نوع مقاله : مقاله پژوهشی

نویسندگان

• جواد وثوقی ¹
• ناصر وثوقی ²
• علی اکبر صالحی ³

¹ دانشکده مهندسی انرژی دانشگاه صنعتی شریف

² رییس دانشکده مهندسی انرژی

³ معاون پژوهشی و قائم مقام رئیس فرهنگستان علوم

چکیده

برای انجام محاسبات نوترونی قلب راکتور، هزینه اصلی محاسبات مربوط به محاسبات سلولی جهت تولید سطح مقاطع ماکروسکوپی در مجتمع‌های سوخت می‌باشد. توسعه و استفاده از کتابخانه سطح مقاطع ماکروسکوپی با توجه به نوع قلب راکتور و هندسه آن‌ها روش اصلی کاهش هزینه محاسبات می‌باشد. در بعضی مسائل برای انجام تحلیل‌های خاص برای راکتور کتابخانه‌ای وجود ندارد و بنابراین لازم است محاسبات سلولی انجام شود. بررسی نویز نوترونی نوسان مجتمع‌های سوخت و یا توزیع نامتقارن سیال اطراف یک مجتمع سوخت در اثر خمش، از این دست مسائل هستند. در این پژوهش برای قلب یک راکتور VVER-1000 به جای انجام محاسبات سلولی در حجم بالا، با استفاده از یک شبکه عصبی مصنوعی زمان انجام محاسبات کاهش محسوسی یافت. در محاسبات بحرانیت برای ابتدای سیکل زمان محاسبات از 42 دقیقه با 32 هسته محاسباتی به 3/1 دقیقه با یک هسته محاسباتی کاهش یافت. همچنین نتایج از دقت قابل قبول برخوردار بود به طوری که اختلاف اسید بوریک بحرانی با بکارگیری شبکه عصبی در مقایسه با انجام محاسبات سلولی به عنوان مرجع کمتر از 1 درصد و اختلاف توان کمتر از 5 درصد بدست آمد.

کلیدواژه‌ها

• شبکه عصبی مصنوعی
• سطح مقاطع ماکروسکوپی
• محاسبات نوترونی

موضوعات

• راکتورهای هسته‌ای خاص و نیروگاه‌های مرتبط

عنوان مقاله [English]

Using an artificial neural network in the generation of macroscopic cross-sections for the VVER-1000 reactor core calculations

نویسندگان [English]

• javad vosoughi ¹
• Naser Vosoughi ²
• Ali Akbar Salehi ³

¹ (Department of Energy Engineering (Sharif University of Technology

² Chair, Dept. of Energy Engineering, SHARIF Univ. of Technology

³ vice president of the Academy of Sciences

چکیده [English]

In performing reactor core neutron calculations, the main cost is cell calculations to generate macroscopic cross-sections of FAs. The development and use of a cross-section library based on the reactor type is the main procedure to reduce calculations cost. In some cases, there is no library to perform specific analyzes, so it is necessary to do cell calculations. Investigating FAs vibration neutron noise, or coolant asymmetric distribution around FAs due to bowing, are such cases. In this research by using an ANN (Artificial Neural Network) instead of high-volume cell calculations, the time for calculations was significantly reduced for the VVER-1000 reactor. In the criticality calculations for BOC, the calculation time was reduced from 42 minutes with 32 computational cores to 1.3 minutes. Also, the results were of acceptable accuracy so that the difference in the value obtained for the critical boric acid by using ANN compared to cell calculation as a reference was less than 1% and the power difference was less than 5%.

کلیدواژه‌ها [English]

• Artificial Neural Network
• Macroscopic Cross-Sections
• Neutron Calculations