نوع مقاله : مقاله پژوهشی

نویسندگان

1 پژوهشکدة رآکتور و ایمنی هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، سازمان انرژی اتمی ایران، تهران

2 گروه مهندسی هسته‌ای، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران

چکیده

رشد جمعیت، توسعه صنعتی و همچنین محدودیت منابع سوخت فسیلی، انگیزه­ای در مطالعة سایر انرژی­ها به ویژه انرژی هسته­ای ایجاد کرده است. راکتور­های کوچک ماژولار به دلیل ایمنی بیشتر، حمل­ونقل آسان، تولید الکتریسیته و شیرین­سازی آب حتی برای مناطق دور از دسترس، به عنوان منبع انرژی کارآمد معرفی شده­اند. بهینه­سازی در مدیریت سوخت هسته­ای برای بهبود عملکرد و صرفه­جویی در مصرف انرژی به طراحی مقرون به صرفه­ با راندمان بالاتر و ایمنی مناسب­تر منجر می­شود. در این تحقیق بهینه­سازی آرایش مجتمع­های سوخت راکتور کوچک ماژولار اسمارت (SMART) با استفاده از الگوریتم جدید سنجاقک مورد توجه قرار گرفته است. کارآیی بهینه­سازی آرایش مجتمع­های سوخت علاوه بر الگوریتم انتخابی به تعریف تابع هدف نیز بستگی دارد. تابع دو­هدفه شامل مسطح کردن توزیع قدرت و بیشینه­سازی ضریب تکثیر مؤثر برای این تحقیق در نظر گرفته شده است. محاسبات و شبیه­سازی مجتمع­های سوخت و قلب راکتور به ترتیب توسط کد محاسبات سلولی دراگون و کد محاسبات قلب پارکس انجام شد. با توجه به نتایج نهایی، افزایش طول چرخه و ضریب تکثیر مؤثر به ترتیب به مقدار 185 روز و pcm 582 و همچنین کاهش تابع برازندگی از مقدار 0/905931 به 0/194527، کارایی روش پیشنهادی را تأیید می­کند‏.

کلیدواژه‌ها

عنوان مقاله [English]

Increasing cycle length and flattening power distribution in soluble boron-free small modular reactor

نویسندگان [English]

  • Farrokh Khoshahval 1
  • Amir Karimi Jafari 2
  • Morteza Akbari 2

1 Reactor and Nuclear Safety Research School, Nuclear Science and Technology Research Institute, AEOI, Tehran, Iran

2 Department of Faculty of Engineering, Science and Research branch, Islamic Azad University, Tehran, Iran

چکیده [English]

Population growth, industrial development as well as limited fossil fuel resources have motivated the study of other energies, especially nuclear energy. Small modular reactors have been introduced as an efficient energy source due to their greater safety, easy transport, electricity generation and water desalination, even in remote areas. Optimization in the nuclear fuel management to improve performance and save energy leads to cost-effective design with higher efficiency and better safety. In this research, core loading pattern optimization of system-integrated modular advanced reactor (SMART) has been considered using the new dragonfly algorithm. In addition to the selected algorithm, the efficiency of optimizing loading pattern also depends on the definition of the objective function. Two-objective functions including flattening the power distribution and maximizing the effective multiplication factor are considered. Simulations of the reactor fuel assemblies and reactor core were performed by DRAGON lattice calculation and PARCS core calculation codes, respectively. According to the final results, the cycle length and effective multiplication factor are increased for 185 days and 582 pcm, respectively. Also the fitness function is decreased from 0.905931 to 0.194527.

کلیدواژه‌ها [English]

  • optimization
  • dragonfly algorithm
  • small modular reactor
  • fuel management
  1. L A Adamovich, G I Grechko, and V A Shishkin, Nuclear Engineering and Design 173 (1997) 175.

  2. P J Turinsky and G T Parks, Advances in Nuclear Science and Technology 26 (1999) 137.

  3. R B Stout and A H Robinson, Nuclear Technology 20 (1973) 86.

  4. K C Okafor and T Aldemir, Nuclear Technology 81 (1988) 381.

  5. Y P Mahlers, Annals of Nuclear Energy 22 (1995) 29.

  6. M Sadighi, S Setayeshi, and A A Salehi, Annals of Nuclear Energy 29 (2002) 41.

  7. A Yamamoto and K Kanda, Journal of Nuclear Science and Technology 34 (1997) 882.

  8. F Khoshahval, et al., Annals of Nuclear Energy 37 (2010) 1263.

  9. M Jamalipour, et al., Annals of Nuclear Energy 54 (2013) 134.

  10. S A Mirjalili, Neural Computing and Applications 27 (2016) 1053.

  11. IAEA, “Advances in Small Modular Reactor Technology Developments, A Supplement to: IAEA Advanced Reactors Information System (ARIS)”, Austria (2016).

  12. G Locatelli, C Bingham, and M Mancini, Progress in Nuclear Energy 73 (2014) 75.

  13. J Mart, A Klein, and A Soldatov, Nuclear Technology 188 (2014) 8.

  14. S Q Zee, et al., “Development of Design Technology for Integral Reactor”, KAERI/RR-2217/2001, Taejon, Korean (2002).

  15. M K Rowinski, T J White, and J Zhao, Renewable and Sustainable Energy Reviews 44 (2015) 643.

  16. J C Kim, et al., Journal of the Korean Nuclear Society 30 (1998) 342.

  17. P Thomet, Nuclear Technology 127 (1999) 259.

  18. A Norouzi, et al., Progress in Nuclear Energy 53 (2011) 449.

  19. A Zameer, et al., Nuclear Science and Techniques 29 (2018) 34.

  20. G Marleau, A Hebert, and R Roy, “A User Guide for DRAGON”, Ecole Polytechnique de Montreal, Montreal (2016).

  21. T J Downar, Y Xu, and V Seker, “PARCS v3.0 U.S. NRC Core Neutronics Simulator USER MANUAL”, University of Michigan, Michigan (2010).

  22. M Mafarja, et al., Studies in Computational Intelligence 811 (2020) 47.

  23. F Khoshahval, et al., Annals of Nuclear Energy 37 (2010) 1263.

  24. C H Kim, et al., “Development of core design/analysis technology for integral reactor; Verification of SMART Nuclear Design by Monte Carlo Method”, KAERI-CM-487/2001, Taejon, Korean (2002).

  25. D Rochman, et al., Nuclear Data Sheets 139 (2017) 1.

  26. C C Lee, et al., GENES4/ANP2003 Conference, (2003) 15.

  27. J S Song, et al., Proceedings of the Korean Nuclear Society Conference (1996)

  28. C H Lee, et al., “Nuclear Design Manual for Generation of Cross Section and Heterogeneous Form function for CASMO-3/MASTER”, KAERI/TR-782/96, Taejon (1997).

تحت نظارت وف ایرانی