堆芯热工水力程序结果不确定性量化分析方法及装置制造方法及图纸

本发明专利技术提供了一种堆芯热工水力程序结果不确定性量化分析方法及装置，涉及核反应堆堆芯子通道程序模型不确定性量化的技术领域，能够在获取待评价子通道程序模型的目标参数时，基于方差分解方法确定目标参数的影响输入参数，进一步，确定影响输入参数的不确定性的分布，对不确定性的分布进行抽样获取多个抽样值；计算每个抽样值对应的影响输入参数值；将多个影响输入参数值分别输入至待评价子通道程序模型以得到影响输入参数对应的目标参数的结果值；根据多个结果值计算目标参数的不确定度；通过计算出的不确定度能够准确对该子通道程序模型进行评价，且，上述评价方法大大降低了计算不确定度的计算量，提高了分析效率。

【技术实现步骤摘要】
堆芯热工水力程序结果不确定性量化分析方法及装置
本专利技术涉及核反应堆堆芯子通道程序模型不确定性量化
，尤其是涉及一种堆芯热工水力程序结果不确定性量化分析方法及装置。
技术介绍
随着计算机技术的发展，为了能够更好的对动力系统、热力系统等能源系统进行了解，可以利用计算机技术建立对应的数学模型进行研究，然而，数学模型不可能完全准确的模拟实际物理过程，因此，需要在利用数学模型进行实验前需要对建立好的数学模型进行评价分析。目前，在对复杂的数学模型进行不确定性评估中常用FFTBM(FastFourierTransformMethod)方法、DIPE(DrterminationofInputParametersEmpiricalProperties)方法、CIRCE′(CalculdesIncertitudesRelativesauxCorre′lationsE′lementaires)方法和MCDA(ModelCalibrationthroughDataAssimilation)方法，上述方法在对核反应堆堆芯分析上还不太成熟，仍然存在可评估本文档来自技高网...

【技术保护点】
1.一种堆芯热工水力程序结果不确定性量化分析方法，其特征在于，所述方法包括：/n获取待评价子通道程序模型的目标参数，其中，所述目标参数为由所述待评价子通道程序模型计算得到的能够表征研究对象特性的参数；/n基于方差分解方法确定影响所述目标参数的影响输入参数；/n确定所述影响输入参数的不确定性的分布；/n对所述不确定性的分布进行抽样获取多个抽样值；/n计算每个所述抽样值对应的影响输入参数值；/n将多个所述影响输入参数值分别输入至所述待评价子通道程序模型以得到每个所述影响输入参数值对应的目标参数的结果值；/n根据多个所述结果值计算所述目标参数的不确定度，以实现对所述待评价子通道程序模型准确性进行评价...

【技术特征摘要】
1.一种堆芯热工水力程序结果不确定性量化分析方法，其特征在于，所述方法包括：
获取待评价子通道程序模型的目标参数，其中，所述目标参数为由所述待评价子通道程序模型计算得到的能够表征研究对象特性的参数；
基于方差分解方法确定影响所述目标参数的影响输入参数；
确定所述影响输入参数的不确定性的分布；
对所述不确定性的分布进行抽样获取多个抽样值；
计算每个所述抽样值对应的影响输入参数值；
将多个所述影响输入参数值分别输入至所述待评价子通道程序模型以得到每个所述影响输入参数值对应的目标参数的结果值；
根据多个所述结果值计算所述目标参数的不确定度，以实现对所述待评价子通道程序模型准确性进行评价。


2.根据权利要求1所述的方法，其特征在于，所述基于方差分解方法确定影响所述目标参数的影响输入参数的步骤包括：
获取影响所述目标参数的多个输入参数，其中，所述输入参数包括边界条件和所述待评价子通道程序模型中公式系数；
使用Sobol序列生成多个所述输入参数的随机数矩阵；
将所述随机数矩阵输入至所述待评价子通道程序模型，以得到所述随机数矩阵对应的目标参数值；
基于所述目标参数值计算每个所述输入参数对应的总敏感性系数；
将超过预设程度值阈值的所述总敏感性系数对应的输入参数确定为所述影响输入参数。


3.根据权利要求2所述的方法，其特征在于，确定所述影响输入参数的不确定性的分布的步骤包括：
利用Metropolis算法进行MCMC抽样抽取所述影响输入参数对应的预设数量的不确定性值；
将所述影响输入参数对应的预设数量的不确定性值平均分成多组，且，每组按照数字编号由小到大排序；
计算相邻两组所述影响输入参数的不确定性值的统计量的差值；
如果所述统计量的差值超过预设差值阈值，则将所述相邻两组中数字编号小的一组所述影响输入参数去掉；
计算剩余所述影响输入参数的不确定性值的均值和方差。


4.根据权利要求3所述的方法，其特征在于，所述利用Metropolis算法进行MCMC抽样抽取所述影响输入参数对应的预设数量的不确定性值的步骤包括：
从提议分布中进行抽样抽取所述影响输入参数对应的预设数量的不确定性值；
利用预先构建好的径向基函数数学模型计算每个所述不确定性值的接受概率，其中，所述径向基函数数学模型为通过所述影响输入参数的不确定性值以及对应的目标参数值构成的样本对神经网络训练得到的分类数学模型；
如果所述接受概率大于预先获取的接收概率阈值，则确定所述影响输入参数对应的不确定性值为所述MCMC抽样...

【专利技术属性】
技术研发人员：刘晓晶，张俊涛，李冬，柴翔，张滕飞，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31