核电

File

2021年11月24日机构名称:

我们如何使用数字孪生进行核电站监控？

Metroscope 是一家软件初创公司，成立于 2018 年，总部位于巴黎，在德国和美国设有办事处。我们为发电厂的监控和诊断构建数字孪生。截至 2021 年 11 月，我们为全球 60 家发电厂提供设备。

查看详细

File

2021年11月30日机构名称:

该协议是在 2015 年于法国巴黎举行的联合国气候变化框架公约 (UNFCCC) 缔约方会议上谈判达成的，今天共有 197 个 UNFCCC 成员国中的 188 个缔约方参加。这表明了全球的关注和共同信念，即需要采取行动限制温室气体排放。然而，正如国际能源署 (IEA)《2021 年世界能源展望》等近期报告所强调的那样，当前的政策不足以将排放控制在《巴黎协定》要求的水平。在这种情况下，根据政府间气候变化专门委员会 (IPCC) 发布的全球气候预测，全球变暖伴随着极端天气事件的增多，可能会影响世界许多地区。长期干旱、强烈热浪、森林火灾、风暴和洪水预计将影响人口、经济和基础设施。因此，确保能源供应安全的能源基础设施应对气候变化的适应力正成为一个关键问题。该项目名为“气候变化：评估核电站的脆弱性及其适应方法”，旨在评估核电站对气候变化和相关极端天气事件的适应能力，以及提高其适应能力的方法。该研究借鉴了过去极端天气事件的案例研究，这些事件是未来天气模式的特征，以及它们对核电站运行和安全的影响。研究的结论是，核电站通常是非常有弹性的基础设施，在极端天气情况下成为关键资产，前提是相关基础设施（例如输送核电站生产的电力的电网）本身具有适应能力。气候变化对核电站运行和安全构成的主要风险与水有关：由于洪水泛滥或缺乏冷却水而导致水量过大。报告记录了此类案例，以及为提高对此类事件的适应能力而制定的适应措施和安全升级。

查看详细

File

2021年10月27日机构名称:

冷喷涂技术在核电应用领域的评估

本报告是由美国政府某个机构资助的工作报告。美国政府及其任何机构、巴特尔纪念研究所或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，或承担任何法律责任或义务，或保证其使用不会侵犯私有权利。本文中对任何特定商业产品、流程或服务的商品名、商标、制造商或其他方面的引用并不一定构成或暗示美国政府或其任何机构或巴特尔纪念研究所对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。

查看详细

File

2021年9月20日机构名称:

太空核电和推进系统 - 探索火星

增强的技术能力•在传统系统不足的环境中，按需付费能力•长期可持续太空的高质量和体积的高功率•机器人和机器人任务的较短运输时间

查看详细

File

2024年8月12日机构名称:

弗吉尼亚州贝尔沃堡 SM-1 核电站

SM-1 核电站位于弗吉尼亚州费尔法克斯县贝尔沃堡边界内的波托马克河西岸。它位于华盛顿特区中心西南偏南约 17 英里处。贝尔沃堡的 SM-1 于 1957 年建成，并于 1957 年 4 月首次达到临界状态。SM-1 是一座单回路 10 兆瓦热 (MWt) 压水反应堆，净发电量为 1,750 千瓦。这是第一座长期为美国商业电网供电的核电站反应堆。SM-1 反应堆从 1957 年 4 月运行至 1973 年 3 月。贝尔沃堡是美国陆军工程反应堆组 (USAERG) 的所在地，SM-1 用于培训将操作项目中各个工厂的多兵种工作人员。该反应堆为固定式，功率范围为中等（1000 至 10,000 KWe 之间）。根据陆军反应堆系统健康与安全审查委员会 (ARCHS) 批准的 SM-1 退役和转换计划，SM-1 反应堆于 1973-1974 年进行了停用。这包括移除核燃料、进行轻微净化、运送必要的放射性废物、密封压力容器以及安装适当的警告标志和监测设备。设施停用和转换完成后，美国陆军环境卫生局进行的第三方放射学调查证实，已知的放射性污染区域已被净化到可接受的水平或得到了适当控制。陆军反应堆系统健康与安全审查委员会 (ARCHS) 批准的 SM-1 退役后环境监测计划已启动，以对退役设施进行持续监测。 20 世纪 70 年代制定的退役策略建议将停用的反应堆置于安全储存模式，使寿命较短的放射性核素衰变。预计延迟退役将减少放射性废物量和工人

查看详细

通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。

File

2021年8月23日机构名称:

通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 通讯作者：sgkim92@kaeri.re.kr 1.简介随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。

通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。

查看详细

File

2021年7月29日机构名称:

智利的第三份全国性报告，涉及《支出燃料管理安全和国际地位和核电前景2021

A.1.2。国际发展2。越来越多的全球认可，即为所有人（联合国可持续发展目标（SDG）7）获得负担得起，可靠，可持续和现代的能源，对于实现其他所有16个SDG来说至关重要。可持续发展目标是由世界领导人在2015年9月采用的，呼吁所有国家动员至2030年的努力，以结束各种形式的贫困，抗击不平等和应对气候变化。这些努力与建立经济增长并满足社会需求的策略息息相关，包括教育，健康，社会保护和工作机会，同时应对气候变化和环境保护。根据联合国经济和社会事务部（联合国DESA）的说法，该秘书处是可持续发展目标的秘书处，可持续发展目标7对于实现了几乎所有其他可持续发展目标至关重要，“从通过卫生，教育，供水和工业化来促进贫困来实现其他所有可持续发展目标，以使气候变化降低。” 经济合作与发展组织的国际能源机构（IEA）反复确认了这一点，该组织在2018年3月指出：“能源是许多可持续发展目标的核心 - 从扩大获得电力的核心，从扩大通往浪费的烹饪燃料，从改善浪费的烹饪燃料到危险的死亡量危及的空气污染，从而降低了危险的空气污染。”A.1.2。国际发展2。越来越多的全球认可，即为所有人（联合国可持续发展目标（SDG）7）获得负担得起，可靠，可持续和现代的能源，对于实现其他所有16个SDG来说至关重要。可持续发展目标是由世界领导人在2015年9月采用的，呼吁所有国家动员至2030年的努力，以结束各种形式的贫困，抗击不平等和应对气候变化。这些努力与建立经济增长并满足社会需求的策略息息相关，包括教育，健康，社会保护和工作机会，同时应对气候变化和环境保护。根据联合国经济和社会事务部（联合国DESA）的说法，该秘书处是可持续发展目标的秘书处，可持续发展目标7对于实现了几乎所有其他可持续发展目标至关重要，“从通过卫生，教育，供水和工业化来促进贫困来实现其他所有可持续发展目标，以使气候变化降低。”经济合作与发展组织的国际能源机构（IEA）反复确认了这一点，该组织在2018年3月指出：“能源是许多可持续发展目标的核心 - 从扩大获得电力的核心，从扩大通往浪费的烹饪燃料，从改善浪费的烹饪燃料到危险的死亡量危及的空气污染，从而降低了危险的空气污染。”

查看详细

File

2021年7月14日机构名称:

具有不确定性的数字孪生概念在核电应用中

摘要：数字孪生 (DT) 受到多个学科的广泛关注。目前，许多文献都致力于数字孪生的概念化以及相关的支持技术和挑战。在本文中，我们考虑了这些针对核电具体应用的主张。我们的审查发现，当前的 DT 概念适用于核电系统，但可以从一些修改和增强中受益。此外，围绕核电系统的现有建模和仿真基础设施的某些领域适用于 DT 开发，而最近在高级建模和仿真方面的努力目前不太适合。对于核电应用，DT 开发应首先依靠基于机械模型的方法来利用对这些系统的丰富经验和理解。然后可以采用无模型技术来有选择地和纠正性地增强基于模型的方法中的限制。还讨论了实现 DT 的挑战，其中一些是核工程所独有的，但大多数挑战更为广泛。我们详细讨论了 DT 的一个挑战性方面，即不确定性量化 (UQ) 的结合。正向 UQ 能够传播来自数字表示的不确定性以预测物理资产的行为。类似地，逆 UQ 允许将从物理资产获得的新测量数据合并回 DT。不确定性下的优化通过最佳实验设计和设计优化的正式方法促进决策支持，从而最大限度地提高不确定环境中物理资产的信息增益或性能。

查看详细

File

2021年3月31日机构名称:

多尔核电站多尔 1 号和 2 号机组的 LTO

缩写 11 系统列表 15 1 总论第 1 章：1 1.1 简介第 1 章：1 1.1.1 背景第 1 章：1 1.1.2 问题概述第 1 章：1 1.1.3 目标和范围第 1 章：5 1.1.4 申请人的详细信息第 1 章：11 1.1.5 授权机构的数据第 1 章：12 1.1.6 项目组织第 1 章：12 1.1.7 专家团队第 1 章：13 1.1.7.1 非放射部分第 1 章：13 1.1.7.2 放射部分第 1 章：14 1.1.8 阅读指南第 1 章：14 1.2 现有许可证第 1 章：15 1.2.1 联邦许可证第 1 章：15 1.2.2 地区许可证第 1 章：18 1.3 核电站的一般描述第 1 章：18 1.3.1 工作原理第 1 章：18 1.3.2 核部分第 1 章：19 1.3.3 常规部分第 1 章：21 1.4 多尔核电站的描述第 1 章：22 1.4.1 位置第 1 章：22 1.4.2 空间布局第 1 章：23 1.4.3 自然环境第 1 章：25 1.4.4 建筑环境第 1 章：26 1.4.5 土地登记地段第 1 章：27 1.4.6 KCD 场址布局图第 1 章：27 1.4.7 KCD-1 和 KCD-2 第 1 章：28 1.4.7.1 反应堆建筑 (RGB) 第 1 章：28 1.4.7.2 反应堆辅助服务建筑（BAR1、BAR2）第 1 章：29 1.4.7.3 核辅助服务大楼（GNH）第 1 章：29 1.4.7.4 应急系统大楼（GNS）第 1 章：29 1.4.7.5 涡轮机房（MAZ）第 1 章：30 1.4.7.6 电气辅助服务大楼（GEH）第 1 章：30 1.4.7.7 机械辅助服务大楼（GMH）第 1 章：31 1.4.7.8 进水和排水管线第 1 章：31 1.4.7.9 中央大楼 A（CGA）第 1 章：32 1.4.7.10 应急系统大楼（DGG）第 1 章：32 1.4.7.11 附属建筑第 1 章：32 1.4.7.12 与 WAB 的连接第 1 章：32 1.4.7.13 乏燃料第 1 章：33 1.4.7.14 保护水平第 1 章：33 1.5 对 KCD-1 和 KCD-2 系统的修改第 1 章：33 1.5.1 项目前的变化第 1 章：33 1.5.2 与项目相关的变化第 1 章：35 1.6 项目第 1 章：37 1.6.1 项目描述第 1 章：37

查看详细

File

2021年3月31日机构名称:

多尔核电站多尔 1 号和 2 号机组的 LTO

查看详细

XiaoMi-AI文件搜索系统

核电

我们如何使用数字孪生进行核电站监控？

气候变化：核电站脆弱性评估及其适应方法

冷喷涂技术在核电应用领域的评估

太空核电和推进系统 - 探索火星

弗吉尼亚州贝尔沃堡 SM-1 核电站

智利的第三份全国性报告，涉及《支出燃料管理安全和国际地位和核电前景2021

具有不确定性的数字孪生概念在核电应用中

多尔核电站多尔 1 号和 2 号机组的 LTO

多尔核电站多尔 1 号和 2 号机组的 LTO

按机构统计排名前十媒体

按照发布年份统计数据

XiaoMi-AI