摘要
本公开属于核电技术领域,具体涉及一种反应堆燃料组件流场降阶模型生成、使用方法及装置。本公开从反应堆燃料组件流场高分辨率数值仿真结果或测量结果中获取数据,通过采用奇异值分解,提取原始数据主要的模态。最后将时变边界条件作为输入,将降阶后的变量数据作为输出,开展深度神经网络训练,生成降阶模型。以时变边界条件为输入,降阶模型输出预测的流场降阶变量,最后对降阶变量进行还原,得到燃料组件全流场变量。本公开的方法可实现反应堆系统仿真中局部燃料组件三维流场的快速预测,保证反应堆系统仿真效率的前提下大大提高流动问题的模拟精度,为反应堆系统研发、运维等提供及时可靠的数据支持。