特許ウォッチ

公開番号2023076513
公報種別公開特許公報(A)
公開日2023-06-01
出願番号2023044629,2019161216
出願日2023-03-20,2019-09-04
発明の名称炉心計算方法、炉心計算プログラムおよび炉心計算装置
出願人原子燃料工業株式会社
代理人個人,個人,個人
主分類G21C 17/00 20060101AFI20230525BHJP(核物理;核工学)
要約【課題】核燃料の多様化やプラント運用の高度化に対応した炉心計算であっても、合理的に効率よく炉心計算を行い、短時間に精度高く炉心パラメータを評価することができる炉心計算技術を提供する。
【解決手段】原子炉の炉心パラメータを評価するための炉心計算方法であって、異なる物理モデルに基づいて作成された第1の炉心計算プログラム、および第2の炉心計算プログラムを備え、第1の炉心計算プログラムに基づいて第1の炉心計算を行う第1の炉心計算工程と、第2の炉心計算プログラムに基づいて第2の炉心計算を行う第2の炉心計算工程と、第1の炉心計算結果と第2の炉心計算結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、相関モデルに基づいて、第1または第2の炉心計算における評価結果から、第2または第1の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えている。
【選択図】図1
特許請求の範囲【請求項１】
原子炉の炉心パラメータを評価するための炉心計算方法であって、
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算工程と、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを整理および保存する整理保存工程と、
前記第１の炉心計算工程における評価結果と、前記第２の炉心計算工程における評価結果とを用いて、機械学習により相関モデルを形成するモデル化工程と、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成工程とを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算方法。
続きを表示（約 2,400 文字）【請求項２】
前記第１の炉心計算工程、前記第２の炉心計算工程のいずれかが、複数の炉心計算工程から構成されていることを特徴とする請求項１に記載の炉心計算方法。
【請求項３】
原子炉の炉心パラメータを評価するための炉心計算方法であって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づく炉心計算プログラムを第１の炉心計算プログラムとし、相対的に近似が少ない物理モデルに基づく炉心計算プログラムを第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行うと共に、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行った後、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとし、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、２つの炉心計算に用いる炉心計算プログラムにおける相関関係を得て、相関モデルを形成し、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成し、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させることを特徴とする炉心計算方法。
【請求項４】
前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項１ないし請求項３のいずれか１項に記載の炉心計算方法。
【請求項５】
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
異なる物理モデルに基づいて作成された２つの炉心計算プログラムの一方を第１の炉心計算プログラム、他方を第２の炉心計算プログラムとして、
前記第１の炉心計算プログラムに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
前記第２の炉心計算プログラムに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを整理および保存する整理保存ステップと、
前記第１の炉心計算ステップにおける評価結果と、前記第２の炉心計算ステップにおける評価結果とを用いて、機械学習により相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から前記第２の炉心計算における評価結果を予測する、または、前記第２の炉心計算における評価結果から前記第１の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップとを備えており、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果、または、前記第２の炉心計算における評価結果を入力することにより、前記第２の炉心計算による評価結果、または、前記第１の炉心計算における評価結果に相当する評価結果が出力されるように構成されていることを特徴とする炉心計算プログラム。
【請求項６】
前記第１の炉心計算ステップ、前記第２の炉心計算ステップのいずれかが複数の炉心計算ステップから構成されていることを特徴とする請求項５に記載の炉心計算プログラム。
【請求項７】
原子炉の炉心パラメータを評価するための炉心計算プログラムであって、
想定される燃料装荷パターンのそれぞれに対して、
相対的に近似が多い物理モデルに基づいて第１の炉心計算を行う第１の炉心計算ステップと、
相対的に近似が少ない物理モデルに基づいて第２の炉心計算を行う第２の炉心計算ステップと、
前記第１の炉心計算で得られた評価結果と、前記第２の炉心計算で得られた評価結果とを整理および保存して、教師データとする整理保存ステップと、
前記教師データに基づいて、燃料集合体最高燃焼度分布を抽出して、データセットを作成し、その後、前記データセットに対して機械学習を行うことにより、前記第１の炉心計算で得られる評価結果と前記第２の炉心計算で得られる評価結果の相関関係を得て、相関モデルを形成するモデル化ステップと、
前記相関モデルに基づいて、前記第１の炉心計算における評価結果から、前記第２の炉心計算における評価結果を予測する予測プログラムを作成する予測プログラム作成ステップと、
前記予測プログラムに、所望する新しい燃料装荷パターンに対して行った前記第１の炉心計算による評価結果を入力することにより、前記第２の炉心計算による評価結果に相当する評価結果を出力させるように構成されていることを特徴とする炉心計算プログラム。
【請求項８】
前記機械学習が、多層ニューラルネットワークによる深層学習を用いて行う機械学習であることを特徴とする請求項５ないし請求項７のいずれか１項に記載の炉心計算プログラム。
【請求項９】
原子炉の炉心パラメータを評価するために使用される炉心計算装置であって、
請求項５ないし請求項８のいずれか１項に記載の炉心計算プログラムが搭載されており、
炉心計算に必要なデータを入力するためのデータ入力手段と、
入力されたデータに基づいて前記予測プログラムにより計算された結果を、炉心パラメータの評価値として出力するデータ出力手段とを備えていることを特徴とする炉心計算装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、原子炉の炉心計算技術、詳しくは、精度高い炉心計算を効率的に行う炉心計算方法、炉心計算プログラムおよび炉心計算装置に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
原子炉の炉心設計や炉心管理に際しては、燃料・炉心の安全性や経済性などを司る炉心パラメータを評価するための炉心計算が欠かせない。しかしながら、炉心に装荷される燃料集合体は数百体と非常に多く、炉心計算には多大の時間を要するため、従来は、一般的に、近似が多い物理モデルを用いた炉心計算プログラムにより評価されていた。
【０００３】
具体的な一例としては、例えば、空間メッシュとして、ＰＷＲの場合には１／４燃料集合単位、ＢＷＲの場合には燃料集合体単位を採用し、中性子エネルギー群数は２群で、中性子拡散理論を採用し、核種燃焼計算についてはマクロ燃焼モデルを採用した炉心計算プログラムにより評価が行われていた。
【０００４】
しかしながら、計算機能力の向上に伴い、近似が多い物理モデルを用いた炉心計算プログラムは非常に短時間で行うことができるようになった。一方、近年、核燃料の多様化やプラント運用の高度化が図られてきており、これに伴って、炉心計算において、空間やエネルギー等の離散化パラメータを精緻化し、近似が少ない高度な物理モデルを想定して、従来に比べて多種多様な炉心パラメータを高い精度で評価する炉心計算プログラムの開発が行われている（例えば、特許文献１、２および非特許文献１、２）。
【先行技術文献】
【特許文献】
【０００５】
特開２００７－１８８３８４号公報
特開２００８－５１５０９号公報
【非特許文献】
【０００６】
Ｍ．Ｔａｔｓｕｍｉ，Ａ．Ｙａｍａｍｏｔｏ，“ＡｄｖａｎｃｅｄＰＷＲＣｏｒｅＣａｌｃｕｌａｔｉｏｎＢａｓｅｄｏｎＭｕｌｔｉ－ｇｒｏｕｐＮｏｄａｌ－ｔｒａｎｓｐｏｒｔＭｅｔｈｏｄｉｎＴｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌＰｉｎ－ｂｙ－ＰｉｎＧｅｏｍｅｔｒｙ，”，Ｊ．Ｎｕｃｌ．Ｓｃｉ．Ｔｅｃｈｎｏｌ．，４０，ｐｐ．３７６－３８７（２００３）．
Ａ．Ｙａｍａｍｏｔｏ，Ａ．Ｇｉｈｏ，Ｔ．Ｅｎｄｏ，”ＲｅｃｅｎｔｄｅｖｅｌｏｐｍｅｎｔｓｉｎｔｈｅＧＥＮＥＳＩＳｃｏｄｅｂａｓｅｄｏｎｔｈｅＬｅｇｅｎｄｒｅｐｏｌｙｎｏｍｉｎａｌｅｘｐａｎｓｉｏｎｏｆａｎｇｕｌａｒｆｌｕｘｍｅｔｈｏｄ，”，Ｎｕｃｌ．Ｅｎｇ．Ｔｅｃｈｎｏｌ．，４９，ｐｐ．１１４３－１１５６（２０１７）．
【発明の概要】
【発明が解決しようとする課題】
【０００７】
このような近似が少ない高度な物理モデルを適用した炉心計算プログラムには、次のような問題があった。
【０００８】
即ち、多種多様な炉心パラメータを高い精度で評価するためには、計算が複雑になり、計算コストの増大化が避けられない。また、解析結果が得られるまでの計算時間が長くなって、計算の待ち時間が発生することにより、業務フローをスムーズに行うことができなくなり、迅速な結果が求められる場面に十分に対応することができない。
【０００９】
特に、燃料装荷パターンを決定する炉心設計では、限られた時間内に、より最適化された燃料装荷パターンを探査して決定する必要があり、多くの燃料装荷パターンで炉心計算を行うことが求められる。
【００１０】
しかし、多大な計算コストが掛かる精緻な炉心計算プログラムを使用するにしても、十分な評価結果を得るためには燃料装荷パターン数が少なすぎて、十分な検討が行えていないというのが現状であった。
（【００１１】以降は省略されています）

関連特許