一种基于深度学习驱动的反应堆堆芯功率重构方法

    公开(公告)号:CN118349774A

    公开(公告)日:2024-07-16

    申请号:CN202410409395.4

    申请日:2024-04-07

    Abstract: 本发明属于核反应堆堆芯计算技术领域,具体涉及一种基于深度学习驱动的反应堆堆芯功率重构方法,步骤如下:将神经网络函数代入中子扩散方程的数理方程,构建控制方程形成的损失函数、边界条件形成的损失函数,根据数据样本点构建数据表示的损失函数;对控制方程形成的损失函数、边界条件形成的损失函数、数据表示的损失函数分别赋值权重并进行加合,得到统一的机器学习损失函数;通过深度学习技术,迭代优化神经网络函数中的神经网络连接权重和神经网络偏置项,逐步减小统一的机器学习损失函数的值到精度范围内;同时神经网络函数输出逼近了系统定义域通量密度的数值解,得到逆向求解中子扩散方程的近似数值解,实现反应堆堆芯功率重构。本发明方法基于深度学习方法和数据驱动融合进行中子扩散数理方程逆向求解,可通过调整边界条件形成的约束损失函数权重实现一定的边界误差容错功能,同时对数据样本数量及空间分布具有较强包容性,可实现高精度、高效率、高鲁棒性的反应堆功率重构计算。

    反应堆物理热工耦合数值计算方法及装置、介质、设备

    公开(公告)号:CN119670360A

    公开(公告)日:2025-03-21

    申请号:CN202411657206.1

    申请日:2024-11-19

    Abstract: 本发明涉及核反应堆堆芯计算技术领域,并公开了一种反应堆物理热工耦合数值计算方法及装置、介质、设备,在反应堆物理热工耦合数值计算过程中,中子时空动力学模型采用对角线隐式龙格库塔格式进行时间离散化,在瞬态分析过程中通过简单算符分裂法和Picard迭代法进行耦合计算得到计算值,基于牛顿法选取耦合全局求解变量,建立全局求解残差方程,并基于耦合全局求解变量和全局求解残差方程,利用Krylov子空间求解法进行求解,构建JFNK迭代流程,最后将计算值作为初值,根据初值和JFNK迭代流程建立混合迭代流程,计算得到反应堆瞬态物理热工全耦合数值解。上述方法避免过度求解,提高收敛速度,实现稳定和快速收敛的计算。

    一种非结构化网格的网格映射方法、装置、介质及产品

    公开(公告)号:CN118505881A

    公开(公告)日:2024-08-16

    申请号:CN202410574397.9

    申请日:2024-05-10

    Abstract: 本发明公开了一种非结构化网格的网格映射方法、装置、介质及产品,涉及数值计算领域,方法包括:获取用于描述物理场非结构化网格的网格属性;其中网格属性包括网格序号、网格类型和按连接顺序排序的节点;按照网格属性将物理场的二维网格重构为多个三角形网格或三维网格重构为多个四面体网格,在重构后的物理场的源场网格层中搜索出与目标场网格相交的三角形网格或四面体网格;根据相交的三角形网格的交点坐标计算出二维网格的相交面积,或根据相交的四面体网格的交点坐标计算出三维网格的相交体积;根据物理场的变量属性,选择相应的网格映射策略对二维网格的相交面积或三维网格的相交体积进行映射,获得非结构化网格的网格映射结果。

Patent Agency Ranking