JP2021076466A - 原子力プラントの線量当量予測方法、線量当量予測プログラム、及び、線量当量予測装置 - Google Patents
原子力プラントの線量当量予測方法、線量当量予測プログラム、及び、線量当量予測装置 Download PDFInfo
- Publication number
- JP2021076466A JP2021076466A JP2019203019A JP2019203019A JP2021076466A JP 2021076466 A JP2021076466 A JP 2021076466A JP 2019203019 A JP2019203019 A JP 2019203019A JP 2019203019 A JP2019203019 A JP 2019203019A JP 2021076466 A JP2021076466 A JP 2021076466A
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- dose equivalent
- nuclear
- power plant
- nuclear power
- 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
- 238000000034 method Methods 0.000 title claims description 99
- 239000000498 cooling water Substances 0.000 claims description 82
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 34
- 238000001816 cooling Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 239000000463 material Substances 0.000 claims description 15
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 10
- 229910052744 lithium Inorganic materials 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000000491 multivariate analysis Methods 0.000 claims description 6
- 238000005086 pumping Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 description 27
- 239000012535 impurity Substances 0.000 description 17
- 238000000746 purification Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000003647 oxidation Effects 0.000 description 8
- 238000007254 oxidation reaction Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000012857 radioactive material Substances 0.000 description 8
- 238000005260 corrosion Methods 0.000 description 6
- 230000007797 corrosion Effects 0.000 description 6
- 239000000446 fuel Substances 0.000 description 6
- 239000000941 radioactive substance Substances 0.000 description 6
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011033 desalting Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 3
- 238000009835 boiling Methods 0.000 description 3
- 238000011157 data evaluation Methods 0.000 description 3
- 238000004090 dissolution Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 229910052725 zinc Inorganic materials 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 229910052796 boron Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004992 fission Effects 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052759 nickel Inorganic materials 0.000 description 2
- 239000003758 nuclear fuel Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004299 exfoliation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011403 purification operation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 description 1
- 229910052727 yttrium Inorganic materials 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
-
- 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
原子炉を有する原子力プラントにおいて、運転中の前記原子力プラントに関する運転中パラメータ、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータを少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデルを用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求めるステップを備える。
コンピュータを、
原子炉を有する原子力プラントにおいて、運転中の前記原子力プラントに関する運転中パラメータ、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータを少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデルを用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求める手段として機能させる。
原子炉を有する原子力プラントにおいて、運転中の前記原子力プラントに関する運転中パラメータ、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータを少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデルを用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求めるように構成された予測値算出部を備える。
尚、ステップS100における第1パラメータX1、X2、・・・の取得は、予め用意されたパラメータ群から選択的に行われてもよい。このような選択的な取得は、例えば、パラメータ群に含まれる各パラメータに対して第2パラメータYへの寄与度に応じて優先度を付与しておき、当該優先度に基づいて行われてもよい。
中分類「使用材料パラメータ」は、第1パラメータ候補として「構成機器の使用材料」を含む。「構成機器の使用材料」は、構成機器の腐食、放射性物質の溶解・剥離、又は、予測対象機器への放射性物質の付着に少なからず影響を与える可能性があるからである。
中分類「保守履歴パラメータ」は、第1パラメータ候補として「過去の保守作業の実施内容・時期」を含む。保守作業では、原子力プラント1の各構成要素の表面に生じた酸化皮膜の量が変化することにより、構成機器の腐食、放射性物質の溶解・剥離、又は、予測対象機器への放射性物質の付着に少なからず影響を与える可能性があるからである。
小分類「成分濃度」は、冷却水に含まれる各成分の濃度であり、第1パラメータ候補として「サイクル初期の濃度」、「サイクル中期の濃度」、「サイクル末期の濃度」、「サイクル中の平均濃度」、「サイクル中の濃度変動幅」を含む。これらの第1パラメータ候補の対象成分としては、例えば、冷却水の典型的成分であるホウ素、リチウム、溶存水素、亜鉛などが含まれる。
小分類「pH」は、冷却水のpHであり、第1パラメータ候補として、「サイクル初期のpH」、「サイクル中期のpH」、「サイクル末期のpH」、「サイクル平均pH」、「サイクル中のpH変動幅」を含む。
小分類「不純物濃度」は、冷却水に含まれる不純物の濃度であり、第1パラメータ候補として「サイクル初期の不純物濃度」、「サイクル中期の不純物濃度」、「サイクル末期の不純物濃度」、「サイクル中の平均不純物濃度」、「サイクル中の不純物濃度変動幅」を含む。これらの第1パラメータ候補の対象不純物としては、例えば、冷却水の典型的不純物であるCl、SO4、O2などが含まれる。
小分類「成分濃度」は、停止動作中の冷却水に含まれる各成分の濃度であり、第1パラメータ候補として「停止動作初期(クールダウン時)の濃度」、「停止動作末期(酸化運転時)の濃度」を含む。これらの第1パラメータ候補の対象成分としては、例えば、冷却水の典型的成分であるホウ素、リチウム、溶存水素、亜鉛などが含まれる。
小分類「pH」は、停止動作中の冷却水のpHであり、第1パラメータ候補として、「停止動作初期(クールダウン時)のpH」、「停止動作末期(酸化運転時)のpH」を含む。
小分類「不純物濃度」は、停止動作中の冷却水に含まれる不純物の濃度であり、第1パラメータ候補として「停止動作初期(クールダウン時)の不純物濃度」、「停止動作末期(酸化運転時)の不純物濃度」を含む。これらの第1パラメータ候補の対象不純物としては、例えば、冷却水の典型的不純物であるCl、SO4、O2などが含まれる。
尚、図3Bでは省略しているが、原子力プラント1の停止動作期間中における冷却水の流量に関するパラメータとして、冷却水を圧送するための一次冷却水ポンプ12の出力などの、一次冷却水ポンプ12の運転状態に関するパラメータを含んでもよい。
Y=a1X1+a2X2+・・・ (1)
ここでa1、a2、・・・は任意の係数である。ステップS104では、(1)式に対してステップS103で算出された第1パラメータX1、X2、・・・、及び、第2パラメータYを適用することで、係数a1、a2、・・・を求めることにより予測モデルMを算出する(ステップS105)。
尚、ステップS104の多変量解析では、例えば、PLS解析(部分的最小二乗法)を適用することができるが、これに限られず、他の公知の手法を適宜適用してもよい。
原子炉を有する(例えば上記実施形態の原子炉容器6)原子力プラント(例えば上記実施形態の原子力プラント1)において、前記原子力プラントに関する運転中パラメータ(例えば上記実施形態の図3Aにおいて大分類「運転中パラメータ」に属する第1パラメータ候補)、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータ(例えば上記実施形態の図3Bにおいて大分類「停止動作パラメータ」に属する第1パラメータ候補)を少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデル(例えば上記実施形態の予測モデルM)を用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求めるステップ(例えば上記実施形態のステップS203〜S204)を備える。
前記停止動作パラメータは、前記停止動作期間中における前記原子力プラントの操作に関するパラメータ(例えば上記実施形態の図3Bにおいて大分類「停止動作パラメータ」及び中分類「操作パラメータ」に属する第1パラメータ候補)を含む。
前記停止動作パラメータは、前記停止動作期間中における前記原子炉を通る冷却水(例えば上記実施形態の一次冷却水)の水質に関するパラメータ(例えば上記実施形態の図3Bにおいて大分類「停止動作パラメータ」及び中分類「水質パラメータ」に属する第1パラメータ候補)を含む。
前記第1パラメータは、前記原子力プラントを構成する機器の材料又は保守履歴の少なくとも一方に関する機器パラメータ(例えば上記実施形態の図3Aにおいて大分類「機器パラメータに属する第1パラメータ候補)を含む。
前記運転中パラメータは、前記原子力プラントの運転中の操作に関するパラメータ(例えば上記実施形態の図3Aにおいて大分類「運転中パラメータ」及び中分類「操作パラメータ」に属する第1パラメータ候補)を含む。
前記運転中パラメータは、運転中における前記原子炉を通る冷却水(例えば上記実施形態の一次冷却水)の水質に関するパラメータを含む。
前記第1パラメータは、前記原子力プラントの停止後状態に関するパラメータ(例えば上記実施形態の図3Bにおいて大分類「停止後パラメータ」に属する第1パラメータ候補)を含む。
前記運転中パラメータは、前記原子力プラントの前記運転停止期間より前における前記冷却水のリチウム濃度(例えば上記実施形態の図3Aにおいて大分類「運転中パラメータ」及び中分類「水質パラメータ」に属する第1パラメータ候補「サイクル末期の濃度」)を含む。
前記停止動作パラメータは、前記原子力プラントの前記停止運転期間の初期における前記原子炉を通る冷却水のリチウム濃度(例えば上記実施形態の図3Bにおいて大分類「停止動作パラメータ」及び中分類「水質パラメータ」に属する第1パラメータ候補「停止動作初期(クールダウン時)の濃度」)を含む。
前記停止動作パラメータは、前記原子力プラントの前記停止動作期間中における前記原子炉を通る冷却水の流量に関するパラメータ(例えば上記実施形態の図3Bにおいて大分類「停止動作パラメータ」及び中分類「操作パラメータ」に属する第1パラメータ候補「停止動作末期(酸化運転時)の一次冷却水ポンプの運転台数」)を含む。
前記パラメータは、前記冷却水を圧送するためのポンプ装置(例えば上記実施形態の一次冷却水ポンプ12)の運転台数又は出力である。
前記原子力プラントの運転履歴データを取得するステップ(例えば上記実施形態のステップS102、S201)と、
前記運転履歴データから前記停止動作パラメータを算出するステップ(例えば上記実施形態のステップS103、S202)と、
を更に備える。
前記原子力プラントの運転履歴データを取得するステップ(例えば上記実施形態のステップS102)と、
前記運転履歴データから算出された前記第1パラメータ及び前記第2パラメータを多変量解析することにより前記予測モデルを作成するステップ(例えば上記実施形態のステップS104)と、
を更に備える。
前記第1パラメータの各々について前記第2パラメータに対する寄与度をそれぞれ算出するステップ(例えば上記実施形態のステップS301)と、
前記寄与度に基づいて前記機器の線量当量を低減するために有効な制御パラメータを前記第1パラメータから求めるステップ(例えば上記実施形態のステップS302)と、
を更に備える。
前記原子力プラントの運転履歴データを取得するステップ(例えば上記実施形態のステップS401)と、
前記運転履歴データに含まれる前記第1パラメータが前記予測モデルの構築に使用された学習データの範囲を逸脱する場合、前記運転履歴データに含まれる前記第1パラメータの前記学習データからの逸脱量が規定範囲内であれば、前記運転履歴データを用いて前記予測モデルの再学習を行うステップ(例えば上記実施形態のステップS402、S403、S405)と、
を備える。
前記原子力プラントは加圧水型原子炉であり、
前記機器は、前記加圧水型原子炉の一次冷却系の構成機器である。
コンピュータを、
原子炉(例えば上記実施形態の原子炉容器6)を有する原子力プラント(例えば上記実施形態の原子力プラント1)において、運転中の前記原子力プラントに関する運転中パラメータ(例えば上記実施形態の図3Aにおいて大分類「運転中パラメータ」に属する第1パラメータ候補)、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータ(例えば上記実施形態の図3Bにおいて大分類「停止動作パラメータ」に属する第1パラメータ候補)を少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデル(例えば上記実施形態の予測モデルM)を用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求める手段(例えば上記実施形態の予測値算出部112)として機能させる。
原子炉(例えば上記実施形態の原子炉容器6)を有する原子力プラント(例えば上記実施形態の原子力プラント1)において、運転中の前記原子力プラントに関する運転中パラメータ(例えば上記実施形態の図3Aにおいて大分類「運転中パラメータ」に属する第1パラメータ候補)、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータ(例えば上記実施形態の図3Bにおいて大分類「停止動作パラメータ」に属する第1パラメータ候補)を少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデル(例えば上記実施形態の予測モデルM)を用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求めるように構成された予測値算出部(例えば上記実施形態の予測値算出部112)を備える。
2 原子炉
4 一次冷却ループ
6 原子炉容器
8 加圧器
10 蒸気発生器
12 一次冷却水ポンプ
13 原子炉格納容器
14 燃料棒
16 制御棒
18 二次冷却ループ
20 脱塩塔
22 体積制御タンク
24 充填ポンプ
26 浄化ライン
100 線量当量予測装置
102 通信ネットワーク
104 メインサーバ
105 データサーバ
106 予測モデル取得部
108 運転履歴データ取得部
110 パラメータ算出部
112 予測値算出部
114 出力部
116 運転履歴データベース
118 予測モデルデータベース
120 寄与値算出部
122 制御パラメータ算出部
124 運転支援情報作成部
126 学習データ評価部
128 予測モデル学習部
L 第1パラメータ候補リスト
M 予測モデル
Claims (18)
- 原子炉を有する原子力プラントにおいて、運転中の前記原子力プラントに関する運転中パラメータ、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータを少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデルを用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求めるステップを備える、原子力プラントの線量当量予測方法。
- 前記停止動作パラメータは、前記停止動作期間中における前記原子力プラントの操作に関するパラメータを含む、請求項1に記載の原子力プラントの線量当量予測方法。
- 前記停止動作パラメータは、前記停止動作期間中における前記原子炉を通る冷却水の水質に関するパラメータを含む、請求項1又は2に記載の原子力プラントの線量当量予測方法。
- 前記第1パラメータは、前記原子力プラントを構成する機器に関する使用材料又は保守履歴の少なくとも一方に関する機器パラメータを含む、請求項1から3のいずれか一項に記載の原子力プラントの線量当量予測方法。
- 前記運転中パラメータは、前記原子力プラントの運転中の操作に関するパラメータを含む、請求項1から4のいずれか一項に記載の原子力プラントの線量当量予測方法。
- 前記運転中パラメータは、運転中における前記原子炉を通る冷却水の水質に関するパラメータを含む、請求項1から5のいずれか一項に記載の原子力プラントの線量当量予測方法。
- 前記第1パラメータは、停止後の前記原子力プラントの状態に関する停止後パラメータを含む、請求項1から6のいずれか一項に記載の原子力プラントの線量当量予測方法。
- 前記運転中パラメータは、前記原子力プラントの前記停止動作期間より前における前記原子炉を通る冷却水のリチウム濃度を含む、請求項1から7のいずれか一項に記載の原子力プラントの線量当量予測方法。
- 前記停止動作パラメータは、前記原子力プラントの前記停止運転期間の初期における前記原子炉を通る冷却水のリチウム濃度を含む、請求項1から8のいずれか一項に記載の原子力プラントの線量当量予測方法。
- 前記停止動作パラメータは、前記原子力プラントの前記停止動作期間中における前記原子炉を通る冷却水の流量に関するパラメータを含む、請求項1から9のいずれか一項に記載の原子力プラントの線量当量予測方法。
- 前記冷却水の流量に関するパラメータは、前記冷却水を圧送するためのポンプ装置の運転台数又は出力である、請求項10に記載の原子力プラントの線量当量予測方法。
- 前記原子力プラントの運転履歴データを取得するステップと、
前記運転履歴データから前記第1パラメータを算出するステップと、
を更に備える、請求項1から11のいずれか一項に記載の原子力プラントの線量当量予測方法。 - 前記原子力プラントの前記運転履歴データを取得するステップと、
前記運転履歴データから算出された前記第1パラメータ及び前記第2パラメータを多変量解析することにより前記予測モデルを作成するステップと、
を更に備える、請求項1から12のいずれか一項に記載の原子力プラントの線量当量予測方法。 - 前記第1パラメータの各々について前記第2パラメータに対する寄与度をそれぞれ算出するステップと、
前記寄与度に基づいて前記機器の線量当量を低減するために有効な制御パラメータを前記第1パラメータから求めるステップと、
を更に備える、請求項1から13のいずれか一項に記載の原子力プラントの線量当量予測方法。 - 前記原子力プラントの前記運転履歴データを取得するステップと、
前記運転履歴データに含まれる前記第1パラメータが前記予測モデルの構築に使用された学習データの範囲を逸脱する場合、前記運転履歴データに含まれる前記第1パラメータの前記学習データからの逸脱量が規定範囲内であれば、前記運転履歴データを用いて前記予測モデルの再学習を行うステップと、
を備える、請求項1から14のいずれか一項に記載の原子力プラントの線量当量予測方法。 - 前記原子力プラントは加圧水型原子炉であり、
前記機器は、前記加圧水型原子炉の一次冷却系の構成機器である、請求項1から15のいずれか一項に記載の原子力プラントの線量当量予測方法。 - コンピュータを、
原子炉を有する原子力プラントにおいて、運転中の前記原子力プラントに関する運転中パラメータ、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータを少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデルを用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求める手段として機能させるための、原子力プラントの線量当量予測プログラム。 - 原子炉を有する原子力プラントにおいて、運転中の前記原子力プラントに関する運転中パラメータ、及び、停止動作期間中の前記原子力プラントに関する停止動作パラメータを少なくとも含む第1パラメータと、前記原子力プラントの運転停止後における前記原子力プラントを構成する機器の線量当量を示す第2パラメータとの相関を示す予測モデルを用いて、前記第1パラメータに対応するデータにより前記第2パラメータの予測値を求めるように構成された予測値算出部を備える、原子力プラントの線量当量予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019203019A JP7351718B2 (ja) | 2019-11-08 | 2019-11-08 | 原子力プラントの線量当量予測方法、線量当量予測プログラム、及び、線量当量予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019203019A JP7351718B2 (ja) | 2019-11-08 | 2019-11-08 | 原子力プラントの線量当量予測方法、線量当量予測プログラム、及び、線量当量予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021076466A true JP2021076466A (ja) | 2021-05-20 |
JP7351718B2 JP7351718B2 (ja) | 2023-09-27 |
Family
ID=75897523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019203019A Active JP7351718B2 (ja) | 2019-11-08 | 2019-11-08 | 原子力プラントの線量当量予測方法、線量当量予測プログラム、及び、線量当量予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7351718B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6463894A (en) * | 1987-09-04 | 1989-03-09 | Hitachi Ltd | Water quality diagnostic system |
JPH06289179A (ja) * | 1993-03-30 | 1994-10-18 | Hitachi Ltd | プラントの自己学習診断、予測方法及び装置 |
JP2000028726A (ja) * | 1998-07-14 | 2000-01-28 | Toshiba Corp | 作業線量予測方法および装置 |
JP2019159957A (ja) * | 2018-03-14 | 2019-09-19 | オムロン株式会社 | 学習支援装置 |
-
2019
- 2019-11-08 JP JP2019203019A patent/JP7351718B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6463894A (en) * | 1987-09-04 | 1989-03-09 | Hitachi Ltd | Water quality diagnostic system |
JPH06289179A (ja) * | 1993-03-30 | 1994-10-18 | Hitachi Ltd | プラントの自己学習診断、予測方法及び装置 |
JP2000028726A (ja) * | 1998-07-14 | 2000-01-28 | Toshiba Corp | 作業線量予測方法および装置 |
JP2019159957A (ja) * | 2018-03-14 | 2019-09-19 | オムロン株式会社 | 学習支援装置 |
Non-Patent Citations (1)
Title |
---|
石原伸夫: "PWRプラントにおける最近の被ばく低減に関する取り組みについて−新たな抜本対策の創出に向けて−", 日本原子力学会水化学部会第34回定例研究会, JPN6023022602, 5 October 2018 (2018-10-05), ISSN: 0005076212 * |
Also Published As
Publication number | Publication date |
---|---|
JP7351718B2 (ja) | 2023-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105006259B (zh) | 一种核电厂堆芯损伤评价方法 | |
CN110970142B (zh) | 一种压水堆大破口失水事故始发应急工况预测方法 | |
Ferrano Jr et al. | Prediction of thermal storage loads using a neural network | |
Uchida et al. | Water chemistry technology–one of the key technologies for safe and reliable nuclear power plant operation | |
Nowack et al. | CESAM–Code for European severe accident management, EURATOM project on ASTEC improvement | |
JP2008139308A (ja) | 原子炉に関して臨界実効増倍率kを予測するシステムと方法 | |
Holcomb et al. | Molten salt reactor fundamental safety function PIRT | |
US11342089B2 (en) | Predictive model construction and prediction method for radioactive metal corrosion concentration in nuclear reactor water | |
Hui et al. | Fractional‐order sliding mode load following control via disturbance observer for modular high‐temperature gas‐cooled reactor system with disturbances | |
JP7351718B2 (ja) | 原子力プラントの線量当量予測方法、線量当量予測プログラム、及び、線量当量予測装置 | |
Macdonald et al. | A Critical Review of Radiolysis Issues in Water-Cooled Fission and Fusion Reactors: Part II, Prediction of Corrosion Damage in Operating Reactors | |
Wang et al. | TRACE modeling and its verification using Maanshan PWR start-up tests | |
Petrov et al. | Assessment of Radiolysis in Tokamak Cooling Water System of ITER Fusion Reactor | |
Badgujar | System science and control techniques for harnessing nuclear energy | |
Zhang et al. | Design and verification of reactor power control based on stepped dynamic matrix controller | |
JP7446960B2 (ja) | 予測モデル構築装置および予測装置 | |
Zhang et al. | Uncertainty Quantification of ABR transient safety analysis | |
Lee et al. | Preliminary Prediction of Core Exit Temperature for Severe Accident using Machine Learning | |
Tomarov et al. | Application of software tools for predicting the corrosion-erosion rate to ensure integrity of equipment and piping of power units at nuclear power stations | |
Greenwood et al. | Nuclear hybrid energy systems south east regional case progress report | |
JP7440340B2 (ja) | 予測モデル構築装置および予測装置 | |
Perillo | Multi-modular integral pressurized water reactor control and operational reconfiguration for a flow control loop | |
Belles et al. | A safety and licensing roadmap to identify the research and development gaps of commercial molten salt reactors | |
JP2024012771A (ja) | 原子力プラントの信頼性改善方法 | |
Frambati et al. | MANCINTAP: time and space dependent neutron activation tool algorithm improvement and analysis of a PWR nozzle gallery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20191129 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230804 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7351718 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |