摘要：为模拟核电厂严重事故下安全壳内水蒸气的壁面冷凝现象,在安全壳氢气分析专用计算流体力学(CFD)程序HYDRAGON中加入壁面冷凝模型。该模型根据传质传热类比原理建立,为Navier-Stokes方程组提供相关的边界条件、质量源项和能量源项。为验证程序和模型的有效性,从公开发表的文献中选取TOSQAN实验作为测试算例,并与模拟结果进行比较。研究显示,该冷凝模型的计算结果与实验数据吻合较好。对计算结果的分析,也说明了壁面冷凝现象所产生的作用:一方面,壁面冷凝减少了体系中的水蒸气含量,抑制了安全壳内压力的升高,同时也使不可凝气体(如氢气)的比例上升;另一方面,因冷凝现象而引起的壁面附近对流换热也加强了体系内气体的流动,这将不利于在安全壳顶部形成稳定的氢气分层,从而降低氢气爆炸风险。

摘要：燃爆单元宽度λ是衡量可燃气体燃爆风险的一项重要参数,通常认为其与特征化学反应区宽度δ的比值是无量纲活化能和无量纲温度的函数。在以上述两个无量纲量为自变量、以λ/δ的对数为因变量对实验数据进行回归的基础上,更进一步引入无量纲压力作为第3个自变量进行回归。另外,针对传统参数回归方法的不足,采用基于机器学习的支持向量回归方法进行数据拟合。比较回归结果发现,与采用二变量模型及参数回归方法相比,采用三变量模型及支持向量回归方法的计算结果与实验数据的拟合度更好,并能更为准确地预测不同初始条件下可燃爆气体的特征单元宽度。

摘要：燃爆单元宽度(λ)是度量可燃气体燃爆风险的一项重要参数。文中把λ和特征化学反应区厚度(δ)联系起来,以无量纲活化能和无量纲温度为自变量,以λ/δ的对数为因变量对实验数据进行回归。针对传统参数回归方法的不足,采用基于机器学习的高斯过程回归(GPR)方法完成数据拟合工作。通过比较实验数据和拟合函数的预测值,发现GPR方法的结果能够较为准确地预测不同组分的可燃混合气体在不同初始条件下气体的λ。与传统参数回归的结果相比,GPR方法在拟合精度上优于传统参数回归方法。

摘要：在安全壳氢气分析中,由于输入参数具有不确定性,因此计算结果也具有不确定性。研究计算结果的变化范围,以及各输入参数对计算结果不确定性的贡献,在安全层面具有重要意义。为了对安全壳氢气复合器算例进行数值模拟,首先向计算流体力学程序HYDRAGON内添加复合器模型,然后选定燃爆转变因子和爆炸总能量及其相关的时刻量作为研究对象。对若干输入参数进行抽样后进行数值模拟。采用非参数统计方法,分析计算结果的不确定性,给出其变化范围。分析计算结果和输入参数之间的敏感性,筛选其不确定性出对计算结果影响较大的输入参数。

摘要：在对低速气体进行计算流体力学(CFD)数值模拟时,通常忽略气体的可压缩性。当计算体系中存在较大温差和较大组分浓度差时,不可压缩近似会因带来很大计算误差而失效。针对此问题,低马赫数方法通过将实际压力拆分为热力学压力和动力学压力的方式,将物性参数与热力学压力联系起来,在对不可压缩流动求解器进行较小改造后,较准确地处理低马赫数下的可压缩流问题。利用Code_Saturne程序实现该模型,并针对空气射流破坏轻密度气体分层现象进行模拟。首先通过网格敏感性分析,选定中等密度网格为计算网格;然后在比较不同算法的模拟结果中发现,采用低马赫数方法可以明显提高计算精度。最后,利用模拟结果,对空气射流破坏氦气分层实验中氦气的水平分布情况进行分析和讨论。