Orientador: Prof. Dr. Pedro Carajilescov / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Energia, 2015. / Fluxo Crítico de Calor (FCC) consiste no principal limite termohidráulico de reatores do
tipo PWR, que representa a opção nuclear brasileira. Trata-se, ainda, de um fenômeno
de entendimento limitado. Em projetos, a estimativa de seu valor é realizada apenas
por correlações empíricas, resultando valores aproximados, com elevadas incertezas.
O presente projeto consiste no desenvolvimento de um método computacional para o
cálculo do FCC, através de conceitos de Redes Neurais Artificiais, programado na
linguagem Fortran, utilizando para treinamento e teste os dados das chamadas "Look
up Tables" (LUT). Considerou-se a faixa de variação dos dados das tabelas, com a
pressão variando de 1 e 21 MPa, fluxo de massa, na faixa de 50 a 8000 kg m-2 s-1 e
título do escoamento entre - 0,5 a 0,9. Comparando os resultados da RN com a LUT, a
média da razão dos valores resultou em 0,993, com o erro médio quadrático de 13,3%.
Com a rede neural foi realizado o estudo paramétrico do FCC, para observar a
influência dos parâmetros operacionais tais como pressão, fluxo de massa e título
termodinâmico. Observa-se o aumento do FCC com o aumento do fluxo de massa e a
atenuação do FCC com o aumento da pressão e título, como esperado. Porém
algumas tendências imprevistas ocorreram, as quais podem ser atribuídas à incerteza
dos dados, ou por fatos desconhecidos do fenômeno.
A aplicação da rede neural em geometrias de feixe de varetas com arranjo quadrado
apresentou bons resultados pelo método de balanço de energia (HBM) e a correção
de PEI com erro médio quadrático de até 20,08%. Pelo método da substituição direta
(DSM), foram elaborados diversos métodos de correção para adaptar os valores da
rede neural à geometria de feixe de varetas. Os resultados não foram satisfatórios,
pois apresentaram erro médio quadrático elevado, sendo o menor erro médio
quadrático alcançado de 19,92%, utilizando uma rede neural com o espectro de
parâmetros de entradas restritos e fator de correção multivariável. A correlação de
EPRI com a correção de PEI apresentou resultado de erro médio quadrático de
18,73%, sendo menor que todos os métodos desenvolvidos nesse projeto.
Portanto, o método de rede neural, desenvolvido nesse trabalho, não se revelou
satisfatório para aplicação em feixe de varetas. / The critical heat flux (CHF) is one of the principal thermal hydraulic limits of PWR type
nuclear reactors. To date, the CHF phenomenon is not well understood. So, for design
purpose, the CHF is usually estimated by empirical correlation, resulting in approximate
values, with high uncertainties. As an alternative to traditional methods, the present
work consists in the development of an artificial neural network (ANN) to estimate the
CHF, based on Look Up Table CHF data, published by Groeneveld (2006). Three
parameters were considered in the development of the ANN: the pressure in the range
of 1 to 21 MPa, the mass flux in the range of 50 to 8000 kg m-2 s-1 and the
thermodynamic quality in the range of - 0,5 to 0,9. Comparing the ANN predictions with
the data of the Look Up Table, it was observed an average of the ratio of 0.993 and a
root mean square error (rms) of 13.3%.
With the developed ANN, a parametric study of CHF was performed to observe the
influence of each parameter in the FCC. It was possible to note that the CHF
decreases with the increase of pressure and thermodynamic quality, while CHF
increases with the mass flow rate, as expected. However, some erratic trends were
also observed which can be attributed to either unknown aspect of the FCC
phenomenon or uncertainties in the data.
The ANN application in square array of rods bundle demonstrated nice result for the
heat balance method (HBM) with the PEI correction resulting in rms of 20,08%. A few
methods of correction were developed for the direct substitution method (DSM) to
adapt the ANN in rod bundle geometry. The results wasn¿t satisfactory, because the
best rms reached was 19.92%, using the ANN with restricted input range and
multivariable correction factor. EPRI correlation with PEI correction results in rms of
18.73%, being better than all of developed methods in this project.
Therefore, the ANN method, developed in this work, does not seem to be satisfactory
for the application in rod bundle.
| Identifer | oai:union.ndltd.org:IBICT/oai:BDTD:77546 |
| Date | January 2015 |
| Creators | Terng, Nilton |
| Contributors | Carajilescov, Pedro, Moreira, João Manoel Losada, Pessanha, Jorge Alexandre Onoda |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf, 128 f. : il. |
| Source | reponame:Repositório Institucional da UFABC, instname:Universidade Federal do ABC, instacron:UFABC |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=77546&midiaext=70992, http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=77546&midiaext=70993, Cover: http://biblioteca.ufabc.edu.brphp/capa.php?obra=77546 |
Page generated in 0.0022 seconds