基于机器学习的淬冷沸腾最小膜态沸腾温度预测和灵敏度分析研究

作     者：张军权 邓坚 罗彦 卢涛 Zhang Junquan;Deng Jian;Luo Yan;Lu Tao

作者机构：北京化工大学机电工程学院北京100029 中国核动力研究设计院核反应堆系统设计技术重点实验室成都610213 

基　　金：国家自然科学基金(52176052 U2067210) 

出 版 物：《核动力工程》 (Nuclear Power Engineering)

年 卷 期：2024年第45卷第4期

页      码：69-76页

摘      要：淬冷沸腾广泛应用于核反应堆失水事故后燃料棒的冷却过程中,最小膜态沸腾温度(T_(min))的确定对核反应堆的安全运行至关重要。本文基于文献的实验数据,选用了3种典型机器学习模型:随机森林(RF)、人工神经网络(ANN)和极端梯度提升(XGBoost),对淬冷沸腾T_(min)进行预测和影响因素灵敏度分析研究。结果表明,机器学习方式能够有效提高淬冷沸腾T_(min)预测的准确性,其预测性能相较于传统的经验关联式有大幅提升,其中RF模型预测效果最优,决定系数R^(2)为0.9770;通过结合RF模型和Sobol’全局灵敏度方法,得到对淬冷沸腾T_(min)影响最大的参数为冷却剂过冷度,其次为初始壁温,长径比、压力、热物性对其影响较小。本文研究成果将为提高核反应堆的安全性提供理论指导。

主 题 词：淬冷沸腾 最小膜态沸腾温度 机器学习 全局灵敏度 

学科分类：08[工学] 082701[082701] 0827[工学-食品科学与工程类] 

核心收录：

D　O　I：10.13832/j.jnpe.2024.04.0069

馆 藏 号：203128435...