CN101034595A

CN101034595A - 确定用于核反应堆操作的工作极限的余量的方法

Info

Publication number: CN101034595A
Application number: CNA2006100641326A
Authority: CN
Inventors: W·E·拉塞尔二世; R·M·福切特; W·C·克莱恩; D·J·克罗帕切克; G·A·沃特福德; L·特罗斯曼; S·B·萨顿; C·C·奥亚尊
Original assignee: Global Nuclear Fuel Americas LLC
Current assignee: Global Nuclear Fuel Americas LLC
Priority date: 2005-12-30
Filing date: 2006-12-30
Publication date: 2007-09-12
Also published as: US20070153958A1; TW200741745A; KR20070072399A; EP1804255A2; TWI389138B; US7366273B2; MXPA06015255A; JP5357389B2; JP2007183268A; EP1804255A3

Abstract

一种确定在核反应堆中对于给定工作极限的操作余量的方法中，访问来自在线核反应堆设备(110)的操作设备数据(210)；并使用该操作设备数据离线地模拟反应堆操作(220)，以生成表示给定工作极限的预测相关变量数据。根据来自设备存储的操作周期的归一化历史相关变量数据，归一化该预测的相关变量数据(230)以用于评估，该设备具有与该在线设备类似的设备结构。使用归一化历史相关变量数据，为该预测的相关变量数据确定时间相关平均偏差值和时间相关不确定值(240)、(250)；以及获得在线设备的危险容许级别(260)。基于确定的时间相关平均偏差值和时间相关不确定值确定相对于给定工作极限的操作余量(270)，以满足被评估设备的危险容许级别。

Description

确定用于核反应堆操作的工作极限的余量的方法

技术领域

本发明通常涉及核反应堆的设计和操作，更具体地涉及确定核反应堆的工作极限的余量的方法。

背景技术

在沸水反应堆(BWR)或压水反应堆(PWR)的操作期间，执行连续监视全部操作参数和引起的发热限制。例如，为了识别反应堆的瞬间状态，监视百分率额定功率、百分率额定流量、入口慢化剂温度、核心压力以及控制叶片的任何定位。同样，在核反应堆芯，内的工具有助于监视反应，其映象到例如临界功率比(CPR)、最大平均平面线性热量产生比(MAPLHGR)和线性功率密度的最大百分率(MFLPD)的参数中的对应的操作反应，每一个参数表示核燃料的核心安全发热限制并且其还可被称为核燃料的相关功率极限。比较这些测得的热反应和它们对应的工作极限，以提供工作极限的当前余量。在核能量循环的整个过程中进行核心参数以及对应的工作极限的余量的连续监视。执行该监视的计算机称为“过程控制计算机”。在最小值，反应堆状态的瞬象和引起的工作极限的余量例如发热限制上和/或工作极限每天处理一次并一般存储为电子ASCII文档。

为了保持反应堆的模型以用于预测工作、开发随后的设计周期和/或提供当前操作问题的支持，设计者或设备操作员维持反应堆的离线(不在该过程控制计算机上)三维(3-D)模拟，该模拟类似于在实际的反应堆芯中给定周期的实际操作。通常在通过过程控制计算机(测量的工作极限的余量)确定的发热和反应余量与离线模型(预测的余量)所预测的余量之间存在差异。这些差异由各种因素引起，包括模拟器模型的不适合、实际设备操作的不完善建模、操作参数的不确定性、端(tip)测量的不确定性等等以及其它未知的不确定性。在线与离线余量之差(即发热、反应和/或功率相关的工作极限)的确定迫使设备操作员需要这些工作极限的附加余量，以确保无故障操作。附加余量可以通过改变操作参数和/或通过选择和定位不同的棒模式来获得。然而，这种改变通常是以损失功率或燃料循环效率为代价的。而且，“大于所需”的余量要求对该设备有不利的经济影响。

确定足够的工作极限余量和用于预期工作极限的预测趋势以及不确定曝光相关的偏差对于核反应堆的设计和操作来说是个复杂的问题。从第一个核反应堆以来，已经发现，来自计算机模型的预测结果和观察的事实(从在线操作确定的实际工作极限)经常对于这些重要的相关变量(即工作极限)来说是显著不同的。为了防止这些差异，工程师已研发了用于解决或“覆盖”这些差异的标准设计余量或历史设计余量。

然而，这些标准设计余量最好是原始的。有时，历史需求设计余量是不合适的，从而导致为了重新获得损失的余量，在操作期间操作控制棒。如果棒模式变化不会减少或修正该问题，那么已知的是设备必须减载运行(较低电能产出)。任一解决方法对燃料循环效率是极端昂贵的，并且在损失的收入方面可能付出数百万美元。另外，历史设计余量偶尔不合时宜地是保守的，因此导致可能燃料循环效率的降低。

发明内容

本发明的示例性实施例是指一种确定核反应堆中相对于给定工作极限的操作余量的方法。在当前操作周期，从要评估的在线核反应堆设备访问操作设备数据，并且使用该操作设备数据来产生模拟结果以离线地模拟反应堆操作，该模拟结果包括预测的相关变量数据，该数据表示给定的工作极限。归一化来自模拟结果的预测的相关变量数据，以用于通过归一化的历史相关变量数据来进行评估，该归一化的历史相关变量数据来自与要评估的设备具有类似设备结构的核反应堆设备多个存储的操作周期中的每一个。使用归一化历史相关变量数据来确定用于预测的相关变量数据的时间相关平均偏差和时间相关不确定值，并且获得对于要评估设备的危险容许级别。根据所确定的时间相关平均偏差值和时间相关不确定值来确定对于给定工作极限的操作余量，以满足所评估设备的危险容许级别。

附图说明

从下面给出的详细描述和附图中，可更加完整地理解本发明的示例实施例，其中相同的部件用相同的附图标记表示，该实施例仅仅是以说明的方式给出的，因此不限于本发明的这些示例实施例。

图1是示例结构的框图，该示例结构用于与在此描述的示例性方法相关的数据采集和计算。

图2是说明确定相对于给定工作极限的操作余量的示例性方法的处理流程图。

图3是校准时间相关偏差相对于归一化时间的图表，用以说明根据示例方法计算时间相关平均偏差值。

图4是时间相关不确定性相对于归一化时间的图表，用以说明根据示例方法计算时间相关不确定值。

图5是帮助说明如何根据时间相关偏差值和时间相关不确定值来计算给定工作极限的余量以满足所评估设备的危险容许级别设置的图。

图6是预测的特征值相对于归一化时间的图表，用以说明所预测余量中的偏差，该余量作为由这里的示例方法来确定的离线模拟预测的结果。

具体实施方式

图1是示例结构的框图，该示例结构用于采集和计算与在此描述的示例性方法相关的数据。通常，如下面将要更加详细描述的，过程控制计算机120用于访问设备操作数据，其包括来自在线和工作反应堆设备110的工作极限的余量。如前所述，该数据可以存储为ASCII文档，但是在可替换的实施例中，其可以直接存储在与过程控制计算机120可操作通信的数据库130(在现场或不在现场)中。

过程控制计算机120在现有技术中是已知的，并且其可以具体为监视设备操作并提供与工作的核反应堆瞬时性能相关的信息的任何系统、装置或计算机。数据库130可以是关系数据库，例如Oracle 8i Alpha Es 40关系数据库服务器。数据库130可以包含许多辅助数据库(subordinate database)，该辅助数据库处理所有需要的数据和结果以实现本发明的示例方法。

可使用操作数据来对将要评估的在线核反应堆设备建模，匹配在循环中的当前曝光处的操作参数，以执行在离线模拟器140的离线模拟。所述离线模拟器可以是公知的可执行3D模拟器程序，例如PANACEA、LOGOS、SIMULATE、POLCA或者任何其它已知的模拟器软件，其中该合适的模拟器驱动器已经被限定和编码，这是已知的。

该模拟提供了包括对于给定工作极限的预测余量的结果，其在后文中被称为“预测的相关变量数据”。该预定的相关变量数据可存储在数据库130中，并且还被提供到计算处理器150，该计算处理器150用于确定对于给定工作极限的修订操作余量。处理器150可为能执行相对复杂计算的任何处理器。任何PC或基于奔腾微处理器芯片驱动的膝上电脑或等同处理体都足以作为计算处理器150。此后将进一步详细描述这些由处理器150执行的计算。

一旦计算完该余量，该数据就可由处理器150使用来确定用于要评估的在线设备的修订操作参数，并且该数据可传送给在设备110的设备操作员，以在当前曝光处(操作或能量循环中的时间)或在设备110的当前操作周期中的未来点改变操作参数(即控制棒顺序、核流(core flow)和功率等级等)。例如，这些余量计算可以任何期望的频率或周期连续地执行，以努力最大化设备110的效率。

如图1中所述，在过程控制计算机120、离线模拟器140和处理器150之间的数据流可以与数据库130是双向的，因此，计算或结果可连续存储，和/或因此可从数据库130访问数据。

图2是处理流程图，用以说明确定相对于给定工作极限的操作余量的示例方法。对于下面的讨论，可以临时参考图1。在设备110操作期间，在当前操作周期通过过程控制计算机120从设备110访问(210)操作条件和监视的参数并将其存储到数据库130。

同样可将独立变量(即棒模式、例如反应堆功率和核流的操作条件、设备结构、机械条件、核心条件、浓缩和钆属性、周期曝光等)存储到数据库130，以关联模拟偏差和核心结构之间的任何潜在趋势。类似地，所有监视的结果或相关变量数据，例如极限CPR的最大百分率(MFLCPR)、MFLPD、MAPLHGR、冷停工余量、反应相关参数(例如热特征值等)和相对这些工作极限的预测余量，也存储到数据库130中。MFLCPR是功率相关的燃料限制。MFLCPR测量操作条件与“干燥”限制之间的可允许余量，其中在核心的冷却剂可以不再以足够的速度移走热量，因此燃料和覆层温度(clad temperature)开始快速增加。该沸水转移现象(boiling transition phenomenon)在BWR燃料中可导致温度偏移，这被称为干燥。

因此，通过过程控制计算机120查询的设备操作条件可理解为独立变量，且通过过程控制计算机120查询的监测或测量工作极限数据(发热和功率相关极限以及其余量)是实际的相关变量数据。因此，这些来自当前操作周期的一个或多个曝光点的独立和相关变量可保留或储存在数据库130中

使用以上存储到数据库130的信息就可产生或准备反应堆模拟输入文件。该模拟输入文件使用上述相同的独立变量，且可以电子文档格式(即ASCII)存储，该电子文档格式通过标识的核心模拟软件程序(离线模拟器140)识别。一旦该输入文档准备好了，离线模拟器140就执行其程序以模拟离线设备110的核反应操作，并且产生相关变量的预测，其称为预测的相关变量数据。该预测的相关变量数据可理解为未来结果的标称估计，因此，其可用来计算操作余量的标称估计，但不考虑这些预测的任何不确定性。

图6是预测的特征值相对于归一化时间的图表，用以说明作为模拟结果的预测余量和由这里的示例方法来确定的余量的偏差。

理想地，离线模拟相关变量(预测的极限余量，例如MFLCPR、MFLPD、MAPLHGR等)和来自设备操作的测量或实际相关变量数据(MFLCPR、MFLPD、MAPLHGR等的实际余量)应该是相等的。然而，由于以上所标识的几个(或更多)因素，这些一般是不相等的。此时，以相对于关于预期EOC(周期末尾)的时间(曝光)该预测的相关变量被归一化(230)。换言之，通过处理器150在BOC(周期开始)归一化该数据到为0.0(BOC)到1.0(EOC)的EOC时间范围。这样做，可通过来自其它设备周期的许多反应堆模拟的结果(例如归一化历史相关变量数据)来评估归一化的预测相关变量数据，其中该归一化数据存储在数据库130中。

数据库130包含反应堆模拟的基本采集，因此，包括基本量的历史相关变量数据，其来自其它反应堆设备中的操作周期的反应堆模拟。例如，因为在接近20年里受让人已经提供了燃料和工程服务接近30BWR’s，几乎400个完整曝光损耗周期是可用的(给定接近1年平均周期长度)。400个操作周期的数据收集对于评估核反应堆操作来说是有重要意义的信息收集。该信息可通过本发明示例方法来使用，并且用于由其引起的预测。例如，作为步骤230的一部分，处理器150从具有与设备110类似的设备结构的设备检索历史模拟数据。尽管该历史相关变量数据也被在0.0到1.0尺度的时间上进行归一化以用于评估，但是还可采用任何其它归一化尺度，这对于本领域熟练技术人员来说是明显地。

尽管所有的数据被相对于时间(曝光)归一化，使得数据在0到1的范围上(0.0＝BOC，1.0＝EOC)，但是应当认为，对于各种存储的操作周期，一些操作策略是不相似的。从而，可以期望过滤数据库130中周期数据的较大集合，以收集在该设备操作模式中最类似于要评估的具体设备110的数据子集。过滤参数可包括但不限于：周期长度、功率密度、平均氯化钆浓度、流量策略、加载策略等。因此，过滤的历史数据包括来自类似设备操作模式的数据。作为上述过滤处理的结果，预测的不确定性可变得较小，并可用于提高燃料循环效率。

类似地，还期望通过最小二乘方、神经网络或任何其它趋势捕获数学算法提供以上连续变量的相关度。这样做，可包括较大组的数据并且可包括全局趋势，可能导致进一步减小预测不确定性，并且可用于提高燃料循环效率。

图3是用于给定工作极限的校准时间相关偏差关于归一化时间的图，用以说明根据示例方法来计算时间相关平均偏差值。图4是时间相关不确定性关于归一化时间的图，用以说明根据该示例方法计算时间相关不确定值。

通常，处理器150使用归一化历史相关变量数据，以计算时间相关平均偏差值，该偏差值将为预测的相关变量数据(例如给定工作极限的给定余量)在该周期中所有未来时间提供预测的期望偏差，该预测的相关变量数据被计算作为设备110的离线模拟结果。在图3中，所示为对于具有类似于设备110的设备结构的设备的30个标识操作周期的时间相关偏差曲线。通过处理器150从数据库130检索该信息。对于每一个要评估的历史周期，对于历史相关变量数据的偏差值是已知的，并且已经预先计算(并在数据库130中存储)该偏差值。对于给定存储历史操作周期，在给定曝光点的已知偏差值表示在给定的历史周期的该曝光点所测量的和预测的工作极限之差。

一旦为在0.0到1.0之间(在此，对于每一个历史操作周期的每一个历史相关变量数据来说，该数据是沿着所有曝光点的已知偏差值)的所有30个周期已经收集选择的数据，就将该数据相对于当前时间进行校准，该当前时间为在要评估的设备110的操作周期的操作中的当前时间，例如要评估的周期时间中的时间点。

例如，并参考图3，如果设备110的周期操作大约完成10％(t＝0.10)，所有时间间隔的所有数据(所有偏差值)应当向上或向下校准直到在t＝0.10处y轴(测量减预测相关变量的比)上的该值被设置为0。在t＝0.10后对偏差值的校准应当调整以修正该校准。图3说明了多条曲线(30条曲线)如何在t＝0.10处校准。虽然以上示例与通过加减法来设定t＝0.10处的值为0的方式以识别校准，但是同样可使用乘除法来设定t＝0.10处的值为1，来进行校准。可通过数学处理选择以加减法或乘除法的方式校准，该数学处理提供最小未来不确定性的预测。

如从图3所示的，所有直线都在t＝0.10处通过零点。这是因为在任何给定的当前时间(在该示例中t＝0.10)，在离线模拟结果(预测余量)和操作设备测量结果(给定工作极限的实际余量)之间存在已知的确切偏差。从这些校准曲线确定两个时间相关曲线。首先，通过对所有未来数据(t＞0.10)求平均值来确定(240)时间(曝光)相关偏差值。在以上示例中，该数据是有些随机的并且对于所有未来时间的时间相关偏差大约为0.0。在图3中，该时间相关偏差值显示为曲线300，该曲线300是在t＝0.1(当前时间)和1.0(未来时间)之间的每一个评估曝光点处的30条曲线的偏差值平均数。

因此，为了计算时间相关偏差值(曲线300)，校准归一化的历史相关变量数据以迫使该已知的偏差值至设备110的操作周期中的当前曝光点。当从要评估的设备110中的当前曝光点进行校准时，该时间相关平均偏差值是通过对每一个曝光点处的归一化的历史相关变量数据的所有偏差值求平均来确定的。

接着，如图4中所示，确定时间(曝光)相关不确定性(250)。这通过计算大于当前时间的所有时间(在该示例中为所有大于t＝0.10的时间)的标准偏差来确定。在图4中示出了时间相关不确定性曲线的示例。图4中的曲线表示在图3中时间相关偏差曲线300的每一个曝光点处的标准偏差。在图4中可以看到，该曲线的一般抛物线状表示该偏差值中的不确定性随时间增加。因此，如果设计者知道他在该周期中任何点(过去的或现在的)的位置，例如在t＝0.2，那么该曲线可用来为在该周期中任何其它未来时间预测的相关变量数据预测偏差值中的不确定性。

通过学习图3和4中这些曲线可更加具体地进行观测。存在确切的且简单的关系，该关系涉及随机系统相对于时间的所有不确定性，表示为“σ”。如果该系统的不确定性σ在任何点(例如t＝ref)是已知的，那么任何其它点的不确定性σ可通过下面的方程组(1)来计算：

σ_target＝σ_ref[t_target/t_ref]^1/2 或描述为，

σ² _targett_ref＝σ² _reft_target 或描述为

σ² _target/σ² _ref＝t_target/t_ref (1)

(1)中最后的等式说明了用于确定需要的未来相关变量不确定性的关系，其用于建模的独立变量测量与预测系统，在(1)中，t_target＝希望不确定性的希望时间，t_ref＝参考时间，其中系统不确定性是已知的，σ_ref＝参考时间(t_ref)的参考不确定性，以及σ_target＝希望时间(t_target)的希望不确定性。如(1)的最后等式所示，因此，相对时间等于相对不确定性，以及相对不确定性等于相对时间。因此，利用该关系可提供未来不确定性的确定。因此，给定所需的未来时间量(即下一个控制叶片顺序间隔)和来自参考时间的数据，可确定需要的未来不确定性的良好估计。在提供无事故操作的同时，该信息的组合可提供最大燃料循环效率。

已经进行了广泛的计算机实验以证明：当用于核反应堆的不确定性曲线数量增加到无穷大时，方程式(1)是准确的。

图5是帮助说明如何根据时间相关偏差值和时间相关不确定值来计算给定工作极限的余量以满足要评估设备的危险容许级别设置的图。现在，已经确定了时间相关偏差(240)和时间相关不确定性(250)，该信息可用来确定对于给定工作极限(270)所需要的或修订的余量。该计算是基于获得设备110的危险容许级别260。该危险容许级别可理解为符合消费者的反应堆设备的工作极限的希望可预测性，或换言之，即，在当前操作周期中的给定周期期间，事故不会在设备110发生的可能性。例如，如果历史数据点的数量是巨大的(例如大于30)，并且对于第一顺序的周期操作，客户想要使用固定的棒模式操作他们的核反应堆的给定可能性(即90％、95％、99％、99.9％等)，那么图5中的下面的余量将是需要的。当使用更小组的历史数据点或需要特别的可信度水平，已知作为可能性K值的乘法器常数应当使用合适的可信度修正。

在图5中(t＝0)，曲线A表示任何需要的发热或功率相关结果(MFLCPR、MFLPD、MAPLHGR等)的实际工作极限。这是一个在设备110的操作期间不应该超越的线。该曲线B表示所需要的设计目标以确保在任何将来时间不违反工作极限。如果客户想要确保第一顺序操作(t＝0到t＝0.1)不会取得任何棒模式修改，那么他们应使用在t＝0.1处需要的余量预测。

在图5中，0.971的设计目标工作极限将以99.0％的可能性提供足够的余量，以确保不需要进行棒调整(见t＝0.1处的曲线C)。类似地，在图5中，将需要0.953的设计目标，以确保以99.9％的可能性不需要进行棒调整。该99.9％表示消费者对于这种“无事故”的危险容许级别。

因此，使用可能性值或危险容许级别来确定乘法器常数K，该常数K是用时间相关不确定性σ来相乘，或者σ_target＝Kσ_ref，其中σ_ref是在给定的时间点处已知的参考不确定性，其提供在该周期中任何点处的不确定性预测。在任一情况下，可容易地确定客户具体的或设备具体的方案。

在大多数情况下，基于符合工作极限的希望可预测性来确定操作余量可为更大的操作灵活性和较高的燃料循环效率(高于曲线D的历史设计目标极限)提供附加的余量。在任何情况下，该示例方法可反映用于反应堆操作的更博学的计划。

基于由处理器150在270修订余量计算，设计者然后可使用处理器150修订设备操作参数(280)，通过手动(人工计算)或者使用最优路线来确定希望的棒模式、核流、功率电平等。如果需要或期望，则任何建议的变化可提交给设备110的操作者，以在当前周期期间改变操作条件。

实施例

图6是预测特征值相对于归一化时间的图，以说明作为模拟结果的预测余量的和由这里的示例方法确定的该余量的差异。图6说明了用于功率操作和周期长度考虑的热特征值的实际计算。该初始条件中，在具有客户提供的75％的危险容许级别的周期(T＝0.2)中的所有大于20％的曝光点评估将来特征值预测。因此，客户应想要75％的把握确保具有该需要的反应(即功率和希望的周期长度)。从任何统计书籍获得的基于该可能性的乘法器因子K为0.68。已知的实际特征值(归一化的)在T＝0.2为1.0050。

在图6中，所生成的曲线为标称的预测特征值和75％可能性的无事故特征值。因为在该示例中仅仅存在7组数据或数据组，所以示出的曲线在y轴上有些不连续。同样示出了75％的特征值预测的10个点平均值，其简单地平滑这些计算的结果。

为了生成这些曲线，归一化在设备的7个不同操作周期上的每一个的曝光点处的原始相关变量数据(具有已知的偏差值的特征值数据)，这些设备具有与相关设备最接近的结构。来自7个周期的归一化数据被校准为T＝0.2，然后调整这些数据，使得对于在0.0到1.0之间以0.02为增量的7个特征值数据组的每一个存在一个数据点。从这7个特征值数据组以每一个0.02增量计算时间相关偏差和不确定值。

在图6中，在T＝0.4的偏差值计算为-0.0015，并且在T＝0.4的不确定值计算为0.0012。因此，在T＝0.4的预测特征值为1.0050-0.0015＝1.0035。如图6所示，在75％可能性的特征值这样确定：首先以K乘以不确定性，从而，0.0012*0.68＝0.0008，然后将其加到预测的特征值1.0035上，以在T＝0.4提供更保守的预测1.0043。

因此，以上示例为客户显示了希望的离线模拟热特征值，该客户期望有的75％把握确定具有需要的曝光相关反应(即功率和希望的周期长度)。

于是就描述了本发明的这些示例实施例，显然可以以许多方式改变它。这种变形不认为脱离本发明示例实施例的精神和范围，并且对于本领域技术人员来说所有的这种修改是明显的，所有的这种修改应包含在以下的权利要求书的范围中。

部件列表

元件描述

110 反应堆设备

120 过程控制计算机

130 关系数据库

140 离线模拟器

150 计算处理器

Claims

1、一种确定在核反应堆中对于给定工作极限的操作余量的方法，包括：

在当前操作周期期间从要评估的在线核反应堆设备(110)访问操作设备数据(210)；

使用该操作设备数据离线地模拟反应堆操作(220)，以生成包括表示给定工作极限的预测相关变量数据的模拟结果；

根据来自核反应堆设备的多个存储操作周期中每一个的归一化历史相关变量数据，归一化该预测的相关变量数据(230)以用于评估，该核反应堆设备具有与要评估的反应堆设备类似的设备结构；

使用归一化历史相关变量数据，为该预测的相关变量数据确定时间相关平均偏差值(240)；

使用归一化历史相关变量数据，为该预测的相关变量数据确定时间相关不确定值(250)；

在当前操作周期中的给定阶段，为要评估设备获得与不发生事故可能性相关的危险容许级别(260)；以及

基于确定的时间相关平均偏差值和时间相关不确定值计算对于给定工作极限的操作余量(270)，以满足被评估设备的危险容许级别。

2、如权利要求1的方法，其中访问操作数据还包括：

在当前操作中的一个或多个曝光点，检索表示独立变量的设备操作条件和表示实际相关变量数据的监视发热限制数据；以及

在数据库(130)中存储这些独立变量和实际相关变量数据。

3、如权利要求1的方法，其中独立变量包括一个或多个反应堆功率级别、核流速、棒模式、控制叶片顺序、机械条件、周期曝光以及浓缩和钆属性。

4、如权利要求1的方法，其中给定的工作极限是发热限制之一，该发热限制包括下述中的一个或多个：极限功率密度(MFLPD)的最大百分率限制、最大平均平面线性热生成率(MAPLHGR)限制、极限临界功率比(MFLCPR)的最大百分率限制、或功率相关限制例如被评估设备的特征值、或其它已知的工业标准功率相关设备限制或核燃料的热限制。

5、如权利要求1的方法，其中离线地模拟反应堆操作包括：

产生模拟器输入文档，以用于在离线模拟程序中模拟反应堆操作，该模拟器输入文档使用独立变量对要评估的该设备建模；以及

执行离线模拟程序以产生表示给定的工作极限的预测相关变量数据。

6、如权利要求1的方法，其中：

在每一个各自存储操作周期中多个曝光点处，预先计算每一个存储的操作周期的历史相关变量数据的偏差值，在给定的存储操作周期中，给定曝光点的偏差值表示对于给定历史周期的该曝光点处测量的与预测的工作极限之差；以及

为预测的相关变量数据确定时间相关平均偏差值包括：

校准归一化历史相关变量数据以迫使历史相关变量数据的这些偏差值在要评估的反应堆设备的操作周期中为当前曝光点；

当从要评估的反应堆设备的操作周期中的当前曝光点校准时，确定该时间相关平均偏差值为每一个存储的操作周期中每一曝光点的归一化历史相关变量数据的所有偏差值的平均数。

7、如权利要求6的方法，其中为预测的相关变量数据确定时间相关不确定值包括：在每一个曝光处确定历史相关变量数据的每一个偏差值的标准偏差。

8、如权利要求1的方法，还包括：

对给定的工作极限，基于计算的操作余量确定修订的设备操作参数(280)；和

基于该修订的设备操作参数改变在线反应堆的设备操作条件。

9、如权利要求1的方法，其中连续地或以给定周期重复计算给定工作极限的操作余量。

10、如权利要求1的方法，其中过滤历史相关变量数据，以包括来自与要评估的设备(110)类似的设备的操作模式的历史相关变量数据。