.png){kind=icon}
返回
Uncertainty quantification of steady state depeltion solution using multi-physics coupling code system based on nodal diffusion code RAST-K
.png){kind=icon}
OA
AI
DOI：10.1016/j.net.2025.103751.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究基于基于节点扩散代码RAST-K的多物理场耦合框架，呈现了稳态耗尽模拟的不确定性量化结果。RAST-K专为压水堆的分析与优化而开发，集成了先进方法学与多样化的工程能力，始终与测量数据和商业核设计代码表现出高度一致性。通过RAST-K与子通道热工水力代码CTF及燃料性能代码FRAPCON的多物理场耦合，开展了高保真度堆芯模拟。值得注意的是，在燃料性能计算中考虑动态间隙导热率和燃料热导率退化，凸显了棒-wise燃料温度预测的差异。不确定性量化通过随机采样方法，对输入参数和核数据同时进行扰动实现。结果表明，全局反应堆设计参数（如临界硼浓度、轴向形状指数和峰值因子）的不确定性主要受核数据扰动驱动，而热工水力不确定性则受输入参数和核数据变化的共同影响。
Keyword:
Multi-physics coupling framework
Nodal diffusion code RAST-K
Uncertainty quantification
Stochastic sampling
Nuclear data and input parameter perturbation
期刊
IF:
2.6
论文数:
1.7K
被引数:
7.9K
机构
暂无机构信息
引用论文
Development of an artificial neural network model for generating macroscopic cross-sections for RAST-AI开发用于RAST-AI宏观截面生成的神经网络模型
PREAI
分享收藏RAST-K v2—Three-Dimensional Nodal Diffusion Code for Pressurized Water Reactor Core AnalysisRAST-K v2——用于压水堆芯分析的三维节点扩散程序.png)
EnergiesOAAI
EnergiesIF0
OAAI分享收藏分享收藏Best-Estimate Plus Uncertainty Framework for Multiscale, Multiphysics Light Water Reactor Core Analysis多尺度、多物理场轻水反应堆芯分析的最佳估计加不确定性框架
OAAI
OAAI分享收藏Uncertainty Quantification of LWR Core Characteristics Using Random Sampling Method采用随机采样方法对LWR堆芯特性的不确定性量化
PREAI
分享收藏
查看更多内容