PWR assembly transport calculation: A validation benchmark using DRAGON, PENTRAN, and MCNP
Notice bibliographique
Résumé
This paper presents a 2D PWR fuel assembly benchmark performed with 3 transport codes: DRA- GON which uses the collision probability method, PENTRAN, an Sn transport code, and MCNP, a Monte Carlo code. First, DRAGON was used to produce a 2-group pin-by-pin cross-section library associated with 45 materials that describe the fuel assembly. Using the same library, it was then possible to perform comparisons between DRAGON and MCNP, and between PENTRAN and MCNP. Here, MCNP was considered as the reference multigroup Monte Carlo tool used to validate the deterministic codes. This type of 2-group benchmark can be utilized to evaluate the performance of different solvers using the very same cross-sections. The transport solutions provided here may be used as references for further comparisons with industrial reactor core codes using a diffusion or a SPn solver, and generally relying on 2-group cross-sections. Results show an excellent overall agreement between the 3 codes, with discrepancies that are less than 0.5% on the pin-by-pin flux, and less than 20 pcm on the k e . Therefore, it may be concluded that these deterministic codes are reliable tools to perform criticality transport calculations for PWR lattices. Moreover, the use of multigroup Monte Carlo appears as an efficient independent technique to per- form detailed code to code comparisons relying on the same cross-section library. The present work may be considered as the first step of a 3D PWR core benchmark using DRAGON generated cross-sections and comparing PENTRAN and MCNP multigroup calculations.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».