Development of a TRACE Critical Break LOCA Model for D-PSA Applications with RAVEN
Notice bibliographique
Résumé
In the nuclear power industry, several design-basis accidents are critical for nuclear power plant design and licensing, with loss-of-coolant accidents (LOCAs) being particularly significant for ensuring safe shutdown, emergency cooling, and adequate containment systems. In CANada Deuterium Uranium (CANDU) reactors, a large-break LOCA causes an immediate power surge due to rapid voiding and the positive void reactivity coefficient, with break location greatly influencing severity. Inlet piping breaks, for example, can cause flow reversal, higher voiding rates, or flow stagnation. Conservative assumptions like double-ended guillotine breaks ensure bounding analyses, but for certain metrics (e.g. CANDU fuel channel integrity), partial inlet breaks may be more restrictive, necessitating critical break searches. Break size is crucial in determining mass loss, reactivity, heat deposition, and post-LOCA cooling, impacting severity and mitigation strategies. The Dynamic Probabilistic Safety Assessment (D-PSA) CANDU LOCA pilot aims to identify the most sensitive parameters in critical scenarios and demonstrate the value of D-PSA for risk-informed methods. Using stochastic generation of input parameters under uncertainty, D-PSA quantifies effective risk mitigation factors. While best-estimate analyses attempt to quantify uncertainty in figures of merit, they often impose restrictive conditions. This study integrates uncertainty analysis with component and human reliability in the D-PSA framework, applying Monte Carlo sampling of TRACE input parameters through the RAVEN framework to evaluate dynamic parameters’ impact and compare results with existing CANDU LOCA 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».