安全壳内MSLB事故下的质能释放与安全壳行为分析

基于18个月换料的堆芯设计，利用THEMIS程序计算了大亚湾核电站1、2号机组在安全壳内发生主蒸汽管道断裂事故（MSLB）下的质能释放（MEB）量。以此为边界条件，利用PAREO9程序对安全壳的响应做了分析。分析认为，在假想的MSLB事故下，安全壳的完整性有保障。     

基于深度学习模型的伽马能谱解析方法

为提高伽马能谱解析精度,建立专用深度学习模型,含12个残差卷积模块、51个神经网络层、超10⁷个参数;独特设计模型输出,使其直接预测核素出射谱,突破对预设核素库的依赖。选择自建全身计数器测量人体放射性作为实验场景,基于蒙特卡罗模拟构造了数据集,测试实验表明,深度学习模型核素识别率93.3%、活度计算平均误差8.6%,相较峰分析法的62.3%、28.3%,能谱重建法的78.2%、18.7%,浅层ANN模型的81.3%、14.8%,优势明显。实测实验进一步验证了上述结论。所建立方法借助深度学习的多层次特征提取能力与高数值稳定性,实现了全谱信息与伽马射线能量、数量间的复杂映射,具备高准确性、通用性,未来可为多种应用提供技术基础。     

21000 μg/g浓硼水箱改造后堆芯和安全壳的安全分析

大亚湾核电站现有安注系统浓硼水箱硼浓度为21 000 μg/g。由于浓硼水箱在高温下运行(否则会结晶),蒸发量大,补水频繁,系统杂质增多,相关设备及管道结晶堵塞,使安注系统可用性下降,Io(设备不可用率)消耗多,这给正常运行与维修带来很大的困难。根据有关国际经验,提出将浓硼水箱的硼浓度从21 000 μg/g降至7 000 μg/g(常温下不结晶)以便从根本上解决这一问题。分析了浓硼水箱改造对安全分析的影响(主要是堆芯DNBR计算和安全壳内压力响应计算)以及对电厂的其它影响。所用的分析程序和方法是大亚湾核电站引进的经过NRC认可的西屋公司的程序和方法,这些程序也得到了NNSA的认可。分析结果表明,将浓硼水箱硼浓度从21 000 μg/g降至7 000 μg/g,当发生主蒸汽管在安全壳内断裂时,堆芯DNBR满足安全准则,安全壳最高压力在设计压力限制值之内。浓硼水箱硼浓度降低对大亚湾最终安全分析报告其它事故分析和电厂运行没有不良影响。大亚湾核电站浓硼水箱改造的安全分析已经得到NNSA的批准并已实施。     

基于时序关联的网络入侵检测技术研究

针对当前网络入侵检测技术存在的报警信息量太大、误报警多以及缺乏报警语义描述等问题,结合相应事例,采用时序关联方法对网络入侵行为的报警信息进行分析.设计了时序识别语言,实现了对端口扫描的报警精简,对FTP缓冲区溢出的误报警检测,以及对NetBios DCERPC攻击报警的语义改进.实验证明,该方法可有效解决上述问题.     

基于深度学习的LSTM模型在X荧光光谱中的应用

在X荧光光谱分析中,为了解决传统谱分析方法中存在的特征峰计数率损失以及影子峰的问题,本文拟采用一种基于深度学习的长短期记忆（Long and Short Term Memory,LSTM）神经网络模型,该模型对核脉冲幅度时间序列具有较好的适用性,通过对样本的学习能够对核脉冲信号的幅度进行准确估计。鉴于核脉冲信号样本较大,模型训练效率低,特引入卷积神经网络（Convolutional Neural Network,CNN）,利用其特有的卷积核结构逐层提取样本特征,能够有效减少样本数量,降低模型训练复杂度。使用粉末铁矿样品测量得到的一系列离线核脉冲序列产生模型训练所需的数据集,该数据集的64 000个条目中,44 800个用作训练集,12 800个用作验证集,余下6 400个用作测试集。实验结果表明：训练好的CNN-LSTM模型能够极大地节省训练时间,克服传统方法局部收敛的缺陷,也能够对不同程度畸变的输入脉冲进行准确的参数估计,在训练集和验证集上得到的准确率都高于99%。进一步分析计数修复结果,得到三个影子峰校正比例的平均值为91.52%,表明训练的CNN-LSTM模型对畸变脉冲产生的计数...     

基于PINN深度机器学习技术求解多维中子学扩散方程

阐述了基于物理信息指引的神经网络模型（PINN）,构造深度神经网络作为试函数,将其代入中子学扩散方程形成残差,并作为机器学习的加权损失函数,进而通过深度机器学习技术逼近中子学扩散方程数值解;针对扩散方程的特点,提出了特征值方程加速收敛方法、有效增殖系数（ k_eff）高效并行搜索技术、学习样本网格点不均匀分布策略等创新性关键技术,并对神经网络深度、神经元数量、边界条件损失函数权重等关键参数进行了敏感性分析。验证计算结果表明,该方法具有良好的精度,提出的关键技术具有显著的成效,为中子学扩散方程的数值求解探索出了新的技术途径。      

基于深度学习的辐射图像超分辨率重建方法

安全检查系统中,数字化X射线摄影技术获得的辐射图像空间分辨率较低,影响图像的视觉效果。为了对单幅低分辨率辐射图像的空间分辨率进行提升,提出一种基于深度学习的超分辨率重建方法。该方法利用引入残差网络结构的卷积神经网络模型,对训练集中的辐射图像样本进行了训练,拟合出低分辨率图像和高分辨率图像的映射关系。实验结果表明,与传统的超分辨率重建方法相比,本方法在量化指标和视觉效果上均有较大的改善,且具备较快的处理速度。研究结果表明,深度学习方法在辐射图像处理中有较大的潜力。     

基于PCA-GA-SVM的竖直下降两相流流型预测

为提高小样本条件下的流型识别精度和时效性,提出了一种融合小波包分解（WPD）、主元分析（PCA）、遗传算法（GA）和支持向量机（SVM）的优化识别模型,并成功应用在竖直下降两相流流型辨识工作中。利用WPD对非平稳电导波动信号进行分解、重构,提取小波包能量构造特征向量;通过PCA对特征向量进行降维,降低特征输入的复杂性;同时采取GA全局迭代寻优的方式确定SVM的关键参数惩罚因子（C）和核函数参数（g）。对PCA-GA-SVM识别效果进行验证后与SVM、PCA-SVM、GA-SVM网络进行对比。结果表明,经过PCA和GA优化后的SVM网络在流型识别精度和时效性方面均提升显著,对泡状流、弹状流、搅拌流和环状流的总体预测精度达到了94.87%,耗时仅3.95 s,可满足在线识别需求。      

基于分形理论的核动力管道腐蚀坑深度预测模型研究

针对核动力管道腐蚀环境的复杂性和腐蚀过程的随机性,利用分形理论,建立了腐蚀坑深度预测模型,通过模型对核动力管道的最大腐蚀坑深度和不大于允许腐蚀深度rd的概率进行了预测研究。为进一步提高预测精度,对非线性方程进行了线性化处理。计算结果证明,利用分形理论对腐蚀坑深度进行预测是可行的,同时通过对核动力管道的最大腐蚀坑深度的预测,对分析腐蚀管道的可靠性和安全性及了解核动力管道的性能具有一定的意义。     

基于PSA的压水堆LBLOCA不确定性分析

为了结合确定论与概率论分析开展更加真实的核反应堆事故工况安全分析,提出了一种结合概率安全分析（PSA）和最佳估算加不确定性（BEPU）分析的方法,并以典型三环路压水堆冷管段双端断裂大破口失水事故（LBLOCA）的极限事故为对象,首先基于PSA开展了应急堆芯冷却系统的事故失效分析,而后结合BEPU分析评估了事件树中各事故序列的包壳峰值温度（PCT）分布及条件堆芯损坏概率（CCDP）,最终确定了压水堆在该事故工况中的堆芯损坏频率（CDF）。分析结果表明,压水堆在冷管段双端断裂工况中应急堆芯冷却系统能够保证反应堆的安全,且一列低压安注系统足以排出堆芯余热及保证反应堆安全。      

安全壳外液膜流动延迟时间的试验研究

非能动安全壳冷却水系统响应至壳外水膜稳定的时刻称为延迟时间。延迟时间是非能动换热、核安全系统设计等方面的关键参数。在重力作用下,大空间曲率表面降膜流动覆盖安全壳表面有2个过程:1水流向下流动,导致原干区变为湿区;2因水膜的半稳定性,横向润湿干区,使得接触角变小,缓慢增加水膜覆盖区域。2个过程的耦合导致难以判定壳外水膜稳定的时刻。本文根据非能动大型先进压水堆核电站CAP1400水分配试验,在获得收集水槽液位、流量和水膜覆盖图片等数据的基础上,通过图像处理方法及对比分析,提出流量稳定和覆盖稳定2种判定水膜稳定的方法,解决延迟时间的计算问题,得到不同分水结构形式下延迟时间随流量的变化趋势和规律。     

Research on Adaptive BP Neural Network Prediction Method for Thermal Parameters of China Experimental Fast Reactor

Whether the thermal-hydraulic parameters of China Experimental Fast Reactor (CEFR) core exceed the limit is the standard for evaluating the safe operation of the reactor. For the maximum temperature prediction problem of fuel cladding, after generating the data samples by the core sub-channel analysis code COBRA, an intelligent prediction code based on adaptive BP neural network algorithm was developed in the paper. For a specific single-box component, only the core inlet power and mass flow rate were required to achieve fast and accurate prediction of the fuel cladding maximum temperature. Compared with COBRA, in the scenario of large-scale repetitive calculation, self development code can save a lot of calculation time and rescource, and improve the operating efficiency of fuel cladding design and CEFR operation. The experimental analysis shows that the maximum relative error of BP neural network method is less than 6%, the average prediction relative error is less than 3%, and the calculation efficiency is improved to 300 times of the original code. So the prediction accuracy of the network model is high, and self development code is easy to apply to other parameter predictions of the experimental fast reactor.     

中国实验快堆热工参数的自适应BP神经网络预测方法研究

中国实验快堆（CEFR）堆芯的热工参数是否超出限值是评价反应堆安全运行的标准。本文针对燃料包壳最高温度预测问题,通过堆芯子通道分析程序COBRA生成数据样本后,开发基于BP神经网络自适应算法的智能预测程序,对于特定的单盒组件,仅需给出堆芯进口功率和流量,即可实现燃料包壳最高温度的快速准确预测。结果表明,与COBRA相比,在大规模重复性计算的场景下,自开发程序能节约大量计算时间和算力,提高燃料包壳设计和CEFR运行时的操作效率。实验分析得出BP神经网络方法的最大相对误差不超过6%,平均预测相对误差不超过3%,计算效率提升至原程序的300倍,网络模型的预测精度高,且易推广至实验快堆其他参数预测,具有很大的应用前景。     

反应堆安全壳密封结构泄漏机理与预测模型的研究

针对反应堆安全壳贯穿件静密封结构的泄漏率理论预测方法进行研究。基于多孔介质渗流理论描述静密封结构的界面微观泄漏机理,用Hertz接触理论将应力与微观细致结构变化关联,最终实现不依赖于任何实验数据的泄漏率计算。采用新模型对DN20截止阀进行泄漏率预测,并将理论预测结果与实验测量结果进行比较,证明二者能够较好地吻合,从而验证新方法的有效性。     

基于时间序列预测分析的钠冷快堆蒸汽发生器钠-水反应噪声探测技术研究

为研究钠冷快堆蒸汽发生器内部传热管路破损所导致的钠-水反应引起的蒸汽发生器内部能量、流体运行状态及反应成分等不易测量的变化,引入时间序列模型预测分析方法,对蒸汽发生器实验台架模拟泄漏工况所产生的噪声信号进行建模分析,并基于时间序列模型进行信号预测,通过对预测信号与原始信号进行比较判断传热管路泄漏发生的具体时间。实验结果表明,时间序列模型预测分析方法能对钠-水反应产生的噪声信号进行有效建模分析,且根据预测信号能快速准确识别泄漏发生的具体时刻。     

基于机器学习的小型核反应堆系统状态预测方法

为支持小型可移动高温熔盐堆(TFHR)自动控制系统的开发,提出了一种基于机器学习的反应堆状态预测模型,以根据仪控系统的监测数据评估反应堆当前状态并预测其未来发展。该模型由一个反应堆物理子模型和热工子模型构成,由TFHR一回路的RELAP模型生成训练数据,通过支持向量回归(SVR)训练得到,并采用粒子滤波(PF)方法估计其中的未知模型参数。通过TFHR反应性引入事故的测试算例表明,本文提出的预测模型在预测反应堆状态、估计模型参数(如反应性引入率)等方面具有良好的性能。     

基于极限学习机模型的流动不稳定性多热工参量联合预测方法

摇摆条件下两相沸腾自然循环系统中存在着多种热工参量耦合作用引起的复杂流动不稳定性现象。为了对摇摆流动不稳定系统中的重要热工参量进行实时预测,提出了基于极限学习机人工神经网络模型的多热工参量联合时间序列预测方法。考虑流量和加热壁面温度两个热工参量,使用实验测量数据训练极限学习机模型,进行了单步和多步联合预测仿真实验,并研究了隐层节点数对预测效果的影响。仿真结果显示,基于极限学习机多参量联合预测方法的预测精度优于单一参量预测,且在较多提前步数的预测中优势更为明显。该方法可被推广至更多种热工参量的情况,是一种有效的流动不稳定系统热工参量实时预测途径。     

非能动安全壳冷却系统传热传质模型研究

安全壳分析程序CONTAIN采用的滞止液膜模型(SFM)对非能动安全壳冷却系统冷凝质量流量的预测低于试验值。因此,根据扩散层模型(DLM)与SFM在计算冷凝质量流量是等效的,通过对比利用质量分数形式菲克定律发展的改进扩散层模型(GDLM)与DLM的差异,对不可凝气体存在下的CONTAIN冷凝和蒸发模型加以改进。利用冷凝板试验和热板蒸发试验对改进后的CONTAIN程序进行验证,结果表明改进后模型计算的传热系数和传质系数比原模型更接近试验值。