論文の概要: Evaluation of Nuclear Microreactor Cost-competitiveness in Current Electricity Markets Considering Reactor Cost Uncertainties

• arxiv url: http://arxiv.org/abs/2506.13361v1
• Date: Mon, 16 Jun 2025 11:04:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:48.206075
• Title: Evaluation of Nuclear Microreactor Cost-competitiveness in Current Electricity Markets Considering Reactor Cost Uncertainties
• Title（参考訳）: 原子炉コストの不確実性を考慮した現行電力市場における原子力マイクロリアクターコスト競争性の評価
• Authors: Muhammad R. Abdusammi, Ikhwan Khaleb, Fei Gao, Aditi Verma,
• Abstract要約: 本稿では、今日の電力市場におけるマイクロリアクターのコスト競争性を評価し、原子炉コストの不確実性に着目した。 遺伝的アルゴリズム(GA)は、原子炉燃料の濃縮、尾の濃縮、燃料交換間隔、排出燃焼といった重要な技術パラメータを最適化するために用いられる。 その結果、マイクロリアクターはコスト競争力を維持することができ、生産税額控除(PTC)が支持すれば、Lは48.21/MWhから78.32/MWhとなる。 オフショア風、水力、バイオマスといった従来の原子力、石炭、再生可能エネルギーと比較して、最適化されたマイクロア
• 参考スコア（独自算出の注目度）: 2.2002244657481826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper evaluates the cost competitiveness of microreactors in today's electricity markets, with a focus on uncertainties in reactor costs. A Genetic Algorithm (GA) is used to optimize key technical parameters, such as reactor capacity, fuel enrichment, tail enrichment, refueling interval, and discharge burnup, to minimize the Levelized Cost of Energy (LCOE). Base case results are validated using Simulated Annealing (SA). By incorporating Probability Distribution Functions (PDFs) for fuel cycle costs, the study identifies optimal configurations under uncertainty. Methodologically, it introduces a novel framework combining probabilistic cost modeling with evolutionary optimization. Results show that microreactors can remain cost-competitive, with LCOEs ranging from \$48.21/MWh to \$78.32/MWh when supported by the Production Tax Credit (PTC). High reactor capacity, low fuel enrichment, moderate tail enrichment and refueling intervals, and high discharge burnup enhance cost efficiency. Among all factors, overnight capital cost (OCC) has the most significant impact on LCOE, while O&M and fuel cost uncertainties have lesser effects. The analysis highlights how energy policies like the PTC can reduce LCOE by 22-24%, improving viability despite cost variability. Compared to conventional nuclear, coal, and renewable sources like offshore wind, hydro, and biomass, optimized microreactors show strong economic potential. This research defines a realistic design space and key trade-offs, offering actionable insights for policymakers, reactor designers, and energy planners aiming to accelerate the deployment of affordable, sustainable microreactors.
• Abstract（参考訳）: 本稿では、今日の電力市場におけるマイクロリアクターのコスト競争性を評価し、原子炉コストの不確実性に着目した。 遺伝的アルゴリズム(GA)は、原子炉容量、燃料濃縮、テール濃縮、燃料交換間隔、排出バーンアップといった重要な技術パラメータを最適化し、エネルギーのレベル化コスト(LCOE)を最小化するために用いられる。 Simulated Annealing (SA) を用いて, 基礎症例を検証した。 燃料サイクルのコストに確率分布関数(PDF)を組み込むことにより、不確実性の下での最適構成を特定する。 方法論的には、確率論的コストモデリングと進化的最適化を組み合わせた新しいフレームワークを導入する。 その結果、マイクロリアクターはコスト競争力を維持することができ、生産税額控除(PTC)に支えられた場合、LCOEは48.21/MWhから78.32/MWhまで幅があることがわかった。 高炉容量、低燃料濃縮、中程度のテール濃縮と再燃料間隔、高放電燃焼によりコスト効率が向上する。 これらの要因の中で、夜間資本コスト(OCC)はLCOEに最も大きな影響を与え、O&Mと燃料コストの不確実性はより少ない。 この分析は、PTCのようなエネルギー政策がLCOEを22～24%削減し、コスト変動にもかかわらず生存性を改善する方法を強調している。 オフショア風、水力、バイオマスといった従来の原子力、石炭、再生可能エネルギーと比較すると、最適化されたマイクロリアクターは強い経済ポテンシャルを示す。 この研究は、現実的なデザイン空間と重要なトレードオフを定義し、政策立案者、原子炉設計者、そして安価で持続可能なマイクロリアクターの展開を促進するためのエネルギープランナーに実用的な洞察を提供する。

関連論文リスト

• Demand Response Optimization MILP Framework for Microgrids with DERs [0.0]
  本稿では,太陽光発電システムと蓄電池システムを備えたマイクログリッドにおける需要応答を最適化するための枠組みを提案する。 このフレームワークには、負荷分類、動的価格閾値設定、最適DRイベントスケジューリングのための多周期調整が含まれている。
  論文  参考訳（メタデータ） (2025-02-12T20:10:51Z)
• Automated deep reinforcement learning for real-time scheduling strategy of multi-energy system integrated with post-carbon and direct-air carbon captured system [4.721325160754968]
  CDRTの採用は、現在の炭素価格で経済的に不可能である。 提案したDRLエージェントは、プロシューマーの多エネルギー需要を満たすことができ、CDRTエネルギー需要を経済的にスケジュールすることができる。 PCCSと固体吸着DACSの構成が最も適していると考えられている。
  論文  参考訳（メタデータ） (2023-01-18T20:22:44Z)
• 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 air quality co-benefits of energy transition using machine learning [5.758035706324685]
  大気質の改善から化石燃料の使用を減らすという健康上の利点を推定することは、二酸化炭素排出量の削減に重要な根拠となる。 本研究では, 高精度かつ堅牢な平均粒径(PM2.5)濃度推定が可能な, 高精度かつ簡潔な機械学習フレームワークを開発した。 本研究は, 炭素中性エネルギーシステムへの移行における費用対効果を最大化するために, 慎重な政策設計を促すものである。
  論文  参考訳（メタデータ） (2021-05-29T14:52:57Z)
• Demand Responsive Dynamic Pricing Framework for Prosumer Dominated Microgrids using Multiagent Reinforcement Learning [59.28219519916883]
  本稿では,実時間価格(RTP)DR技術を実装したマルチエージェント強化学習に基づく意思決定環境を提案する。 提案手法は,従来のDR法に共通するいくつかの欠点に対処し,グリッド演算子とプロシューマーに大きな経済的利益をもたらす。
  論文  参考訳（メタデータ） (2020-09-23T01:44:57Z)
• Optimal control towards sustainable wastewater treatment plants based on multi-agent reinforcement learning [1.0765359420035392]
  本研究は,WWTPにおける溶存酸素量と化学物質量を最適化するために,多エージェント深部強化学習という新しい手法を用いた。 その結果,LCAに基づく最適化は,ベースラインのシナリオに比べて環境への影響が低いことがわかった。 コスト指向制御戦略はLCA駆動戦略に匹敵する全体的な性能を示す。
  論文  参考訳（メタデータ） (2020-08-19T05:34:47Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

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。