Best-Estimate Plus Uncertainty Analysis of CANDU Fuel Reliability Using Manufacturing and Simulated Core Data
Notice bibliographique
Résumé
Abstract A novel method of assessing the reliability of 37-element Canada deuterium uranium (reactor) (CANDU) fuel bundle was explored. The method implements a “best-estimate plus uncertainty” (BEPU) approach where a probabilistic treatment of manufacturing and operating inputs is used to predict fuel performance. The fuel performance was predicted using the Canadian industry standard codes for fuel performance, ELESTRESS and ELOCA, which, respectively, model fuel behaviors during normal and transient conditions. The outputs of the codes were compared against failure criteria from industry norms to determine the probability of failure. A Monte Carlo simulation method was applied to analyze this problem. Probability distributions of manufacturing input variables were estimated from real data, which were then randomly sampled. The inputs for fuel burnup and power were simulated using core-following data generated using a three-dimensional diffusion code, the Reactor Fuelling Simulation Program (RFSP), which were also then randomly sampled. The results of the simulations predict significant improvements in margins to limits for all performance parameters. An average improvement of 500 °C in centerline temperature, 10 °C in sheath temperature, 12 MPa in element internal pressure, and 0.8% in pellet end sheath hoop strain was predicted for the highest-powered region of the core, during normal operations, in comparison with the limit-of-envelope (LOE) benchmark. An 80% reactor overhead break (ROH) transient simulation was also simulated, and an average improvement of 500 °C in centerline temperature, 150 °C in sheath temperature, 6.5 MPa in internal pressure, and 2% in sheath hoop strain was predicted.
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 ».