Comparative assessment of small modular reactor Passive Safety System design via integration of dynamic methods of analyses
Notice bibliographique
Résumé
Integral Pressurized Water Reactor (iPWR) type SMR designs were studied featuring Passive Safety Systems (PSS) in all cases. As many as 11 current SMR designs use PSS to remove decay heat. Variations in PSS designs were studied and compared using evaluation metrics and a proposed weighting method. This resulted in classification of iPWRs designs based on the methodology presented. A prototypic Passive Residual Heat Removal System (PRHRS) was then studied using a scaling analysis to compare the scaling ratio of system parameters, and failure probability relative to existing reference LWR plant data. The impact of single versus two-phase PRHRS designs was also considered. We found that a classical Probabilistic Risk Assessment (PRA) model describing active systems does not consider time evolution nor event ordering that a dynamic PRA approach can accommodate. We thus developed and realized basic coupling between LabVIEW as simulation code and CAFTA as PRA code. Coupling these codes using Python provides real-time simulation that leads to a dynamic simulation result. A representative difference in failure probability using dynamic versus classic PRA revealed that for one, there can be more component demands with different event ordering; thus providing insights into PSS failure probability in the iPWR-type SMR designs. The limitation of the work is essentially in the proprietary details of each SMR design. The value however is in the integrated method of system analysis.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».