特定堆型的一回路冷却剂中通过加入氨调控pH,并利用其辐解产物抑制氧化性物质的浓度,从而维持冷却剂的还原性状态。在此过程中,氨浓度与pH调控产生显著的联动影响,需要建立可模拟不同控制策略下水化学行为的模型,实现pH和溶解氢浓度控...特定堆型的一回路冷却剂中通过加入氨调控pH,并利用其辐解产物抑制氧化性物质的浓度,从而维持冷却剂的还原性状态。在此过程中,氨浓度与pH调控产生显著的联动影响,需要建立可模拟不同控制策略下水化学行为的模型,实现pH和溶解氢浓度控制。本工作基于RETA反应堆系统分析程序,开发了一个适用于压水堆型冷却剂辐解产物输运的模型,模型预测NH_(3)和H_(2)浓度与实验结果的均方误差分别为1.79×10^(−8)和5.69×10^(−8)。以KLT-40S堆型为对象,构建并对比分析了三种加氨调控策略:初始弥散加氨、源恒速加氨及基于除氢优化的源恒速加氨。在模拟过程中,设置了冷却剂初始参数与辐射场条件,逐步调整加氨速率与除氢时机。每种策略均模拟至系统达到准稳态(1.6×10^(4) s),以评估其对pH和溶解氢浓度的调控效果。结果显示,初始氨弥散策略简单直接,可维持体系的还原性但对冷却剂pH调控的时间小于5 h;源恒速加氨可长时间有效调节冷却剂pH,但会带来溶解氢浓度过高的问题,需匹配相应的除氢方案。采用基于除氢优化的源恒速加氨策略,能够同时满足稳定控制pH和溶解氢浓度的要求,加氨速率为1.64 g·s^(−1),加氨开始1200 s后开启除氢装置,除氢速率0.014 g·s^(−1),化学状态稳定后冷却剂的pH为6.9,溶解氢浓度为30~35 mL·kg−(1)(Standard Temperature and Pressure,STP)。本工作有望为新堆型研发和水化学控制策略的优化提供参考。展开更多
To generate a neutron beam exhibiting a Maxwellian energy distribution with narrow emission angles for measuring the neutron capture reaction rates of the s-process nuclides,a monoenergetic 3.4 MeV proton beam produce...To generate a neutron beam exhibiting a Maxwellian energy distribution with narrow emission angles for measuring the neutron capture reaction rates of the s-process nuclides,a monoenergetic 3.4 MeV proton beam produced by the tandem-accelerator in the China Institute of Atomic Energy was utilized.The proton beam was first transmitted through a 60.5μm aluminum foil and then impinged on a natural LiF target to produce neutron beam via^(7)Li(p,n)7Be reaction.The quasi-Gaussian energy distribution of protons in the LiF target resulted in neutron energy spectra that agreed with a Maxwellian energy distribution at kT=(22±2)keV,which was achieved by integrating neutrons detected within an emission angle of 65.0°±2.6°using a ^(6)Li glass detector positioned at 65°relative to the proton beam direction.The narrow angular spread of the Maxwelliandistributed neutron beam enables direct measurement of neutron capture cross-sections for most s-process nuclides,overcoming previous experimental limitations associated with broad angular distributions.展开更多
近期提出的单体相移深度神经网络(single phase-shift deep neural network,SPDNN),因其网络规模小、学习精度高,成为首个复杂中子共振截面拟合与评价的实用深度学习工具。在SPDNN学习共振截面的过程中,诸多因素显著影响网络的训练效果...近期提出的单体相移深度神经网络(single phase-shift deep neural network,SPDNN),因其网络规模小、学习精度高,成为首个复杂中子共振截面拟合与评价的实用深度学习工具。在SPDNN学习共振截面的过程中,诸多因素显著影响网络的训练效果、训练效率以及训练模型的泛化性。这些因素包括:决定网络相移层大小的共振截面频谱范围与频段宽度、隐藏层的数目、每层神经元的数目、激活函数、损失函数、训练步数和训练数据的预处理等。为了进一步提升SPDNN在共振截面研究中的实用性,详细考察了这些因素对网络拟合性能的影响。通过考察,确定了SPDNN在共振截面研究中适宜的网络构建和训练方法,助力推动SPDNN的广泛应用。展开更多
文摘特定堆型的一回路冷却剂中通过加入氨调控pH,并利用其辐解产物抑制氧化性物质的浓度,从而维持冷却剂的还原性状态。在此过程中,氨浓度与pH调控产生显著的联动影响,需要建立可模拟不同控制策略下水化学行为的模型,实现pH和溶解氢浓度控制。本工作基于RETA反应堆系统分析程序,开发了一个适用于压水堆型冷却剂辐解产物输运的模型,模型预测NH_(3)和H_(2)浓度与实验结果的均方误差分别为1.79×10^(−8)和5.69×10^(−8)。以KLT-40S堆型为对象,构建并对比分析了三种加氨调控策略:初始弥散加氨、源恒速加氨及基于除氢优化的源恒速加氨。在模拟过程中,设置了冷却剂初始参数与辐射场条件,逐步调整加氨速率与除氢时机。每种策略均模拟至系统达到准稳态(1.6×10^(4) s),以评估其对pH和溶解氢浓度的调控效果。结果显示,初始氨弥散策略简单直接,可维持体系的还原性但对冷却剂pH调控的时间小于5 h;源恒速加氨可长时间有效调节冷却剂pH,但会带来溶解氢浓度过高的问题,需匹配相应的除氢方案。采用基于除氢优化的源恒速加氨策略,能够同时满足稳定控制pH和溶解氢浓度的要求,加氨速率为1.64 g·s^(−1),加氨开始1200 s后开启除氢装置,除氢速率0.014 g·s^(−1),化学状态稳定后冷却剂的pH为6.9,溶解氢浓度为30~35 mL·kg−(1)(Standard Temperature and Pressure,STP)。本工作有望为新堆型研发和水化学控制策略的优化提供参考。
基金National Natural Science Foundation of China(12125509,11961141003,12275361,U2267205,12175152,12175121)National Key Research and Development Project(2022YFA1602301)Continuous-support Basic Scientific Research Project。
文摘To generate a neutron beam exhibiting a Maxwellian energy distribution with narrow emission angles for measuring the neutron capture reaction rates of the s-process nuclides,a monoenergetic 3.4 MeV proton beam produced by the tandem-accelerator in the China Institute of Atomic Energy was utilized.The proton beam was first transmitted through a 60.5μm aluminum foil and then impinged on a natural LiF target to produce neutron beam via^(7)Li(p,n)7Be reaction.The quasi-Gaussian energy distribution of protons in the LiF target resulted in neutron energy spectra that agreed with a Maxwellian energy distribution at kT=(22±2)keV,which was achieved by integrating neutrons detected within an emission angle of 65.0°±2.6°using a ^(6)Li glass detector positioned at 65°relative to the proton beam direction.The narrow angular spread of the Maxwelliandistributed neutron beam enables direct measurement of neutron capture cross-sections for most s-process nuclides,overcoming previous experimental limitations associated with broad angular distributions.
文摘近期提出的单体相移深度神经网络(single phase-shift deep neural network,SPDNN),因其网络规模小、学习精度高,成为首个复杂中子共振截面拟合与评价的实用深度学习工具。在SPDNN学习共振截面的过程中,诸多因素显著影响网络的训练效果、训练效率以及训练模型的泛化性。这些因素包括:决定网络相移层大小的共振截面频谱范围与频段宽度、隐藏层的数目、每层神经元的数目、激活函数、损失函数、训练步数和训练数据的预处理等。为了进一步提升SPDNN在共振截面研究中的实用性,详细考察了这些因素对网络拟合性能的影响。通过考察,确定了SPDNN在共振截面研究中适宜的网络构建和训练方法,助力推动SPDNN的广泛应用。
