CN116525160A - 一种基于中子噪声分析的堆内异常部件在线定位方法 - Google Patents

一种基于中子噪声分析的堆内异常部件在线定位方法 Download PDF

Info

Publication number
CN116525160A
CN116525160A CN202310487071.8A CN202310487071A CN116525160A CN 116525160 A CN116525160 A CN 116525160A CN 202310487071 A CN202310487071 A CN 202310487071A CN 116525160 A CN116525160 A CN 116525160A
Authority
CN
China
Prior art keywords
neutron
reactor
noise
spectrum
neutron noise
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.)
Pending
Application number
CN202310487071.8A
Other languages
English (en)
Inventor
袁宝新
郑杰
王健
曾和荣
黄欢
杨万奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Nuclear Physics and Chemistry China Academy of Engineering Physics
Original Assignee
Institute of Nuclear Physics and Chemistry China Academy of Engineering Physics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Nuclear Physics and Chemistry China Academy of Engineering Physics filed Critical Institute of Nuclear Physics and Chemistry China Academy of Engineering Physics
Priority to CN202310487071.8A priority Critical patent/CN116525160A/zh
Publication of CN116525160A publication Critical patent/CN116525160A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
    • G21C—NUCLEAR REACTORS
    • G21C17/00—Monitoring; Testing ; Maintaining
    • G—PHYSICS
    • G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
    • G21C—NUCLEAR REACTORS
    • G21C17/00—Monitoring; Testing ; Maintaining
    • G21C17/10—Structural combination of fuel element, control rod, reactor core, or moderator structure with sensitive instruments, e.g. for measuring radioactivity, strain
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Discrete Mathematics (AREA)
  • Plasma & Fusion (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Operations Research (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明公开了一种基于中子噪声分析的堆内异常部件在线定位方法，该方法利用堆内已有的中子探测器的探测信号在线作分析，不需要额外增加探测器，结合事先针对反应堆内存在松动脱落和局部沸腾可能存在的高危部件计算得到的各部件对应的中子噪声理论频谱，基于堆内异常部件定位算法实时给出堆内异常部件的指向性定位，从而为反应堆的运行监测和故障诊断提供预警信息，对反应堆的安全运行和诊断系统的建设具有显著的进步意义。

Description

一种基于中子噪声分析的堆内异常部件在线定位方法
技术领域
本发明属于反应堆堆芯监测及故障诊断技术领域，具体涉及一种基于中子噪声分析的堆内异常部件在线定位方法。
背景技术
对于堆芯故障/事故，目前营运单位有燃料事故监测和一回路剂量监测两种监测手段，燃料事故监测依靠测量燃料释放的缓发中子活度及裂变气体活度来判断是否存在燃料破损，一回路剂量监测依靠测量燃料释放到一回路冷却剂中的裂变产物活度来判断是否存在燃料破损，上述两种监测手段都属于事故后监测手段，而反应堆营运单位更为关注堆内异常部件的事故前早期诊断，然而目前还未有可靠的堆内异常部件的事故前早期诊断技术。
发明内容
有鉴于此，本发明提出了一种基于中子噪声分析的堆内异常部件在线定位方法，该方法为堆内异常部件的事故前早期诊断方法，利用堆内已有的中子探测器的探测信号在线作分析，不需要额外增加探测器，结合事先针对反应堆内存在松动脱落和局部沸腾可能的高危部件计算得到的各部件对应的中子噪声理论频谱，基于堆内异常部件定位算法实时给出堆内异常部件的指向性定位，从而为反应堆的运行监测和故障诊断提供预警信息。
这里需要说明，本申请中的“高危部件”是反应堆内存在松动脱落和局部沸腾可能的所有部件的统称。
为达此目的，本发明提出以下技术方案：一种基于中子噪声分析的堆内异常部件在线定位方法，所述方法包括：
110：利用反应堆内已有的中子探测器进行探测，获取中子探测器的时序信号数据，并在线对时序信号数据作频谱分析，得到反应堆内中子探测器信号的实时中子噪声实验频谱；
120：枚举所有反应堆内存在松动脱落和局部沸腾可能的高危部件，针对单一部件建立堆芯中子噪声理论计算模型，并通过计算得到单一部件异常时对应的中子噪声理论频谱，遍历所有反应堆内存在松动脱落和局部沸腾可能的高危部件，得到每个部件异常时对应的中子噪声理论频谱；
130：枚举所有反应堆内存在松动脱落和局部沸腾可能的高危部件，针对单一部件将步骤110得到的堆内中子探测器信号的实时中子噪声实验频谱和步骤120得到的对应部件异常时的中子噪声理论频谱，代入堆内异常部件定位算法得到作差函数；遍历所有反应堆内存在松动脱落和局部沸腾可能的高危部件的作差函数并寻求极小值，极小值对应的I和J标号位置即堆内异常部件定位。
优选的，所述步骤110中，频谱分析采用离散傅里叶变换方法和快速傅里叶变换方法。
优选的，所述步骤120中，中子噪声理论频谱的计算过程如下：
1201：建立堆芯中子噪声频域动力学方程组；
1202：对中子噪声频域动力学方程组求解，分别得到离散频点对应的中子噪声；
1203：在离散频点对应的中子噪声中选择关注的频点进行扫描计算，通过多次扫描计算及插值得到中子噪声理论频谱。
优选的，所述步骤120中，中子噪声理论频谱的计算过程如下：
1201：建立堆芯中子噪声时域动力学方程组；
1202：对中子噪声时域动力学方程组求解，得到堆内中子探测器信号的理论时域响应序列；
1203：对理论时域响应序列数据进行频谱分析得到连续的中子噪声理论频谱。
优选的，所述步骤130中，堆内异常部件定位算法为：
其中，ΔA,B(I,J)为探测器A、B组合构成的作差函数，为堆内中子探测器A的探测信号实时中子噪声实验频谱，/>为堆内中子探测器B的探测信号实时中子噪声实验频谱，/>为堆内中子探测器A位置的中子噪声理论频谱，为堆内中子探测器B位置的中子噪声理论频谱，/>为同一噪声源在A和B两个不同探测器处的中子噪声实验频谱之比；/>为同一噪声源在A和B两个不同探测器处的中子噪声理论频谱之比；I和J为堆内部件的位置标号，I和J的一种组合即对应反应堆内存在松动脱落和局部沸腾可能的一个高危部件；ω为频率。
同一噪声源在A和B两个不同探测器处的中子噪声实验频谱之比与理论频谱之比的作差函数两两组合，最终合成为一个只与I和J组合有关的作差函数：
对于I和J确定的一种组合，即确定的反应堆内存在松动脱落和局部沸腾可能的一个高危部件，则该高危部件相当于一个确定的噪声源。对于该确定的噪声源，其在A和B两个不同探测器处的中子噪声实验频谱之比与理论频谱之比的作差函数，针对堆内所有探测器位置进行两两组合是一个确定的数值。上式表示，依次改变I和J的组合，遍历所有反应堆内存在松动脱落和局部沸腾可能的高危部件，即所有I和J的组合，对该作差函数寻求极小值，该极小值对应的I和J位置即堆内异常部件定位。因此，异常中子噪声源的真实位置可通过对以下函数进行求极小值得到：
本发明的有益效果是：本发明提出的基于中子噪声分析的堆内异常部件在线定位方法提供了一种反应堆内异常部件的事故前早期诊断方法，该方法利用堆内已有的中子探测器的探测信号在线作分析，不需要额外增加探测器，结合事先针对反应堆内存在松动脱落和局部沸腾可能的高危部件计算得到的各部件对应的中子噪声理论频谱，基于堆内异常部件定位算法实时给出堆内异常部件的指向性定位，从而为反应堆的运行监测和故障诊断提供预警信息，对反应堆的安全运行和诊断系统的建设具有显著的进步意义。
附图说明
图1为基于DFT方法的历史数据CPSD分析结果；
图2为按时间抽取将N点DFT分解为2个N/2点的DFT(N＝8)；
图3为N点—基2FFT的ν级迭代流程(N＝2ν)；
图4为基于FFT方法的历史数据CPSD分析结果；
图5为本发明实施例中堆芯异常部件预警与定位算法示意图；
图6为本发明实施例中IJ编号(4，4)位置的燃料组件存在异常振动中子噪声理论频谱，其中(a)为快群中子噪声频谱；(b)为热群中子噪声频谱。
具体实施方式
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
下面结合附图和具体实施例对本发明进行详细说明。
本申请提出的基于中子噪声分析的堆内异常部件在线定位技术，包括如下步骤：
第一步：利用反应堆内已有的中子探测器进行探测，获取中子探测器的时序信号数据，并在线作频谱分析，得到堆内中子探测器信号的实时中子噪声实验频谱；
作为实施例，本步骤中，频谱分析采用离散傅里叶变换方法和快速傅里叶变换方法。其中
(1)基于离散傅里叶变换(DFT)的频谱分析方法：
离散傅立叶变换是傅立叶变换在时域和频域上都呈现离散的形式，将时域信号的采样变换为在离散时间上傅立叶变换频域的采样。在形式上，变换两端即时域和频域上的序列是有限长的，而实际上这两组序列都应被认为是离散周期信号的主值序列，即使对有限长的离散信号作DFT，也应将其经过周期延拓成为周期信号再作变换。
DFT定义为：
式中，x(n)为长度为N的离散时间信号，n为离散时间信号的下标，n取值范围为0到N-1；N为离散时间信号的长度，即该离散时间信号一共有N个数据点；X(k)为离散时间信号x(n)的离散傅立叶变换，k是离散傅里叶变换的下标，k取值范围为0到N-1。
离散傅立叶变换可将时域中的信号x(n)变换成频域中的信号X(k)。基于以上DFT方法，取一个探测器通道的中子噪声信号进行DFT方法的频谱分析，得到的该通道中子噪声频谱如图1所示。
(2)基于快速傅里叶变换(FFT)的频谱分析方法：
有限长序列可通过DFT将其频域离散化成有限长序列，但其计算量太大，很难实时地处理问题，因此引出了快速算法傅立叶变换(FFT)。FFT是DFT的快速算法，是根据DFT的奇、偶、虚、实等特性，对DFT算法进行改进获得的。
FFT算法分为按时间抽取FFT和按频率抽取FFT两大类，输入也有实数和复数之分。图2是按时间抽取FFT分解图，每个蝶形运算对应于一次复数乘法和两次复数加法运算，可看出经过一次分解后，计算一个N点DFT共需计算两个N/2点DFT和N/2个蝶形运算。而计算一个N/2点DFT共需要计算两个(N/2)2复数乘和N/2(N/2-1)次复数加法。所以，按图3计算N点DFT总共需要2(N/2)2+N/2＝N(N+1)/2≈N2/2(N>>1时)次复数乘法和N(N/2-1)+2N/2＝N2/2次复数加法运算。而直接按DFT定义计算x(k)值，对于某个k，需要N次复数乘法、(N-1)次复数加法。对所有N个k值，共需N2次复数乘法及N(N-1)次复数加法运算。当N>>1时，N(N-1)≈N2。由此可见，仅仅经过时间抽取法的一次分解，就使运算量减少一半。
如图3所示，既然分解对减少DFT的运算量是有效的，且N＝2M，即点数N取的是2的M次幂，M为正整数，N/2仍然是偶数，故可对N/2点DFT再作进一步分解。经过第二次分解，又将N/2点DFT分解为两个N/4点DFT和N/4个蝶形运算。依次类推，经过多次分解，最后将N点DFT分解成N/2个2点DFT。基于以上FFT方法，取一个探测器通道的中子噪声信号进行FFT方法的频谱分析，得到的该通道中子噪声频谱如图4所示。
第二步：枚举所有反应堆内存在松动脱落和局部沸腾可能的高危部件，针对单一部件建立堆芯中子噪声理论计算模型，执行理论计算，得到该部件异常时对应的中子噪声理论频谱，遍历所有反应堆内存在松动脱落和局部沸腾可能的高危部件，得到各部件对应的中子噪声理论频谱；
中子噪声理论频谱的具体方法为：针对中子噪声动力学问题，建立中子噪声频域动力学方程组或中子噪声时域动力学方程组，对中子噪声频域动力学方程组求解将得到离散频点对应的中子噪声，以下以频域计算为例进行说明：
建立两群中子噪声模型：
式中，D1、D2为快群和热群的扩散系数，δφ1、δφ2为快群和热群中子噪声，∑t,1为快群总截面，∑1-2为快群散射截面，∑a2为热群吸收截面，i为虚数单位，ω为频率，v1、v2为快群和热群的中子速度，βeff为缓发中子份额，λ为缓发中子先驱核衰变常数，keff为有效增殖系数，(v∑f)1、(v∑f)2为快群和热群的裂变截面，δ∑t,1、δ(v∑f)1、δ(v∑f)2、δ∑a2、δ∑1-2为对应截面的扰动量，为快群和热群的中子通量。
基于上述两群中子噪声模型，针对单一部件故障，确定上述两群中子噪声模型的右端扰动截面，确定一个具体频点执行理论计算，即可得到该部件异常时在该频点的对应的中子噪声，不断改变关心的频点的频率值，扫描计算，最终即可得到该部件异常时对应的中子噪声理论频谱。
对中子噪声时域动力学方程组求解，将得到堆内中子探测器信号的理论时域响应序列，对该时序数据进行频谱分析即可得到连续的中子噪声理论频谱。
第三步：枚举所有反应堆内存在松动脱落和局部沸腾可能的高危部件，针对单一部件，将步骤一得到的堆内中子探测器信号的实时中子噪声实验频谱和步骤二得到的该部件异常时对应的中子噪声理论频谱，代入堆内异常部件定位算法得到作差函数，遍历所有反应堆内存在松动脱落和局部沸腾可能的高危部件并对作差函数寻求极小值，最终将极小值对应的I和J标号位置提供给堆操纵员综合评判。
堆内异常部件定位算法为：
其中，ΔA,B(I,J)为探测器A、B组合构成的作差函数，为堆内中子探测器A的探测信号实时中子噪声实验频谱，/>为堆内中子探测器B的探测信号实时中子噪声实验频谱，/>为堆内中子探测器A位置的中子噪声理论频谱，为堆内中子探测器B位置的中子噪声理论频谱，/>为同一噪声源在A和B两个不同探测器处的中子噪声实验频谱之比；/>为同一噪声源在A和B两个不同探测器处的中子噪声理论频谱之比；I和J为堆内部件的位置标号，I和J的一种组合即对应反应堆内存在松动脱落和局部沸腾可能的一个高危部件；ω为频率。
同一噪声源在A和B两个不同探测器处的响应函数之比可以写成：
构建一个作差函数，写成：
该作差函数中可视为同一噪声源在A和B两个不同探测器处的中子噪声实验频谱之比，/>可视为同一噪声源在A和B两个不同探测器处的中子噪声理论频谱之比。根据堆内探测器的不同组合，同一噪声源在A和B两个不同探测器处的中子噪声实验频谱之比与理论频谱之比的作差函数两两组合，最终合成为一个只与I和J组合有关的作差函数：
对于I和J确定的一种组合，即确定的反应堆内存在松动脱落和局部沸腾可能的一个高危部件，则该高危部件相当于一个确定的噪声源。对于该确定的噪声源，其在A和B两个不同探测器处的中子噪声实验频谱之比与理论频谱之比的作差函数，针对堆内所有探测器位置进行两两组合是一个确定的数值。上式表示，依次改变I和J的组合，遍历所有反应堆内存在松动脱落和局部沸腾可能的高危部件，即所有I和J的组合，对该作差函数寻求极小值，该极小值对应的I和J位置即堆内异常部件定位。因此，异常中子噪声源的真实位置可通过对以下函数进行求极小值得到：
实施例1
本实施例对给定的堆芯几何及截面进行中子噪声频谱计算
采用上述方法，对给定的堆芯几何及截面进行中子噪声频谱计算。图5给出了一个典型堆芯的几何布局，该堆芯IJ编号(4，4)位置的带控制棒的燃料组件存在异常振动，基于本发明步骤二的方法对该异常振动进行建模，计算得到该工况对应的两群中子噪声频谱，如图6所示。基于本发明步骤三的方法，根据步骤一得到的堆内中子探测器信号的实时中子噪声实验频谱和步骤二得到的该部件异常时对应的中子噪声理论频谱，代入堆内异常部件定位算法得到作差函数，遍历所有反应堆内存在松动脱落和局部沸腾可能的高危部件并对作差函数寻求极小值，如图5所示，最终极小值对应的I和J标号位置即故障定位。实际应用结果表明，本发明通过构造一种基于中子噪声分析的堆内异常部件在线定位技术，从而实现利用堆内已有的中子探测器的探测信号在线作分析，不需要额外增加探测器，结合事先针对反应堆内存在松动脱落和局部沸腾可能的高危部件计算得到的各部件对应的中子噪声理论频谱，基于堆内异常部件定位算法实时给出堆内异常部件的指向性定位，从而为反应堆的运行监测和故障诊断提供预警信息，对反应堆的安全运行和诊断系统的建设具有显著的进步意义。

Claims (5)

1.一种基于中子噪声分析的堆内异常部件在线定位方法，其特征在于，所述方法包括：
110：利用反应堆内已有的中子探测器进行探测，获取中子探测器的时序信号数据，并在线对时序信号数据作频谱分析，得到反应堆内中子探测器信号的实时中子噪声实验频谱；
120：枚举所有反应堆内高危部件，针对单一部件建立堆芯中子噪声理论计算模型，并通过计算得到单一部件异常时对应的中子噪声理论频谱，遍历所有高危部件，得到每个部件异常时对应的中子噪声理论频谱；
130：枚举所有反应堆内的高危部件，针对单一部件将步骤110得到的堆内中子探测器信号的实时中子噪声实验频谱和步骤120得到的对应部件异常时的中子噪声理论频谱，代入堆内异常部件定位算法得到作差函数；遍历所有反应堆内高危部件，并对作差函数寻求极小值，极小值对应的位置为堆内异常部件的定位。
2.根据权利要求1所述的基于中子噪声分析的堆内异常部件在线定位方法，其特征在于，所述步骤110中，频谱分析采用离散傅里叶变换方法和快速傅里叶变换方法。
3.根据权利要求1所述的基于中子噪声分析的堆内异常部件在线定位方法，其特征在于，所述步骤120中，中子噪声理论频谱的计算过程如下：
1201：建立堆芯中子噪声频域动力学方程组；
1202：对中子噪声频域动力学方程组求解，分别得到离散频点对应的中子噪声；
1203：在离散频点对应的中子噪声中选择关注的频点进行扫描计算，通过多次扫描计算及插值得到中子噪声理论频谱。
4.根据权利要求1所述的基于中子噪声分析的堆内异常部件在线定位方法，其特征在于，所述步骤120中，中子噪声理论频谱的计算过程如下：
1201：建立堆芯中子噪声时域动力学方程组；
1202：对中子噪声时域动力学方程组求解，得到堆内中子探测器信号的理论时域响应序列；1203：对理论时域响应序列数据进行频谱分析得到连续的中子噪声理论频谱。
5.根据权利要求1所述的基于中子噪声分析的堆内异常部件在线定位方法，其特征在于，所述步骤130中，堆内异常部件定位算法为：
其中，ΔA,B(I,J)为探测器A、B组合构成的作差函数，为堆内中子探测器A的探测信号实时中子噪声实验频谱，/>为堆内中子探测器B的探测信号实时中子噪声实验频谱，/>为堆内中子探测器A位置的中子噪声理论频谱，为堆内中子探测器B位置的中子噪声理论频谱，/>为同一噪声源在A和B两个不同探测器处的中子噪声实验频谱之比；/>为同一噪声源在A和B两个不同探测器处的中子噪声理论频谱之比；I和J为堆内部件的位置标号，I和J的一种组合对应反应堆内的一个高危部件；ω为频率；
同一噪声源在A和B两个不同探测器处的中子噪声实验频谱之比与理论频谱之比的作差函数两两组合，合成一个只与I和J组合有关的作差函数：
通过对作差函数求极小值得到异常中子噪声源的定位：
CN202310487071.8A 2023-05-04 2023-05-04 一种基于中子噪声分析的堆内异常部件在线定位方法 Pending CN116525160A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310487071.8A CN116525160A (zh) 2023-05-04 2023-05-04 一种基于中子噪声分析的堆内异常部件在线定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310487071.8A CN116525160A (zh) 2023-05-04 2023-05-04 一种基于中子噪声分析的堆内异常部件在线定位方法

Publications (1)

Publication Number Publication Date
CN116525160A true CN116525160A (zh) 2023-08-01

Family

ID=87389877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310487071.8A Pending CN116525160A (zh) 2023-05-04 2023-05-04 一种基于中子噪声分析的堆内异常部件在线定位方法

Country Status (1)

Country Link
CN (1) CN116525160A (zh)

Similar Documents

Publication Publication Date Title
JP2007240464A (ja) 沸騰水型原子炉炉心状態監視装置
CN106297920A (zh) 一种无空间效应的次临界度逆动态测量方法
Yao et al. Improved discrete Fourier transform algorithm for harmonic analysis of rotor system
CN113111566A (zh) 一种显式的不可分辨共振区连续能量截面构造方法
Xiong et al. An overlapping peak separation algorithm based on multiorder differential method and genetic algorithm for magnetic eddy current signal of a defect cluster
CN111898066B (zh) 一种基于本征正交分解的堆芯氙浓度分布预测方法
Wheeler et al. Signatures of plutonium diversion in Molten Salt Reactor dynamics
CN116525160A (zh) 一种基于中子噪声分析的堆内异常部件在线定位方法
Zhang et al. Vibration sensor based intelligent fault diagnosis system for large machine unit in petrochemical industries
Hu et al. A novel rolling bearing fault diagnosis method based on parameter optimization variational mode decomposition with feature weighted reconstruction and multi-target attention convolutional neural networks under small samples
Zhao et al. Fault diagnosis method for wind turbine rolling bearings based on Hankel tensor decomposition
Simmons et al. In-flight isolation of degraded engine components by shape comparison of transient outputs
CN111913461B (zh) 一种基于正则化gcca模型的分布式化工过程监测方法
Yang et al. A Tutorial on Hardware-Implemented Fault Injection and Online Fault Diagnosis for High-Speed Trains
CN109390957B (zh) 一种风电功率波动诱发系统强迫振荡的检测方法
CN110991395A (zh) 海工结构实测信号最大能量迭代提取方法
Kyriazis et al. Enhanced fault localization using probabilistic fusion with gas path analysis algorithms
Gonzalez-Amoros et al. Extension of the high-resolution thermal-hydraulics code ESCOT to hexagonal core geometries for multi-physics calculations
Cao et al. Inter-comparison of wave skewness and asymmetry estimation using wavelet, Fourier and statistical methods
An et al. Monte Carlo Source Convergence Diagnosis Method and Thermal-Physics Coupling Method Based on Functional Expansion Tallies
Yuan et al. Numerical Simulation of Reactor Neutron Noise Based on Discrete Ordinate Finite Element Method
Qian et al. New advances in instrument detection and control
Zahran Third order TVD scheme for hyperbolic conservation laws
Catton et al. Application of fractional scaling analysis to loss of coolant accidents: Component level scaling for peak clad temperature
Dong et al. Prediction model of transformer top oil temperature based on data quality enhancement

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