JP2021039024A - Reactor core calculation method, reactor core calculation program and reactor core calculation device - Google Patents
Reactor core calculation method, reactor core calculation program and reactor core calculation device Download PDFInfo
- Publication number
- JP2021039024A JP2021039024A JP2019161216A JP2019161216A JP2021039024A JP 2021039024 A JP2021039024 A JP 2021039024A JP 2019161216 A JP2019161216 A JP 2019161216A JP 2019161216 A JP2019161216 A JP 2019161216A JP 2021039024 A JP2021039024 A JP 2021039024A
- Authority
- JP
- Japan
- Prior art keywords
- core calculation
- core
- program
- evaluation result
- calculation
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 232
- 238000011156 evaluation Methods 0.000 claims abstract description 122
- 238000010801 machine learning Methods 0.000 claims abstract description 23
- 239000000446 fuel Substances 0.000 claims description 56
- 238000002485 combustion reaction Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 238000013479 data entry Methods 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims description 2
- 230000008707 rearrangement Effects 0.000 claims 1
- 239000003758 nuclear fuel Substances 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 3
- 230000009257 reactivity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007716 flux method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- 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
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
Description
本発明は、原子炉の炉心計算技術、詳しくは、精度高い炉心計算を効率的に行う炉心計算方法、炉心計算プログラムおよび炉心計算装置に関する。 The present invention relates to a core calculation technique for a nuclear reactor, specifically, a core calculation method for efficiently performing highly accurate core calculation, a core calculation program, and a core calculation device.
原子炉の炉心設計や炉心管理に際しては、燃料・炉心の安全性や経済性などを司る炉心パラメータを評価するための炉心計算が欠かせない。しかしながら、炉心に装荷される燃料集合体は数百体と非常に多く、炉心計算には多大の時間を要するため、従来は、一般的に、近似が多い物理モデルを用いた炉心計算プログラムにより評価されていた。 In core design and core management of a nuclear reactor, core calculation is indispensable for evaluating core parameters that control the safety and economy of fuel and core. However, since the number of fuel assemblies loaded in the core is very large at several hundreds and it takes a lot of time to calculate the core, conventionally, it is generally evaluated by a core calculation program using a physical model with many approximations. It had been.
具体的な一例としては、例えば、空間メッシュとして、ＰＷＲの場合には１／４燃料集合単位、ＢＷＲの場合には燃料集合体単位を採用し、中性子エネルギー群数は２群で、中性子拡散理論を採用し、核種燃焼計算についてはマクロ燃焼モデルを採用した炉心計算プログラムにより評価が行われていた。 As a specific example, for example, as a spatial mesh, a 1/4 fuel assembly unit is adopted in the case of PWR, a fuel assembly unit is adopted in the case of BWR, the number of neutron energy groups is 2, and the neutron diffusion theory. Was adopted, and the nuclear species combustion calculation was evaluated by the core calculation program that adopted the macro combustion model.
しかしながら、計算機能力の向上に伴い、近似が多い物理モデルを用いた炉心計算プログラムは非常に短時間で行うことができるようになった。一方、近年、核燃料の多様化やプラント運用の高度化が図られてきており、これに伴って、炉心計算において、空間やエネルギー等の離散化パラメータを精緻化し、近似が少ない高度な物理モデルを想定して、従来に比べて多種多様な炉心パラメータを高い精度で評価する炉心計算プログラムの開発が行われている（例えば、特許文献１、２および非特許文献１、２）。
However, with the improvement of computational power, the core calculation program using a physical model with many approximations can be performed in a very short time. On the other hand, in recent years, the diversification of nuclear fuel and the sophistication of plant operation have been promoted, and along with this, the discrete parameters such as space and energy have been refined in the core calculation, and an advanced physical model with few approximations has been created. Assuming, a core calculation program for evaluating a wide variety of core parameters with higher accuracy than before has been developed (for example,
このような近似が少ない高度な物理モデルを適用した炉心計算プログラムには、次のような問題があった。 The core calculation program to which such an advanced physical model with few approximations is applied has the following problems.
即ち、多種多様な炉心パラメータを高い精度で評価するためには、計算が複雑になり、計算コストの増大化が避けられない。また、解析結果が得られるまでの計算時間が長くなって、計算の待ち時間が発生することにより、業務フローをスムーズに行うことができなくなり、迅速な結果が求められる場面に十分に対応することができない。 That is, in order to evaluate a wide variety of core parameters with high accuracy, the calculation becomes complicated and the calculation cost inevitably increases. In addition, the calculation time until the analysis result is obtained becomes long, and the waiting time for the calculation occurs, so that the business flow cannot be performed smoothly, and it is necessary to sufficiently cope with the situation where a quick result is required. I can't.
特に、燃料装荷パターンを決定する炉心設計では、限られた時間内に、より最適化された燃料装荷パターンを探査して決定する必要があり、多くの燃料装荷パターンで炉心計算を行うことが求められる。 In particular, in core design that determines fuel loading patterns, it is necessary to explore and determine more optimized fuel loading patterns within a limited time, and it is necessary to perform core calculations for many fuel loading patterns. Be done.
しかし、多大な計算コストが掛かる精緻な炉心計算プログラムを使用するにしても、十分な評価結果を得るためには燃料装荷パターン数が少なすぎて、十分な検討が行えていないというのが現状であった。 However, even if a precise core calculation program, which requires a large amount of calculation cost, is used, the number of fuel loading patterns is too small to obtain sufficient evaluation results, and sufficient examination has not been carried out. there were.
そこで、本発明は、核燃料の多様化やプラント運用の高度化に対応した炉心計算であっても、合理的に効率よく炉心計算を行い、短時間に精度高く炉心パラメータを評価することができる炉心計算技術を提供することを課題とする。 Therefore, according to the present invention, even in the core calculation corresponding to the diversification of nuclear fuel and the sophistication of plant operation, the core calculation can be performed reasonably and efficiently, and the core parameters can be evaluated with high accuracy in a short time. The challenge is to provide computational technology.
本発明者は、上記課題の解決について鋭意検討を行い、以下に記載する発明により上記課題が解決できることを見出した。 The present inventor has diligently studied the solution to the above problem and found that the above problem can be solved by the invention described below.
本発明者は、計算機能力の向上に伴い、現在では、従来の近似が多い物理モデルを採用した炉心計算プログラムによる炉心計算を非常に短時間で行うことができるようになっていることに着目した。 The present inventor has focused on the fact that, with the improvement of computational power, it is now possible to perform core calculation in a very short time by a core calculation program that employs a physical model with many conventional approximations. ..
具体的には、上記した近似が多い物理モデルを採用した炉心計算プログラムの場合、現在の計算機能力であれば、１運転サイクルの計算を１分以内に完了させることができる。しかし、この炉心計算プログラムでは、空間及びエネルギーのメッシュが粗く、中性子挙動評価モデルや核種燃焼モデルに対して近似が多いため、例えば、厳密な炉心状態に応じた燃料集合体中の燃料棒内や、装荷型可燃性毒物内の原子数密度等の炉心パラメータの評価を精度良く行うことが難しい。 Specifically, in the case of a core computer program that employs a physical model with many approximations as described above, the calculation of one operation cycle can be completed within one minute with the current computing power. However, in this core calculation program, the mesh of space and energy is coarse, and there are many approximations to the neutron behavior evaluation model and the nuclear species combustion model. , It is difficult to accurately evaluate core parameters such as the number of atoms in a loaded combustible poison.
そこで、本発明者は、近似が多い物理モデルを採用した炉心計算プログラムと近似が少ない物理モデルを採用した炉心計算プログラムのように、物理モデルが異なる２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、第１の炉心計算プログラムに基づく計算により、解析結果に対してある程度の目処を付けた後、第２の炉心計算プログラムによる計算結果との相関関係を予め知っておけば、一方の炉心計算プログラムに基づく計算結果から他方の炉心計算プログラムによる計算結果を予測して、炉心パラメータの評価を精度良く行うことができ、炉心計算の合理化を図ることができると考えた。 Therefore, the present inventor uses one of two core calculation programs having different physical models as the first core, such as a core calculation program that employs a physical model with many approximations and a core calculation program that employs a physical model with few approximations. Correlation with the calculation result by the second core calculation program after giving a certain degree of prospect to the analysis result by the calculation based on the first core calculation program with the calculation program and the other as the second core calculation program. If you know in advance, you can predict the calculation result by the other core calculation program from the calculation result based on one core calculation program, evaluate the core parameters accurately, and rationalize the core calculation. I thought I could do it.
具体的に、本発明者は、第２の炉心計算プログラムとして、空間メッシュが燃料棒格子単位、中性子エネルギーが９群程度で，中性子輸送理論を採用し，核種燃焼計算はミクロ燃料モデルを採用した精緻な炉心計算プログラムを開発した。この炉心計算プログラムは、燃料棒内原子数密度のような詳細な情報を精度良く評価することができるものの、この炉心計算プログラムだけで炉心計算を行うと、現在の計算機能力であっても、１運転サイクルの計算に数十分を要するため、炉心設計（燃料装荷パターンの探査）を行う観点からは実用的とは言えない。 Specifically, as the second core calculation program, the present inventor adopted the neutron transport theory with the space mesh in fuel rod lattice units and the neutron energy of about 9 groups, and adopted the microfuel model for the nuclide combustion calculation. We have developed an elaborate core calculation program. Although this core calculation program can accurately evaluate detailed information such as the number density of atoms in the fuel rod, if the core calculation is performed only by this core calculation program, even with the current calculation function, 1 Since it takes several tens of minutes to calculate the operation cycle, it is not practical from the viewpoint of core design (exploration of fuel loading pattern).
そこで、本発明者は、考えられる燃料装荷パターンに対して、第１の炉心計算プログラムとして、簡易な炉心計算プログラムを使用して評価する一方、第２の炉心計算プログラムとして、精緻な炉心計算プログラムを使用して評価し、得られた２つの評価結果から、その相関性に基づいて所望する燃料装荷パターンに対する第１の炉心計算プログラムによる評価結果から第２の炉心計算プログラムに基づく評価結果に相当する結果が得られると考えた。 Therefore, the present inventor evaluates a possible fuel loading pattern by using a simple core calculation program as the first core calculation program, while a precise core calculation program is used as the second core calculation program. From the two evaluation results obtained by using the above, the evaluation result by the first core calculation program for the desired fuel loading pattern based on the correlation corresponds to the evaluation result based on the second core calculation program. I thought that the result would be obtained.
即ち、２つの炉心計算プログラムには、一定の相関関係があるため、この相関関係を利用して炉心計算の合理化を図ることを考えた。 That is, since there is a certain correlation between the two core calculation programs, it was considered to rationalize the core calculation by using this correlation.
しかしながら、実際に、第１の炉心計算プログラム結果と第２の炉心計算プログラム結果との相関関係から解析を行おうとすると、燃料装荷パターンや炉心状態などの条件によっては、各プログラムが持つ不確かさが拡大して、場合によっては、第１の炉心計算プログラムでの評価結果が参考にならない場合があることが分かった。 However, when actually trying to analyze from the correlation between the result of the first core calculation program and the result of the second core calculation program, the uncertainty of each program depends on the conditions such as the fuel loading pattern and the core condition. Expanding, it was found that in some cases, the evaluation results in the first core calculation program may not be helpful.
この各プログラムが持つ不確かさに基づく２つの炉心計算プログラムの評価結果の差異は、多くの実績データに基づいて、エンジニアが分析して取り組むことにより低減させることが可能であるが、その分析はエンジニアの力量に依存する人為的な作業であるため、エンジニアの力量によっては、第２の炉心計算プログラムによる計算を何度も行う必要があり、安全性に関する炉心パラメータの制限値や目標値を満足する燃料装荷パターンを得るまでに、多くのリソースを費やしてしまう。 The difference in the evaluation results of the two core calculation programs based on the uncertainty of each program can be reduced by an engineer analyzing and working on it based on a lot of actual data. Because it is an artificial work that depends on the competence of the engineer, depending on the competence of the engineer, it is necessary to perform the calculation by the second core calculation program many times, and the limit value and the target value of the core parameter related to safety are satisfied. It consumes a lot of resources to obtain a fuel loading pattern.
このような状況下において、本発明者は、燃料装荷パターンや炉心条件によって、２つの炉心計算プログラムの評価結果の差異は変化するものの、各々の評価結果には強い相関性があることに鑑み、機械学習技術を用いて最終的な評価結果（精緻な炉心計算プログラムに基づく評価結果に相当する評価結果）を予測する予測プログラムを作成することができれば、所望する燃料装荷パターンに対して、第１の炉心計算プログラム結果から、第２の炉心計算プログラムを用いた場合の評価結果に相当する評価結果を短時間に再現することができると考えた。 Under such circumstances, the present inventor considers that although the difference in the evaluation results of the two core calculation programs changes depending on the fuel loading pattern and the core conditions, there is a strong correlation between the evaluation results. If it is possible to create a prediction program that predicts the final evaluation result (evaluation result corresponding to the evaluation result based on a precise core calculation program) using machine learning technology, the first method is to obtain the desired fuel loading pattern. From the results of the core calculation program, it was considered that the evaluation results corresponding to the evaluation results when the second core calculation program was used could be reproduced in a short time.
そして、実験の結果、機械学習技術を用いることにより、第１の炉心計算プログラムを用いた炉心設計結果から第２の炉心計算プログラムを用いた場合に相当する評価結果、具体的には炉心パラメータ評価値を瞬時に得て、合理的な炉心設計を行うことができ、迅速な結果が求められる場面においても、高精度な炉心パラメータ評価値を短時間に得ることが可能となることを確認した。 Then, as a result of the experiment, by using the machine learning technique, the evaluation result corresponding to the case where the second core calculation program is used from the core design result using the first core calculation program, specifically, the core parameter evaluation It was confirmed that the values can be obtained instantly, rational core design can be performed, and highly accurate core parameter evaluation values can be obtained in a short time even in situations where quick results are required.
具体的には、まず、想定される数多くの燃料装荷パターン（例えば、約６０００個程度）のそれぞれに対して、第１の炉心計算プログラムとして、例えば、近似が多い物理モデルを用いた簡易な炉心計算プログラムを採用して行うこと（第１の炉心計算工程）により得られた評価結果と、第１の炉心計算プログラムとして、例えば、近似が少ない物理モデルを用いた精緻な炉心計算プログラムを採用して行うこと（第２の炉心計算工程）により得られた評価結果とを「教師データ」として取得する。 Specifically, first, for each of a large number of assumed fuel loading patterns (for example, about 6000 pieces), as a first core calculation program, for example, a simple core using a physical model with many approximations. The evaluation results obtained by adopting the calculation program (first core calculation step) and the elaborate core calculation program using, for example, a physical model with few approximations are adopted as the first core calculation program. The evaluation results obtained by the above (second core calculation step) are acquired as "teacher data".
次に、取得された「教師データ」から、抽出プログラムを用いて、２つの炉心計算プログラムによる炉心パラメータ（例えば、サイクル末期燃焼度分布）を抽出し、データセットを作成する。 Next, from the acquired "teacher data", the core parameters (for example, the end-cycle burnup distribution) by the two core calculation programs are extracted by using the extraction program, and a data set is created.
そして、このデータセットに学習プログラム（例えば、多層ニューラルネットワークによる深層学習）を適用して、機械学習を行わせる。これにより、２つの炉心計算プログラムにおける相関関係を得ることができ、相関モデルに基づいて、第１の炉心計算における評価結果から第２の炉心計算における評価結果を予測する予測プログラムを作成することができる。 Then, a learning program (for example, deep learning by a multi-layer neural network) is applied to this data set to perform machine learning. As a result, the correlation between the two core calculation programs can be obtained, and a prediction program that predicts the evaluation result in the second core calculation from the evaluation result in the first core calculation can be created based on the correlation model. it can.
次に、所望する新しい燃料装荷パターンにおける第１の炉心計算プログラム（簡易な炉心計算プログラム）の結果を、この予測プログラムに入力する。これにより、第２の炉心計算プログラム（精緻な炉心計算プログラム）に基づく評価結果に相当する評価結果を、エンジニアの力量に依存することなく、短時間で精度高く出力することができる。 Next, the result of the first core calculation program (simple core calculation program) in the desired new fuel loading pattern is input to this prediction program. As a result, the evaluation result corresponding to the evaluation result based on the second core calculation program (exact core calculation program) can be output with high accuracy in a short time without depending on the competence of the engineer.
そして、さらに検討を行ったところ、第１の炉心計算プログラムと第２の炉心計算プログラムの組合せは、上記した簡易な炉心計算プログラムと精緻な炉心計算プログラムの組合せに限定されず、異なる物理モデルに基づいて作成された２つの炉心計算プログラムを組み合わせればよく、また、第２の炉心計算プログラム結果から第１の炉心計算プログラム結果を予測してもよいことが分かり、本発明を完成するに至った。 As a result of further examination, the combination of the first core calculation program and the second core calculation program is not limited to the combination of the simple core calculation program and the elaborate core calculation program described above, and may be a different physical model. It was found that the two core calculation programs created based on the above may be combined, and the result of the first core calculation program may be predicted from the result of the second core calculation program, leading to the completion of the present invention. It was.
本発明は、上記した各知見に基づくものであり、請求項１に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算方法であって、
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算工程と、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを整理および保存する整理保存工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算方法である。
The present invention is based on the above-mentioned findings, and the invention according to
It is a core calculation method for evaluating the core parameters of a nuclear reactor.
One of the two core calculation programs created based on different physical models is the first core calculation program, and the other is the second core calculation program.
The first core calculation step of performing the first core calculation based on the first core calculation program, and
A second core calculation step of performing a second core calculation based on the second core calculation program, and a second core calculation step.
An organizing and preserving step of organizing and preserving the evaluation results in the first core calculation step and the evaluation results in the second core calculation process.
A modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step.
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the second core calculation is evaluated in the first core calculation. It is equipped with a prediction program creation process that creates a prediction program that predicts the results.
By inputting the evaluation result of the first core calculation performed for the desired new fuel loading pattern or the evaluation result of the second core calculation into the prediction program, the second core calculation is performed. It is a core calculation method characterized in that the evaluation result or the evaluation result corresponding to the evaluation result in the first core calculation is output.
請求項２に記載の発明は、
前記第１の炉心計算工程、前記第２の炉心計算工程のいずれかが、複数の炉心計算工程から構成されていることを特徴とする請求項１に記載の炉心計算方法である。
The invention according to
The core calculation method according to
請求項３に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算方法であって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づく炉心計算プログラムを第１の炉心計算プログラムとし、相対的に近似が少ない物理モデルに基づく炉心計算プログラムを第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行うと共に、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行った後、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとし、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、２つの炉心計算に用いる炉心計算プログラムにおける相関関係を得て、相関モデルを形成し、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成し、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させることを特徴とする炉心計算方法である。
The invention according to
It is a core calculation method for evaluating the core parameters of a nuclear reactor.
For each of the possible fuel loading patterns
The core calculation program based on the physical model with relatively few approximations is used as the first core calculation program, and the core calculation program based on the physical model with relatively few approximations is used as the second core calculation program.
While performing the first core calculation based on the first core calculation program,
After performing the second core calculation based on the second core calculation program,
The evaluation results obtained in the first core calculation and the evaluation results obtained in the second core calculation are organized and saved as teacher data.
In the core calculation program used for the two core calculations, the maximum fuel assembly combustion degree distribution is extracted based on the teacher data, a data set is created, and then machine learning is performed on the data set. Obtain the correlation, form the correlation model,
Based on the correlation model, a prediction program for predicting the evaluation result in the second core calculation is created from the evaluation result in the first core calculation.
By inputting the evaluation result of the first core calculation performed for the desired new fuel loading pattern into the prediction program, the evaluation result corresponding to the evaluation result of the second core calculation can be output. This is a characteristic core calculation method.
請求項４に記載の発明は、
前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項１ないし請求項３のいずれか１項に記載の炉心計算方法である。
The invention according to
The core calculation method according to any one of
請求項５に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを整理および保存する整理保存ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを用いて、機械学習により相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップとを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算プログラムである。
The invention according to
A core calculation program for evaluating core parameters of a nuclear reactor.
One of the two core calculation programs created based on different physical models is the first core calculation program, and the other is the second core calculation program.
The first core calculation step of performing the first core calculation based on the first core calculation program, and
A second core calculation step of performing a second core calculation based on the second core calculation program, and
An arrangement and preservation step for organizing and storing the evaluation result in the first core calculation step and the evaluation result in the second core calculation step.
A modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step.
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the second core calculation is evaluated in the first core calculation. It has a prediction program creation step to create a prediction program that predicts the result.
By inputting the evaluation result of the first core calculation performed for the desired new fuel loading pattern or the evaluation result of the second core calculation into the prediction program, the second core calculation is performed. It is a core calculation program characterized in that the evaluation result or the evaluation result corresponding to the evaluation result in the first core calculation is output.
請求項６に記載の発明は、
前記第１の炉心計算ステップ、前記第２の炉心計算ステップのいずれかが複数の炉心計算ステップから構成されていることを特徴とする請求項５に記載の炉心計算プログラムである。
The invention according to
The core calculation program according to
請求項７に記載の発明は、
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
相対的に近似が少ない物理モデルに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとする整理保存ステップと、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、前記第１の炉心計算で得られる評価結果と前記第２の炉心計算で得られる評価結果の相関関係を得て、相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップと、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させるように構成されていることを特徴とする炉心計算プログラムである。
The invention according to
A core calculation program for evaluating core parameters of a nuclear reactor.
For each of the possible fuel loading patterns
The first core calculation step, which performs the first core calculation based on a physical model with relatively many approximations,
A second core calculation step that performs a second core calculation based on a physical model with relatively few approximations,
An organizing and saving step of organizing and saving the evaluation result obtained by the first core calculation and the evaluation result obtained by the second core calculation and using it as teacher data.
Evaluation obtained by the first core calculation by extracting the fuel assembly maximum combustion degree distribution based on the teacher data, creating a data set, and then performing machine learning on the data set. A modeling step of obtaining a correlation between the result and the evaluation result obtained in the second core calculation and forming a correlation model,
A prediction program creation step of creating a prediction program for predicting the evaluation result in the second core calculation from the evaluation result in the first core calculation based on the correlation model.
By inputting the evaluation result by the first core calculation performed for the desired new fuel loading pattern into the prediction program, the evaluation result corresponding to the evaluation result by the second core calculation is output. It is a core calculation program characterized by being configured.
請求項８に記載の発明は、
前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項５ないし請求項７のいずれか１項に記載の炉心計算プログラムである。
The invention according to
The core calculation program according to any one of
請求項９に記載の発明は、
原子炉の炉心パラメータを評価するために使用される炉心計算装置であって、
請求項５ないし請求項８のいずれか１項に記載の炉心計算プログラムが搭載されており、
炉心計算に必要なデータを入力するためのデータ入力手段と、
入力されたデータに基づいて前記予測プログラムにより計算された結果を、炉心パラメータの評価値として出力するデータ出力手段とを備えていることを特徴とする炉心計算装置である。
The invention according to
A core calculator used to evaluate the core parameters of a nuclear reactor.
The core calculation program according to any one of
Data entry means for entering the data required for core calculation,
The core calculation apparatus is provided with a data output means for outputting the result calculated by the prediction program based on the input data as an evaluation value of the core parameter.
本発明によれば、核燃料の多様化やプラント運用の高度化に対応した炉心計算であっても、合理的に効率よく炉心計算を行い、短時間に精度高く炉心パラメータを評価することができる炉心計算技術を提供することができる。 According to the present invention, even in the core calculation corresponding to the diversification of nuclear fuel and the sophistication of plant operation, the core calculation can be performed reasonably and efficiently, and the core parameters can be evaluated accurately in a short time. Computational technology can be provided.
以下、実施の形態に基づき、本発明を具体的に説明する。なお、以下においては、近似が多い物理モデルに基づいて作成された簡易な炉心計算プログラムを第１の炉心計算プログラム、近似が少ない物理モデルに基づいて作成された精緻な炉心計算プログラムを第２の炉心計算プログラムとして説明するが、異なる２つの物理モデルの各々に基づいて作成された２つの炉心計算プログラムであれば、特に限定されない。 Hereinafter, the present invention will be specifically described based on the embodiments. In the following, a simple core calculation program created based on a physical model with many approximations is used as the first core calculation program, and an elaborate core calculation program created based on a physical model with few approximations is used as the second core calculation program. Although it will be described as a core calculation program, it is not particularly limited as long as it is two core calculation programs created based on each of two different physical models.
本実施の形態の炉心計算方法は、近似が多い物理モデルに基づいた簡易な炉心計算プログラム（第１の炉心計算プログラム）により炉心計算を行う第１の炉心計算工程と、近似が少ない物理モデルに基づいた精緻な炉心計算プログラム（第２の炉心計算プログラム）により炉心計算を行う第２の炉心計算工程とを用いて、炉心パラメータを評価している。 The core calculation method of the present embodiment is divided into a first core calculation step in which core calculation is performed by a simple core calculation program (first core calculation program) based on a physical model with many approximations and a physical model with few approximations. The core parameters are evaluated using the second core calculation step in which the core calculation is performed by the elaborate core calculation program (second core calculation program) based on the above.
炉心パラメータについては、ＰＷＲの場合、想定した各燃料装荷パターンについて、停止余裕、最大線出力密度、出力ピーキング係数、減速材温度係数、出力運転時ほう素濃度、燃料集合体最高燃焼度、最大反応度添加率等を、炉心パラメータとして、それぞれについて適否を評価する。一方、ＢＷＲに固有の炉心パラメータには、制御棒の最大反応度価値、最小限界出力比、核熱水力安定性等が挙げられ、また、減速材温度係数に替えてボイド反応度係数を用いる。 Regarding core parameters, in the case of PWR, for each assumed fuel loading pattern, stop margin, maximum line output density, output peaking coefficient, moderator temperature coefficient, boron concentration during output operation, fuel assembly maximum burnup, maximum reactivity. Appropriateness is evaluated for each of the core parameters such as the degree addition rate. On the other hand, core parameters peculiar to BWR include maximum reactivity value of control rods, minimum limit output ratio, nuclear hydrothermal stability, etc., and void reactivity coefficient is used instead of moderator temperature coefficient. ..
炉心計算は、想定した燃料装荷パターンの炉心パラメータを、図１のフローチャートに示した手順に従って行う。 The core calculation is performed by performing the core parameters of the assumed fuel loading pattern according to the procedure shown in the flowchart of FIG.
（１）教師データの取得
先ず、想定される数多くの燃料装荷パターンのそれぞれに対して、近似が多い物理モデルに基づいて簡易な炉心計算プログラム（第１の炉心計算プログラム）を用いて第１の炉心計算を行うと共に、近似が少ない物理モデルに基づいて精緻な炉心計算プログラム（第２の炉心計算プログラム）を用いて第２の炉心計算を行う。
(1) Acquisition of teacher data First, for each of the many assumed fuel loading patterns, a simple core calculation program (first core calculation program) is used based on a physical model with many approximations. In addition to performing the core calculation, the second core calculation is performed using a precise core calculation program (second core calculation program) based on a physical model with few approximations.
次に、得られた第１の炉心計算結果と第２の炉心計算結果とを、教師データとして取得する。 Next, the obtained first core calculation result and the second core calculation result are acquired as teacher data.
（２）データセットの構築
次に、取得された「教師データ」から、抽出プログラムを用いて、２つの炉心計算プログラムによる燃料集合体最高燃焼度分布を抽出することにより、データセットを作成する。
(2) Construction of data set Next, a data set is created by extracting the maximum burnup distribution of the fuel assembly by the two core calculation programs from the acquired "teacher data" using an extraction program.
（３）相関モデルの作成と予測プログラムの作成
次に、このデータセットに、学習器に予め内蔵されている学習プログラムを適用して、機械学習を行わせる。これにより、２つの炉心計算プログラムにおける相関関係が得られて相関モデルを作成することができるため、この相関モデルに基づいて、第１の炉心計算における評価結果から、第２の炉心計算における評価結果を予測する予測プログラムを作成することができる。
(3) Creation of correlation model and creation of prediction program Next, the learning program built in the learner is applied to this data set to perform machine learning. As a result, the correlation between the two core calculation programs can be obtained and a correlation model can be created. Therefore, based on this correlation model, the evaluation result in the first core calculation is evaluated as the evaluation result in the second core calculation. You can create a prediction program that predicts.
なお、機械学習に際しては、多層ニューラルネットワークによる深層学習を適用することが好ましく、これにより、装荷パターン及び炉心条件と炉心パラメータの相関について法則性を把握することが困難なケースでも両者の関係を精度良く近似させることができる。 In machine learning, it is preferable to apply deep learning by a multi-layer neural network, and by doing so, even in cases where it is difficult to grasp the rules regarding the correlation between the loading pattern and core conditions and core parameters, the relationship between the two is accurate. It can be approximated well.
（４）新しい燃料装荷パターンにおける評価
次に、所望する新しい燃料装荷パターンにおける簡易な炉心計算プログラム（第１の炉心計算プログラム）に基づく評価結果を、この予測プログラムに入力する。これにより、精緻な炉心計算プログラム（第２の炉心計算プログラム）に基づく評価結果に相当する評価結果を、エンジニアの力量に依存することなく、短時間で精度高く評価することができる。
(4) Evaluation in the new fuel loading pattern Next, the evaluation result based on the simple core calculation program (first core calculation program) in the desired new fuel loading pattern is input to this prediction program. As a result, the evaluation result corresponding to the evaluation result based on the precise core calculation program (second core calculation program) can be evaluated with high accuracy in a short time without depending on the competence of the engineer.
以上のように、本実施の形態によれば、異なる物理モデルに基づいて作成された２つの炉心計算プログラムを用いて形成された相関モデルから作成された予測プログラムを使用して評価しているため、所望する新しい燃料装荷パターンにおいて、第１の炉心計算における評価結果から第２の炉心計算における評価結果、または、第２の炉心計算における評価結果から第１の炉心計算における評価結果を、容易に高い精度で得ることができる。
この結果、核燃料の多様化やプラント運用の高度化に対応した炉心計算であっても、全体を精緻な炉心計算プログラムで行う場合に比べて、合理的に効率よく炉心計算を行うことができ、しかも、全体を精緻な炉心計算プログラムで行う場合に近い精度で評価することができる。
As described above, according to the present embodiment, the evaluation is performed using the prediction program created from the correlation model formed by using the two core calculation programs created based on different physical models. In the desired new fuel loading pattern, the evaluation result in the first core calculation to the evaluation result in the second core calculation, or the evaluation result in the second core calculation to the evaluation result in the first core calculation can be easily obtained. It can be obtained with high accuracy.
As a result, even in the core calculation corresponding to the diversification of nuclear fuel and the sophistication of plant operation, the core calculation can be performed reasonably and efficiently compared to the case where the entire core calculation is performed by a precise core calculation program. Moreover, it is possible to evaluate the whole with an accuracy close to that when the whole is performed by a precise core calculation program.
なお、上記において、第１の炉心計算、第２の炉心計算のいずれかが、複数の炉心計算から構成されていてもよい。 In the above, either the first core calculation or the second core calculation may be composed of a plurality of core calculations.
以下、実施例に基づいて、本発明をさらに具体的に説明する。なお、以下においては、ＰＷＲ炉心において、炉心設計において安全面から重要であり、各種パラメータの積算情報が含まれているサイクル末期の燃料集合体最高燃焼度分布を対象として評価を行い、全体を精緻な炉心計算により行って得られる評価と対比することにより、本実施の形態における適用性を確認している。 Hereinafter, the present invention will be described in more detail based on Examples. In the following, in the PWR core, the highest burnup distribution of the fuel assembly at the end of the cycle, which is important from the viewpoint of safety in the core design and includes the integrated information of various parameters, is evaluated and the whole is refined. The applicability in this embodiment is confirmed by comparing with the evaluation obtained by performing the core calculation.
［１］実施例
図１に示したフローチャートに記載されている手順に従って、炉心パラメータ評価値を算定した。算定結果を精緻な炉心計算方法を用いて算定した算定結果と対比することにより算定の精度を評価した。
[1] Example The core parameter evaluation value was calculated according to the procedure described in the flowchart shown in FIG. The accuracy of the calculation was evaluated by comparing the calculation results with the calculation results calculated using a precise core calculation method.
１．燃料集合体最高燃焼度分布の算定
燃料装荷パターンを、４ループＰＷＲ炉心に対して１／８対称性を有した状態で、ＰＭ０００１〜ＰＭ６０００まで、６０００個作成した。
1. 1. Calculation of maximum burnup distribution of fuel assembly 6000 fuel loading patterns were prepared from PM0001 to PM6000 with 1/8 symmetry with respect to the 4-loop PWR core.
そして、各燃料装荷パターンのそれぞれにおいて、近似の多少に応じて物理モデルが異なる第１の炉心計算プログラム（近似多）と第２の炉心計算プログラム（近似少）、２種類の炉心計算プログラムを用いて、２つの炉心計算結果を教師データとして取得した。 Then, in each fuel loading pattern, two types of core calculation programs are used, a first core calculation program (more approximations) and a second core calculation program (less approximations), which have different physical models depending on the degree of approximation. The two core calculation results were acquired as teacher data.
具体的に、第１の炉心計算プログラムとしては、空間メッシュが１／４燃料集合単位、中性子エネルギー群数は２群で、中性子拡散理論を採用し、核種燃焼計算はマクロ燃焼モデルを採用した炉心計算プログラムを使用した。一方、第２の炉心計算プログラムとしては、空間メッシュが燃料棒格子単位、中性子エネルギーが９群で，中性子輸送理論を採用し，核種燃焼計算はミクロ燃料モデルを採用した炉心計算プログラムを使用した。 Specifically, as the first core calculation program, the space mesh is 1/4 fuel assembly unit, the number of neutron energy groups is 2, the neutron diffusion theory is adopted, and the nuclide combustion calculation adopts the macro combustion model. I used a calculation program. On the other hand, as the second core calculation program, the space mesh was in fuel rod lattice units, the neutron energy was in 9 groups, the neutron transport theory was adopted, and the nuclide combustion calculation used the core calculation program using the micro fuel model.
次に、上記教師データから、燃料集合体最高燃焼度分布の評価値を抽出して、データセットを構築した。 Next, the evaluation value of the maximum burnup distribution of the fuel assembly was extracted from the above teacher data, and a data set was constructed.
次に、データセットを、学習器に内蔵された多層ニューラルネットワークによる深層学習を用いて行う機械学習に掛け、相関モデルを作成し、この相関モデルを基に予測プログラムを取得した。 Next, the data set was subjected to machine learning performed by using deep learning by a multi-layer neural network built in the learner to create a correlation model, and a prediction program was acquired based on this correlation model.
次に、予測プログラムに、所望する新しい燃料装荷パターンにおける第１の炉心計算結果を入力し、所望する新しい燃料装荷パターンにおける燃料集合体最高燃焼度分布を求めた。なお、この出力は、入力から瞬時に得られた。 Next, the first core calculation result in the desired new fuel loading pattern was input to the prediction program, and the maximum burnup distribution of the fuel assembly in the desired new fuel loading pattern was obtained. This output was obtained instantly from the input.
２．算定結果の検証
予測プログラムによる結果を、全体を第２の炉心計算プログラムによって得られた結果と対比した。結果を図２に示す。なお、図２において、各枡目（四角）はそれぞれ燃料棒格子を示し、記載されている数値は、第２の炉心計算プログラムによる結果に対する予測プログラムによる結果のズレの程度を示しており、下式により求めた。なお、単位は、燃焼度［ＭＷｄ／ｔ］である。
（第２の炉心計算プログラムによる結果）−（予測プログラムによる結果）
2. Verification of calculation results The results of the prediction program were compared with the results obtained by the second core calculation program. The results are shown in FIG. In FIG. 2, each grid (square) indicates a fuel rod grid, and the numerical values shown indicate the degree of deviation of the result by the prediction program from the result by the second core calculation program. It was calculated by the formula. The unit is the burnup [MWd / t].
(Result by the second core calculation program)-(Result by the prediction program)
図２より、予測プログラムによる計算結果の第２の炉心計算プログラムによる結果との差は、大きくても、±１００ＭＷｄ／ｔ程度に収まっており、本実施例の炉心計算方法を適用することにより、短時間で精度高く結果を出力できることが確認できた。 From FIG. 2, the difference between the calculation result by the prediction program and the result by the second core calculation program is within ± 100 MWd / t at the maximum, and by applying the core calculation method of this embodiment, It was confirmed that the results can be output with high accuracy in a short time.
［２］比較例
比較例として、全体を第１の炉心計算プログラムを使用することにより得られた結果を、全体を第２の炉心計算プログラムを使用することにより得られた結果と対比して、その精度を調べた。
[2] Comparative Example As a comparative example, the result obtained by using the first core calculation program as a whole is compared with the result obtained by using the second core calculation program as a whole. I checked its accuracy.
結果を図３に示す。図３において、各枡目（四角）はそれぞれ燃料棒格子を示し、記載されている数値は、第２の炉心計算プログラムによって得られた結果に対する第１の炉心プログラムによって得られた結果のズレの程度を示しており、下式により求めた。なお、単位は、燃焼度［ＭＷｄ／ｔ］である。
（第２の炉心計算プログラムによる結果）−（第１の炉心計算プログラムによる結果）
The results are shown in FIG. In FIG. 3, each grid (square) indicates a fuel rod grid, and the numerical values shown are the deviations of the results obtained by the first core program from the results obtained by the second core calculation program. The degree is shown, and it was calculated by the following formula. The unit is the burnup [MWd / t].
(Result by the second core calculation program)-(Result by the first core calculation program)
図３より、第１の炉心計算プログラムによる計算結果と、第２の炉心計算プログラムによる計算結果との差は、全体に図２の場合により大きく、最も大きい差は±４００ＭＷｄ／ｔ程度にもなっていることが分かる。 From FIG. 3, the difference between the calculation result by the first core calculation program and the calculation result by the second core calculation program is larger than that in the case of FIG. 2 as a whole, and the largest difference is about ± 400 MWd / t. You can see that.
以上、本発明を実施の形態に基づいて説明したが、本発明は上記の実施の形態に限定されるものではない。本発明と同一および均等の範囲内において、上記の実施の形態に対して種々の変更を加えることができる。 Although the present invention has been described above based on the embodiments, the present invention is not limited to the above embodiments. Various modifications can be made to the above embodiments within the same and equivalent scope as the present invention.
Claims (9)
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算工程と、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを整理および保存する整理保存工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算方法。 It is a core calculation method for evaluating the core parameters of a nuclear reactor.
One of the two core calculation programs created based on different physical models is the first core calculation program, and the other is the second core calculation program.
The first core calculation step of performing the first core calculation based on the first core calculation program, and
A second core calculation step of performing a second core calculation based on the second core calculation program, and a second core calculation step.
An organizing and preserving step of organizing and preserving the evaluation results in the first core calculation step and the evaluation results in the second core calculation process.
A modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step.
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the second core calculation is evaluated in the first core calculation. It is equipped with a prediction program creation process that creates a prediction program that predicts the results.
By inputting the evaluation result of the first core calculation performed for the desired new fuel loading pattern or the evaluation result of the second core calculation into the prediction program, the second core calculation is performed. A core calculation method characterized in that an evaluation result or an evaluation result corresponding to the evaluation result in the first core calculation is output.
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づく炉心計算プログラムを第１の炉心計算プログラムとし、相対的に近似が少ない物理モデルに基づく炉心計算プログラムを第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行うと共に、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行った後、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとし、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、２つの炉心計算に用いる炉心計算プログラムにおける相関関係を得て、相関モデルを形成し、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成し、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させることを特徴とする炉心計算方法。 It is a core calculation method for evaluating the core parameters of a nuclear reactor.
For each of the possible fuel loading patterns
The core calculation program based on the physical model with relatively few approximations is used as the first core calculation program, and the core calculation program based on the physical model with relatively few approximations is used as the second core calculation program.
While performing the first core calculation based on the first core calculation program,
After performing the second core calculation based on the second core calculation program,
The evaluation results obtained in the first core calculation and the evaluation results obtained in the second core calculation are organized and saved as teacher data.
In the core calculation program used for the two core calculations, the maximum fuel assembly combustion degree distribution is extracted based on the teacher data, a data set is created, and then machine learning is performed on the data set. Obtain the correlation, form the correlation model,
Based on the correlation model, a prediction program for predicting the evaluation result in the second core calculation is created from the evaluation result in the first core calculation.
By inputting the evaluation result of the first core calculation performed for the desired new fuel loading pattern into the prediction program, the evaluation result corresponding to the evaluation result of the second core calculation can be output. A characteristic core calculation method.
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを整理および保存する整理保存ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを用いて、機械学習により相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップとを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算プログラム。 A core calculation program for evaluating core parameters of a nuclear reactor.
One of the two core calculation programs created based on different physical models is the first core calculation program, and the other is the second core calculation program.
The first core calculation step of performing the first core calculation based on the first core calculation program, and
A second core calculation step of performing a second core calculation based on the second core calculation program, and
A rearrangement and preservation step for organizing and preserving the evaluation results in the first core calculation step and the evaluation results in the second core calculation step.
A modeling step of forming a correlation model by machine learning using the evaluation result in the first core calculation step and the evaluation result in the second core calculation step.
Based on the correlation model, the evaluation result in the second core calculation is predicted from the evaluation result in the first core calculation, or the evaluation result in the second core calculation is evaluated in the first core calculation. It has a prediction program creation step to create a prediction program that predicts the result.
By inputting the evaluation result of the first core calculation performed for the desired new fuel loading pattern or the evaluation result of the second core calculation into the prediction program, the second core calculation is performed. A core calculation program characterized in that an evaluation result or an evaluation result corresponding to the evaluation result in the first core calculation is output.
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
相対的に近似が少ない物理モデルに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとする整理保存ステップと、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、前記第１の炉心計算で得られる評価結果と前記第２の炉心計算で得られる評価結果の相関関係を得て、相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップと、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させるように構成されていることを特徴とする炉心計算プログラム。 A core calculation program for evaluating core parameters of a nuclear reactor.
For each of the possible fuel loading patterns
The first core calculation step, which performs the first core calculation based on a physical model with relatively many approximations,
A second core calculation step that performs a second core calculation based on a physical model with relatively few approximations,
An organizing and saving step of organizing and saving the evaluation result obtained by the first core calculation and the evaluation result obtained by the second core calculation and using it as teacher data.
Evaluation obtained by the first core calculation by extracting the fuel assembly maximum combustion degree distribution based on the teacher data, creating a data set, and then performing machine learning on the data set. A modeling step of obtaining a correlation between the result and the evaluation result obtained in the second core calculation and forming a correlation model,
A prediction program creation step of creating a prediction program for predicting the evaluation result in the second core calculation from the evaluation result in the first core calculation based on the correlation model.
By inputting the evaluation result by the first core calculation performed for the desired new fuel loading pattern into the prediction program, the evaluation result corresponding to the evaluation result by the second core calculation is output. A core calculation program characterized by being configured.
請求項５ないし請求項８のいずれか１項に記載の炉心計算プログラムが搭載されており、
炉心計算に必要なデータを入力するためのデータ入力手段と、
入力されたデータに基づいて前記予測プログラムにより計算された結果を、炉心パラメータの評価値として出力するデータ出力手段とを備えていることを特徴とする炉心計算装置。 A core calculator used to evaluate the core parameters of a nuclear reactor.
The core calculation program according to any one of claims 5 to 8 is installed.
Data entry means for entering the data required for core calculation,
A core calculation device including a data output means for outputting a result calculated by the prediction program based on input data as an evaluation value of a core parameter.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019161216A JP7252100B2 (en) | 2019-09-04 | 2019-09-04 | Core calculation method, core calculation program and core calculation device |
| JP2023044629A JP2023076513A (en) | 2019-09-04 | 2023-03-20 | Reactor core calculation method, reactor core calculation program and reactor core calculation device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019161216A JP7252100B2 (en) | 2019-09-04 | 2019-09-04 | Core calculation method, core calculation program and core calculation device |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023044629A Division JP2023076513A (en) | 2019-09-04 | 2023-03-20 | Reactor core calculation method, reactor core calculation program and reactor core calculation device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021039024A true JP2021039024A (en) | 2021-03-11 |
| JP7252100B2 JP7252100B2 (en) | 2023-04-04 |
Family
ID=74848515
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019161216A Active JP7252100B2 (en) | 2019-09-04 | 2019-09-04 | Core calculation method, core calculation program and core calculation device |
| JP2023044629A Pending JP2023076513A (en) | 2019-09-04 | 2023-03-20 | Reactor core calculation method, reactor core calculation program and reactor core calculation device |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023044629A Pending JP2023076513A (en) | 2019-09-04 | 2023-03-20 | Reactor core calculation method, reactor core calculation program and reactor core calculation device |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP7252100B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117558472A (en) * | 2024-01-11 | 2024-02-13 | 深圳大学 | Nuclear reactor cooling system and cooling control method thereof |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04113297A (en) * | 1990-09-01 | 1992-04-14 | Toshiba Corp | Device for presuming reactor core function of nuclear reactor |
| JPH05196793A (en) * | 1992-01-22 | 1993-08-06 | Hitachi Ltd | Supporting apparatus for preparation of operation plan |
| JPH07198887A (en) * | 1993-12-28 | 1995-08-01 | Toshiba Corp | Reactor core performance estimation device of atomic reactor |
| JPH1020072A (en) * | 1996-07-02 | 1998-01-23 | Hitachi Ltd | Reactor core performance calculating device |
| JP2005148079A (en) * | 2005-01-21 | 2005-06-09 | Toshiba Corp | Device for calculating core performance |
| JP2018097544A (en) * | 2016-12-12 | 2018-06-21 | 三菱重工業株式会社 | Evaluation apparatus, evaluation method, computer program, and recording medium |
| JP2019040430A (en) * | 2017-08-25 | 2019-03-14 | 三菱日立パワーシステムズ株式会社 | Water quality control device, water treatment system, thermal plant, power generation plant, and water quality control method |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6528225B1 (en) | 1998-03-09 | 2003-03-04 | Xerox Corporation | Carrier |
-
2019
- 2019-09-04 JP JP2019161216A patent/JP7252100B2/en active Active
-
2023
- 2023-03-20 JP JP2023044629A patent/JP2023076513A/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04113297A (en) * | 1990-09-01 | 1992-04-14 | Toshiba Corp | Device for presuming reactor core function of nuclear reactor |
| JPH05196793A (en) * | 1992-01-22 | 1993-08-06 | Hitachi Ltd | Supporting apparatus for preparation of operation plan |
| JPH07198887A (en) * | 1993-12-28 | 1995-08-01 | Toshiba Corp | Reactor core performance estimation device of atomic reactor |
| JPH1020072A (en) * | 1996-07-02 | 1998-01-23 | Hitachi Ltd | Reactor core performance calculating device |
| JP2005148079A (en) * | 2005-01-21 | 2005-06-09 | Toshiba Corp | Device for calculating core performance |
| JP2018097544A (en) * | 2016-12-12 | 2018-06-21 | 三菱重工業株式会社 | Evaluation apparatus, evaluation method, computer program, and recording medium |
| JP2019040430A (en) * | 2017-08-25 | 2019-03-14 | 三菱日立パワーシステムズ株式会社 | Water quality control device, water treatment system, thermal plant, power generation plant, and water quality control method |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117558472A (en) * | 2024-01-11 | 2024-02-13 | 深圳大学 | Nuclear reactor cooling system and cooling control method thereof |
| CN117558472B (en) * | 2024-01-11 | 2024-03-15 | 深圳大学 | Nuclear reactor cooling system and cooling control method thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023076513A (en) | 2023-06-01 |
| JP7252100B2 (en) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2006189439A (en) | Decision method of non-irradiated bundle design for core of reactor | |
| JP2008157937A (en) | Computer-implemented method and system for designing nuclear reactor core satisfying licensing criteria | |
| Castro et al. | Improving PWR core simulations by Monte Carlo uncertainty analysis and Bayesian inference | |
| Radaideh et al. | Combining simulations and data with deep learning and uncertainty quantification for advanced energy modeling | |
| JP2023076513A (en) | Reactor core calculation method, reactor core calculation program and reactor core calculation device | |
| Szilard et al. | Industry application emergency core cooling system cladding acceptance criteria early demonstration | |
| Mandelli et al. | A flooding induced station blackout analysis for a pressurized water reactor using the RISMC toolkit | |
| Ho et al. | Numerical investigation of the random arrangement effect of coated fuel particles on the criticality of HTTR fuel compact using MCNP6 | |
| Zeng et al. | Uncertainty analysis of Light water reactor core simulations using statistic sampling method | |
| Bucalossi et al. | Role of best estimate plus uncertainty methods in major nuclear power plant modifications | |
| Hedayat | Developing a futuristic multi-objective optimization of the fuel management problems for the nuclear research reactors | |
| Zhang et al. | A Strategic Approach to Employ Risk-Informed Methods to Enable Margin Recovery of Nuclear Power Plants Operating Margins | |
| Dzianisau et al. | Macroscopic Cross-Section Generation for Nodal Code RAST-K Using Artificial Neural Network | |
| Goričanec et al. | Predicting Ex-core Detector Response in a PWR with Monte Carlo Neutron Transport Methods | |
| Castro et al. | Methodologies for sensitivity/uncertainty analysis using reactor core simulators with application to pressurized water reactors | |
| Alfonsi et al. | Hybrid Dynamic Event Tree sampling strategy in RAVEN code | |
| Zhang et al. | R&D Roadmap for Enhanced Resilient Plant Systems, Metrics, Scenarios, Risk Analysis, and Modeling and Simulation | |
| Brown et al. | Statistical Tests for Convergence in Monte Carlo Criticality Calculations | |
| Pantyushin et al. | Experience gained in analyzing severe accidents for WWER RP using CC SOCRAT | |
| Tantillo et al. | HTR code package neutronics developments and benchmarks | |
| Wanninger et al. | Screening sensitivity analysis of a PWR fuel assembly FEM structural model | |
| Armishaw et al. | The ANSWERS Code MONK–A new approach to scoring, tracking, modelling and visualisation | |
| Parisi et al. | Automatic limit surface search for PWR Transients by RELAP5-3D/RAVEN Codes | |
| Alfonsi et al. | Dynamic Event Tree advancements and control logic improvements | |
| Krivtchik et al. | Analysis of uncertainty propagation in scenario studies Surrogate models application to the French historical PWR fleet |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220414 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230206 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230227 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230323 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7252100 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |