The Impact of Fueling Operations on Full Core Uncertainty Analysis in CANDU Reactors
Notice bibliographique
Résumé
Abstract Within emerging best-estimate-plus-uncertainty (BEPU) approaches, code output uncertainties can be inferred from the propagation of fundamental or microscopic uncertainties. This paper examines the propagation of fundamental nuclear data uncertainties though the entire analysis framework to predict macroscopic reactor physics phenomena, which can be measured in Canada Deuterium Uranium (CANDU) reactors. In this work, 151 perturbed multigroup cross sections libraries, each based on a set of perturbed microscopic nuclear data, were generated. Subsequently, these data were processed into few-group cross sections and used to generate full-core diffusion models in PARCS. The impact of these nuclear data perturbations leads to changes in core reactivity for a fixed set of fuel compositions of 4.5 mk. The impact of online fueling operations was simulated using a series of fueling rules, which attempted to mimic operator actions during CANDU operations such as studying the assembly powers and selecting fueling sites, which would minimize the deviation in power from some desirable reference condition or increasing or decreasing fueling frequency to manage reactivity. An important feature of this analysis was to perform long-transients (1–3 years) starting with each one of the 151 perturbed full core models. It was found that the operational feedback reduced the standard deviation in core reactivity by 99% from 0.0045 to 2.8 × 10−5. Overall, the conclusions demonstrate that while microscopic nuclear data uncertainties may give rise to large macroscopic variability during simple propagation, when important macrolevel feedback are considered the variability is significantly reduced.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».