CN111144752A - 基于遗传算法的核电厂失水事故安注流量需求分析方法 - Google Patents
基于遗传算法的核电厂失水事故安注流量需求分析方法 Download PDFInfo
- Publication number
- CN111144752A CN111144752A CN201911370177.XA CN201911370177A CN111144752A CN 111144752 A CN111144752 A CN 111144752A CN 201911370177 A CN201911370177 A CN 201911370177A CN 111144752 A CN111144752 A CN 111144752A
- Authority
- CN
- China
- Prior art keywords
- safety injection
- loss
- injection flow
- genetic algorithm
- safety
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002347 injection Methods 0.000 title claims abstract description 72
- 239000007924 injection Substances 0.000 title claims abstract description 72
- 239000002826 coolant Substances 0.000 title claims abstract description 39
- 230000002068 genetic effect Effects 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 28
- 238000005253 cladding Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 4
- 230000001052 transient effect Effects 0.000 abstract description 2
- 239000000243 solution Substances 0.000 abstract 1
- 238000013461 design Methods 0.000 description 3
- 238000001595 flow curve Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- KGBXLFKZBHKPEV-UHFFFAOYSA-N boric acid Chemical compound OB(O)O KGBXLFKZBHKPEV-UHFFFAOYSA-N 0.000 description 1
- 239000004327 boric acid Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
一种基于遗传算法的核电厂失水事故安注流量需求分析方法,包括:考虑了失水事故瞬态过程中影响包壳温度演变过程的重要物理现象;基于模拟自然进化过程搜索最优解的遗传算法;基于失水事故分析程序;实现了核电厂失水事故下自动搜寻最优安注流量需求的过程。与现有核电厂安全注入系统所提供的安注流量相比,本发明方法考虑了失水事故下堆芯内重要参数与安注流量之间的关系,实现了自动搜寻最优安注流量需求的过程,能够使反应堆在满足核安全准则的情况下,减少安全注入系统中关键设备的水装量,从而降低安全注入系统关键设备的建设成本。
Description
技术领域
本发明属于核电厂安全分析技术领域,具体涉及一种基于遗传算法的核电厂失水事故安注流量需求分析方法。
背景技术
作为压水堆核电厂设计基准事故之一,冷却剂丧失事故一直是国内外核反应堆设计时关注的重点。破口失水事故(LOCA)事故发生时,由于反应堆一回路冷却剂流失,若堆芯补水不及时或水装量过小将导致堆芯内传热恶化,威胁堆芯的完整性和压力容器的安全性,所以反应堆LOCA事故下的安注流量需求一直受到核电发达国家的高度重视。
核电站安全注入系统的设计要保证在核电站发生LOCA事故时能够向一回路补水和注入高浓度硼酸,以重新淹没并冷却堆芯,降低堆芯的反应性,防止堆芯重返临界以至于燃料元件温度的上升而发生熔融,使核电站安全停堆。通过实验测量来获得安全注入系统所需提供安注流量大小的代价很高或者不现实,而且实施起来有非常大的局限性。目前,通过软件模型计算结果来预测LOCA事故工况下安全注入系统的运行参数是行之有效的方法之一,相关建模计算结果已被应用于核电站的安全分析研究中。但是依旧存在一些问题亟待解决和优化。
传统安全注入系统安注流量需求分析流程需要先确定安注系统内关键设备的运行及结构参数,并基于系统分析程序验证LOCA事故工况下是否满足核安全准则;
以上的分析流程,会导致安全注入系统具有很高的安全裕量,关键设备体积过大,建设成本高,需要进行相关的优化和补充研究。
发明内容
本发明中开展了相关研究以解决现有安注流量需求分析方法存在的问题。首先考虑了失水事故瞬态过程中影响包壳温度演变过程中的重要物理现象;基于重要物理现象确定遗传算法中的优化变量及优化目标;基于失水事故分析程序;通过遗传算法得出核电厂不同破口尺寸失水事故下最优安注流量曲线,得到了基于遗传算法的核电厂失水事故安注流量需求分析方法
本发明采用如下技术方案:
一种基于遗传算法的核电厂失水事故安注流量需求分析方法,其特征在于,包括如下步骤:
第一步:选取分析对象并确定具有N组破口尺寸的破口谱范围;
第二步:针对某一破口尺寸失水事故,选取最小安注水总量作为优化目标;核安全准则作为限制条件;
第三步:失水事故过程中反应堆一回路冷却剂流失,导致堆芯冷却恶化,包壳温度上升,基于对失水事故过程中影响包壳温度演变过程的重要物理现象分析,得出安注流量的大小对包壳温度的影响很大,因此安注流量的大小取决于堆芯内包壳温度,选取包壳温度与安注流量之间的关系表,如表1所示,和安注触发条件参数作为遗传算法的优化变量;
表1包壳温度与安注流量关系表
X1-X8为关系表中遗传算法所需优化的变量;
第四步:设置遗传算法参数交叉变异概率,对优化变量进行交叉变异操作产生新的优化变量组合;
第五步:利用失水事故分析程序并行计算具有不同优化变量组合的分析对象模型,通过数据处理得到堆芯内包壳峰值温度、安注水总量和堆芯顶部空泡份额;
第六步:根据安注水总量大小确定优化变量组合的适应度高低,安注水总量越小,对应的优化变量组合适应度越高,适应度高的优化变量组合被选中作为下一代优化变量组合的概率更大,采取轮盘赌法更新出下一代优化变量组合;
第七步:判断最优优化变量组合在遗传算法中是否连续四代未更新,未更新表示最优优化变量组合已经收敛,或者判断是否到达遗传算法设置的最高迭代次数;没有收敛或者未达到最高迭代次数,将返回第四步操作,并重复第四步到第七步操作;收敛或者达到最高迭代次数,将进行下一步操作;
第八步:最优优化变量组合收敛或者达到最高遗传算法迭代次数,选取最小安注水总量所对应的优化变量组合为当前破口尺寸失水事故下最优优化变量组合;
第九步:判断N组破口尺寸是否全都计算完成,未完成则重新选取破口尺寸重复第二步到第八步计算过程;完成破口谱计算则进行下一步操作;
第十步:从破口谱所对应的N组最优优化变量组合中,选取安注水总量最大的一组最优优化变量组合;
第十一步:第十步选出的最优优化变量组合所对应的安注流量变化曲线为该破口谱下失水事故安注流量需求曲线。
和现有技术相比较,本发明具备如下优点:
1:安注流量需求分析过程中无需安注系统的运行参数和关键部件的结构参数,简化了失水事故分析模型。
2:传统失水事故安注流量需求分析过程,需根据前一次计算结果手动更改安注流量曲线形式,然后进行下次计算;该过程所需计算量大,且缺少自动优化过程,最终会导致安全注入系统具有很高的安全裕量,关键设备体积过大,建设成本高。本发明中以最小安注水总量作为优化目标,采取遗传算法针对安注流量曲线形式进行自动化寻优,能够使反应堆在满足核安全准则的情况下,减少安全注入系统中关键设备的水装量,从而降低了安全注入系统关键设备的体积及建设成本。
3:本方法中针对遗传算法所需遗传迭代次数较多,计算量大等特点,采用并行计算有效减少了计算时间,提高了算法计算效率。
附图说明
图1为本发明提出的适用于基于遗传算法的核电厂失水事故安注流量需求分析方法的流程示意图。
具体实施方式
下面结合图1对本发明中提出的基于遗传算法的核电厂失水事故安注流量需求分析方法的实现步骤进行详细说明。
第一步:选取分析对象并确定具有N组破口尺寸的破口谱范围;
第二步:针对某一破口尺寸失水事故,选取最小安注水总量作为优化目标;核安全准则作为限制条件;
第三步:失水事故过程中反应堆一回路冷却剂流失,导致堆芯冷却恶化,包壳温度上升,基于对失水事故过程中影响包壳温度演变过程的重要物理现象分析,得出安注流量的大小对包壳温度的影响很大,因此安注流量的大小取决于堆芯内包壳温度,选取包壳温度与安注流量之间的关系表,如表1所示,和安注触发条件参数作为遗传算法的优化变量;
表1包壳温度与安注流量关系表
X1-X8为关系表中遗传算法所需优化的变量;
第四步:设置遗传算法参数交叉变异概率,对优化变量进行交叉变异操作产生新的优化变量组合;
第五步:利用失水事故分析程序并行计算具有不同优化变量组合的分析对象模型,通过数据处理得到堆芯内包壳峰值温度、安注水总量和堆芯顶部空泡份额;
第六步:根据安注水总量大小确定优化变量组合的适应度高低,安注水总量越小,对应的优化变量组合适应度越高,适应度高的优化变量组合被选中作为下一代优化变量组合的概率更大,采取轮盘赌法更新出下一代优化变量组合;
每一代优化变量组合数为n,优化变量组合i的适应度为fi,则优化变量组合i被选中的概率为:
第七步:判断最优优化变量组合在遗传算法中是否连续四代未更新,未更新表示最优优化变量组合已经收敛,或者判断是否到达遗传算法设置的最高迭代次数;没有收敛或者未达到最高迭代次数,将返回第四步操作,并重复第四步到第七步操作;收敛或者达到最高迭代次数,将进行下一步操作;
第八步:最优优化变量组合收敛或者达到最高遗传算法迭代次数,选取最小安注水总量所对应的优化变量组合为当前破口尺寸失水事故下最优优化变量组合;
第九步:判断N组破口尺寸是否全都计算完成,未完成则重新选取破口尺寸重复第二步到第八步计算过程;完成破口谱计算则进行下一步操作;
第十步:从破口谱所对应的N组最优优化变量组合中,选取安注水总量最大的一组最优优化变量组合;
第十一步:第十步选出的最优优化变量组合所对应的安注流量变化曲线为该破口谱下失水事故安注流量需求曲线。
Claims (1)
1.一种基于遗传算法的核电厂失水事故安注流量需求分析方法,其特征在于,包括如下内容:
第一步:选取分析对象并确定具有N组破口尺寸的破口谱范围;
第二步:针对某一破口尺寸失水事故,选取最小安注水总量作为优化目标;核安全准则作为限制条件;
第三步:失水事故过程中反应堆一回路冷却剂流失,导致堆芯冷却恶化,包壳温度上升,基于对失水事故过程中影响包壳温度演变过程的重要物理现象分析,得出安注流量的大小对包壳温度的影响很大,因此安注流量的大小取决于堆芯内包壳温度,选取包壳温度与安注流量之间的关系表,如表1所示,和安注触发条件参数作为遗传算法的优化变量;
表1 包壳温度与安注流量关系表
X1-X8为关系表中遗传算法所需优化的变量;
第四步:设置遗传算法参数交叉变异概率,对优化变量进行交叉变异操作产生新的优化变量组合;
第五步:利用失水事故分析程序并行计算具有不同优化变量组合的分析对象模型,通过数据处理得到堆芯内包壳峰值温度、安注水总量和堆芯顶部空泡份额;
第六步:根据安注水总量大小确定优化变量组合的适应度高低,安注水总量越小,对应的优化变量组合适应度越高,适应度高的优化变量组合被选中作为下一代优化变量组合的概率更大,采取轮盘赌法更新出下一代优化变量组合;
第七步:判断最优优化变量组合在遗传算法中是否连续四代未更新,未更新表示最优优化变量组合已经收敛,或者判断是否到达遗传算法设置的最高迭代次数;没有收敛或者未达到最高迭代次数,将返回第四步操作,并重复第四步到第七步操作;收敛或者达到最高迭代次数,将进行下一步操作;
第八步:最优优化变量组合收敛或者达到最高遗传算法迭代次数,选取最小安注水总量所对应的优化变量组合为当前破口尺寸失水事故下最优优化变量组合;
第九步:判断N组破口尺寸是否全都计算完成,未完成则重新选取破口尺寸重复第二步到第八步计算过程;完成破口谱计算则进行下一步操作;
第十步:从破口谱所对应的N组最优优化变量组合中,选取安注水总量最大的一组最优优化变量组合;
第十一步:第十步选出的最优优化变量组合所对应的安注流量变化曲线为该破口谱下失水事故安注流量需求曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370177.XA CN111144752B (zh) | 2019-12-26 | 2019-12-26 | 基于遗传算法的核电厂失水事故安注流量需求分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370177.XA CN111144752B (zh) | 2019-12-26 | 2019-12-26 | 基于遗传算法的核电厂失水事故安注流量需求分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111144752A true CN111144752A (zh) | 2020-05-12 |
CN111144752B CN111144752B (zh) | 2022-04-05 |
Family
ID=70520631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911370177.XA Active CN111144752B (zh) | 2019-12-26 | 2019-12-26 | 基于遗传算法的核电厂失水事故安注流量需求分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144752B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540483A (zh) * | 2020-05-15 | 2020-08-14 | 中国核动力研究设计院 | 一种压水堆核电厂中小破口失水事故应对方法 |
CN111724924A (zh) * | 2020-05-28 | 2020-09-29 | 西安交通大学 | 一种热工水力程序与安全壳程序的耦合方法 |
CN114169098B (zh) * | 2021-12-07 | 2024-01-19 | 西安交通大学 | 基于捕食者策略和粒子群算法的先进安注箱参数优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109618A1 (en) * | 2010-11-02 | 2012-05-03 | Institute Of Nuclear Energy Research, Atomic Energy Council, Executive Yuan | Accident parameter identification method for severe accidents |
US20120185222A1 (en) * | 2010-11-23 | 2012-07-19 | Westinghouse Electric Company, Llc | Full spectrum loca evaluation model and analysis methodology |
CN107644694A (zh) * | 2017-09-20 | 2018-01-30 | 岭东核电有限公司 | 一种核电厂大破口事故分析方法 |
CN107767025A (zh) * | 2017-09-20 | 2018-03-06 | 中广核研究院有限公司 | 一种风险指引的核电厂大破口失水事故分析方法 |
CN107957980A (zh) * | 2017-11-29 | 2018-04-24 | 河海大学常州校区 | 一种出错-认知与设计间的关联效应分析方法 |
CN109887624A (zh) * | 2019-03-06 | 2019-06-14 | 中国核动力研究设计院 | 模块式小堆安全壳隔离失效时的失水事故长期冷却系统 |
-
2019
- 2019-12-26 CN CN201911370177.XA patent/CN111144752B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109618A1 (en) * | 2010-11-02 | 2012-05-03 | Institute Of Nuclear Energy Research, Atomic Energy Council, Executive Yuan | Accident parameter identification method for severe accidents |
US20120185222A1 (en) * | 2010-11-23 | 2012-07-19 | Westinghouse Electric Company, Llc | Full spectrum loca evaluation model and analysis methodology |
CN107644694A (zh) * | 2017-09-20 | 2018-01-30 | 岭东核电有限公司 | 一种核电厂大破口事故分析方法 |
CN107767025A (zh) * | 2017-09-20 | 2018-03-06 | 中广核研究院有限公司 | 一种风险指引的核电厂大破口失水事故分析方法 |
CN107957980A (zh) * | 2017-11-29 | 2018-04-24 | 河海大学常州校区 | 一种出错-认知与设计间的关联效应分析方法 |
CN109887624A (zh) * | 2019-03-06 | 2019-06-14 | 中国核动力研究设计院 | 模块式小堆安全壳隔离失效时的失水事故长期冷却系统 |
Non-Patent Citations (3)
Title |
---|
DONG YEONG KIM等: "Prediction of Leak Flow Rate Using Fuzzy Neural Networks in Severe Post-LOCA Circumstances", 《IEEE TRANSACTIONS ON NUCLEAR SCIENCE 》 * |
李仕鲜等: "基于神经网络方法的LOCA事故诊断", 《核技术》 * |
陈磊: "核动力系统多目标优化方法研究及可行性验证", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540483A (zh) * | 2020-05-15 | 2020-08-14 | 中国核动力研究设计院 | 一种压水堆核电厂中小破口失水事故应对方法 |
CN111540483B (zh) * | 2020-05-15 | 2022-02-11 | 中国核动力研究设计院 | 一种压水堆核电厂中小破口失水事故应对方法 |
CN111724924A (zh) * | 2020-05-28 | 2020-09-29 | 西安交通大学 | 一种热工水力程序与安全壳程序的耦合方法 |
CN111724924B (zh) * | 2020-05-28 | 2022-06-07 | 西安交通大学 | 一种热工水力程序与安全壳程序的耦合方法 |
CN114169098B (zh) * | 2021-12-07 | 2024-01-19 | 西安交通大学 | 基于捕食者策略和粒子群算法的先进安注箱参数优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111144752B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144752B (zh) | 基于遗传算法的核电厂失水事故安注流量需求分析方法 | |
TW201220323A (en) | Parameter identification method for severe accidents | |
CN1043032A (zh) | 压水核反应堆的控制方法和实施这种方法的反应堆 | |
CN109086506B (zh) | 一种适用于液态燃料熔盐堆的燃耗分析计算方法 | |
Prošek et al. | Long‐Term Station Blackout Accident Analyses of a PWR with RELAP5/MOD3. 3 | |
CN104573364A (zh) | 一种新的乏燃料水池及贮存格架热工水力耦合计算方法 | |
Raynaud et al. | Predictions of fuel dispersal during a LOCA | |
CN1975936A (zh) | 在反应堆堆芯运行期间改进核反应堆性能的方法 | |
Antariksawan et al. | TRIGA 2000 Research Reactor Thermal-hydraulic Analysis Using RELAP/SCDAPSIM/MOD3. 4 | |
JP5357415B2 (ja) | 原子炉が発生するエネルギー出力を調整する方法 | |
Lin et al. | The development and assessment of TRACE/PARCS model for Lungmen ABWR | |
CN110991006A (zh) | 一种基于裸露时间的压水堆大loca事故堆芯损伤评价方法 | |
Park et al. | 3-D rod ejection analysis using a conservative methodology | |
Yue et al. | Thermo-mechanical analysis of instrumentation guide tube failure during a severe accident in a nordic boiling water reactor | |
Murray et al. | Reactor Core Cooling Performance of a Passive Endothermic Reaction Cooling System During Design and Non-Design Basis Accidents | |
Jiang et al. | Strategy evaluation for cavity flooding during an esbo initiated severe accident | |
Bao et al. | Simulation of BWR Mark I Station Black-Out accident using GOTHIC: an initial demonstration | |
Chen et al. | Progress of the HTR-10 measured data utilization | |
Park et al. | Simulations of Core Damage Progression for TMI‐2 Severe Accident Using CINEMA Computer Code | |
CN116680905A (zh) | 针对反应堆严重事故不确定性与敏感性分析的方法及系统 | |
Matejovic et al. | Assessment of In-vessel corium retention for VVER-440/V213 | |
Liu et al. | Margin Assessment of AP1000 In-Vessel Retention Using RELAP5-3D | |
Boutin et al. | A new method taking into account physical phenomena related to fuel behavior during LOCA | |
Tsai et al. | The design assessment of limiting transient event by RETRAN-02 and VIPRE-01 for Lungmen ABWR | |
Mician et al. | Simplified Modeling of Natural Circulation during Station Blackout with MELCOR |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |