MétaCan
Menu
Retour à la cohorte
Enregistrement W4292486737 · doi:10.1115/1.4055258

Assessment of Filtered Containment Venting Strategies for Mitigating Severe Accident Consequences at a Generic Single-Unit CANDU

2022· article· en· W4292486737 sur OpenAlexaffabout
Mahendra Shah, Andrew Morreale, Luke Lebel

Notice bibliographique

RevueJournal of Nuclear Engineering and Radiation Science · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesnon disponible
Mots-clésContainment (computer programming)Cabin pressurizationAccident managementEnvironmental scienceNuclear engineeringRisk analysis (engineering)Computer scienceWaste managementEngineeringBusinessMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In many jurisdictions, filtered containment venting systems are an integral part of severe accident management guidelines but are normally only used as a last resort, to be manually activated when the containment pressure approaches the containment failure limit. This approach fails to utilize the capability of the filtered venting system to better control containment pressure throughout an accident and to create capacity for possible future pressurization based on the accident progression. In this paper, smart venting strategies are explored, using a generic single-unit Canada Deuterium Uranium (CANDU) (660 MWel) plant model in MAAP-CANDU, as a means to mitigate the consequences of a severe accident. These strategies are able to account for both current conditions as well as possible future pressurization. The use of strategic venting offers an improvement in maintaining containment integrity, as well as reducing I-131 releases to the environment by about 10% to 31% compared to last-resort venting while being feasible for manual operator actions. Overall, this comprehensive analysis demonstrates the capability of a smart venting strategy paired with a filtered containment venting system as an active mitigation tool.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,387

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,060
Tête enseignante GPT0,339
Écart entre enseignants0,279 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Engineering and Radiation ScienceMême sujetRisk and Safety AnalysisTravaux en français237 207