基于CMS程序包的环形燃料堆芯物理计算分析

为研究在大型商用压水堆中采用环形燃料元件的可能性,需分析环形燃料的堆芯物理性能。本文研究了CASMO5程序计算环形燃料组件物理参数出现偏差的原因及其处理方法,分析了4组环形燃料先导组件加入秦山二期核电站平衡循环堆芯之后的堆芯物理参数。计算结果表明,装载的环形燃料先导组件对堆芯物理性能影响较小,基于CMS程序包开展环形燃料堆芯物理性能分析计算是可行的。     

神经网络-遗传复合算法在压水堆堆芯换料设计中的应用

基于大规模数据的训练,神经网络模型能迅速准确预测堆芯的有效增殖因数（k_eff）、组件功率峰因子（Rad）和棒功率峰因子（FΔH）,并以这3个参数作为衡量换料方式优劣的标准,构造改进的遗传算法从大量堆芯燃料方案中迅速搜索出最优排布方案,解决了在大量堆芯换料方案中选择最优方案费时的问题。堆芯装载方式建模时,设计二进制向量作为输入参数,有效减少了网络复杂度、提高了预测精度;最优方案搜索时,具有独特交叉算子、选择算子的遗传算法保证了搜索结果在可行域内,并提高了搜索效率。理论分析和数值实验结果表明,包含1个隐藏层的单隐层自适应BP网络可很好预测k_eff数据,包含3个隐藏层的自适应BP神经网络可较好地预测Rad和FΔH数据,再运用遗传算法快速搜索出了较理想的换料方案,为人工智能算法在核工业中的进一步深入应用提供参考。     

基于自适应BP神经网络的压水堆堆芯换料关键参数的预测方法

运用BP(back propagation)人工神经网络的方法,通过实现堆芯装载方式建模、自适应选择网络节点数、调整学习率和随机梯度下降搜索,快速准确地预测了秦山二期压水堆堆芯燃料换料3个关键参数：有效增殖因数、组件功率峰因子、棒功率峰因子,解决了传统方法需消耗大量算力、时间才能计算的问题。数值实验发现,对于超出训练数据以外的情形,BP神经网络方法的最大相对误差仍不超过2%,表明网络模型的可靠性和鲁棒性能较好,且可毫无困难地推广至其他参数预测,对人工智能算法在核工业领域的进一步应用做出了重要的探索。     

双面慢化环形燃料反应堆物理实验

环形燃料零功率反应堆是首个双面慢化环形燃料作为核燃料的反应堆。本文采用周期法、落棒法获取环形燃料零功率反应堆的临界参数、控制棒价值、元件价值、含Gd元件的反应性效应等关键参数,对环形燃料零功率反应堆的物理性能进行实验研究,验证环形燃料反应堆堆芯物理设计计算程序。结果表明：根据外推过程确定堆芯临界装载环形燃料元件96根,实心燃料元件172根,此时k_eff为1.000 40,堆芯调节棒价值为-247.5 pcm,安全棒价值为-1 358.4 pcm;元件价值与理论值平均偏差为1.3 pcm,含Gd元件反应性效应与理论值平均相对偏差为8.8%。本文结果为环形燃料的工程化设计程序提供关键数据支撑。     

小型反应堆环形燃料组件设计及应用研究

小型反应堆通常具有模块化、建造周期短以及部署灵活的特点，可作为清洁的分布式能源，在供电的同时还能够实现海水淡化、区域供暖、工业供热等多种用途。环形燃料具有内外双层包壳，其双面冷却的结构形式可以显著改善燃料传热条件，有助于减小堆芯体积、提升反应堆的安全性和经济性。环形燃料应用于小堆可以充分发挥其优势，符合我国核能发展战略。本文通过一系列的比对分析确定了适用于小堆的环形燃料组件设计方案，并根据力学性能分析结果初步实现了组件结构设计；通过对两种不同类型的小型反应堆堆芯的物理、热工、安全等分析，论证了环形燃料应用于小堆的可行性。研究结果表明，环形燃料在小型反应堆中具有良好的应用前景。