Determination of Operator Action Times during a Loss-of-Feedwater Event Using Extreme Value Statistics
Notice bibliographique
Résumé
The pursuit of more realistic models for nuclear power plant systems is becoming increasingly important and has led to an expansion in statistical uncertainty analysis coupled with the use of best-estimate predictions. Within these methodologies, derived acceptance criteria have been developed to ensure that the ultimate safety criteria are met with acceptably high levels of probability and confidence. The meeting of these derived criteria with a probability of 95% for a confidence interval of 95%, the 95/95 criteria, ensures consistency between analysis and instrumentation accuracy requirements set forth in ISA 67.04 standards. However, the application of these statistical methods to accidents requiring operator intervention, such as complete loss-of-feedwater events, has not previously been the topic of investigation. This paper applies the extreme value statistics (EVS) methodology to the steam generator–level transients predicted to result from a total loss-of-feedwater accident and compares the result to other uncertainty propagation methods and deterministic calculations. The transient was modeled using a full-circuit one-dimensional thermal-hydraulic code, and the epistemic and aleatory uncertainties inherent in the reactor are assessed. Based upon these results the available steam generator inventories at the time of trip were statistically determined, and subsequently, the available times for operator action were determined. Comparisons were made between the EVS methods and limiting deterministic analysis results for a standard CANDU 9 design as well as to other best-estimate and uncertainty-analysis techniques. Key uncertainties were identified based on phenomena identification and ranking tables and were confirmed through sensitivity studies. The requirement for operator-initiated actions for the EVS case was ∼46 min with 95% probability and 95% confidence from the time of annunciation, and this was 30 min longer than the limiting deterministic case.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».