Detailed Multi-Domain Modeling and Faster-Than-Real-Time Hardware Emulation of Small Modular Reactor for EMT Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Small modular reactors (SMRs) are gaining significant attention as a promising solution to address the global energy demand and simulation is pivotal in expediting the construction of SMRs. However, the point-reactor neutron-kinetics equations of SMRs are strongly stiff nonlinear ordinary differential equations (ODEs), which poses a great difficulty for numerical computation of electromagnetic transients (EMT) of power systems coupled with SMRs. In this paper, a semi-analytical solution is proposed to streamline the comprehensive SMR mathematical model and reduce the model order from 25th to 18th. Additionally, the conglomeration of selected SMR-based EMT power system benchmark, which includes synchronous machines (SMs), modular multilevel converters (MMCs), power distribution networks, and varying loads, is described in detail and implemented on the Xilinx <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$^\circledR$</tex-math></inline-formula> VCU 118 field-programmable gate array (FPGA) based hardware-in-the-loop (HIL) real-time transient emulation platform. The results demonstrate a significant improvement in computational speed and stability achieved by the proposed solution, which achieves a computational accuracy of IEEE 32-bit single-precision floating-point numbers, with a minimum calculation interval of 800 ns, resulting in a remarkable 12.5- fold acceleration in faster-than-real-time (FTRT) performance. This advancement greatly facilitates the simulation of intricate SMR-based models for EMT studies.
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.
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 | 0,000 |
| 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 découle