Kosten- und Sicherheitsoptimierung von Wärmeleitrohr-Mikroreaktoren
Wärmeleitrohr-Mikroreaktoren (HPMRs) sind kompakte, transportable Kernkraftwerke, die durch ihre inhärente Sicherheit besonders für abgelegene Regionen geeignet sind, in denen fossile Brennstoffe teuer und schwer zugänglich sind. In einer vorherigen Studie wurde ein Optimierungsrahmen entwickelt, der technologische und ökonomische Aspekte über Surrogatmodelle und Reinforcement‑Learning (RL) kombiniert, um ausschließlich die levelized cost of electricity (LCOE) zu minimieren.
Die aktuelle Arbeit erweitert diesen Ansatz zu einer Multi‑Objective‑Optimierung mit dem PEARL‑Algorithmus (Pareto Envelope Augmented with Reinforcement Learning). Dabei werden gleichzeitig die Füllfaktor‑Peak‑Faktor‑Integration (FΔh) und die LCOE unter Berücksichtigung von Sicherheits- und Betriebsbeschränkungen minimiert.
Für drei Kostenszenarien – (1) hohe Kosten für axialen und Trommel‑Reflektoren, (2) niedrige Kosten für den axialen Reflektor und (3) niedrige Kosten für beide Reflektoren – wurden die Auswirkungen verschiedener Designparameter untersucht. Die Analyse zeigt, dass ein kleinerer Moderator‑Radius, ein engerer Pin‑Pitch und ein flacherer Trommel‑Beschichtungswinkel, kombiniert mit einer höheren Brennstoffhöhe, den FΔh signifikant senken.
Unabhängig vom Szenario identifizierten sich vier zentrale Strategien zur LCOE‑Optimierung: (1) Reduktion des axialen Reflektors bei hohen Kosten, (2) geringere Abhängigkeit von der Kontrolltrommel, (3) Austausch teurer TRISO‑Brennstoffe durch axialen Reflektormaterial mit Graphit‑Preisniveau und (4) Maximierung der Brennstoffausnutzung.
Die Ergebnisse demonstrieren, dass der PEARL‑Ansatz nicht nur die Sicherheitskennzahlen verbessert, sondern gleichzeitig die wirtschaftliche Leistungsfähigkeit von HPMRs erheblich steigert – ein wichtiger Schritt hin zu verlässlicher, kostengünstiger Energie in abgelegenen Gebieten.