ES2249119A1 - Procedimiento para establecer un modelo de carga de conjuntos combustibles en el nucleo de un reactor nuclear. - Google Patents
Procedimiento para establecer un modelo de carga de conjuntos combustibles en el nucleo de un reactor nuclear.Info
- Publication number
- ES2249119A1 ES2249119A1 ES200400283A ES200400283A ES2249119A1 ES 2249119 A1 ES2249119 A1 ES 2249119A1 ES 200400283 A ES200400283 A ES 200400283A ES 200400283 A ES200400283 A ES 200400283A ES 2249119 A1 ES2249119 A1 ES 2249119A1
- Authority
- ES
- Spain
- Prior art keywords
- load
- models
- fuel assemblies
- fuel
- model
- 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
- 239000000446 fuel Substances 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000000712 assembly Effects 0.000 claims abstract description 80
- 238000000429 assembly Methods 0.000 claims abstract description 80
- 230000009257 reactivity Effects 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 11
- 230000035945 sensitivity Effects 0.000 claims abstract description 6
- 239000006096 absorbing agent Substances 0.000 claims abstract 3
- 229910052796 boron Inorganic materials 0.000 claims description 15
- 230000002745 absorbent Effects 0.000 claims description 10
- 239000002250 absorbent Substances 0.000 claims description 10
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 8
- 239000000203 mixture Substances 0.000 description 14
- 238000009826 distribution Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000005457 optimization Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000005304 joining Methods 0.000 description 4
- 238000012732 spatial analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008672 reprogramming Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K1/00—Housing animals; Equipment therefor
- A01K1/02—Pigsties; Dog-kennels; Rabbit-hutches or the like
- A01K1/03—Housing for domestic or laboratory animals
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C5/00—Moderator or core structure; Selection of materials for use as moderator
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K1/00—Housing animals; Equipment therefor
- A01K1/01—Removal of dung or urine, e.g. from stables
- A01K1/0107—Cat trays; Dog urinals; Toilets for pets
- A01K1/0125—Foldable or collapsible litter boxes
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C19/00—Arrangements for treating, for handling, or for facilitating the handling of, fuel or other materials which are used within the reactor, e.g. within its pressure vessel
- G21C19/20—Arrangements for introducing objects into the pressure vessel; Arrangements for handling objects within the pressure vessel; Arrangements for removing objects from the pressure vessel
- G21C19/205—Interchanging of fuel elements in the core, i.e. fuel shuffling
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C5/00—Moderator or core structure; Selection of materials for use as moderator
- G21C5/02—Details
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21C—NUCLEAR REACTORS
- G21C7/00—Control of nuclear reaction
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21D—NUCLEAR POWER PLANT
- G21D3/00—Control of nuclear power plant
- G21D3/001—Computer implemented control
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21D—NUCLEAR POWER PLANT
- G21D3/00—Control of nuclear power plant
- G21D3/001—Computer implemented control
- G21D3/002—Core design; core simulations; core optimisation
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Plasma & Fusion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Zoology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Clinical Laboratory Science (AREA)
- General Health & Medical Sciences (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
Procedimiento para establecer un modelo de carga de conjuntos combustibles en el núcleo de un reactor nuclear. Todos los posibles modelos de carga para el núcleo de un reactor nuclear se buscan y optimizan para cumplir las restricciones de diseño. El inventario de combustible se divide en unos pocos lotes de acuerdo con los niveles groseros de reactividad. Un procedimiento de enumeración recursivo identifica modelos que cumplen las restricciones de posición en el núcleo seleccionadas, que pueden ser modificadas por el usuario para ajustar el tamaño del espacio de búsqueda. Para los modelos de carga de lotes satisfacen las restricciones, los lotes se dividen en varios lotes más pequeños. Una matriz de sensibilidad que lineariza la relación entre la posición del conjunto combustible y el modelo de agotamiento se procesa por medio de una programación lineal entera mixta con ramificación y unión para identificar un modelo de carga hijo óptimo. El procedimiento se repite pasando por varios niveles de refinamiento de lotes y seleccionando los modelos hijos óptimos, que incluyen un nivel en el que los absorbentes combustibles se asignan a los conjuntos de alimentación, hasta que se alcanza el nivel de conjunto combustible individual. Los múltiples modelos óptimos restantes proporcionan una gama de soluciones.
Description
Procedimiento para establecer un modelo de carga
de conjuntos combustibles en el núcleo de un reactor nuclear.
Esta invención está dirigida a un procedimiento
exhaustivo y determinístico para la búsqueda y optimización de
modelos de carga que satisfagan las restricciones señaladas de un
inventario dado de conjuntos combustible en el núcleo de un reactor
nuclear.
El núcleo de un reactor nuclear está formado por
grupos de conjuntos combustibles alargados y rectangulares
dispuestos en una vasija cilíndrica. Es normal combinar conjuntos
combustibles de ciclos del combustible anteriores con combustible
nuevo. Por ello, un inventario típico de conjuntos combustibles
puede estar constituido por aproximadamente un tercio de
combustible nuevo, o conjuntos combustibles de alimentación,
aproximadamente un tercio de conjuntos combustibles quemados una vez
y aproximadamente un tercio de conjuntos combustibles quemados dos
veces. Aunque los conjuntos combustibles de estas categorías
generales pueden tener características globales similares, incluso
entre conjuntos combustibles con una historia común puede haber
diferencias que se deben tener en cuenta. Para complicar el problema
aún más, se ponen varios dispositivos diferentes de absorbentes
combustibles en los conjuntos combustibles de alimentación para
moderar su reactividad.
La disposición de los conjuntos combustibles en
un modelo de carga debe cumplir ciertos requisitos de ingeniería,
uno de los más importantes de los cuales es la distribución de la
potencia, incluidos los límites de los picos de potencia dentro del
núcleo. Otra consideración importante es la maximización del ciclo
del combustible o el tiempo necesario entre reabastecimientos.
Históricamente, se han empleado una de dos
técnicas para establecer un modelo o pauta de carga de conjuntos
combustibles adecuado para el núcleo de un reactor. En una técnica
se usa una secuencia aleatoria de mezclas de los conjuntos
combustibles para encontrar un modelo de carga que cumpla los
requisitos de ingeniería especificados. En la otra técnica
histórica, se usan normas técnicas para establecer un modelo de
carga adecuado. Ninguna de estas técnicas asegura el establecimiento
de un modelo de carga óptimo.
En un artículo titulado "Programación Entera
Mixta para la Optimización de Modelos de Carga de un Reactor de Agua
Presurizada" de Taek Kyum Kim y Chang Hyo Kim, publicado en
Nuclear Science and Engineering: 127, 346 - 357 (1997), se sugiere
un planteamiento más analítico. Esta técnica comienza asumiendo un
modelo de carga de referencia inicial arbitrario de los conjuntos
combustibles individuales. El número de modelos de carga posibles
que se podrían generar mezclando todos estos conjuntos combustibles
individuales es enorme. Por lo tanto, no es práctico evaluar
individualmente cada modelo de carga de manera discreta. Con el fin
de reducir el procesado necesario, el problema se expresa como una
función continua que seguidamente se puede diferenciar para obtener
una solución óptima. Esto se logra linearizando la relación entre la
distribución física de los conjuntos combustibles y los requisitos
de ingeniería pertinentes usando una técnica de perturbación
generalizada. Seguidamente se aplica una programación lineal entera
mixta que incorpora la ramificación y unión que se implementará
posteriormente para determinar el modelo de carga óptimo. Dado que
la linearización con conjuntos combustibles individuales puede
introducir errores significativos, no hay seguridad de que el modelo
de carga "óptimo" identificado sea en efecto óptimo. En
consecuencia, se repite el procedimiento usando la solución generada
por la integración anterior. No hay garantía de que las soluciones
siguientes vayan a converger o incluso de que se vaya a encontrar un
modelo de carga mejor. El procedimiento es también muy dependiente
del modelo de carga inicial usado.
En el artículo titulado "Programación de la
Permutación Entera en un Código de Optimización de Modelos de Carga
SUPERLPOS Usado en SNERDI" presentado por Shengyic Si, uno de
los inventores presentes, en la conferencia PHYSOR 2002 en Seul,
Corea del 7 al 10 de octubre de 2002, se describa otro procedimiento
para establecer modelos de carga de conjuntos combustibles. Esta
técnica comporta un procedimiento con dos partes. Primero, los
conjuntos combustibles de una carga se agrupan en lotes sobre la
base del enriquecimiento inicial y del historial de agotamiento. Por
ejemplo, todos los conjuntos combustibles de alimentación se
consideran un lote, los conjuntos combustibles quemados una vez
forman un segundo lote, y los conjuntos combustibles quemados dos
veces completan el tercer lote. Inicialmente, se considera que todos
los conjuntos combustibles de cada lote son idénticos. Un programa
de enumeración genera secuencialmente modelos de carga por lotes,
uno por uno, mezclando los lotes de conjuntos combustibles. En cada
modelo de carga por lotes enumerado se utilizan las reactividades de
los conjuntos combustibles individuales en la linearización del
efecto de la posición del conjunto combustible en cuanto a los
requisitos de ingeniería especificados. Se aplica de nuevo la
programación lineal entera mixta incorporando la ramificación y
unión para determinar un modelo de carga óptimo de los conjuntos
combustibles individuales para el modelo del lote seleccionado. La
segunda parte de la técnica es similar a la técnica descrita
anteriormente, excepto que la linearización que usa la misma técnica
de perturbación generalizada tiene errores menores debido a las
menores perturbaciones necesarias con la mezcla de los conjuntos
combustibles individuales dentro de un lote. De acuerdo con esta
técnica, se enumeran en serie los diferentes modelos de carga por
lotes y se procesan para encontrar el modelo de carga hijo óptimo de
cada modelo de carga por lotes. Seguidamente se selecciona
manualmente un modelo de carga final entre todos los modelos de
carga hijos óptimos que el usuario quiera generar.
Si bien esta última técnica representa una
mejora, todavía tiene limitaciones. Primero, no determina la
magnitud del problema, porque los modelos de carga por lotes se
enumeran y se procesan en serie. Asimismo, pasando directamente de
los agrupamientos por lotes a los conjuntos combustibles
individuales en una sola etapa, se puede perder tiempo procesando
modelos sin utilidad, en los que ninguno de cuyos modelos de carga
hijos cumpla con los requisitos de ingeniería especificados.
Segundo, pasando a los conjuntos combustibles individuales en una
sola etapa, aún cuando las diferencias entre los conjuntos
combustibles del mismo lote no sean demasiado grandes, todavía se
producen errores apreciables en la linearización.
Por consiguiente, existe campo para un
procedimiento mejorado para el establecimiento de modelos de carga
para núcleos de reactores nucleares.
La presente invención está dirigida a un
procedimiento para la búsqueda de modelos de carga de combustible en
un núcleo nuclear. El procedimiento realiza una búsqueda exhaustiva
y determinística de todos los modelos que satisfacen los requisitos
de ingeniería especificados.
Primero, se enumeran todos los modelos de carga
posibles de un inventario de conjuntos combustibles agrupados por
lotes con niveles groseros de reactividad similares, teniendo en
cuenta las restricciones de posición de carga de núcleo
seleccionada. Esto aporta una indicación de la magnitud del
problema. Si el número de modelos de carga posibles es demasiado
grande, se puede reducir este número por ajustes sucesivos de las
restricciones de posición de carga del núcleo seleccionado hasta que
el problema se reduzca hasta una magnitud tratable. Los modelos de
carga padres resultantes se analizan seguidamente para determinar su
conformidad con ciertos requisitos de ingeniería, tales como la
distribución de la potencia pico.
Segundo, se procesa otra vez los modelos de carga
padres que satisfacen los requisitos de ingeniería especificados
refinando los lotes originales asignados por niveles de reactividad
aproximados para tener lotes más pequeños de acuerdo con niveles de
reactividad más precisos. Si alguno de los modelos hijos resultantes
cumple los requisitos de ingeniería especificados, se selecciona un
modelo hijo óptimo usando el bien establecido procedimiento de
programación lineal integral mixto con ramificación y unión, en el
que se usa una técnica de perturbación directa más precisa en vez de
la técnica de perturbación generalizada. A continuación se
sustituyen los modelos padres por los modelos hijos óptimos y se
repite el procedimiento para generar modelos aún más precisos de
conjuntos combustibles por lotes. Este esquema en cascada de
refinamiento de lotes y de programación lineal entera mixta con
ramificación y unión se repite hasta que los lotes comprendan
conjuntos combustibles individuales. Antes de que se reduzcan los
tamaños de los lotes a conjuntos combustibles unitarios, se asignan
dispositivos absorbentes de boro a los conjuntos combustibles de
alimentación con los conjuntos.
Puede haber típicamente múltiples modelos de
carga de combustible óptimos en el nivel de conjunto combustible
individual que satisfagan así los requisitos de ingeniería
especificados. A continuación la selección del modelo que se va a
usar se puede basar en los criterios establecidos por el cliente,
por ejemplo, el modelo óptimo que produce el ciclo de combustible
más largo. Esta etapa final se puede realizar manualmente o
implementar automáticamente.
Más particularmente, la invención está dirigida a
un procedimiento para el establecimiento de un modelo de carga del
núcleo de un reactor nuclear para cargar conjuntos combustibles en
un reactor nuclear que comprende las etapas de: a) determinación de
la reactividad de cada uno de los conjuntos combustibles, b)
división de los conjuntos combustibles en lotes múltiples de
conjuntos combustibles con niveles groseros de reactividad
similares, c) generación de una pluralidad de modelos de carga
padres utilizando las restricciones de posición de la carga del
núcleo seleccionada considerando que todos los conjuntos
combustibles de cada lote tienen aproximadamente el mismo nivel de
reactividad, d) selección entre la pluralidad de modelos de carga
padres seleccionados modelos de cargas por lotes, e) división de los
lotes múltiples de conjuntos combustibles en varios lotes refinados
de conjuntos combustibles de acuerdo con niveles de reactividad más
finos, f) para cada modelo de carga padre seleccionado, determinar
si alguno de los modelos de carga hijo de los lotes refinados de
conjuntos combustibles que cumple las restricciones de posición de
carga en el núcleo especificadas, satisface los requisitos de
ingeniería especificados, y si es así, seleccionar un modelo de
carga hijo óptimo que cumpla óptimamente los requisitos de
ingeniería especificados, g) eliminación de todos los modelos de
carga seleccionados en los que ninguno de los modelos de carga hijos
cumple los requisitos de ingeniería especificados, h) para cada
modelo de carga padre con un modelo de carga hijo óptimo, actualizar
el modelo de carga padre con el modelo de carga hijo óptimo, i)
repetición de las etapas e - h con niveles de reactividad aún más
finos hasta que cada lote de conjuntos combustibles comprenda un
solo conjunto combustible, y j) selección entre los modelos de carga
restantes un modelo de carga final.
Se puede obtener pleno conocimiento de la
invención con la siguiente descripción de las realizaciones
preferidas leyéndolas en conjunción con los dibujos adjuntos, en los
que:
La figura 1 es un gráfico de barras que ilustra
la distribución de la potencia pico para los modelos de carga
enumerados de acuerdo con un aspecto de la invención con un conjunto
de restricciones dado.
La figura 2 es un gráfico de barras similar al de
la figura 1 generado con restricciones refinadas.
La figura 3 es una vista de una sección
transversal esquemática de un cuarto del núcleo de un reactor
nuclear que ilustra la asignación de los conjuntos combustibles en
base a niveles groseros de reactividad de acuerdo con la
invención.
La figura 4 es una vista de una sección
transversal esquemática similar a la de la figura 3 que ilustra la
división de los lotes iniciales en lotes más pequeños y que muestra
la asignación de absorbentes combustibles a los conjuntos de
alimentación.
La figura 5 ilustra las etapas generales del
procedimiento de la invención para establecer modelos de carga de
los conjuntos combustibles del núcleo en un reactor nuclear.
Las figuras 6A, 6B y 6C ilustran un diagrama de
flujos del software que implementa la invención.
En general, un procedimiento de búsqueda para
generar un modelo de carga (LP) para el núcleo de un reactor nuclear
contiene tres etapas básicas: (1) generación de modelos mezclando
los conjuntos, (2) realización del cálculo del flujo espacial y de
la distribución de potencia, y (3) evaluación de una función
objetiva y clasificación jerárquica de los modelos para su
aceptación o rechazo. Aunque la parte más lenta de la búsqueda de
los LP es el cálculo espacial, la mezcla es realmente la parte más
importante, ya que controla el dominio de la búsqueda y, por ello,
la efectividad del procedimiento de búsqueda. La parte relativamente
más sencilla es la evaluación y clasificación jerárquica que ni
implica complejidad teórica ni requiere mucho tiempo de computación.
Sin embargo, hasta ahora la mayor parte de los procedimientos de
búsqueda de LP descritos en la literatura se centran en los
procedimientos de análisis espacial y de evaluación de una función
objetiva, sin aportar una "teoría" o "metodología" para la
propia mezcla. Por ejemplo, tanto el recocido como los algoritmos
genéticos simulados tratan de la evaluación de funciones objetivas
en la toma de decisiones. El procedimiento basado en la teoría de la
perturbación generalizada trata de cómo realizar el análisis
espacial. En ausencia de un procedimiento sistemático para generar y
preevaluar los LP, la mezcla solo se puede muestrear heurística y
estocásticamente. Cuando se evalúa una muestra mediante un código de
búsqueda de LP que sea perjudicial, ya es demasiado tarde, dado que
se ha desperdiciado el tiempo de computación en el análisis espacial
del LP resultante de la mezcla. Además, los procedimientos de
búsqueda de LP basados en una mezcla heurística y estocástica no
proporcionan una percepción de lo buena que es realmente la solución
de búsqueda, ni en qué medida se ha resuelto el problema, ya que no
se puede "visualizar" el dominio explorado. No existe
información sobre dónde está el dominio, de lo grande que es, cuánto
se ha explorado en relación con el espacio de la solución total, si
se han visitado las mismas soluciones repetidamente o si la búsqueda
está retenida en un mínimo local. Consecuentemente, las soluciones
obtenidas por procedimientos de búsqueda de LP estocásticos no son
reproducibles y no se pueden adoptar objetivamente como puntos de
referencia.
Los diseñadores de núcleos saben que la decisión
más importante en una búsqueda de LP es la determinación de donde
situar los conjuntos de alimentación y donde situar los conjuntos
muy quemados. Este tipo de modelo de carga por "lotes" (BLP)
determina groseramente las características principales de un LP. En
diseños prácticos, los ingenieros trabajan con estos BLP groseros
para su refinamiento. La dificultad está en que un diseñador no sabe
cuantos BLP de estos existen y es una tarea laboriosa hacer un
seguimiento y refinar un BLP manualmente. Hay demasiados BLP
posibles y cada uno de ellos puede dar lugar a un número muy grande
de recorridos de refinamiento. Consecuentemente, un diseñador solo
puede investigar manualmente un número muy limitado de BLP y de los
LP derivados.
Hemos desarrollado un nuevo procedimiento de
búsqueda de modelos de carga (LP), Enumeración de Modelos de
Ramificación y Unión de Lotes bajo Restricciones (B3PEC). El B3PEC
es un procedimiento de búsqueda determinístico en vez de
estocástico, que usa la técnica de enumeración restringida y la
técnica de programación lineal entera mixta de Ramificación y Unión
(B y B) para realizar búsquedas de gran amplitud.
El procedimiento de búsqueda B3PEC comienza con
modelos de carga por lotes. Un lote se define como una reunión de
conjuntos "idénticos". Inicialmente los modelos contienen lotes
groseros, de manera tal que todos los BLP admisibles que satisfacen
las restricciones de los lotes de carga especificadas por el usuario
se enumeran exhaustivamente. A medida que progresa la búsqueda, los
lotes groseros se ramifican en lotes más finos. Después de uno o dos
niveles de ramificación, se pueden aplicar otras ramificaciones
directamente a los distintos conjuntos individuales facilitando LP
reales. El procedimiento de ramificación se lleva a cabo con un
procedimiento de programación lineal integral mixta de B y B con
restricciones adicionales de diseño acomodadas.
Primero se exploran y se evalúan la magnitud del
problema y el dominio de búsqueda con el algoritmo de enumeración,
Enumeración de Modelos de Lotes con Restricciones (BPEC). Este
algoritmo emplea solo operaciones lógicas y de enteros y puede
generar eficientemente cada uno y todos los BLP admisibles con una
variedad de restricciones de posición flexibles. Se pueden definir
regiones prohibidas de posiciones del núcleo por cada lote en el que
no esté permitida la carga. Se puede definir cualquier número de
dominios forzosos por cada lote, en el que se tenga que cargar un
número mínimo y/o máximo de conjuntos. En regiones definidas se
pueden imponer restricciones para prohibir o hacer obligatorios
varios tipos de agrupaciones entre conjuntos de un lote o lotes
especificados. Las regiones y dominios anteriores son arbitrarios y
se pueden superponer, y cada uno puede estar conformado de manera
desconectada topológicamente. Usando el BPEC, un usuario puede
predeterminar, antes de iniciar cualquier cálculo espacial, la
magnitud del problema que hay que resolver y el tipo de
restricciones de carga. Un usuario puede aplicar el BPEC
repetidamente hasta que queda satisfecho con la estrategia elegida
sobre las restricciones de carga y la magnitud del problema
asociado.
Cuando los conjuntos "idénticos" de un lote
se dividen en distintos lotes más finos, la mezcla de los distintos
conjuntos dentro del lote original para generar los modelos hijos
es un problema de permutación de enteros, lo que conduce a un número
enormemente grande de modelos hijos. Sin embargo, si este problema
de permutación de enteros discretos se convierte primero un problema
de variable real continua imaginando que los distintos conjuntos se
pueden separar y reunir arbitrariamente y como una mezcla, en este
caso, el problema de una variable continua se puede resolver
fácilmente con herramientas matemáticas poderosas. (Por ejemplo,
diferenciando una función de una variable continua, el mínimo se
encuentra directamente. Mientras que en el caso de la variable
discreta, hay que evaluar repetidamente la función en todos los
puntos discretos hasta obtener su mínimo.) La mejor solución
continua siempre "une" (es al menos tan buena) la mejor
solución integral discreta posible. Si la mejor solución continua no
es aceptable, en ese caso no tiene sentido analizar y rastrear todas
las permutaciones discretas de este BLP. Por lo tanto, esta
"rama" del BLP completa se puede podar. Solo los BLP que
sobreviven serán rastreados posteriormente. Este proceso de
refinamiento de los BLP se lleva a cabo con la programación lineal
integral mixta de B y B. Este proceso de refinamiento de BLP se
repite hasta que aparecen conjuntos distintos individualmente con LP
reales.
El procedimiento B3PEC se puede aplicar usando un
código solo de diseño de producción del núcleo para el análisis
espacial de BLP y LP, sin módulo de difusión de neutrones adicional
alguno. Esto elimina la inconsistencia entre el código de diseño y
el código de búsqueda de LP. En la realización ejemplar de la
invención, se usa el código de diseño de núcleos ANC, de
Westinghouse, con su modelo en 3D colapsada a 2D, como herramienta
de análisis espacial. En cada nivel de refinamiento de BLP, por cada
BLP se realizan repetidamente los agotamientos en 2D del ANC para
generar directamente una matriz de sensibilidad (matriz S) en
relación tanto con el ajuste de absorbentes combustibles como con la
variación de la exposición del quemado. La matriz S se transfiere a
un algoritmo de programación lineal integral para realizar la
optimización mediante B y B, en la asignación de absorbentes
combustibles y la mezcla en los lotes, para que el nivel actual del
BLP alcance el siguiente nivel de los BLP refinados. El programa
lineal entero mixto puede acomodar cualquier restricción de diseño
que se pueda expresar como combinación lineal de potencia media de
los conjuntos, potencia pico de los conjuntos y la concentración
crítica de boro en el núcleo en todas las etapas de agotamiento. El
nivel de refinamiento en los BLP que es necesario antes de alcanzar
los LP reales depende del inventario de combustible disponible para
el problema. Típicamente solo son necesarios uno o dos niveles de
refinamiento de los lotes antes de pasar directamente a los
distintos conjuntos individualmente. El número total de los LP
resultantes depende del número total de los BLP iniciales y de los
niveles de refinamiento de los BLP. En cualquier caso, el dominio
total explorado en el procedimiento B3PEC es inmensamente mayor que
en otros procedimientos de búsqueda de LP. Las soluciones
resultantes son múltiples, cada una con características claramente
diferentes, que pueden ser usadas directamente por diseños de núcleo
ANC.
Lo que sigue es un ejemplo sencillo de cómo se
puede usar el módulo de enumeración del BPEC para evaluar la
magnitud del problema y definir adecuadamente el alcance de la
búsqueda. En este ejemplo se consideran los BLP en un tablero de
ajedrez, con tres lotes de igual tamaño para núcleos tipo
Westinghouse de 2, 3 y 4 lazos. No se permite dos conjuntos
contiguos en el mismo lote, salvo que los dos estén en la periferia.
Como se muestra en la Tabla 1, cuando no se impone ninguna
restricción adicional, el número de soluciones es muy grande,
aproximadamente diez mil para el núcleo de dos lazos, cien mil para
el núcleo de 3 lazos y dos millones para el núcleo de 4 lazos. Si se
impone la restricción adicional de manera tal que el lote 1
(conjuntos de alimentación) no puede estar en una región central
especificada, en ese caso las soluciones disminuye espectacularmente
hasta aproximadamente dos mil, cuatro mil y seis mil,
respectivamente. Si se añade otra restricción que haga que solo los
conjuntos de alimentación puedan estar en la periferia (modelo
dentro / fuera), en ese caso habrá solamente 4,31 y 41 soluciones.
Todos estos modelos son generados explícitamente por el BPEC muy
rápidamente excepto en el caso de los dos millones de
soluciones.
Restricción adicional | 2 lazos | 3 lazos | 4 lazos |
Ninguna | 12.342 | 127.932 | 1.995.472 |
Sin conjuntos de alimentación en la Región Central | 1.798 | 3.692 | 5.649 |
Conjuntos de alimentación solo en la periferia | 4 | 31 | 41 |
Para mostrar la manera de usar el BPEC con
efectividad para definir el alcance de la búsqueda, se analizan
dimensionalmente en el comienzo del ciclo (BOC) los 5.649 BLP con 4
lazos de la Tabla I. Donde los conjuntos de alimentación no están
permitidos en la región central. La figura 1 presenta la
distribución de la potencia pico de todos los 5.649 BLP.
Evidentemente, muchos de los modelos no son buenos en absoluto. Para
mejorar el espacio de búsqueda, imponemos ahora una nueva
restricción adicional, hasta ahora se relaja una restricción
antigua. Dividimos en núcleo en una región interior y una región
exterior. La restricción adicional consiste en que en la región
interior, solo el combustible quemado dos veces de baja reactividad
(lote 3 en este caso) puede estar contiguo a los de alimentación
para equilibrar la alta reactividad. Esta restricción debe conseguir
la eliminación de muchos modelos de pico alto y reducir el número de
soluciones. A continuación quitamos la restricción de manera tal que
el combustible quemado una vez (lote 2 en este caso) no puede
agruparse consigo mismo. Esto es lógico porque aunque nos gustaría
desechar y mezclar conjuntos de reactividad alta o baja, no hay
razón para haya que dispersar también los conjuntos de reactividad
media. La relajación de esta restricción debe aumentar el número de
soluciones aceptables. Con estos dos cambios, el número total de
soluciones cambia de 5.649 a 4.583. Como se puede ver en la figura
2, estas soluciones son ahora mucho mejores que las de la figura 1.
Todas las soluciones con potencia pico alta se eliminan y hay muchas
más soluciones con potencia pico baja. Esto demuestra que usando un
argumento físico genérico y muy simple, se puede evaluar y definir
con efectividad el alcance de la búsqueda.
La figura 3 ilustra esquemáticamente un cuadrante
del núcleo de un reactor nuclear 1 al que se aplica la invención. El
núcleo 1 está constituido por una pluralidad de conjuntos
combustibles 3 cuadrados. Solo se muestra un cuadrante porque el
núcleo 1 es simétrico respecto de los dos ejes 5 ortogonales. La
fila superior de conjuntos combustibles es común con el cuadrante
superior, mientras que la columna de la izquierda es común con el
cuadrante a la izquierda del que se muestra, y el conjunto
combustible superior más a la izquierda es un conjunto combustible
central común a los cuatro cuadrantes. Por lo tanto, el núcleo 1
ejemplar tiene 157 conjuntos combustibles 3.
La figura 3 ilustra un ejemplo de un modelo de
carga por lotes inicial generado en el procedimiento de enumeración.
Este ejemplo es para un reactor Westinghouse de 3 lazos, aunque las
restricciones de posición del núcleo son diferentes de las usadas en
el ejemplo anterior. Sin embargo, como en el ejemplo anterior, el
inventario de 157 conjuntos combustibles se dividió en tres lotes de
reactividad grosera similar. Los lotes se determinaron por el
historial de quemado de manera que hay conjuntos de alimentación
identificados por la letra "F", conjuntos combustibles quemados
una vez identificados por la letra "O" y conjuntos combustibles
quemados dos veces identificados por la letra "T".
En este ejemplo se asume que este modelo de carga
por lotes padre ilustrado en la figura 3, cumple los requisitos de
ingeniería especificados y, por consiguiente, los tres lotes
iniciales se dividen cada uno en dos lotes con niveles de
reactividad más finos. Como se muestra en la figura 4, los conjuntos
de alimentación, los conjuntos quemados una vez y los conjuntos
quemados dos veces, están divididos en lotes identificados como F1 y
F2, O1 y O2, y T1 y T2, respectivamente. La figura 4 es un ejemplo
de un modelo hijo derivado del modelo de carga por lotes padre de la
figura 3. Hay otros muchos modelos hijos que se pueden derivar del
modelo padre de la figura 3 mezclando los lotes más precisos como en
la figura 4. Cada uno de los lotes más finos se redistribuyen solo
entre sí mismos. Por lo tanto, los conjuntos de alimentación F1 y F2
se mezclan entre sus respectivas posiciones. De manera similar, los
conjuntos O1 y O2 y separadamente los conjuntos T1 y T2 solo se
mezclan entre sí. Una linearización de la relación de la posición
del conjunto combustible respecto a la distribución de potencia se
realiza por medio de la dirección usando el agotamiento en 2D del
ANC para generar una matriz de sensibilidad de la perturbación
(matriz S). La matriz S se introduce en el algoritmo de
reprogramación lineal entera mixta para realizar la optimización por
B y B y con ello seleccionar el modelo de carga hijo óptima, que se
sustituye por el model de carga padre del que fue derivado para el
siguiente nivel de refinamiento del modelo de carga por lotes.
Antes de alcanzar el nivel de refinamiento del
conjunto combustible individual, se añaden ordenamientos de
absorbentes combustibles (BAs) a los conjuntos combustibles de
alimentación. En los diferentes conjuntos combustibles se usan
varios ordenamientos diferentes. Así pues, como se muestra en la
figura 4, a algunos de los conjuntos combustibles de F1 se les
asigna 48 BAs y a otros se les asigna 88. En el ejemplo de la figura
4 en particular, los conjuntos de alimentación de F2 se asignan
todos a 64 BAs. Varios de los ordenamientos de BAs pueden ser
asignados a los conjuntos de alimentación. Esta asignación de BAs
crea una nueva distribución de las reactividades de los conjuntos
combustibles. Los conjuntos combustibles de F1 con 48 BAs son
tratados como un sublote siendo considerados los 88 conjuntos
combustibles asignados como un lote separado con un nivel de
reactividad refinado. Por lo tanto, la asignación de los BAs crea
otro nivel de refinamiento en el que los lotes son tratados de
manera similar que en el nivel de refinamiento antes descrito.
Después de la identificación de un modelo de
carga de lotes óptimo de los conjuntos de alimentación que contienen
BAs, una etapa final de refinamiento produce modelos de carga reales
en el nivel de conjunto combustible individual. Aunque algunas de
las vías de modelo de carga serán eliminadas porque no producen
modelos de carga que cumplan los requisitos de ingeniería
especificados, el procedimiento producirá un número significativo de
modelos de carga reales que cumplen todos los requisitos de
ingeniería especificados. Este resultado proporciona al usuario una
gran flexibilidad en la selección de un modelo de carga final
dependiendo de las preferencias y de los criterios de selección. La
selección final puede hacerla el usuario manual o automáticamente.
Por ejemplo, los modelos de carga reales desarrollados se pueden
procesar automáticamente para seleccionar el modelo que proporciona
el ciclo de combustible más largo.
La figura 5 ilustra el procedimiento general de
acuerdo con la invención. Como se muestra en la figura, la
enumeración de modelos por lotes con restricciones se realiza en la
referencia 10 para enumerar todos los posibles modelos por lotes
iniciales. A continuación tiene lugar en la referencia 12 el
comienzo de ciclo (BOC) de selección en los modelos por lotes
enumerados usando el modelo de agotamiento ANC de dos dimensiones 14
para seleccionar los modelos por lotes enumerados que cumplen los
requisitos de ingeniería especificados. En la referencia 16 cada uno
de los modelos por lotes enumerados seleccionados se divide en lotes
de reactividad más fina y se realiza el agotamiento en 2D del ANC
para generar una matriz S. A continuación la matriz S se introduce
en un algoritmo de programación lineal integral mixta para realizar
la ramificación y unión (B y B) en una mezcla de los lotes divididos
de conjuntos combustibles para identificar un modelo de carga hijo
óptimo. Si no existe ningún modelo de carga hijo que cumpla los
criterios, esta rama se descarta.
Para ramas que tienen algún modelo de carga hijo
óptimo, dicho modelo de carga hijo se usa en la referencia 18 con un
modelo de carga seleccionado con absorbente combustible para generar
otra vez una matriz S a la que se realiza la ramificación y unión
con el algoritmo de programación lineal integral mixta para
determinar un modelo de carga hijo óptimo teniendo en cuenta los
BAs. A continuación se realiza una división de lotes final en el
nivel de conjunto combustible individual, se usa el análisis
espacial para generar otra matriz S y, seguidamente, se aplica la
ramificación y unión para la mezcla de todos los conjuntos
combustibles en la referencia 20 para producir modelos de carga
reales. Después se realiza un análisis espacial tridimensional en la
referencia 22 para seleccionar el modelo de carga final.
En las figuras 6A - 6C se ilustra un diagrama de
flujo del procedimiento de la invención. El procedimiento tiene
cinco componentes principales:
- 1.
- Un algoritmo recurrente para la enumeración de modelos de lotes con restricciones (BPEC),
- 2.
- Un modelo de agotamiento ANC en 3-D basado en ANC en 2D válido para todos los LP (ANC_2D_XS),
- 3.
- Una rutina de estimación para la asignación de BA inicial a cada modelo de lotes (BA_ASSIGN),
- 4.
- Una matriz de sensibilidades de perturbación/agotamiento para modelos de lotes (S-matrix), y
- 5.
- Un algoritmo de búsqueda con B y B basado en CPLEX que usa la matriz S (CPLEX_B&B).
Como se muestra en el diagrama de flujo 30, los
datos de entrada necesarios para el procedimiento son el inventario
de combustible y el tipo de absorbentes combustibles 32. Además, se
usan todos los modelos ANC en 3D razonables con varios modelos de BA
34 para generar el modelo de agotamiento de ANC en 2D que sea válido
para todos los LP que usan el mismo inventario. Se usa un módulo de
GUI (Interfaz Gráfica de Usuario) 38 para presentar la sección
transversal del núcleo para que el usuario seleccione la asignación
de lotes. El módulo BPEC 40 enumera todos los modelos de carga por
lotes usando las restricciones 42 de carga del usuario
identificadas. Se usa también una asignación de lotes seleccionados
para obtener la recolección y disposición de datos de la sección
transversal de lotes y quemados en la referencia 44. Seguidamente,
se analizan todos los BLP sin BA 46 generados por el módulo BPEC 40
usando el cálculo de BOC (Comienzo de ciclo) del ANC 48. A
continuación, el módulo de GUI exhibe los resultados en 50 para que
el usuario seleccione los BLP potencialmente buenos que se va a
refinar en 52. Se entiende por BLP buenos los que cumplen los
requisitos de ingeniería especificados, tal como el límite de la
potencia pico antes descrita. A continuación se usa el modelo de
matriz S en 54 para generar la matriz S para las asignaciones de
lotes refinados. Se usa la sensibilidad o la matriz S para
reconstruir los resultados de agotamiento en 2D para cualquier
mezcla de lotes de los conjuntos recargados y, como se verá a
continuación para los ajustes BA en los conjuntos de
alimentación.
La matriz S se calcula como respuesta de la
solución neutrónica del núcleo a la perturbación del núcleo,
realizando un agotamiento ANC en 2D sobre la caja base y la caja
perturbada. Se calculan dos tipos de matrices S. La matriz S para
mezcla en los lotes se obtiene haciendo la perturbación del quemado
en la localización de cada conjunto combustible quemado. La matriz
S para ajuste de BAs se obtiene haciendo una perturbación del número
de BA en la localización de cada conjunto combustible de
alimentación.
Cada BLP tiene su propia matriz S. Una vez que la
matriz S para la perturbación en lotes está disponible, se usa un
código CPLEX comercial (disponible en ILOG, Inc., Mountain View, CA)
junto con la matriz S para realizar redistribuciones de conjuntos de
recarga en los lotes y, como se verá más adelante, ajustes de BA de
los conjuntos de alimentación en los lotes.
El CPLEX es un código de optimización muy
efectivo que usa un procedimiento de programación lineal de tipo
SIMPLEX para la búsqueda de soluciones variables reales y el
procedimiento de ramificación y unión para la búsqueda de soluciones
variables enteras. La idea clave del B y B es que las soluciones
enteras son subconjuntos de soluciones continuas. Si la mejor
solución variable real no es aceptable, en ese caso la búsqueda de
las soluciones enteras carece de sentido. Por lo tanto, al seguir un
árbol de eventos enteros, se usa repetidamente la programación
lineal variable real para determinar uniones para podar ramas que no
pueden en modo alguno generar. El CPLEX incluye opciones para elegir
diferentes tipos de restricciones y funciones objetivas. Hay también
una entrada de información genérica que el usuario puede usar para
configurar a medida una restricción especial y/o una función
objetiva. Toda función que se pueda expresar linealmente en términos
de potencia de nodo, potencia pico de nodo y PPM del núcleo en todas
las etapas de agotamiento se puede construir como restricción o
función objetiva.
Se pueden realizar niveles múltiples de refinado
de lotes sin BAs como se indica en la referencia 60.
Antes de alcanzar el nivel de conjunto
combustible individual, se introducen los BAs. El módulo BA_ASSIGN
62 permite una asignación inicial de BA usando el siguiente
procedimiento.
- 1.
- A partir de la solución de BOC de ANC en 2D de cada BLP, están disponibles la distribución de potencia, la distribución efectiva k, y el valor en PPM. A partir del valor en PPM de BOC, se puede determinar el número de BA necesarios para cumplir el requisito de coeficiente de temperatura del moderador (MTC).
- 2.
- A partir de los datos de BOC anteriores, más cualquier restricción de posición de BA que el usuario quiera especificar, se puede determinar la asignación de BA a conjuntos de alimentación lo que ocasionará la compartición de la potencia en los conjuntos de alimentación (excluidos los conjuntos de alimentación periféricos) tan plana como sea posible. Sin embargo, las asignaciones de BA resultantes pueden no ser todas soportables por los modelos de BA permisibles.
- 3.
- Las asignaciones de BA de la etapa 2 se confrontan con unos cuantos modelos de BA "básicos" (para un tipo de BA dado). Esta confrontación se hace redondeando la asignación por exceso al modelo de BA básico más próximo.
A continuación, en 66, se usa el módulo de
CPLEX_B&B para ajustar los BAs y obtener la colocación de BAs
optimizada. El modelo de BA en un conjunto de alimentación solo se
puede ajustar (arriba o abajo) hasta su vecino inmediato en los
modelos de BA "básicos". El CPLEX determinará el ajuste de BA
hasta el extremo superior usando hasta un cierto número de
diferentes modelos de BA restringidos por el usuario. Después del
establecimiento del modelo de BA, se realiza una mezcla final de los
conjuntos combustibles individuales y la generación de la
correspondiente matriz S en 68. A continuación, en 70, se usa el
CPLEX para obtener los LP mezclados optimizados (LP reales) en
72.
La invención provee un nuevo procedimiento
determinístico para el establecimiento de un modelo de carga para el
núcleo de un reactor nuclear. Se construye con dos técnicas, la
técnica de la enumeración recurrente de modelos bajo restricciones
de posición y la programación lineal entera mixta B y B. El
procedimiento tiene capacidad para buscar de forma comprehensiva
todos los modelos de carga en los que esté interesado el usuario. A
diferencia de los procedimientos estocásticos de búsqueda, en los
que el usuario no sabe cómo progresa la búsqueda, el procedimiento
B3PEC permite al usuario tener una buena idea suficiente de cómo
progresa la búsqueda. El usuario define el dominio de la búsqueda y
sabe qué parte del espacio de la solución ha sido realmente buscado
y hasta qué grado está resuelto el problema. La magnitud del
problema de búsqueda y su tiempo de ejecución pueden ambos ser
preestimados por el usuario. El procedimiento se puede implemetar
usando directamente un código de diseño sin necesidad de un módulo
separado para el cálculo de la difusión de neutrones. Finalmente,
aplicando la linearización por medio de la perturbación directa en
varias etapas a los lotes de conjuntos combustibles en los que las
reactividades están bastante próximas, es más probable que los
resultados satisfagan los requisitos de ingeniería
especificados.
Aunque se han descrito en detalle realizaciones
específicas de la invención, los expertos en la técnica pueden
apreciar que se pueden desarrollar diferentes modificaciones y
alternativas a estos detalles a la luz de las enseñanzas generales
de la descripción. En consecuencia, se debe considerar que las
disposiciones en particular descritas son solo ilustrativas y no
limitativas del alcance de la invención, a la cual se le debe dar
todo el alcance de las reivindicaciones adjuntas y de las
equivalentes de las mismas.
Claims (13)
1. Un procedimiento para el establecimiento de un
modelo de carga del núcleo de un reactor nuclear, para la carga de
conjuntos combustibles en un reactor nuclear que comprende las
etapas de:
- a.
- determinar la reactividad de cada conjunto combustible;
- b.
- dividir los conjuntos combustibles en lotes múltiples de conjuntos combustibles con niveles groseros de reactividad aproximadamente iguales;
- c.
- generar una pluralidad de modelos de carga padres utilizando restricciones de posición en el núcleo seleccionadas, considerando que todos los conjuntos combustibles de cada lote de conjuntos combustibles tienen aproximadamente el mismo nivel grosero de reactividad;
- d.
- seleccionar entre la pluralidad de modelos de carga padres unos modelos de carga padres seleccionados;
- e.
- dividir los lotes múltiples de conjuntos combustibles en un número de lotes refinados de conjuntos combustibles de acuerdo con niveles de reactividad más finos;
- f.
- para cada modelo de carga padre seleccionado, determinar si alguno de los modelos de carga hijos de los lotes refinados de conjuntos combustibles que cumple las restricciones de posición de carga del núcleo especificadas, satisface los requisitos de ingeniería especificados y, si es así, seleccionar un modelo de carga hijo óptimo que cumpla óptimamente los requisitos de ingeniería especificados;
- g.
- eliminar cualquier modelo de carga padre seleccionado para el cual no existe modelo de carga hijo que cumpla con los requisitos de ingeniería especificados;
- h.
- para cada modelo de carga padre con un modelo de carga hijo óptimo, actualizar el modelo de carga padre con el modelo de carga hijo óptimo;
- i.
- repetir las etapas e - h con niveles de reactividad algo más finos hasta que cada lote de conjuntos combustibles comprenda un solo conjunto combustible; y
- j.
- seleccionar un modelo de carga final entre los modelos de carga restantes.
2. El procedimiento de la reivindicación 1 en el
que la generación de una pluralidad de modelos de carga padres
comprende la generación de todos los modelos de carga padres
posibles que cumplan las restricciones de posición de carga en el
núcleo seleccionadas.
3. El procedimiento de la reivindicación 2 en el
que se repite la etapa c utilizando las restricciones de posición en
el núcleo modificadas para ajustar el número total de posibles
modelos de carga.
4. El procedimiento de la reivindicación 1 en el
que la etapa d comprende la selección de requisitos de ingeniería
seleccionados, y la selección como seleccionados de solamente los
modelos de carga padres que cumplen los requisitos de ingeniería
seleccionados.
5. El procedimiento de al reivindicación 4 en el
que los requisitos de ingeniería seleccionados comprenden las
limitaciones de potencia de pico de comienzo de ciclo.
6. El procedimiento de la reivindicación 4 que
comprende el uso de un modelo de código de diseño de núcleos para
seleccionar modelos de carga padres que cumplan los requisitos de
ingeniería seleccionados.
7. El procedimiento de la reivindicación 1 en el
que los conjuntos combustibles incluyen conjuntos de alimentación,
conjuntos combustibles quemados una vez, y conjuntos combustibles
quemados dos veces, y la etapa b comprende la división de los
conjuntos combustibles en tres lotes, con un primer lote que
contiene los conjuntos de alimentación, el segundo lote que contiene
los conjuntos combustibles quemados una vez, y el tercer lote que
contiene conjuntos combustibles quemados dos veces.
8. El procedimiento de la reivindicación 1 en el
que algunos conjuntos combustibles comprenden conjuntos combustibles
de alimentación y en el que la repetición de las etapas e a i
comprende, antes de que cada lote de conjuntos combustibles
comprenda un solo conjunto combustible, la asignación de absorbentes
de boro a los conjuntos combustibles de alimentación en una
pluralidad de configuraciones e identificación de conjuntos
combustibles de alimentación con la misma configuración de
absorbentes de boro como un lote.
9. El procedimiento de la reivindicación 8 en el
que la etapa de asignación de absorbentes de boro a los conjuntos
combustibles de alimentación en una pluralidad de configuraciones
comprende la asignación de una disposición base, y la etapa i
comprende la determinación de una disposición óptima de la
pluralidad de configuraciones de absorbentes de boro.
10. El procedimiento de la reivindicación 1 en el
que la etapa f comprende la generación de una representación lineal
de una relación entre los modelos de carga hijos y los requisitos de
ingeniería especificados y la determinación, a partir de la
representación lineal, si algunos de los modelos de carga hijos
cumplen los requisitos de ingeniería especificados y si los cumplen,
selección del modelo de carga hijo óptimo.
11. El procedimiento de la reivindicación 10 en
el que la etapa de la generación de una representación lineal de la
representación entre los modelos de carga hijos y los requisitos de
ingeniería especificados comprende la aplicación de una
perturbación directa a un algoritmo de diseño del núcleo que
incorpora los requisitos de ingeniería especificados para generar
una matriz de sensibilidad.
12. El procedimiento de la reivindicación 1 en el
que el modelo de carga final se selecciona automáticamente como el
modelo de carga refinado de la representación hasta el nivel de los
lotes de conjuntos combustibles individuales que mejor cumplen los
requisitos de ingeniería designados.
13. El procedimiento de la reivindicación 12 en
el que los requisitos de ingeniería designados comprenden un ciclo
de combustible de duración máxima.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/374,691 US6931090B2 (en) | 2003-02-25 | 2003-02-25 | Method of establishing a nuclear reactor core fuel assembly loading pattern |
US10/374691 | 2003-02-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
ES2249119A1 true ES2249119A1 (es) | 2006-03-16 |
ES2249119B1 ES2249119B1 (es) | 2006-12-16 |
Family
ID=33096671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES200400283A Expired - Fee Related ES2249119B1 (es) | 2003-02-25 | 2004-02-09 | Procedimiento para establecer un modelo de carga de conjuntos combustibles en el nucleo de un reactor nuclear. |
Country Status (6)
Country | Link |
---|---|
US (1) | US6931090B2 (es) |
JP (1) | JP2004258037A (es) |
KR (1) | KR20040076799A (es) |
CN (1) | CN1317713C (es) |
ES (1) | ES2249119B1 (es) |
FR (1) | FR2853987B1 (es) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8873698B2 (en) * | 2002-12-18 | 2014-10-28 | Global Nuclear Fuel—Americas, LLC | Computer-implemented method and system for designing a nuclear reactor core which satisfies licensing criteria |
US20040191734A1 (en) * | 2003-03-31 | 2004-09-30 | Russell William Earl | Method and arrangement for determining fresh fuel loading patterns for nuclear reactors |
US8109766B2 (en) * | 2003-10-03 | 2012-02-07 | Global Nuclear Fuel-Americas Llc | Method for predicted reactor simulation |
US7499840B2 (en) * | 2003-10-06 | 2009-03-03 | Global Nuclear Fuel - Americas, Llc | Method and apparatus for creating and editing a nuclear reactor core loading template |
US7636652B2 (en) * | 2003-10-06 | 2009-12-22 | Global Nuclear Fuel - Americas, Llc | Method and apparatus for facilitating recovery of nuclear fuel from a fuel pool |
CN1760990B (zh) | 2004-10-15 | 2011-11-30 | 西屋电气有限责任公司 | 改进的首次堆芯燃料组件布置和实现上述布置的方法 |
US7224761B2 (en) * | 2004-11-19 | 2007-05-29 | Westinghouse Electric Co. Llc | Method and algorithm for searching and optimizing nuclear reactor core loading patterns |
CN1328730C (zh) * | 2004-12-03 | 2007-07-25 | 大亚湾核电运营管理有限责任公司 | 压水堆核电站反应堆堆芯装载方法 |
US7409032B2 (en) * | 2005-05-13 | 2008-08-05 | Global Nuclear Fuel - Americas, Llc | Method of fuel bundle consideration in a reactor |
US7379781B2 (en) * | 2005-08-30 | 2008-05-27 | Logitech Europe S.A. | Constraint based order optimization system and available to promise system |
JP4982820B2 (ja) * | 2005-11-30 | 2012-07-25 | 株式会社グローバル・ニュークリア・フュエル・ジャパン | 原子炉炉心設計支援システム |
US8924341B2 (en) * | 2006-03-17 | 2014-12-30 | International Business Machines Corporation | Method and system for optimizing mixed integer programming solutions |
US8131576B2 (en) | 2006-06-02 | 2012-03-06 | International Business Machines Corporation | Method and system for identifying conflicting constraints in mixed integer programs |
EP1883077A1 (en) * | 2006-07-24 | 2008-01-30 | Atomic Energy Council - Institute of Nuclear Energy Research | Method for Analyzing a Fuel Displacement Accident of a Boiling Water Reactor |
KR100916946B1 (ko) * | 2007-12-24 | 2009-09-14 | 한전원자력연료 주식회사 | 그래픽 사용자 인터페이스를 이용한 노심 장전모형선정방법 |
EP2104112A1 (en) | 2008-03-17 | 2009-09-23 | Atomic Energy Council - Institute of Nuclear Energy Research | Method for selecting and configuring spent nuclear fuel bundles with the view of disposing the same in casks |
CN103500237A (zh) * | 2013-07-03 | 2014-01-08 | 国家电网公司 | 基于逻辑布局的配电网自动成图方法 |
US10593436B2 (en) | 2013-11-21 | 2020-03-17 | Terrapower, Llc | Method and system for generating a nuclear reactor core loading distribution |
CN104573204B (zh) * | 2014-12-25 | 2017-09-01 | 中国矿业大学 | 一种单向导通装置母排优化设计方法 |
CN105005821B (zh) * | 2015-05-27 | 2018-06-22 | 中国科学院合肥物质科学研究院 | 一种含曲柄连杆机构的ads换料系统的路径寻优方法 |
KR101698335B1 (ko) * | 2015-10-28 | 2017-01-23 | 한국수력원자력 주식회사 | 원전연료의 시뮬레이션을 위한 컴퓨터 프로그램 및 이에 적용된 원전연료의 시뮬레이션 방법 |
FR3059459B1 (fr) * | 2016-11-25 | 2019-03-15 | Electricite De France | Optimisation de maintenance de centrale nucleaire |
KR101887782B1 (ko) * | 2016-11-29 | 2018-08-13 | 한국수력원자력 주식회사 | 코발트 다발의 노심장전방법 |
US20180254109A1 (en) * | 2017-02-27 | 2018-09-06 | Jesse R. Cheatham, III | System and method for modeling a nuclear reactor |
KR102060778B1 (ko) * | 2017-11-28 | 2020-02-11 | 한국수력원자력 주식회사 | 중수로의 핵연료 절감 방법 |
EP3839979B1 (en) * | 2019-12-17 | 2022-08-24 | Framatome | Method of determination of a nuclear core loading pattern |
CN112599268B (zh) * | 2020-09-07 | 2023-01-03 | 中核核电运行管理有限公司 | 一种利用中心燃料组件替代二次中子源组件的卸料方法 |
KR102649455B1 (ko) * | 2021-08-31 | 2024-03-19 | 한전원자력연료 주식회사 | 3차원 노심에서 최적 가연성흡수봉 패턴 자동탐색을 통한 장전모형 최적화 시스템과 그 방법 |
FR3131062A1 (fr) * | 2021-12-17 | 2023-06-23 | Electricite De France | Procédé automatisé de détermination de plans de chargement de cœurs de réacteurs nucléaires |
CN115424747B (zh) * | 2022-07-20 | 2024-01-23 | 上海核工程研究设计院股份有限公司 | 一种堆芯装载方案局部搜索方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1082879A (ja) * | 1996-09-05 | 1998-03-31 | Toshiba Corp | 原子炉の炉心 |
US5787139A (en) * | 1996-05-20 | 1998-07-28 | Hitachi, Ltd. | Fuel loading method |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH067194B2 (ja) * | 1985-10-23 | 1994-01-26 | 株式会社日立製作所 | 軽水型原子炉炉心およびその燃料装荷方法 |
US5631939A (en) * | 1994-09-09 | 1997-05-20 | Hitachi, Ltd. | Initial core of nuclear power plant |
US5923717A (en) * | 1996-01-29 | 1999-07-13 | General Electric Company | Method and system for determining nuclear core loading arrangements |
US5790616A (en) * | 1996-08-09 | 1998-08-04 | General Electric Company | Method and system for determining nuclear reactor core control blade positioning |
CN1229514A (zh) * | 1996-09-04 | 1999-09-22 | 株式会社日立制作所 | 初装载反应堆心 |
US6748348B1 (en) * | 1999-12-30 | 2004-06-08 | General Electric Company | Design method for nuclear reactor fuel management |
JP3482560B2 (ja) * | 2001-03-27 | 2003-12-22 | 原子燃料工業株式会社 | 加圧水型原子炉の燃料運用方法及び加圧水型原子炉炉心 |
-
2003
- 2003-02-25 US US10/374,691 patent/US6931090B2/en not_active Expired - Lifetime
-
2004
- 2004-02-09 ES ES200400283A patent/ES2249119B1/es not_active Expired - Fee Related
- 2004-02-17 FR FR0401571A patent/FR2853987B1/fr not_active Expired - Lifetime
- 2004-02-25 CN CNB2004100066541A patent/CN1317713C/zh not_active Expired - Lifetime
- 2004-02-25 JP JP2004049886A patent/JP2004258037A/ja active Pending
- 2004-02-25 KR KR1020040012558A patent/KR20040076799A/ko not_active Application Discontinuation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5787139A (en) * | 1996-05-20 | 1998-07-28 | Hitachi, Ltd. | Fuel loading method |
JPH1082879A (ja) * | 1996-09-05 | 1998-03-31 | Toshiba Corp | 原子炉の炉心 |
Non-Patent Citations (4)
Title |
---|
KIM, T.K. y KIM, C.H.: "MIXED INTEGER PROGRAMMING FOR PRESSURIZED WATER REACTOR FUEL-LOADING-PATTERN OPTIMIZATION", NUCLEAR SCIENCE AND ENGINEERING: 127, paginas 346-357, noviembre de 1997. * |
KIM, T.K. y KIM, C.H.: "MIXED INTEGER PROGRAMMING FOR PRESSURIZED WATER REACTOR FUEL-LOADING-PATTERN OPTIMIZATION", NUCLEAR SCIENCE AND ENGINEERING: 127, páginas 346-357, noviembre de 1997. * |
SI, S.: "INTEGER PERMUTATION PROGRAMMING AND THE LOADING PATTERN OPTIMIZATION CODE SUPERLPOS USED AT SNERDI", PHYSOR 2002, paginas 1-13, Seul, Corea, 7-10 de octubre de 2002. * |
SI, S.: "INTEGER PERMUTATION PROGRAMMING AND THE LOADING PATTERN OPTIMIZATION CODE SUPERLPOS USED AT SNERDI", PHYSOR 2002, páginas 1-13, Seúl, Corea, 7-10 de octubre de 2002. * |
Also Published As
Publication number | Publication date |
---|---|
US6931090B2 (en) | 2005-08-16 |
CN1317713C (zh) | 2007-05-23 |
ES2249119B1 (es) | 2006-12-16 |
US20040196946A1 (en) | 2004-10-07 |
JP2004258037A (ja) | 2004-09-16 |
FR2853987B1 (fr) | 2006-06-30 |
KR20040076799A (ko) | 2004-09-03 |
CN1527328A (zh) | 2004-09-08 |
FR2853987A1 (fr) | 2004-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2249119B1 (es) | Procedimiento para establecer un modelo de carga de conjuntos combustibles en el nucleo de un reactor nuclear. | |
Lakhotia et al. | A multi-objective approach to search-based test data generation | |
Hirschmann et al. | Synthetic nebular emission from massive galaxies–II. Ultraviolet-line diagnostics of dominant ionizing sources | |
Olaechea et al. | Comparison of exact and approximate multi-objective optimization for software product lines | |
Pirjol et al. | 1/N c corrections to the SU (4) c symmetry for L= 1 baryons: The three towers | |
Venuti et al. | The Gaia-ESO Survey and CSI 2264: Substructures, disks, and sequential star formation in the young open cluster NGC 2264 | |
Ramambason et al. | Reconciling escape fractions and observed line emission in Lyman-continuum-leaking galaxies | |
Stasińska et al. | Planetary nebulae and H ii regions in the spiral galaxy NGC 300-Clues on the evolution of abundance gradients and on AGB nucleosynthesis | |
Creevey et al. | Gaia Data Release 3-A golden sample of astrophysical parameters | |
Johnston et al. | Isochrone-cloud fitting of the extended main-sequence turn-off of young clusters | |
Sergey et al. | Simulated annealing based placement optimization for reconfigurable systems-on-chip | |
Vorwerk et al. | Improving simulated annealing-based FPGA placement with directed moves | |
Li et al. | Pin-accessible legalization for mixed-cell-height circuits | |
Fernández Mellizo-Soto | The evolution of inequality of educational opportunities: A systematic review of analyses of the Spanish case | |
Sengupta et al. | Sequence pair based voltage island floorplanning | |
Loeppky et al. | Projection array based designs for computer experiments | |
Maziasz et al. | Exact width and height minimization of CMOS cells | |
CN102798810A (zh) | 实作随机逻辑功能的基于半导体的测试装置 | |
Stasinska | Abundance determinations in HII regions and planetary nebulae | |
Pizzi et al. | Bipartite mutual information in classical many-body dynamics | |
Ashish et al. | A modular approach to random task graph generation | |
EP1109118A1 (en) | Circuit configuration | |
Tolstaya et al. | Review of Information Databases Providing Data on Current Scientific and Technical Achievements | |
Palframan | A syntactical analysis of settlement form–an investigation of Socio-spatial characteristics in low-income housing settlements in Port Elizabeth, South Africa. | |
Messina et al. | The application of cellular automata modeling for enhanced landcover classification in the Ecuadorian Amazon |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
EC2A | Search report published |
Date of ref document: 20060316 Kind code of ref document: A1 |
|
FG2A | Definitive protection |
Ref document number: 2249119B1 Country of ref document: ES |
|
FD2A | Announcement of lapse in spain |
Effective date: 20240226 |