基于数字化反应堆物理计算程序SHARK的一步法输运计算方法研究

为建立基于数字化反应堆技术的新一代反应堆物理计算方法,实现数字化反应堆高保真建模、高分辨率高精度计算,基于数字化反应堆物理计算程序SHARK,开展了一步法输运计算方法研究,建立并比较了二维/一维方法及准三维特征线输运方法;基于空间区域分解及粗网有限差分(CMFD)的大规模并行加速技术,实现了棒状堆芯及板状堆芯的全堆规模一步法输运计算。数值结果与蒙特卡罗程序基准解相比,特征值偏差小于100pcm(1pcm=10^-5),最大棒功率、板功率偏差小于3%,验证了SHARK程序一步法输运计算方法具有良好计算精度,能够适用于棒状、板状堆芯等多应用场景。     

正则化径向基函数神经网络在堆芯轴向功率分布重构中的应用

将正则化径向基函数(RBF)神经网络应用于堆芯轴向功率分布重构,通过6节堆外中子探测器的读数值重构堆芯轴向功率分布。使用ACP-100模块式小堆的7740套功率分布以及对应的模拟堆外探测器读数,对RBF神经网络重构方法进行了验证,结果表明:正则化RBF神经网络重构方法可以精确地重构出堆芯轴向功率分布,并且具有良好的鲁棒性,可以克服功率分布重构问题所固有的不适定性。     

最小二乘支持向量机在堆芯功率分布重构中的应用

应用最小二乘支持向量机(LS-SVM)进行了堆芯轴向功率分布重构的研究,通过6节堆内中子探测器的信号重构出堆芯轴向18个节块的功率。使用ACP-100模块式小堆的7 740套轴向功率分布对LS-SVM重构算法进行了验证,实验结果表明:LS-SVM算法的重构精度远优于交替条件期望(ACE)算法,且LS-SVM算法具有良好的鲁棒性。     

高精度相关变量随机数序列产生方法

当对反应堆物理计算结果进行不确定性分析时,需产生多维相关变量随机数序列。为产生高质量的相关变量随机数序列以减少样本数量,本文首先从理论上分析给出了之前的多维相关变量随机数序列的协方差矩阵与真实的协方差矩阵有差别的原因,据此提出了解决方法,并采用数值计算对解决方法进行了验证。验证结果表明,对于3个变量的抽样序列,高精度相关变量抽样方法采用20个样本便得到与原相关系数矩阵一致的矩阵,抽样样本数量较之前的方法减少了5个量级;而对于33群的²³⁸U辐射俘获反应道,即使抽样样本数为34,最大相对误差亦仅0061%,由此证明了方法的有效性。最后,利用不同方法对铅基快堆LFR进行了分析,传统正态分布抽样样本总数较高精度相关变量抽样方法的样本总数高1倍,其最大相对误差为12.5%,而高精度相关变量抽样方法的最大相对误差仅1.7%,计算精度有明显提高。结果表明该方法具有工程应用前景。     

耐事故燃料双重非均匀性RPT方法研究

采用体积均匀化方法计算含有弥散燃料或弥散可燃毒物的双重非均匀性的系统会带来一定的计算偏差。传统反应性等效物理变换方法(Reactivity-equivalent Physical Transformation,RPT)可以用来处理弥散燃料以及吸收截面随燃耗变化不剧烈的可燃毒物,但对于硼等吸收截面随燃耗变化剧烈的可燃毒物,传统RPT方法也会带来较大的计算偏差。本文对新型RPT方法进行了初步探索,使其不仅适用于传统RPT方法适用的弥散燃料和弥散可燃毒物类型,也适用于硼等吸收截面随燃耗变化相对剧烈的可燃毒物,为RPT方法的扩展和应用提供思路和借鉴。     

基于高精度统计学抽样方法的快堆MET-1000敏感性与不确定度分析

国际上为了研究快中子反应堆物理计算过程中重要物理参数的不确定度大小，提出了MET-1000基准题。本文采用一种新的高精度统计学抽样方法自主开发了快堆堆芯物理计算不确定度分析程序SUFR1.0，对MET-1000基准题重要响应参数进行了敏感性系数及不确定度计算，计算的响应量包括有效增殖因子、钠空泡反应性、多普勒常数、控制棒价值、中子寿命、缓发中子份额及功率分布。计算结果表明：采用高精度统计学抽样方法，即使采用较少的样本数量（33群，采用了50个样本），计算得到的各参数的不确定度大小与国际上其他参考解的结果吻合较好，初步验证了采用高精度统计学抽样方法开发的SUFR1.0程序具备快堆不确定度分析的工程应用的可行性。