压水堆严重事故现象识别与排序方法

为了指导中国自主开发的严重事故一体化分析程序的验证工作,开展了压水堆严重事故现象识别与排序表(phenomenon identification and ranking tables,PIRT)方法研究及实践。基于对严重事故现象学研究和PIRT开发流程梳理,参考国际现有研究基础,确定了压水堆严重事故PIRT开发流程,及其实施过程所需要的具体筛选原则、评价准则和评级方法等操作依据;并据此建立了压水堆严重事故PIRT表。研究成果可为压水堆严重事故分析程序的验证以及相关实验研究工作提供指导。

现象识别与排序方法的发展与创新

现象识别与排序表(PIRT)是一种通过信息整理和专家判断,对核电站工况所涉及的现象按照其重要程度进行识别与排序的分析方法,该方法可让研究侧重于分析较重要的现象,提高安全分析效率。PIRT方法自创立以来不断得到完善与创新,本文基于对PIRT的调研学习,阐述了PIRT的发展历史和其指导意义。同时,针对文本表格形式的PIRT冗长、不够直观等问题,提出了一种以三维阵列图为表现形式的M-PIRT,可以实现可视化和直观查阅。之后,基于M-PIRT从不同角度对重要现象进行了分析,结合华龙一号尝试提出M-PIRT的示范性应用,提出了可能存在的挑战和发展方向。本研究可为今后自主化反应堆设计如华龙一号、国和一号、玲珑一号等PIRT的建立,以及PIRT方法的进一步改进创新提供一定参考。

基于室外图像的天气现象识别方法

为提高室外视频监控的准确率,实现天气现象的自动观测,提出了一种基于室外图像的天气现象识别方法,该方法通过分析天气现象对图像的影响,提取图像功率谱斜率、对比度、噪声和饱和度等特征进行训练与分类,在训练过程中根据类别之间的特征距离建立分类决策树,并为决策树上非叶子节点构造支持向量机(SVM)分类器,并在每个分类器构造过程中通过对特征赋权值实现对特征的选择。通过对WILD图像数据库和采集图像集不同天气800个样本的测试,除了对降雨的识别率较低(75%)外,对晴、阴、雾天气的识别率均高于85%。

现象识别与分级表在高温气冷堆程序验证中的应用

按照我国核安全法规的要求,应用于高温气冷堆(HTGR)事故分析的计算机程序,必须经充分验证。对于程序的验证,美国核管理委员会(NRC)在其发布的管理导则中推荐了一套通用的流程,该流程的一重要步骤就是现象识别与分级表(PIRT)的建立。本文回顾了PIRT方法的发展历程,介绍了NRC开发的九步法PIRT过程,对PIRT方法在HTGR程序验证中的应用进行了初步探讨。PIRT方法对程序的开发、评估和应用具有指导作用,因而是HTGR程序验证工作的前提步骤。九步法PIRT过程具有通用性和先进性,该方法完全适用于我国HTGR的PIRT工作。

非能动核电厂全厂断电事故现象识别与排序研究

为确定整体效应试验模拟中的重要热工水力现象,本文以AP1000为例,对AP系列非能动核电厂全厂断电工况下的事故现象进行了识别和排序。通过分析非能动全厂断电的事故进程划分了事故阶段,并基于核电厂设计进行了系统分解;通过对法规进行技术分析,获得了非能动核电厂全厂断电事故的安全要求和评判指标;通过对主回路冷却剂系统(RCS)、非能动堆芯冷却系统(PXS)内热工水力现象的识别和重要度判断,得到了非能动核电厂全厂断电事故现象识别与排序表。研究结果表明:非能动核电厂全厂断电事故可分为主回路自然循环、非能动堆芯冷却系统自然循环和长期冷却三个阶段;主冷却剂系统的水体积,尤其是稳压器内的水体积是全厂断电事故中应关注的核心评判指标;在系统部件内识别出的热工水力现象,按其对评估指标的影响程度,可进行现象重要度排序。

基于改进双色模型的视程障碍类天气现象识别

针对各种视程障碍类天气现象,在现有双色大气散射模型的基础上,通过对大气散射光方向的修正、对矢量夹角算法的改进以及加入了湿度参数信息,提出了一种改进的双色模型算法,用于识别视程类天气现象。改进算法模型考虑了大气散射光方向的不完全一致性以及景物色度像素值在RGB空间中的三维性,因而具有更高的稳定性。该算法嵌入到视程障碍类天气现象识别系统中并计算出相应的特征值,最后通过经验阈值识别天气现象;通过对算法的改进并对哥伦比亚大学一个季度和甘肃张掖观象台2个月的数据进行处理,结果显示该算法对于雾、霾、扬沙、浮尘及沙尘暴等视程障碍类天气现象具有良好的判别效果,对上述两个地区的总体识别率分别为73.2%、90.5%

基于图像退化模型的天气现象识别

在不同的天气条件下,由于气溶胶对光波的散射作用,通过成像系统获得的图像都会有一定程度的退化。利用图像的退化模型可以获取与天气现象相关的参量,从而达到识别天气的目的。对不同天气条件下得到的同一场景图进行研究,运用多垂线检测法,检测出不同天气条件下直线模糊边缘上的灰度值,采用Sigmoid函数拟合出刃边函数,进而求出线扩散函数。通过分析线扩散函数的变化规律,总结出其与天气现象之间的紧密联系。测试结果表明,应用该方法对于晴天、薄雾、雨、霾、沙尘暴等天气现象具有一定的判别效果。

基于卷积神经网络的天气现象识别方法研究

为实现基于图片的天气现象识别,本文提出一种基于卷积神经网络的天气现象识别技术。深度学习在图片分类方面表现出了巨大的优势,本文采用最新的卷积神经网络模型DenseNet,自动提取图像中每种天气现象的特征,通过对同一地点拍摄的晴、阴、雨、雪4种天气进行训练、测试,得到最终的识别结果。实验结果表明,该方法对图片中天气的识别达到了预期的效果,并且相较于传统的方法减少了实验步骤,缩短了时间。

堆芯补水箱内热工水力现象识别与研究

针对先进非能动压水堆技术中使用的堆芯补水箱系统(CMT),本文分析归纳了CMT的设计功能及其运行特点。基于对国内外CMT相关热工水力研究的调研分析,结合整体效应试验或单项效应试验对CMT及其所在支路的热工水力现象进行了研究,总结了CMT相关热工水力现象,并对其试验研究提出了建议。在进行CMT试验时需针对关注的不同现象选取不同的相似准则,同时也应考虑自然循环特征时间与关注现象特征时间的相互作用关系。

基于轻量级卷积神经网络的天气现象识别研究

目的:为实现天气现象图片识别,本文研究基于轻量级卷积神经网络的天气现象识别技术。方法:本研究采用新型的卷积神经网络模型DenseNet,通过自动提取图像中同一地点所拍摄的晴天、雨天、雪天、阴天4种天气进行训练和测试,最终得到识别结果。结果:实验结果表明,该技术在识别图像天气中达到了满意的预期效果。结论:相较于传统方法而言,缩减了实验步骤,缩短了技术时间。

基于深度混合专家模型的电力气象识别技术

对电能传输和设施运行产生严重干扰的天气现象称为高影响天气现象,然而目前基于人工观测高影响天气现象的方法存在着时效低、耗费人力等缺陷。针对此问题,提出一种基于混合专家模型深度学习的电力图像高影响天气现象识别算法。通过对密集连接网络的预训练,实现了图像判别式特征的提取,采用混合专家模型对天气现象进行初步分类,联合优化两部分模型参数,设计生成了对电力图像中的高影响天气现象识别模型。基于高影响天气现象识别数据集对所提模型进行测试验证,算例结果表明,所提方法的图像识别耗时缩减了约75%,同时在模型稳定性和识别准确程度方面也具有一定优势。

压水堆大破口失水事故重要现象识别及数值计算不确定性量化分析研究

大破口失水事故是压水堆核电厂最重要的设计基准事故,对该事故的准确模拟可为提升反应堆功率提供重要支撑。本文采用最佳估算程序RELAP5对压水堆失水事故试验(LOFT)的实验工况FP-LP-2进行了模拟计算,并应用德国反应堆安全研究所(GRS)不确定性分析方法对计算结果进行不确定性量化和敏感性分析;给出了关键输出参数95%置信度的不确定性包络带,并分析了计算结果的不确定性变化趋势及原因。分析结果表明,对包壳峰值温度影响较大的重要现象包括堆芯衰变热、完整环路破口临界流喷放系数和燃料棒的热导率。本文研究确认了GRS方法的有效性,为改进现有核电站安全分析方法具有积极作用。

基于HOG和熵方法的成像测井典型地质现象自动识别研究

针对成像测井资料上的裂缝、溶蚀孔洞和燧石结核地质现象在成像测井资料上的形态和分布差异,提出一种用梯度方向直方图统计量(HOG)和熵相结合计算成像测井资料上3种地质现象的特征量、并采用非线性的BP神经网络对这3种地质现象自动识别的方法。首先计算成像测井资料上3种地质现象梯度方向统计量的U_1~U_6和熵U_7,并将其作为特征量,然后分析特征量对这些地质现象的区分性和敏感性,最后采用BP神经网络方法对塔河油田11口井的435个样本分为学习样本和测试样本进行学习回判和测试识别。试验结果表明,对裂缝有区分性和敏感的特征量有5个,分别为特征量U_1、U_3、U_4、U_5和U_6;对溶蚀孔洞有区分性和敏感的特征量是U_2;对燧石结核有区分性和敏感的特征量是U_7。BP神经网络对221个学习样本中裂缝、溶蚀孔洞及燧石的回判正确率均为100%;对214个测试样本,BP神经网络燧石结核识别正确率为85.5%,裂缝识别正确率为88.5%,溶蚀孔洞识别正确率为84.0%。

基于深度学习的降水现象自动识别方法

基于全国开展的降水天气现象平行观测工作期间积累的数据基础,收集并整理降水现象仪自动观测数据和人工观测数据,解析降水现象仪产生的雨滴谱数据文件,依据降水粒子大小和下落速度分级以及累计时段内粒子数量,生成与之对应的二维图像,同时结合降水现象仪平行观测期间的人工观测数据,利用深度学习图像分类技术进行训练,建立降水现象自动识别模型,完成不同降水现象的自动识别。模型训练集和验证集平均准确率均达到86%,雨的测试准确率达到62.7%,雨和毛毛雨的总识别率达到89.1%,雪的测试准确率达到93%,说明利用深度卷积神经网络对雨滴谱数据生成的雨滴图进行自动降水现象识别方案可行。

基于模糊理论的SAR图像海面油膜识别

合成孔径雷达(SAR)已成为检测海洋表面油膜的重要手段之一。本文应用模式识别领域中的模糊逻辑理论,在SAR海上溢油图像中选择33个图像特征进行分析,根据方差分析方法和模糊理论的特点筛选出其中的4个特征参量,建立区分海面溢油与疑似溢油的检测模型。通过对27个测试样本试验,有效识别率达到83%。说明本论文采用的方法对于区分溢油和疑似溢油可行,对业务化海洋遥感溢油检测具有参考价值。

基于贝叶斯分类的雾天和雨天两类天气图像自动识别

为实现天气现象的自动观测,论文提出了一种基于贝叶斯分类的室外图像的天气现象识别方法,该方法通过提取图像的色相、饱和度和亮度等特征,采用贝叶斯分类,对雨天和雾天两类天气现象进行判断,但所选特征不能对雾天和雨天进行准确判断。

基于贝叶斯分类的两类天气图像自动识别

为实现天气现象的自动观测,本文提出了一种基于贝叶斯分类的室外图像的天气现象识别方法,该方法通过提取图像的色相、饱和度和亮度等特征,采用贝叶斯分类,对雾霾和沙尘两类天气现象进行判断。实验结果的准确率达到预期目标,并且能快速、准确地测量室外图像的天气现象。

基于抽样的敏感性分析方法在LBLOCA质能释放PIRT评级中的应用

基于随机抽样的非参量敏感性统计分析方法是一种有效的敏感性分析方法,通过计算热工水力分析程序多个抽样输入参数与输出参数之间的相关系数来评价各输入参数对输出参数影响的重要程度。通过耦合DAKOTA和WCOBRA/TRAC程序,开发了基于抽样的适用于非能动核电厂大破口失水事故质能释放的敏感性分析方法,该方法可全面定量评估各敏感性参数对计算结果的影响。计算结果表明:堆芯初始功率、燃耗、衰变热、安注箱初始水温、初始水体积、安注箱管道阻力系数、堆芯补水箱初始水温、喷放系数及破口阻力系数对破口质能释放具有显著影响。该分析结果可为大破口失水事故质能释放分析现象识别和重要度排序表评级提供定量依据。

要重视物理过程的分析

不少学生把解题单纯看作为套公式和运算求解,因此常常无法下手或得出错误的结论。其实,解题是学习物理的一个重要环节,是一种带有创造性的脑力劳动。本文讨论了如果没有对物理过程进行深入细致地分析,就不可能准确识别物理现象,就无法对问题正确解答。从而阐明了首先要搞清题意,重视物理过程的分析;其次是寻找解题的规律;接着应把分析的结果列成相应的方程式来求解,并对结果认真审查是否合理,体会出题者的目的和题目特点及题型,从而巩固、深化知识,培养举一反三的能力。

典型压水堆小破口LOCA参数重要度排序表开发

现象识别排序表(PIRT)是反应堆热工水力分析的重要依据,传统PIRT的建立依赖于专家经验,因此缺乏专家经验时难以开展参数的识别工作。本文开展在缺乏专家经验时确定各输入参数重要度排序的研究,选定的工况为典型三回路压水堆(PWR)小破口失水事故(SBLOCA)。参考已有的SBLOCA PIRT,并基于基准计算结果,筛选和补充了可能对目标输出(FOM)具有影响的54个不确定性输入参数。使用一种优化矩独立全局敏感性分析方法计算得到了各输入参数对FOM的敏感性度量和重要度排序。将参数的重要度排序转换为Savage分数,按照Savage分数定性地将所有输入参数进行重要度分组,从而得到了SBLOCA的参数重要度排序表,为压水堆SBLOCA工况的参数排序提供了参考。