Максимальная температура топлива является решающим фактором для оценки теплового поведения а также для обеспечения целостности топлива. Цель данной работы - показать, что корреляция для получения максимальной температуры с помощью искусственного интеллекта и моделирования устойчивого состояния. может быть достигнута. В данной работе проведено моделирование установившегося режима ВВЭР-1000 с использованием Система кодов для теплогидравлического анализа переходных процессов в топливных сборках и сердечниках легководных реакторов (COBRA-EN) с целью определения взаимосвязи между входными параметрами и значимости их влияния на температуру центральной линии твэла топливного стержня. Это было полностью исследовано путем проведения анализа чувствительности путем отклонения входных значений и сравнения с эталонными значениями. На основании результатов анализа чувствительности было очевидно, что массовый поток, температура на входе, мощность, теплопроводность топлива и оболочки, а также теплота зазора теплопроводность, а также коэффициент теплопередачи зазора оказывали наиболее значительное влияние на осевую температуру. Создав набор данных из 59 образцов на основе метод Уилка, который утверждает, что при доверительной вероятности 95% можно покрыть 95% все неопределенности в корреляции, и поэтому именно этот набор данных использовался для программирования генной программирования экспрессии генов, чтобы выяснить, можно ли предсказать температуру центральной линии с помощью машинного обучения, тем самым заложив основу для применения искусственного интеллекта в ядерной инженерии. искусственного интеллекта в ядерной инженерии. Была достигнута корреляция, показавшая схожие максимальные температуры с помощью программирования генной экспрессии генов и COBRA, со средней квадратичной ошибкой квадратичной ошибкой 2,03163e-004 и коэффициентом детерминации 0,92159936, что свидетельствует о высокой точности полученных корреляций.

Fuel maximum temperature is a crucial factor regarding thermal behavior assessment as well as to ensure fuel integrity. This paper aims to show that a correlation to obtain the maximum temperature using artificial intelligence and steady state simulation can be achieved. In this paper the steady state simulation of VVER-1000 carried out using Code System for Thermal-Hydraulic Transient Analysis of Light Water Reactor Fuel Assemblies and Cores (COBRA-EN) was achieved to ascertain the relation between input parameters and their significance of effect on the centerline temperature of the fuel rod. This was fully investigated by performing sensitivity analysis by deviating the input values and comparison with the reference values. Based on the results of the sensitivity analysis it was evident that mass flux, inlet temperature, power, fuel & clad thermal conductivity as well as gap heat transfer coefficient had the most significant impact on the centerline temperature. By creating a dataset of 59 samples based on Wilk’s method that states that with confidence of 95%; it is possible to cover 95% of all uncertainties in the correlation and therefore this was the dataset used for gene expression programming to ascertain if the centerline temperature could be predicted using machine learning thereby laying a foundation for the application of artificial intelligence in nuclear engineering. A correlation was achieved, showing similar maximum temperatures by gene expression programming and COBRA with the mean square error of 2.03163e-004 and the coefficient of determination at 0.92159936, consequently showing the high accuracy of the correlations obtained.