ディープニューラルネットワークを用いた BWR燃料集合体のサブチャンネル冷却材ボイド率及び温度分布の予測

Prediction of sub-channel-wise coolant void fraction and temperature distributions by deep neural network for boiling water reactor pin bundle

Liong, C.*; 山本 章夫*; 遠藤 知弘*; 多田 健一   

Liong, C.*; Yamamoto, Akio*; Endo, Tomohiro*; Tada, Kenichi

ディープニューラルネットワーク(DNN)を用いて BWR燃料集合体における燃料ピンごとのサブチャンネル冷却材ボイド率及び温度分布を予測する手法を構築した。制御棒挿入及び非挿入の条件下で実施した核熱結合計算により得られた結果を、DNNモデルの学習データとして使用した。DNNモデルでは、軸方向メッシュ毎に1メッシュ下の冷却材ボイド率及び温度の径方向分布と当該メッシュの燃料棒熱出力径方向分布を用いて、当該メッシュの冷却材ボイド率及び温度の径方向分布を予測した。DNNモデルを用いることで、制御棒非挿入時はボイド率及び温度分布を高精度に予測できること、また制御棒挿入時にわずかな偏りが生じることを確認した。

The DNN model to predict coolant void and temperature in each pin-wise subchannel on a simplified BWR fuel assembly for coupled neutronics and thermal hydraulics simulation was developed. The calculation results are obtained from the coupling calculation with or without control blade, which serves as the training data for the DNN model. In the DNN model, we employed the pin-wise coolant void fraction and temperature distribution at the lower axial mesh and the pin-power radial distribution at the current axial mesh to predict the coolant void fraction and temperature distribution at the current axial mesh. The DNN model makes accurate predictions for without the control blade case, while slight biases are observed with the control blade case.