Modelado reducido basado en datos con recuperación de sensores defectuosos aplicado al caso del Reactor de Sal Fundido

Este trabajo presenta el uso de dos técnicas de Modelado Reducing Basado en Datos para predecir la respuesta transitoria de un Reactor Rápido de Sal Fundido cuando uno o más sensores fallan y, por lo tanto, proporcionan información errónea; se usan técnicas de Aprendizaje Automático Supervisado para compensar los sensores fallidos. El Modelado Reducido Basado en Datos integra el conocimiento físico contenido en modelos matemáticos de alta fidelidad con el proveniente de datos medidos en el sistema real. Esto permite refinar y actualizar el modelo matemático, y abordar los desafíos relacionados con las observaciones únicamente locales, permitiendo una estimación del estado global. Estos métodos son de interés cuando ambas fuentes de información están presentes, aunque incompletas, como es el caso del Reactor Rápido de Sal Fundido. En estos diseños, que generalmente operan en el espectro de neutrones rápidos, el combustible es líquido, y no se prevén estructuras sólidas en el núcleo, lo que hace que la detección y el monitoreo de parámetros y cantidades críticos para la seguridad sean bastante desafiantes. Además, la mayoría de los estudios en la literatura sobre Modelado Reducido Basado en Datos toman las observaciones experimentales como la verdad de referencia (ruidosa): muy pocos trabajos consideran el caso en el que los sensores fallan o malfuncionan, y cómo esto afecta la estimación del estado.