Le Laboratoire national d'Argonne aux États-Unis a développé un nouveau système de surveillance capable de diagnostiquer avec précision les défauts cachés à l'intérieur des réacteurs nucléaires

Des chercheurs américains ont développé un nouveau système de surveillance combinant des capteurs de température à fibre optique (Fiber-optic temperature sensors) et l'intelligence artificielle (Artificial intelligence, AI), capable d'identifier à l'avance les risques de colmatage interne dissimulés des canaux avant qu'ils ne provoquent des arrêts coûteux pour défaillance du réacteur. Cette technologie a été développée par le Laboratoire national d'Argonne (Argonne National Laboratory, ANL), relevant du Département de l'énergie des États-Unis (US Department of Energy, DOE), et est spécialement adaptée aux composants d'échangeurs de chaleur (Heat exchangers) critiques des réacteurs refroidis par sels fondus (Molten-salt-cooled reactors, MSCRs).

En tant que nœud central pour l'évacuation de l'énergie thermique du cœur vers l'extérieur, l'échangeur de chaleur est indispensable au fonctionnement sûr d'une centrale nucléaire. Dans les réacteurs refroidis par sels fondus, les sels fondus à haute température transmettent l'énergie thermique libérée par le cœur au fluide du circuit secondaire, qui est ensuite utilisé pour produire de la vapeur à haute température et entraîner la turbine pour la production d'électricité. Cependant, dès que la température du milieu de sels fondus s'approche excessivement de son point de congélation, le fluide salin est très susceptible de se solidifier localement, ce qui peut partiellement ou totalement obstruer les milliers de micro-canaux à l'intérieur de l'échangeur de chaleur et entraver l'écoulement du caloporteur, incitant ainsi l'équipe de recherche à explorer des solutions de détection précise du colmatage précoce des canaux.

Le Laboratoire national d'Argonne indique que les échangeurs de chaleur à matrice conventionnels (Matrix-type heat exchanger) comportent généralement une disposition dense de 2000 à 4000 micro-canaux, et que les configurations de grande taille en comptent encore davantage. Actuellement, la grande majorité des systèmes industriels d'échange de chaleur ne disposent de points de surveillance de température et de débit qu'aux entrées et sorties principales, ce qui rend difficile la détection des variations d'écoulement au sein d'un canal individuel, et conduit souvent à ce que les risques de colmatage mineurs ne soient pas détectés à temps. À cette fin, l'équipe de recherche a proposé de manière innovante l'idée d'intégrer un système de détection distribuée de température à fibre optique (Distributed fiber-optic temperature sensing) dans les éléments porteurs et de support de l'échangeur de chaleur.

Ce système collecte massivement en temps réel les données de température thermique, puis les soumet à un algorithme d'intelligence artificielle dédié pour analyser les caractéristiques des fluctuations anormales du champ thermique, afin d'identifier les signes de colmatage des canaux causés par la solidification des sels fondus. Le Dr Alex Heifetz (Dr. Alex Heifetz), ingénieur électricien en chef au Laboratoire national d'Argonne et co-auteur de cette étude, souligne que ce système permet de détecter précocement, de localiser avec précision et d'évaluer le niveau de gravité des défaillances lorsqu'un micro-canal est partiellement ou totalement obstrué, offrant en quelque sorte une lentille de surveillance à ultra-haute résolution pour le diagnostic des défaillances internes du système d'échange de chaleur.

En termes de disposition technique, la fibre optique de détection sera fixée à la surface de la structure de support mécanique de l'équipement, plutôt que d'être insérée directement à l'intérieur des canaux et immergée dans le milieu, ce qui évite toute pénétration destructive à travers la paroi sous pression de l'échangeur de chaleur et n'interfère pas avec la circulation thermohydraulique normale du fluide interne. Par ailleurs, ce modèle de surveillance par intelligence artificielle dispose d'une haute explicabilité (Explainable AI) : lors du déclenchement d'une alarme, il peut fournir simultanément aux opérateurs de la centrale nucléaire les bases du diagnostic de défaillance ainsi que la chaîne de raisonnement décisionnel, améliorant significativement la transparence des alertes de défaillance des équipements de niveau nucléaire.