一种基于棒束型燃料组件的超高通量反应堆堆芯

    公开(公告)号:CN115394458B

    公开(公告)日:2024-08-20

    申请号:CN202211030459.7

    申请日:2022-08-26

    Abstract: 本发明公开了一种基于棒束型燃料组件的超高通量反应堆堆芯,一种基于棒束型燃料组件的超高通量反应堆堆芯,包括棒束型燃料组件、控制棒组件和反射层组件;所述棒束型燃料组件和控制棒组件均为若干个,若干所述棒束型燃料组件和控制棒组件紧凑排列于堆芯活性区内,若干所述控制棒组件均分散位于所述堆芯活性区外围;所述反射层组件内由冷却剂填充而成,所述堆芯活性区位于所述反射层组件内部。采用本方案,在热功率不超过200MW,换料周期不低于90个满功率天,平均组件功率密度不超过1200MW/m3的条件下,堆芯内最大中子通量超过1×1016n/cm2/s,将极大提高材料辐照考验的发展和解决国内重要且稀缺的同位素生产问题。

    一种基于板形燃料组件的超高通量反应堆堆芯

    公开(公告)号:CN115394459B

    公开(公告)日:2024-08-20

    申请号:CN202211030506.8

    申请日:2022-08-26

    Abstract: 本发明公开了一种基于板形燃料组件的超高通量反应堆堆芯,涉及核反应堆设计技术领域,包括板形燃料组件、控制棒组件和反射层组件;所述板形燃料组件和所述控制棒组件均为若干个,若干所述板形燃料组件和控制棒组件紧凑排列于堆芯活性区内,若干所述控制棒组件均分散位于所述堆芯活性区外围;所述反射层组件内由冷却剂填充而成,所述堆芯活性区位于所述反射层组件内部。采用本方案,在热功率不超过200MW,换料周期不低于90个满功率天,平均组件功率密度不超过1200MW/m3的条件下,堆芯内最大中子通量超过1×1016n/cm2/s,将极大提高材料辐照考验的发展和解决国内重要且稀缺的同位素生产问题。

    一种基于深度学习驱动的反应堆堆芯功率重构方法

    公开(公告)号:CN118349774A

    公开(公告)日:2024-07-16

    申请号:CN202410409395.4

    申请日:2024-04-07

    Abstract: 本发明属于核反应堆堆芯计算技术领域,具体涉及一种基于深度学习驱动的反应堆堆芯功率重构方法,步骤如下:将神经网络函数代入中子扩散方程的数理方程,构建控制方程形成的损失函数、边界条件形成的损失函数,根据数据样本点构建数据表示的损失函数;对控制方程形成的损失函数、边界条件形成的损失函数、数据表示的损失函数分别赋值权重并进行加合,得到统一的机器学习损失函数;通过深度学习技术,迭代优化神经网络函数中的神经网络连接权重和神经网络偏置项,逐步减小统一的机器学习损失函数的值到精度范围内;同时神经网络函数输出逼近了系统定义域通量密度的数值解,得到逆向求解中子扩散方程的近似数值解,实现反应堆堆芯功率重构。本发明方法基于深度学习方法和数据驱动融合进行中子扩散数理方程逆向求解,可通过调整边界条件形成的约束损失函数权重实现一定的边界误差容错功能,同时对数据样本数量及空间分布具有较强包容性,可实现高精度、高效率、高鲁棒性的反应堆功率重构计算。

Patent Agency Ranking