基于热管冷却反应堆堆芯有效增殖系数的敏感性分析

核数据作为反应堆计算的输入参数,其敏感性对堆芯物理计算至关重要。基于美国橡树岭实验室开发的反应堆蒙特卡洛中子输运程序MCNP6.1,以美国爱荷华国家实验室(INL)设计的热管冷却反应堆INL Design A为研究对象,调用美国的ENDF/B-Ⅷ.0评价核数据库,对堆芯处于热态(1000 K)零功率且控制棒均未插入工况时的堆芯有效增殖系数进行敏感性分析。计算结果表明:有效增殖系数对235U的平均裂变中子数产额、裂变反应截面敏感性系数分别高达0.88702、0.52898;高能区的235U的平均裂变中子数产额和裂变反应截面,238U平均裂变中子数和裂变截面,^(16)O、^(27)Al和^(56)Fe弹性散射截面,中能区的^(238)U(n,γ)反应截面,^(16)O、^(27)Al和^(56)Fe弹性散射截面具有较大的敏感性,在反应堆物理计算过程中应重点关注。

核反应堆有效增殖系数深度学习直接搜索求解方法

求解有效增殖系数(k_(eff))是核反应堆临界计算的基本问题,目前业界普遍采用源迭代方法进行求解。本文基于人工智能深度学习方法求解微分方程的基础理论,提出将k_(eff)与神经网络各神经元权重共同作为机器学习优化参数,针对将神经网络函数代入中子学微分方程形成的加权损失函数进行深度学习计算,同时进行中子注量率逼近与k_(eff)直接搜索求解的新方法。讨论了中子学微分方程特征值数理形式、初始神经网络设定方法、损失函数加权因子、收敛准则等影响深度学习性能的重要因素及相应的性能提升策略;通过多种算例的数值计算验证了该方法的正确性,以及学习性能提升策略的有效性。研究成果为核反应堆求解k_(eff)这一中子学物理重要科学问题探索出了一条新的技术途径。

剪法及温湿度对钙果4号试管苗增殖效应的影响

钙果4号试管苗在同一配方培养基继代多次后容易出现种苗老化现象。利用钙果4号试管苗茎切段腋芽萌发成梢的特性,剪掉苗木中上部茎段,对剩留的剪切苗进行保护处理,剪切时注意从基部往上最多预留2个腋芽,然后放置于湿度为65%~73%、温度为29±1℃的环境下继代培养。结果显示,腋芽可萌发出2.8个嫩梢,嫩梢长度约为4.69 cm,嫩梢上着生叶片的叶面积、叶绿素含量、比叶重等指标良好,无黄化、老化现象。结果表明,通过调整剪切方式、温湿度等因素,可减缓种苗老化,为下次继代培养提供合格材料。

核临界安全中的监督现场测量技术——源倍增方法的某些问题

给出了核临界安全中监督现场的测量技术——源倍增法的实验理论和实验方法。源倍增法实际测量的是有源次临界中子有效增殖系数ks而不是中子有效增殖系数keff。在铀溶液核临界装置上进行了实验研究。用源倍增法测量了次临界系统在外中子源作用下铀溶液不同液位的有源次临界中子有效增殖系数ks;用周期法测量了单位铀溶液位的反应性系数,然后用临界液位与次临界液位之差乘以单位铀溶液位的反应性系数,给出系统次临界液位时的反应性,由反应性给出传统观念上的中子有效增殖系数keff。讨论了它们的差别及对核临界安全的影响。

MCNP在次临界装置实验中的应用

介绍了应用MCNP3B程序对DF堆次临界装置的几个实验布置进行的物理参数计算 ,并将计算结果与实验结果进行比较。通过对DF次临界装置的研究 ,以求MCNP3B程序能为零功率实验提供指导性意见 ,提高零功率实验的安全性。

核截面不确定度对西安脉冲堆keff计算结果的影响分析

为了定量研究核数据的不确定度对西安脉冲堆k_(eff)计算结果的影响,利用国际上常用的敏感性和不确定度分析软件TSUNAMI-3D-K6及不同核数据库中的核截面数据,分析计算了西安脉冲堆两种堆芯布置下的k_(eff)及其不确定度。结果表明:核截面数据的不确定度会导致k_(eff)的不确定度在0.5%左右,核素235 U的裂变中子产额对k_(eff)不确定度的贡献最大,西安脉冲堆不同堆型下,由共振自屏计算得到的隐式敏感性系数差异较小,不同堆芯布置下计算得到的k_(eff)不确定度差异不大。

热管堆高温数据库的制作及堆芯初步物理计算

利用核数据库处理程序NJOY,制作了1 700K和1 750K温度下,热管堆中45种核素的高温核数据库,并利用ICSBEP2006中的临界基准题对所制作的数据库加以验证。分别利用所制作的数据库和蒙特卡罗程序MCNP对堆芯进行了建模,计算了堆芯的有效增殖系数k_(eff),确定了热管堆中燃料的尺寸和富集度,分析了堆芯的相对功率分布。最后,初步计算了热管堆在水淹和沙埋2种事故工况下的k_(eff)以及安全棒价值,为堆芯安全分析和事故分析提供了基础参数。

启明星1#实验装置ks、keff和φ^＊的模拟计算

用MCNP程序对启明星1#实验装置(Venus 1#)的ks、keff和φ*进行模拟计算。在装置的源区、快区、反射层、屏蔽层已定条件下,逐层增加热区燃料元件,每增加1层,对ks、keff和φ*进行1次计算,共增加了13层,最终得到keff为0.962 46,满足了Venus 1#的设计要求。元件层数增加,φ*先增后降,当增至12层时,φ*又明显增大。外源位置和能量对φ*有影响,外源在轴向离中心越近、能量越高,φ*越大。

加速器驱动钠冷金属燃料快堆次锕系核素嬗变特性研究

分析加速器驱动系统(ADS)钠冷金属燃料快堆重金属燃料不同核素对堆芯有效增殖系数(keff)的影响,给出了燃料成分的确定方法,详细分析次锕系核素(MA)嬗变特性。运用耦合了MCNP4c3与ORIGEN2的三维燃耗程序COUPLE对堆芯进行稳态与燃耗计算。结果分析表明,调节燃料中239Pu的质量比例并使其在燃耗过程中保持稳定是使keff达到设计值并在燃耗过程中保持稳定的有效手段。散裂中子引起堆芯内区较外区更硬的中子能谱,有利于提高MA的裂变截面与裂变吸收比。全堆MA嬗变支持比为8.3,具有较好的嬗变效果。由于堆芯内区的高通量,堆芯内外区的嬗变率有明显差异,将MA集中布置于内区有利于减少装料量,改善总体嬗变效果。

基于hp-VPINN的反应堆中子扩散计算方法研究

先进的反应堆模拟技术需要基于较少的实际探测数据反演全堆关键参数。针对这一需要,本文基于具有高阶多项式域分解功能的变分残差物理信息神经网络(hp-VPINN)构建计算模型,用于正向、反向求解中子扩散方程。该模型使用神经网络作为试函数,并将其代入中子扩散方程形成变分残差作为损失函数进行梯度下降。为了提高求解精度及效率,本文还根据中子扩散方程的物理特性提出了有效增殖系数智能搜索与反演等创新型关键技术,并基于鲸鱼优化算法(WOA)实现了神经网络超参数自优化。最后通过多个算例进行验证,结果表明该方法在具有较高精度的同时,实现了较低的训练数据依赖,为先进反应堆模拟技术提供了一条少量输入数据且较高精度输出的中子扩散求解途径。

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。

粗网有限差分法及其燃耗计算

本文介绍的粗网有限差分法求解二维双群中子扩散方程，可用于反应堆燃料管理中的燃耗计算，计算结果与通用的细网有限差分法、节块格林函数方法作了比较，其有效增殖系数的相对误差小于０．０８％，该方法具有计算时间短、满足一定精度要求等特点，适用于工程初步设计的燃料管理分析。