دانلود مقاله ISI انگلیسی شماره 148792
ترجمه فارسی عنوان مقاله

روش برای بهینه سازی شبکه سوخت یکپارچه و بهینه سازی بار سوخت با استفاده از متهوریستی مبتنی بر جمعیت و درخت تصمیم گیری

عنوان انگلیسی
Methodology for integrated fuel lattice and fuel load optimization using population-based metaheuristics and decision trees
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
148792 2018 7 صفحه PDF
منبع

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

Journal : Progress in Nuclear Energy, Volume 104, April 2018, Pages 264-270

ترجمه چکیده
یک روش جدید برای حل یکپارچه با طراحی مشبک سوخت و بهینه سازی بار سوخت در یک راکتور آب جوش ارائه شده است. جنبه های جدید دو است. در ابتدا، استفاده از متائوئیستیسم مبتنی بر جمعیت پایه برای مقابله با مجموعه ای از طراحی شبکه پتانسیل سوخت و مجموعه ای از مجدد بارهای بالقوه سوخت. هر دو جمعیت در مسیر موازی و مستقل بین آنها تکامل یافته اند. پس از چندین تکرار، بهترین میزبان سوخت فعلی به فرایند بهینه سازی سوخت دوباره تغذیه می شود. ثانیا، برای ارزیابی کیفیت طرح های شبکه، استفاده از درخت های قبلا توسعه یافته برای سرعت بخشیدن به محاسبات، از اجتناب از استفاده از شبیه ساز های راکتور محاسباتی گران هسته گران. آزمایش های محاسباتی اجازه می دهد تا مزایای پیشنهاد ما را ارزیابی کنیم. از یک طرف، راه حل های به دست آمده از انرژی مورد نیاز برآورده شده و در عین حال ایمنی هسته با محدودیت های حرارتی و حاشیه خنک کننده سرد تضمین شده است. از سوی دیگر، استفاده از درخت های تصمیمی باعث شد تا این فرآیند با 1200 بار افزایش یابد.
پیش نمایش مقاله
پیش نمایش مقاله  روش برای بهینه سازی شبکه سوخت یکپارچه و بهینه سازی بار سوخت با استفاده از متهوریستی مبتنی بر جمعیت و درخت تصمیم گیری

چکیده انگلیسی

A new methodology to deal in an integrated way with the fuel lattice design and fuel load optimization in a Boiling Water Reactor is proposed. The novel aspects are two. Firstly, the use of basic population based metaheuristics to deal with sets of potential fuel lattice design and sets of potential fuel reloads. Both populations evolve in a parallel and independent way between them. After some iterations the best current fuel lattice is fed to the fuel reload optimization process. Secondly, and in order to evaluate the quality of the lattice designs, the use of previously developed decision trees to speed up the calculations, thus avoiding the use of computationally expensive core reactor simulators. The computational experiments allowed to assess the benefits of our proposal. In one hand, the obtained solutions fulfilled the energy requirements and at the same time the core safety was guaranteed by thermal limits and cold shutdown margin. By the other hand, the use of decision trees allowed to speed up the process by a factor of 1200.