論文の概要: Predicting BWR Criticality with Data-Driven Machine Learning Model

• arxiv url: http://arxiv.org/abs/2411.07425v1
• Date: Mon, 11 Nov 2024 22:57:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:18:18.902063
• Title: Predicting BWR Criticality with Data-Driven Machine Learning Model
• Title（参考訳）: データ駆動機械学習モデルによるBWR臨界度の予測
• Authors: Muhammad Rizki Oktavian, Anirudh Tunga, Jonathan Nistor, James Tusar, J. Thomas Gruenwald, Yunlin Xu,
• Abstract要約: 原子力発電所はサイクルの終了まで臨界を維持するのに十分な燃料を燃やすべきである。 サイクルの終了前に原子炉が亜臨界状態になった場合、早期の海岸崩壊が起こる可能性がある。 反応器がサイクルの終わりまでにかなりの過剰な反応性を持つ場合、残りの燃料は未使用のままである。 本研究では, 沸騰水型原子炉の過剰臨界度を推定するために, データ駆動型深層学習モデルに基づく革新的な手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: One of the challenges in operating nuclear power plants is to decide the amount of fuel needed in a cycle. Large-scale nuclear power plants are designed to operate at base load, meaning that they are expected to always operate at full power. Economically, a nuclear power plant should burn enough fuel to maintain criticality until the end of a cycle (EOC). If the reactor goes subcritical before the end of a cycle, it may result in early coastdown as the fuel in the core is already depleted. On contrary, if the reactor still has significant excess reactivity by the end of a cycle, the remaining fuels will remain unused. In both cases, the plant may lose a significant amount of money. This work proposes an innovative method based on a data-driven deep learning model to estimate the excess criticality of a boiling water reactor.
• Abstract（参考訳）: 原子力発電所の運用における課題の1つは、サイクルに必要な燃料の量を決定することである。 大規模原子力発電所はベースロードで稼働するよう設計されており、常にフルパワーで稼働することが期待されている。 経済的には、原子力発電所はサイクル(EOC)の終了まで臨界を維持するのに十分な燃料を燃やすべきである。 サイクルの終了前に原子炉が亜臨界状態になった場合、炉心の燃料が既に枯渇しているため、早期の海岸崩壊が起こる可能性がある。 それとは対照的に、もし原子炉がサイクルの終わりまでにかなりの過剰な反応性を持つなら、残りの燃料は未使用のままである。 どちらの場合も、工場はかなりの額の損失を被る可能性がある。 本研究では, 沸騰水型原子炉の過剰臨界度を推定するために, データ駆動型深層学習モデルに基づく革新的な手法を提案する。

関連論文リスト

• Data-driven soiling detection in PV modules [58.6906336996604]
  太陽光発電モジュールの土質比を推定する問題について検討した。 私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。 実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-01-30T14:35:47Z)
• PhAST: Physics-Aware, Scalable, and Task-specific GNNs for Accelerated Catalyst Design [102.9593507372373]
  触媒材料は産業プロセスに関わる電気化学反応において重要な役割を担っている。 機械学習は、大量のデータから材料特性を効率的にモデル化する可能性を秘めている。 本稿では,ほとんどのアーキテクチャに適用可能なタスク固有のイノベーションを提案し,計算効率と精度の両立を図っている。
  論文  参考訳（メタデータ） (2022-11-22T05:24:30Z)
• Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model [72.65502770895417]
  176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。 BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。 本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
  論文  参考訳（メタデータ） (2022-11-03T17:13:48Z)
• Predicting Fuel Consumption in Power Generation Plants using Machine Learning and Neural Networks [0.0]
  国有グリッドからの発電の不安定さは、産業(例えば、電気通信)が事業を運営するためにプラント発電機に依存するようになった。 二次発電機は、システムの内外への燃料漏れや、燃料レベルゲージの摂動など、さらなる課題を発生させる。 社会経済的要因による燃料価格の上昇に伴い、過剰な燃料消費と燃料ピラージュが問題となる。
  論文  参考訳（メタデータ） (2022-02-11T13:21:25Z)
• Modelling the transition to a low-carbon energy supply [91.3755431537592]
  気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。 二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。 排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-09-25T12:37:05Z)
• Weather-based forecasting of energy generation, consumption and price for electrical microgrids management [0.0]
  炭素を含まない社会への移行は、エネルギー混合における再生可能エネルギーのシェアを必然的に増加させる。 本論文は, 発電システムにおける再生可能エネルギーの統合について, 予測・意思決定ツールについて検討するものである。
  論文  参考訳（メタデータ） (2021-07-01T09:02:36Z)
• Understanding Fission Gas Bubble Distribution, Lanthanide Transportation, and Thermal Conductivity Degradation in Neutron-irradiated {\alpha}-U Using Machine Learning [2.3336225785755476]
  UZrベースの金属核燃料は、米国の次世代ナトリウム冷却高速炉の主要な候補です。 燃料性能に関する機械的理解の欠如は、商業用途におけるUZr燃料の適格化を妨げている。
  論文  参考訳（メタデータ） (2021-04-12T19:29:18Z)
• Deep Surrogate Models for Multi-dimensional Regression of Reactor Power [0.0]
  我々は,原子炉の電力分布の高精度かつ高精度な多次元回帰を提供するニューラルネットワークの能力を確立する。 その結果、ニューラルネットワークは、自律型原子炉制御フレームワークで実装するサロゲートモデルに適した選択であることが示された。
  論文  参考訳（メタデータ） (2020-07-10T15:16:36Z)
• Entanglement and control of single quantum memories in isotopically engineered silicon carbide [89.42372489576658]
  固体中の核スピンはデコヒーレンスの原因であり、スピン量子ビットにとって貴重な資源である。 炭化ケイ素(SiC)中の29Si核スピンの分離制御を実証し,光学活性希薄スピンと強結合核レジスタとの絡み合った状態を生成する。
  論文  参考訳（メタデータ） (2020-05-15T15:45:34Z)
• Reservoir engineering with arbitrary temperatures for spin systems and quantum thermal machine with maximum efficiency [50.591267188664666]
  貯留層工学は、量子情報科学と量子熱力学にとって重要なツールである。 この手法を用いて、任意の(有効)負および正の温度の貯水池を単一スピン系に設計する。
  論文  参考訳（メタデータ） (2020-01-28T00:18:00Z)
• Offline Contextual Bayesian Optimization for Nuclear Fusion [19.452325504125163]
  核融合は、無限のクリーンエネルギーの可能性を示すため、未来のエネルギーと見なされている。 核融合を実現可能なエネルギー源として利用する際の障害の1つは、反応の安定性である。 本研究では,このようなコントローラを学習するための予備的なステップについて述べる。
  論文  参考訳（メタデータ） (2020-01-06T22:12:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。