一种基于深度学习驱动的反应堆堆芯功率重构方法

    公开(公告)号:CN118349774A

    公开(公告)日:2024-07-16

    申请号:CN202410409395.4

    申请日:2024-04-07

    Abstract: 本发明属于核反应堆堆芯计算技术领域,具体涉及一种基于深度学习驱动的反应堆堆芯功率重构方法,步骤如下:将神经网络函数代入中子扩散方程的数理方程,构建控制方程形成的损失函数、边界条件形成的损失函数,根据数据样本点构建数据表示的损失函数;对控制方程形成的损失函数、边界条件形成的损失函数、数据表示的损失函数分别赋值权重并进行加合,得到统一的机器学习损失函数;通过深度学习技术,迭代优化神经网络函数中的神经网络连接权重和神经网络偏置项,逐步减小统一的机器学习损失函数的值到精度范围内;同时神经网络函数输出逼近了系统定义域通量密度的数值解,得到逆向求解中子扩散方程的近似数值解,实现反应堆堆芯功率重构。本发明方法基于深度学习方法和数据驱动融合进行中子扩散数理方程逆向求解,可通过调整边界条件形成的约束损失函数权重实现一定的边界误差容错功能,同时对数据样本数量及空间分布具有较强包容性,可实现高精度、高效率、高鲁棒性的反应堆功率重构计算。

    一种反应堆多物理场耦合计算系统及方法

    公开(公告)号:CN112364288B

    公开(公告)日:2022-08-05

    申请号:CN202011162415.0

    申请日:2020-10-27

    Abstract: 本发明公开了一种反应堆多物理场耦合计算系统及方法,涉及核反应堆领域,解决了尚无一套成熟的多物理场紧耦合计算系统的问题。本发明中,系统通过接口层封装并配置多种计算程序,通过应用程序层依据反应堆工程计算数据类型配置对应的计算程序;所述接口层用于获取再启动数据,再启动数据为所述接口层导入的反应堆工程计算数据,所述接口层基于反应堆工程在应用程序层用于计算的计算数据的原物理场构建JFNK计算必要的物理场残差表达式,并将物理场残差方程传递到核心求解层;所述接口层用于在所述核心求解层与应用程序层之间传递物理场求解结果。本发明可用于反应堆工程基于多物理耦合理念的程序开发、工程设计、事故分析及评价。

    压力容器熔池传热确定方法及装置

    公开(公告)号:CN112347621B

    公开(公告)日:2022-06-28

    申请号:CN202011148040.2

    申请日:2020-10-23

    Abstract: 本发明属于核电技术领域,具体涉及一种压力容器熔池传热确定方法及装置。本公开根据每层的位置确定该层的传热模式,并根据传热守恒关系,以及该层子区域的传热模式,确定该层子区域对应的传热关系,根据各层子区域对应的传热关系,确定所述熔池的传热模型;并根据所述传热模型,确定各层子区域的温度和热流密度,由此能够更加真实、更加精细的模拟熔融池内的传热关系,获得更加准确的压力容器下封头内熔融物温度和壁面热流密度的分布,此外,本公开将各层子区域对应的传热关系整合为传热模型,并对传热模型进行整体求解,无需针对每层子区域进行重复计算,大大提高了熔融物温度和壁面热流密度计算效率。

    一种精细化燃料棒性能分析方法

    公开(公告)号:CN112613156B

    公开(公告)日:2022-04-19

    申请号:CN202011301692.5

    申请日:2020-11-19

    Abstract: 本发明涉及反应堆燃料棒分析技术领域,具体公开了一种精细化燃料棒性能分析方法。该方法包括:将全堆芯燃料棒进行数据分类,并按照堆芯燃料棒的位置信息形成数据串;对燃料棒进行编码,并根据编码顺序对全堆芯的燃料棒堆芯行为进行模拟,并进行不确定性分析;根据中子学数据特征,对部分或所有燃料棒进行瞬态模拟分析;将瞬态影响较大的性能数据与对应设计准直进行比较,若未超限,则对极限参数进行不确定分析。该方法能够对燃料棒性能精细瞬态分析和不确定性分析,并判断燃料棒能能及行为是否满足设计准则要求;同时,降低人因影响,其分析全面,可操作性强,满足反应堆正常运行条件下全堆芯燃料棒的行为计算和性能分析。

    一种基于半监督学习的判别回归流场预测方法

    公开(公告)号:CN118333131B

    公开(公告)日:2025-04-18

    申请号:CN202410350723.8

    申请日:2024-03-26

    Abstract: 本发明公开一种基于半监督学习的判别回归流场预测方法,包括以下步骤:获取半监督流场预测数据集;构建基于神经网络的深度流场预测模型;通过预热策略获得初步收敛的深度流场预测模型;利用神经网络记忆效应划分难样本、简单样本数据集;利用判别回归方法训练优化深度流场预测模型;利用深度流场预测模型执行预测,获取回归测试结果。本发明利用神经网络记忆效用实现判别回归预测方法,缓解流场预测半监督学习过拟合的问题;通过将伪标注和真实标注的样本混合,并利用GMM将样本划分为难易样本,有利于后续采取不同的学习策略来增强模型的判别性,进而提高性能;同时利用优化的深度流场预测模型计算样本的预测值,获取回归测试结果。

Patent Agency Ranking