Multivariate Image Analysis for Core Monitoring in PWRs
Notice bibliographique
Résumé
Abstract In pressurized water reactor (PWR) it is crucial for the operator to monitor the reactor parameters at the same time, such as temperature, pressure, boron concentration, control rod position, coolant density, etc., in order to make proper decision. However, the huge size of data reading from the different instrumentations, in addition to the limited human ability to visually detect, interpret, assess add a lot of uncertainty to the operator qualitative and quantitative analysis of the reactor performance. Therefore, this paper proposes the utilization of radial thermal flux maps (Neutron Images) technique, positioned on the reactor core as a sensitive monitoring technique for all changes of the reactor parameters as a result of the position of the control rods changing. Hence, the features contained in these neutron images are extracted (Multivariate image analysis and regression) via Principal Component Analysis (PCA), and Cluster Analysis (Dendrogram). To determine the effectiveness of the suggested technique in determining the location of the control-rods, several simulations are run. The 3D TRITON FORTRAN-code was utilized to simulate the radial thermal neutron flux of the Westinghouse 2775-MWth PWR benchmark at 100% thermal power generation. The SIMCA software programme is used to develop, test, and generalise the PCA model. Additionally, clustering analysis (CA) is carried out using the statistics software programme Minitab in order to demonstrate the effectiveness of the suggested method.
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 ».