[en] ANALYSIS OF CRITICAL HEAT FLUX IN PWR NUCLEAR REACTORS USING ARTIFICIAL NEURAL NETWORKS
[pt] A ocorrência de fluxo crítico de calor – FCC – é o principal fator termo-hidráulico limitante à produção de energia em reatores nucleares do tipo PWR (Reator a Água Pressurizada). O método usual de determinação de FCC é baseado em simulação numérica, utilizando programas como os COBRA, desenvol...
Main Author: | |
---|---|
Other Authors: | |
Language: | pt |
Published: |
MAXWELL
2012
|
Subjects: | |
Online Access: | https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=19433@1 https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=19433@2 http://doi.org/10.17771/PUCRio.acad.19433 |
Summary: | [pt] A ocorrência de fluxo crítico de calor – FCC – é o principal fator termo-hidráulico limitante à produção de energia em reatores nucleares do tipo PWR (Reator a Água Pressurizada).
O método usual de determinação de FCC é baseado em simulação numérica, utilizando programas como os COBRA, desenvolvidos a partir da análise dos subcanais do núcleo do reator. Esses programas implementam uma correlação, ou função empírica, que interpola os resultados obtidos por simulação experimental, realizada nas Seções de testes – ST-, de forma a obter o FCC numa ampla faixa operacional do reator. Esta dissertação propõe e investiga um método alternativo de determinação de FCC empregando, como correlação, redes neuronais artificiais – RNA. Neste método, as RNA são obtidas a partir de treinamento, utilizando o paradigma de backpropapagation, realizado com o mesmo conjunto de dados experimentais oriundos das STs. === [en] Critical Heat Flux – CHF – occurence is the main thermo-hydraulical factor that restrains the energy produced in Pressurized Water Reactor – PWR – nuclear plants.
The usual method of determining CFCH is based upon numerical simulation performed by computer programs such as COBRA, which were developed considering the reactor core sub-channel analysis. These programs implement a correlation, or empirical function, wich interpolates the results obtained through experimental simulation, acocomplished on test sections – TSs – for the sake of obtaining CHF in a wide core operational range.
This work investigate and analyze an alternate method of detrmining CHF using, as a correlation, artificial neural networks – ANNs. In this method, the ANNs are obtained through trainning, making use of backpropagation paradigm, against the same experimental data set that came from the TSs.
|
---|