شناسایی سوخت معیوب در قلب راکتور تهران با استفاده از شاخص های میزان مصرف سوخت و ضریب بیشینه قدرت
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 123
نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_RSM-6-1_003
تاریخ نمایه سازی: 16 فروردین 1401
Abstract:
یکی از مسائل بسیار مهم در زمان نشت مواد رادیواکتیو از قلب یک راکتور هسته ای، تعیین و مدیریت مجتمع سوخت معیوب در میان تمامی مجتمع های موجود در قلب راکتور میباشد. هدف از این مطالعه ارائه یک روش سریع و کارا نسبت به روشهای غیرمخرب و آزمونهای نشتی متداول به منظور تشخیص و انتخاب سوخت معیوب است. اساس این روش بر پایه نمونه گیری از خنک کننده عبوری از قلب راکتور و ارزیابی طیف گاما حاصل از آن به منظور اندازه گیری نسبت فعالیت برخی پاره های شکافت گازی نشت یافته به خنک کننده راکتور میباشد. با استفاده از نسبت فعالیت Cs۱۳۷/ Cs۱۳۴ و لحاظ کردن فاکتور تاریخچه مربوط به هر یک از مجتمع های سوخت، میتوان میزان مصرف سوخت را به دست آورد. همچنین، از نسبت ایزوتوپهای Xe۱۳۳/ I۱۳۳× I۱۳۵ ضریب بیشینه قدرت و موقعیتی از قلب که سوخت معیوب در آنجا قرار دارد را پیشبینی نمود. به منظور بررسی این روش، نمونه آب یک سوخت معیوب واقع در کپسول تست نشتی راکتور تحقیقاتی تهران تهیه و مورد مطالعه قرار گرفت. نسبت فعالیت ایزوتوپهای موردنظر (برای چیدمان شامل سوخت موردنظر) محاسبه و طیف حاصل از ایزوتوپهای گازی در زمانهای خنک سازی متفاوت مورد مطالعه قرار گرفته است. با در نظر گرفتن نسبت Cs۱۳۷/ Cs۱۳۴ (۱۲۱۲/۰) و تاریخچه تابش دهی سوخت موردنظر (۱۰۲۳/۲) میزان مصرف سوخت برای این سوخت ۹۲/۳۳% پیشبینی شد. کدهای محاسباتی میزان مصرف این مجتمع را ۱۲/۳۳% براورد مینماید که توافق نزدیکی با روش تجربی انجام شده دارد. مقایسه نتایج حاصل از آزمایش و محاسبات بیانگر براورد نسبتا خوب این روش از میزان مصرف سوخت مجتمع سوخت موردنظر میباشد.
Keywords:
Failed fuel , Leakage detection , Gasses fission fragments , Burnup monitors , Power peaking factor monitoring. , سوخت معیوب , تشخیص نشت , پاره های شکافت گازی , شاخص میزان مصرف سوخت , شاخص ضریب بیشینه قدرت
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :