MétaCan
Menu
Retour à la cohorte
Enregistrement W1563607965

Computational Study of Critical Flow Discharge in Supercritical Water Cooled Reactors

2011· dissertation· en· W1563607965 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMacSphere (McMaster University) · 2011
Typedissertation
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésSupercritical fluidSupercritical flowNuclear engineeringFlow (mathematics)Materials scienceEnvironmental scienceMechanicsThermodynamicsEngineeringPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Supercritical Water-cooled Reactor (SCWR) is a Generation-IV nuclear reactor design that operates on a direct energy conversion cycle above the thermodynamic critical point of water (374<sup>0</sup>C and 22.1 MPa), and offers higher thermal efficiency and considerable design simplification. As an essential step in the design of SCWR safety systems, the accident behaviour of the reactor is evaluated to ensure that the safety systems can achieve safe shutdown for all the design basis accidents. Unfortunately, the computational tools and computer codes that are currently employed for safety analysis have little application in the supercritical region, and faces significant challenges in simulating the transitions from subcritical to supercritical conditions. This thesis examines the predictive capabilities of Computational Fluid Dynamics (CFD) code STAR-CCM+ by evaluating critical flow (or choked flow) due to accidental release of coolant from supercritical fluid systems. The biggest challenge of this research is that the current version of STAR-CCM+ does not support supercritical simulations because the steam tables included in the package are only limited to the subcritical subset of the thermodynamic fluid properties. The research was carried out in two stages. In the first stage, the CFD code STAR-CCM+ was customized to simulate supercritical conditions by, (i) Generating updated steam tables to include subcritical and supercritical fluid properties and using more pressure and temperature points in the pseudo critical region (22 – 25 MPa, 645 -660 K) to handle the rapid changes in the fluid properties, and (ii) Implementing a multi-dimensional steam table interpolation scheme to access the fluid property data at any thermodynamic state during the simulation. In the second stage, the customized CFD code was extensively evaluated by simulating several accidental release scenarios from supercritical conditions using rounded-edge and sharp-edge nozzles and the model results were validated with experimental data. To overcome the solution stability (or convergence) issues encountered during the supercritical simulations, a fine tuning procedure was proposed that guaranteed convergence for all the case studies considered in this thesis. The simulation results revealed that the CFD model produced results that were in good agreement with experimental data and only about 10% prediction error was noticed for most cases considered in the thesis. Considering the sensitivity of the CFD model for upstream temperatures and pressures, these results appear to be quite reasonable. From the computational experience gained in this research , we believe that the CFD code STAR-CCM+ is a very useful tool to perform thermal hydraulic simulations for supercritical systems. However, an appropriate customization and extensive validation of the code is required before it can be exclusively used for safety analysis.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,192
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0390,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle