نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی هسته‌ای، دانشکده مهندسی انرژی، دانشگاه صنعتی شریف، تهران، ایران

2 دانشکده‌ی مهندسی انرژی، دانشگاه صنعتی شریف، صندوق پستی: 1114-14565، تهران- ایران

3 دانشگاه صنعتی شریف، تهران، ایران

4 رییس دانشکده مهندسی انرژی

چکیده

در این مقاله، یک شبکه عصبی مصنوعی به‌منظور شناسایی حادثۀ بارگذاری و بهره‌برداری اشتباه از یک مجتمع سوخت در موقعیت نامناسب در راکتور هسته‌ای بوشهر طراحی می‌شود. بدین منظور، ابتدا خروجی‌های ناشی از بارگذاری اشتباه مجتمع‌های سوخت برای 54 آشکارساز نوترونی موجود در قلب راکتور با استفاده شبیه‌ساز نویز نوترونی تولید شده و سپس با استفاده از آن‌ها به طراحی و آموزش پرسپترون چندلایه‌ای پرداخته می‌شود. ازآنجایی‌که چشمۀ نویز نوترونی ناشی از بارگذاری اشتباه دو مجتمع‌سوخت مجاور هم ترکیبی از دو چشمۀ نویز نوترونی جاذب با قدرت متغیر است، بنابراین ابتدا شناسایی موقعیت چشمه نویز نوترونی از نوع جاذب با قدرت متغیر انجام می‌شود. بدین منظور، شبکۀ عصبی مصنوعی با یک لایۀ مخفی طراحی‌ شده است که نتایج آن حدود %1 خطا با مقادیر خروجی مطلوب دارند. پس‌ازآن شناسایی موقعیت مجتمع‌های سوخت به اشتباه بارگذاری‌شده انجام می‌شود. برای این منظور شبکۀ عصبی مصنوعی با دو لایۀ مخفی طراحی‌ شده است که نتایج آن حدود %3 با مقادیر خروجی مطلوب اختلاف دارند. به‌طورکلی از نتایج چنین استنتاج می‌شود که با توجه به رابطه پیچیده و وابستگی نویز نوترونی به مکان آشکارسازها، استفاده از شبکه عصبی مصنوعی برای این شناسایی کارآمد است.

کلیدواژه‌ها

عنوان مقاله [English]

Identification of Inadvertent Loading and Operation of a Fuel Assembly in an Improper Position at the Beginning of BNPP Fuel cycle using Artificial Neural Network

نویسندگان [English]

  • ali kolali 1
  • Davod Naghavi dizaji 2
  • Iman Ramezani 3
  • Ehsan Torabi mirzaei 2
  • Naser Vosoughi 4

1 Department of Energy Engineering, Sharif University of Technology, P.O.BOX: 14565-1114, Tehran, Iran

2 Department of Energy Engineering, Sharif University of Technology, P.O.BOX: 14565-1114, Tehran, Iran

3 Department of Energy Engineering, Sharif University of Technology, P.O.BOX: 14565-1114, Tehran, Iran

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

چکیده [English]

In this paper, an artificial neural network is designed to identify the ILOFAIP in the Bushehr nuclear reactor. For this purpose, first, the outputs due to ILOFAIP are generated for the 54 neutron detectors in the reactor core using a neutron noise simulator and then, they are used to design and train multilayer perceptron. Neutron noise source due to ILOFAIP is a combination of two neutron noise source as an absorber of variable strength type. Therefore, first, the location of the neutron noise source of the absorber type with variable strength is determined. An artificial neural network with a hidden layer has been designed to identify the location of neutron noise source of the absorber type with variable strength. The results differ by about 1% with the desired output values. After that, the location of ILOFAIP is identified. For this purpose, an artificial neural network with two hidden layers has been designed. The results differ by about 3% with the desired output values. Generally, the results show that due to the complex relationship and also the dependence of neutron noise on the location of the detectors, the use of artificial neural network for this identification is effective.

کلیدواژه‌ها [English]

  • Neutron Noise
  • Multi-layer Perceptron
  • ILOFAIP
  • Bushehr Nuclear Reactor