دانلود مقاله ISI انگلیسی شماره 52503
ترجمه فارسی عنوان مقاله

برآورد توزیع قدرت نسبی و عامل اوج قدرت در یک راکتور VVER-1000 با استفاده از شبکه های عصبی مصنوعی

عنوان انگلیسی
Estimation of relative power distribution and power peaking factor in a VVER-1000 reactor core using artificial neural networks
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
52503 2015 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6440 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 77,280 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 154,560 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Progress in Nuclear Energy, Volume 85, November 2015, Pages 17–27

ترجمه کلمات کلیدی
زمان واقعی سیستم نظارت - توزیع قدرت نسبی - عامل اوج قدرت - شبکه های عصبی مصنوعی - آشکارسازهای نوترونی سابق هسته ای
کلمات کلیدی انگلیسی
Real-time monitoring system; Relative power distribution (RPD); Power peaking factor (PPF); Artificial neural networks (ANNs); Ex-core neutron detectors; MCNPX code
پیش نمایش مقاله
پیش نمایش مقاله برآورد توزیع قدرت نسبی و عامل اوج قدرت در یک راکتور VVER-1000 با استفاده از شبکه های عصبی مصنوعی

چکیده انگلیسی

Designing a computational tool to predict in real-time neutronic parameters of a VVER-1000 reactor core such as axial and radial relative power distributions (RPDs) and power peaking factor (PPF) based on an artificial neural network (ANN) framework is presented in this paper. The method utilizes ex-core neutron detector signals, some core parameters data, and a neural network to setup a real-time monitoring system for RPD and PPF predictions. To detect the hottest fuel assemblies (FAs), the radial RPD in the core is first monitored and then the axial relative power of those FAs is screened to detect the PPF in the core. To achieve this, two hundred reactor operation states with different power density distributions are obtained by positioning the control rods in different configurations. Then a multilayer perceptron (MLP) neural network is trained by applying a set of experimental and calculated data for each core state. The experimental data are core parameters such as control rods position, coolant inlet temperature, power level and signal of ex-core neutron detectors taken from Bushehr nuclear power plant (BNPP) for each operation state. The RPD and PPF for each corresponding state are calculated using a validated model developed in MCNPX 2.7 code. The results of this study indicate that the RPD and PPF can be determined through a neural network having in input the position of control rods, the power level, the coolant inlet temperature, the boric acid concentration, the effective days of reactor operation, and the signal of ex-core neutron detectors, accurately. Also, the sensitivity study of the ANN response to different selection of input parameters illustrates that the signal of ex-core neutron detector plays an important role in the ANN prediction accuracy.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6440 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 10 روز بعد از پرداخت 77,280 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 154,560 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.