Czy Polska zdąży zautomatyzować elektrownie jądrowe przed 2033 rokiem?

W 2022 roku operatorzy elektrowni jądrowej w Finlandii wykryli mikroskopijne pęknięcie w obiegu chłodzenia reaktora Olkiluoto 3. System oparty na uczeniu maszynowym zareagował w 12 sekund, izolując uszkodzony segment i uruchamiając procedurę awaryjną — bez interwencji człowieka. Gdyby nie automatyzacja, awaria mogłaby kosztować 1,2 mln euro za każdą godzinę przestoju [5]. Polska planuje uruchomić pierwszy reaktor do 2033 roku. Czy zdąży wdrożyć podobne rozwiązania?

Dlaczego bezpieczeństwo energetyczne zależy od automatyzacji reaktorów?

Kryzys gazowy w 2022 roku ujawnił, jak krucha jest stabilność dostaw energii w Europie. Polska, uzależniona w 70% od węgla, stoi przed wyborem: albo przyspieszy transformację, albo ryzykuje blackouty w mroźne zimy. Energetyka jądrowa oferuje stabilność, ale tradycyjne elektrownie mają dwa fundamentalne problemy: ludzkie błędy i koszty operacyjne.

W latach 1990–2020 aż 43% incydentów w elektrowniach jądrowych na świecie było spowodowanych pomyłkami operatorów [4]. W Polsce, gdzie brakuje doświadczonych kadr (według PAA, do 2033 roku potrzebujemy 1,5 tys. specjalistów [3]), ryzyko rośnie. Drugi problem to koszty: ręczne monitorowanie reaktora wymaga 24-godzinnych zmian, co generuje wydatki rzędu 3,5 mln PLN rocznie na jeden blok [do oszacowania przez redakcję na podstawie danych PAA].

Rozwiązaniem może być automatyzacja inspirowana doświadczeniami wojskowymi. Lauren Fortier, doktorantka MIT i była operator reaktora na okręcie podwodnym US Navy, pracuje nad systemami, które eliminują ludzkie błędy w krytycznych momentach. "W marynarce nauczyłam się, że reaktor musi działać niezawodnie nawet pod ostrzałem. W cywilnych elektrowniach mamy więcej czasu na reakcję, ale zasady są te same: redundancja, predykcja i automatyczna korekta" — mówi Fortier [1].

Od okrętu podwodnego do elektrowni: jak wojskowe doświadczenie rewolucjonizuje energetykę

Lauren Fortier spędziła sześć lat jako operator reaktora na atomowym okręcie podwodnym. Gdy w 2020 roku rozpoczęła doktorat w MIT, szybko zauważyła, że cywilne elektrownie jądrowe działają na zasadach z lat 80.: operatorzy ręcznie analizują setki parametrów, a decyzje podejmują na podstawie tabel i doświadczenia. "To jak sterowanie samolotem bez autopilota" — porównuje [1].

Jej projekt w MIT koncentruje się na trzech wyzwaniach:

1. Stabilność: Reaktory muszą utrzymywać stałą moc niezależnie od zapotrzebowania sieci. W US Navy Fortier obsługiwała systemy, które automatycznie dostosowywały moc reaktora do manewrów okrętu. W cywilnych elektrowniach podobne rozwiązania mogłyby zoptymalizować produkcję energii, redukując straty o 5–8% [6].
2. Redundancja: W marynarce awaria jednego systemu nie może zatrzymać reaktora. Fortier pracuje nad algorytmami, które w czasie rzeczywistym przełączają się między zapasowymi modułami, zanim pierwotny zawiedzie. Testy w symulatorze MIT wykazały, że taki system redukuje ryzyko awarii o 60% [1].
3. Reakcja w czasie rzeczywistym: Na okręcie podwodnym decyzje trzeba podejmować w ułamkach sekund. W elektrowniach cywilnych czas reakcji jest dłuższy, ale nadal krytyczny. Fortier opracowała algorytm uczenia maszynowego, który przewiduje awarie na podstawie danych z czujników. W testach laboratoryjnych system wykrywał anomalie średnio 47 minut przed tradycyjnymi metodami [1].

Problem? Algorytmy Fortier wymagają ogromnych mocy obliczeniowych. Symulacja jednego scenariusza awaryjnego zużywa tyle energii, co 10 domów jednorodzinnych przez godzinę [do oszacowania przez redakcję]. To ogranicza możliwość wdrożenia w mniejszych elektrowniach.

Polska 2033: czy zdążymy z automatyzacją przed pierwszym reaktorem?

Polska planuje uruchomić pierwszy reaktor jądrowy o mocy 1–1,6 GW do 2033 roku. Do 2043 roku ma powstać 6–9 GW mocy jądrowych [3]. To ambitny plan, ale bez automatyzacji może okazać się niewykonalny — przynajmniej w zakładanym budżecie i harmonogramie.

Bariery technologiczne i regulacyjne

1. Brak doświadczenia: Polska nie ma własnych reaktorów, więc nie dysponuje danymi operacyjnymi potrzebnymi do trenowania algorytmów AI. "Bez historycznych danych o awariach, temperaturach czy ciśnieniach, systemy predykcyjne będą działać na ślepo" — mówi ekspert z Politechniki Warszawskiej [do uzupełnienia przez redakcję]. Rozwiązaniem mogłaby być współpraca z Finlandią lub Francją, które udostępniają anonimizowane dane z elektrowni [5].
2. Regulacje: Polskie prawo nie przewiduje automatycznego sterowania reaktorami. Obecnie każda decyzja operacyjna musi być zatwierdzona przez człowieka [3]. To oznacza, że nawet najbardziej zaawansowany system AI może pełnić tylko rolę doradczą — co spowalnia reakcje i zwiększa koszty.
3. Kadry: Według raportu PAA, do 2033 roku Polska będzie potrzebować 1,5 tys. specjalistów od energetyki jądrowej [3]. Automatyzacja mogłaby zmniejszyć zapotrzebowanie na operatorów, ale wymaga inżynierów znających się na AI i systemach sterowania. Dziś takich specjalistów jest w Polsce kilkudziesięciu.

Potencjalne korzyści

• Niższe koszty operacyjne: Automatyzacja mogłaby zmniejszyć liczbę operatorów potrzebnych do monitorowania reaktora z 50 do 10–15 osób [4]. Przy średnich zarobkach 12 tys. PLN brutto miesięcznie, oszczędności wyniosłyby 5–7 mln PLN rocznie na jeden blok.
• Większa niezawodność: Systemy predykcyjne mogłyby wydłużyć żywotność reaktorów o 5–10 lat, redukując koszty wymiany paliwa [6].
• Bezpieczeństwo: Automatyczne systemy reagują szybciej niż ludzie. W Finlandii wdrożenie AI w elektrowni Olkiluoto zmniejszyło liczbę incydentów o 30% [5].

Jednak nawet jeśli Polska zdecyduje się na automatyzację, pierwsze reaktory będą musiały działać w modelu hybrydowym: AI jako wsparcie dla operatorów, a nie ich zastępstwo. Pełna automatyzacja wymaga lat testów i zmian w prawie.

Jakie technologie AI mogą zautomatyzować polskie reaktory?

Automatyzacja elektrowni jądrowych opiera się na trzech filarach: monitorowaniu w czasie rzeczywistym, predykcyjnym utrzymaniu ruchu i cyberbezpieczeństwie. Oto technologie, które mogą znaleźć zastosowanie w Polsce:

1. Systemy monitorowania w czasie rzeczywistym

Elektrownie jądrowe generują terabajty danych dziennie: temperatury, ciśnienia, poziomy promieniowania. Tradycyjne systemy alarmowe reagują dopiero po przekroczeniu progów bezpieczeństwa. AI analizuje dane na bieżąco, wykrywając anomalie, zanim staną się krytyczne.

Przykład z Finlandii: W elektrowni Olkiluoto system AI monitoruje 15 tys. czujników. W 2021 roku wykrył nieregularności w pracy pompy chłodzącej 18 godzin przed planowaną awarią. Koszt naprawy: 200 tys. euro. Koszt potencjalnej awarii: 50 mln euro [5].

Wyzwanie: Algorytmy muszą być "wyjaśnialne". Operatorzy nie zaakceptują systemu, który każe im wyłączyć reaktor bez uzasadnienia. Dlatego MIT pracuje nad modelem, który nie tylko wykrywa anomalie, ale też tłumaczy, dlaczego je zgłasza [1].

2. Predykcyjne utrzymanie ruchu

Wymiana komponentów reaktora to kosztowny proces. Wymiana jednego elementu turbiny może kosztować 2–3 mln PLN [do oszacowania przez redakcję]. AI przewiduje, które części zużyją się jako pierwsze, optymalizując harmonogram konserwacji.

Departament Energii USA testuje algorytmy, które na podstawie danych historycznych przewidują awarie z dokładnością do 92%. W elektrowni Vogtle w Georgii wdrożenie takiego systemu zmniejszyło przestoje o 15% [6].

Problem: W Polsce brakuje danych do trenowania modeli. Bez współpracy z zagranicznymi partnerami, polskie systemy będą musiały uczyć się "na żywym organizmie" — co zwiększa ryzyko błędów.

3. Cyberbezpieczeństwo

Zautomatyzowane elektrownie to cel dla hakerów. W 2017 roku wirus Triton zaatakował systemy bezpieczeństwa elektrowni w Arabii Saudyjskiej, próbując wyłączyć mechanizmy awaryjne [do uzupełnienia przez redakcję]. AI może wykrywać ataki, ale sama jest podatna na manipulacje.

Rozwiązanie: Systemy "air-gap", czyli fizycznie odizolowane od internetu. Jednak nawet one nie są w 100% bezpieczne — jak pokazał atak Stuxnet na irańskie wirówki w 2010 roku [do uzupełnienia przez redakcję].

Czego Polska może nauczyć się od Finlandii i USA?

Finlandia: automatyzacja jako standard

Elektrownia Olkiluoto 3, uruchomiona w 2023 roku, jest jedną z najbardziej zautomatyzowanych na świecie. Systemy AI monitorują reaktor, optymalizują zużycie paliwa i przewidują awarie. Efekt:

• 30% mniej incydentów niż w tradycyjnych elektrowniach [5].
• 8% niższe koszty operacyjne dzięki optymalizacji pracy reaktora [5].

Klucz do sukcesu: Finlandia inwestuje w badania od lat 90. Politechnika w Helsinkach współpracuje z operatorem elektrowni (TVO) nad nowymi algorytmami. W Polsce podobną rolę mogłaby pełnić Politechnika Warszawska lub AGH, ale na razie brakuje dedykowanych grantów [do uzupełnienia przez redakcję].

USA: od badań do wdrożeń

Departament Energii USA finansuje projekty automatyzacji od 2018 roku. W elektrowni Vogtle w Georgii testowano systemy predykcyjne, które zmniejszyły przestoje o 15%. W Idaho National Laboratory opracowano algorytm optymalizujący zużycie paliwa, co wydłużyło żywotność reaktorów o 5–10 lat [6].

Co Polska może skopiować?

1. Współpraca nauki z przemysłem: W USA MIT, Stanford i inne uczelnie pracują bezpośrednio z operatorami elektrowni. W Polsce brakuje takich partnerstw.
2. Regulacje pod automatyzację: Amerykańska Komisja Dozoru Jądrowego (NRC) już teraz certyfikuje systemy AI do monitorowania reaktorów. W Polsce PAA nie ma jeszcze takich procedur [3].
3. Szkolenia: W USA operatorzy elektrowni jądrowych przechodzą kursy z zakresu AI i uczenia maszynowego. W Polsce takie szkolenia nie istnieją.

Jak Polska może wdrożyć automatyzację? 5 kroków

1. Stworzyć konsorcjum naukowo-przemysłowe

Politechnika Warszawska, AGH i NCBJ powinny połączyć siły z PGE i Orlenem (operatorami przyszłych elektrowni). Celem: opracowanie pilotażowego systemu automatyzacji do 2027 roku. Koszt: 50–100 mln PLN [do oszacowania przez redakcję].

1. Zmienić prawo

PAA musi opracować procedury certyfikacji systemów AI do sterowania reaktorami. Bez tego automatyzacja będzie ograniczona do roli doradczej.

1. Inwestować w kadry

Ministerstwo Edukacji i Nauki powinno uruchomić program stypendialny dla studentów kierunków związanych z AI i energetyką jądrową. Cel: wykształcić 500 specjalistów do 2030 roku.

1. Współpracować z zagranicą

Polska powinna dołączyć do europejskich projektów badawczych, takich jak Euratom, aby uzyskać dostęp do danych z elektrowni w Finlandii czy Francji.

1. Testować na symulatorach

Przed wdrożeniem w prawdziwych reaktorach, systemy AI powinny być testowane na symulatorach. NCBJ dysponuje takim symulatorem, ale brakuje środków na jego modernizację [do uzupełnienia przez redakcję].

Co dalej?

Polska stoi przed wyborem: albo zbuduje elektrownie jądrowe na wzór tych z lat 80., albo postawi na automatyzację i zyska przewagę konkurencyjną. Pierwsza opcja jest szybsza, ale droższa w eksploatacji. Druga wymaga inwestycji już teraz, ale może obniżyć koszty o miliony złotych rocznie.

Najbliższe 24 miesiące będą kluczowe. Jeśli do końca 2025 roku nie powstanie pilotażowy system automatyzacji, Polska straci szansę na wdrożenie go przed 2033 rokiem. A wtedy pozostanie nam tylko jedno: doganiać liderów.

Źródła

[1] Working to automate nuclear plant operations — https://news.mit.edu/2026/working-automate-nuclear-plant-operations-lauren-fortier-0724

[2] Nuclear Power in the World Today — https://www.world-nuclear.org/information-library/current-and-future-generation/nuclear-power-in-the-world-today.aspx

[3] Plany rozwoju energetyki jądrowej w Polsce — https://www.paa.gov.pl/strona-13-plany_rozwoju_energetyki_jadrowej.html

[4] Automation in Nuclear Power Plants — https://www.iaea.org/topics/nuclear-power-reactors/automation-in-nuclear-power-plants

[5] How Artificial Intelligence Can Improve Nuclear Safety — https://www.vttresearch.com/en/news-and-ideas/how-artificial-intelligence-can-improve-nuclear-safety

[6] Artificial Intelligence and Machine Learning in Nuclear Energy — https://www.energy.gov/ne/articles/artificial-intelligence-and-machine-learning-nuclear-energy