Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
沖田 将一朗; 水田 直紀; 高松 邦吉; 後藤 実; 吉田 克己*; 西村 洋亮*; 岡本 孝司*
Proceedings of 30th International Conference on Nuclear Engineering (ICONE30) (Internet), 10 Pages, 2023/05
Adoption of SiC-matrix fuel elements in future pin-in-block type HTGR designs will enhance oxidation resistance of the fuel element in the event of the air ingress accident, one of the most worrisome accidents in HTGRs. This would eliminate the need for the graphite sleeves used in the current pin-in-block type HTGR designs and enable high power density core designs with sleeveless and direct coolable fuel structure. Such a concept itself has been suggested by Japan Atomic Energy Agency (JAEA) in the past. However, JAEA has not yet demonstrated the feasibility for a core design with the SiC-matrix fuel elements. The present work is intended to demonstrate the feasibility for a new core design upgraded from an existing conceptual core design, called HTR50S, with 50 MW thermal power and reactor outlet temperature of 750
C. The new core design uses SiC-matrix fuel elements and increases the reactor power density to 1.2 times higher than the original HTR50S design. The feasibility is determined by whether the core satisfies the target values in nuclear and thermal-hydraulic designs by performing burn-up calculation with the whole core model and fuel temperature calculations. The calculation results showed that the new core design satisfied these target values on the reactor shutdown margin, the temperature coefficient of reactivity, and the maximum fuel temperature during normal operation.
久語 輝彦; 中川 正幸
JAERI-Data/Code 2000-004, p.97 - 0, 2000/02
JAERI-Data-Code-2000-004.pdf:10.51MB
原子炉炉心設計において多用されるパラメータサーベイによる設計作業を支援するシステムを開発した。本システムにより、設計ウィンドウ、すなわち設計基準や要求仕様を満足する設計変数の範囲を多次元空間において効率的に得ることができる。本方法の原理は、解析コードにより得られた教師信号を階層型ニューラルネットワークに学習させ、それを解析コードの代わりに用いることによって計算時間の短縮を図るというものである。本システムはワークステーション上で稼動し、利用者が容易に入出力処理を行うためのマンマシンインターフェースを充実させた。本報告書は、手法の原理、システム構成、システム使用方法、ニューラルネットワークの学習方法、解析計算に必要な入力変数等を解説したユーザマニュアルである。
久語 輝彦; 中川 正幸
PHYSOR 96: Int. Conf. on the Physics of Reactors, 1, p.B73 - B81, 1996/00
原子炉炉心設計では基本的な設計変数の最適な組み合わせを決定するために、従来多大な計算時間と手間を要して、パラメトリックサーベイ計算を繰り返すという手法がよくとられている。この作業を直接支援するために、多数の設計変数に対して効率よく設計ウィンドウを推定する手法を階層型ニューラルネットワークを用いて開発した。本手法は、設計変数から炉心特性値を推定するニューラルネットワークを構築し、解析コードの実行により得られた設計変数と炉心特性値の組の複数個を教師データとしてそのニューラルネットワークに学習させ、学習済み階層型ニューラルネットワークより、未知の設計変数の組み合わせに対しても短時間で適当な炉心特性値を推定させるという手法である。本手法を燃料ピン設計を対象に核及び熱水力設計分野に応用した。高転換軽水炉の設計に適用し、本手法の有効性を確かめた。