Proposta de utilização de redes neurais feedforward multicamadas para a otimização de padrões de recarga do combustível em um reator PWR

Authors

  • Claubia Pereira Universidade Federal de Minas Gerais https://orcid.org/0000-0001-5999-9961
  • Wilmer Aruquipa Universidade Federal de Minas Gerais
  • Edyene C. A. Oliveira Universidade Federal de Minas Gerais
  • Clarysson Alberto M. Silva Universidade Federal de Minas Gerais

DOI:

https://doi.org/10.15392/bjrs.v7i3A.834

Keywords:

Reator PWR, Redes neurais artificiais, Carga de combustível

Abstract

O gerenciamento de recarga de combustível em um reator de potência  tem como principal foco o padrão de recarga no núcleo de modo a alcançar melhor rendimento no ciclo observando todos os parâmetros de segurança adotados. Neste artigo apresentamos a estratégia de um algoritmo baseado em redes neurais artificiais que poderia ser usado para otimizar a recarga de combustível num reator nuclear. A ideia é apresentar uma metodologia baseada em  rede neural feedforward multicamadas baseada em neurônios multi-valorados, que poderá ser usada para desenvolver uma metodologia capaz de escolher as melhores combinações que satisfaçam o fator de pico de potência radial e maximizem o fator de multiplicação efetivo no início do ciclo, e também satisfaçam a relação de potência crítica mínima e taxa máxima de geração de calor no final do ciclo.

Downloads

Download data is not yet available.

References

H. G. KIM, S. H. CHANG, AND B. H. LEE, Optimal Fuel Loading Pattern Design Using an Artificial Neural Network and a Fuzzy Rule-Based System, Nuclear Science and Engineering, v. 115, p. 152–163, 1993.

R. CARMONA, C. MARTIN-DEL-CAMPO, I. OROPEZA, AND J.-L. FRANOIS, Genetic algorithm approach for radial fuel lattice optimization in BWRS, American Nuclear Society, vol. 1, p. 323-333, 2009.

E. F. FARIA AND C. PEREIRA, Nuclear fuel loading pattern optimisation using a neural network, Annals of Nuclear Energy, v. 30, p. 603–613, 2003.

C. LIN, J.-I. YANG, K.-J. LIN, AND Z.-D. WANG, Pressurized Water Reactor Loading Pattern Design Using the Simple Tabu Search, Nuclear Science and Engineering, v. 129, p. 61–71, 1998.

T. ŠMUC, D. PEVEC, AND B. PETROVIC, Annealing strategies for loading pattern optimization, Annals of nuclear energy, v. 21, p. 325–336, 1994.

I. AIZENBERG AND C. MORAGA, Multilayer feedforward neural network based on multi-valued neurons (MLMVN) and a backpropagation learning algorithm, Soft Computing, v. 11, p. 169–183, 2007.

E. M. AZOFF, Neural network time series forecasting of financial markets. John Wiley & Sons, Inc., 1994.

M. T. HAGAN, H. B. DEMUTH, M. H. BEALE, AND O. DE JESUS, Neural network design, v. 20. Pws Pub. Boston, 1996.

J. J. ORTIZ AND I. REQUENA, Using a multi-state recurrent neural network to optimize loading patterns in BWRs, Annals of Nuclear Energy, v. 31, p. 789–803, 2004.

M. HLAVÁČEK, Multilayer feedforward neural networks based on multi-valued neurons, PhD Thesis, Masarykova univerzita, Fakulta informatiky, 2014.

DOWNAR, T. et al., PARCS v2.7 U.S. NRC Core Neutronics Simulator User Manual, School of Nuclear Engineering Purdue University, 2006.

M. HLAVACEK, Machine learning tool: simulator of multi-layered neural network (like MLP) with multi-valued neurons. - MiraHead/mlmvn. 2018.

WIMSD-5B, 2007 - RSICC Computer Code Collection WIMSD-5B.12 – Deterministic

Code System for Reactor-Lattice Calculations – Oak Ridg National Laboratory, 2007.

Published

2019-07-14

How to Cite

Pereira, C., Aruquipa, W., Oliveira, E. C. A., & Silva, C. A. M. (2019). Proposta de utilização de redes neurais feedforward multicamadas para a otimização de padrões de recarga do combustível em um reator PWR. Brazilian Journal of Radiation Sciences, 7(3A (Suppl.). https://doi.org/10.15392/bjrs.v7i3A.834

Issue

Section

Week of Nuclear Engineering and Radiation Sciences

Most read articles by the same author(s)

<< < 1 2