等离子体状态之间的关系(即故障传感器的读数与其他传感器的读数之间的相关性)——或者可以确定不存在有用的相关性(例如，在传感器不提供任何读数，或者提供以噪音为主的读数的情况下)。
[0033] 在步骤S106中，基于在步骤S104和S105中确定的关系调节控制模型。这种调节可以包括：
[0034] ·如果已经在新的二级传感器20与控制模型中已有的一级传感器10或二级传感器20和/或等离子体控制输入部30之间发现了相关性，则将那些新的二级传感器20加入控制模型；
[0035] ·调节一级传感器10和/或二级传感器20在控制模型内的权重以反映所确定的关系；
[0036] ·如果确定在故障一级传感器10的读数与等离子体状态之间不存在有用的相关性，则将所述故障一级传感器10从控制模型中移除。
[0037] 在步骤S107中，如果反应堆以训练模式运行，则做出关于是否开始完全运行的决定。决定可以基于反应堆在训练模式中花费的时间和/或基于控制模型的准确度或置信水平。在做出离开训练模式的决定的情况下，控制器发出命令以使反应堆移动至完全运行(S108)。
[0038] 在步骤S107和S108之后，或者如果反应堆不是在训练模式中则紧随步骤S106之后，控制器回到步骤S103，并且使用调节的控制模型控制等离子体。
[0039] 以上示例性算法使得控制器能够适用于优化等离子体的状态并且保证良好反应堆性能，并且甚至在一些或所有一级传感器10的故障之后也能够继续控制等离子体。
[0040] 尽管以上描述涉及包括等离子体室的通用核聚变反应堆，但是认为其特别适用于球形托卡马克装置，因为在这样的装置中减少的空间意味着提供多余传感器的能力较差。此外，球形托卡马克装置对设计或控制方案中对于常规托卡马克装置或其他聚变反应堆来说可能属于可接受的运行参数的小误差可能特别灵敏。
