机构设置
1、研究领域与学科建设
研究室依托教育部重点学科“核科学与技术”及国家重点学科“核能科学与工程”,服务于国家重大战略目标,致力于先进核能系统重大科研任务,并抽象出其中的科学问题开展基础与应用基础研究。 研究方向主要集中在先进核能系统的热工水力学设计及反应堆安全等方面,涉及高温气冷堆、低温堆、小型模块化堆、高通量堆等多种反应堆类型。结合先进反应堆发展需求,在先进反应堆概念与安全、极端条件下热流体力学与多相流理论与应用、核事故及其基本物理过程等研究领域取得了系列进展。 |
2、科研项目
研究室承担国家科技重大专项、科技部国家重点研发计划、中核集团等企业委托项目等多项。经费构成以纵向项目为主,基础研究及横向经费为辅。 (1)600MWe 高温气冷堆示范工程及高温制氢工艺热应用 (2)NHR200-II 型低温供热堆:研究室积极开展小型低温供热堆发展战略,坚持自主开发,从 5MW 低温核供热堆逐渐发展到 NHR200-II 一体化壳式核供热堆方案,拥有完全自主知识产权。 (3)宽能谱超高通量试验堆项目:高通量堆被列入国家“十四五”重大科技基础设施优先项目 |
3、实验设施与设备
研究室始建于1964年,是核研院重要科研与教学基地。1992年获批清华大学校级实验室, 2000年获批先进反应堆工程与安全教育部重点实验室,是核能领域的第一也是唯一的教育部重点实验室。 研究室的试验设施分布在昌平实验基地和清华校区,主体部分在昌平基地。研究室拥有6座实验大楼,实验占地近2万平米,建有近百套实验系统,包括反应堆热工基础实验室的二十余套流体热工基础研究实验平台,先进反应堆工程实验室的近三十套大型实验系统,以及大型先进压水堆实验室二十余套大型实验回路,包括世界上规模最大的氦气试验回路。研究基础厚实,科研条件完备,软硬件设施齐全。实验室具有通过反应堆物理、热工、机械结构、电气和控制、材料等多学科集成研发创新型核能系统的能力。 |
|
主氦风机回路工程验证平台 |
等效导热系数实验平台 |
二维PTV和三维堆芯CT装置 |
蒸汽发生器热工水力工程验证平台 |
4、学术成果(文章、奖励)
主要获奖 1999年 “10MW高温气冷实验堆直流蒸发器两相流稳定性研究”获国家教育部科技进步奖二等奖 1999年 “氦技术与氦回路” 获中国核工业总公司科技进步奖二等奖; 1998年 “10MW高温气冷实验堆设计准则”获国家教育部科技进步奖二等奖; 1998年 “球床高温气冷堆堆底结构中的气体流动试验”获中国核工业总公司科技进步奖二等奖; 1996年 “氦气静密封试验”获中国核工业总公司科技进步奖三等奖 1995年 “大电流引电密封结构设计和试验” 获中国核工业总公司科技进步奖三等奖; 1993年 “低温核供热堆安全试验研究”获国家教委科技进步奖三等奖 1991年 “自然循环微沸腾热工水力学稳定性实验研究”获国家教委科技进步奖一等奖; |
学术发表 2023年发表SCI学术论文147篇。2018-2022年,实验室共发表SCI检索期刊论文630篇,授权国内发明专利134项,国际发明专利45项。实验室出版球床堆芯流动传热学术专著3本、低温堆专著1本,撰写高温气冷堆相关的行业标准15项。 实验室于2019年自主创办新国际期刊《Experimental and Computational Multiphase Flow》,姜胜耀任主编,由Springer和清华联合出版,已被ESCI、Scopus、EI收录,影响因子6.5,列Web of Science核心Mechanics第9/164(国际前6%),Thermodynamics第7/77(前9%),进入Q1。现已成为反应堆热工水力学研究新的国际化学术平台。 代表性专著: 1.Nan Gui, Shengyao Jiang, Jiyuan Tu, Xingtuan Yang. Gas-Particle and Granular Flow Systems: Coupled Numerical Methods and Applications. Elsevier, 2020. (ISBN: 978-0-12-816398-6) 2.Shengyao Jiang, Jiyuan Tu, Xingtuan Yang, Nan Gui. Multiphase Flow and Heat Transfer in Pebble Bed Reactor Core. Springer, 2021. (ISBN 978-981-15-9564-6; E-ISBN 978-981-15-9565-3) https://doi.org/10.1007/978-981-15-9565-3 代表性论文: 3.Qian Liu, Yongyong Wu, Nan Gui*, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*. Bubble tracking method based on Kuhn-Munkres algorithm for boiling two-phase flow study. International Journal of Heat and Mass Transfer, 2024, 226, 125436. https://doi.org/10.1016/j.ijheatmasstransfer.2024.125436 4.Quan Zou, Nan Gui*, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*, GPU-DEM-based heat transfer model for an HTGR pebble bed. International Journal of Thermal Sciences, 2024, 198, 108884. https://doi.org/10.1016/j.ijthermalsci.2024.108884 5.Qian Wang, Nan Gui*, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*. The effects of grain size and fractal porosity on thermal conductivity of nano-grained graphite: A molecular dynamics study. International Journal of Heat and Mass Transfer, 2024, 220, 125030. https://doi.org/10.1016/j.ijheatmasstransfer.2023.125030 6.Mengqi Wu, Li Bin, Nan Gui*, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*. Deep learning-based prediction of the remaining time and future distribution of pebble flow from real-scene images. Chemical Engineering Science, 2024, 283, 119425. https://doi.org/10.1016/j.ces.2023.119425 7.Xiaoxi Zhang, Nan Gui*, Houjun Gong, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*. A Review of Thermal Hydraulics Study of Light Water Reactor on Subchannel Code CTF. Nuclear Engineering and Design, 2023, 413: 112482. https://doi.org/10.1016/j.nucengdes.2023.112482 8.Bin Li, Nan Gui*, Hao Wu, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*. Sub-cell radiation-conduction (SCRC) model in densely packed beds of mono-sized pebbles for HTGR under vacuum condition. International Journal of Heat and Mass Transfer, 2022, 199: 123445. https://doi.org/10.1016/j.ijheatmasstransfer.2022.123445 9.Qianye Yang, Nan Gui*, Xiaoli Huang, Xiaoxi Zhang*, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*, Effects of the central graphite column dimension and pebble size on power density distribution in annular core pebble-bed HTR. International Journal of Energy Research, 2022, 46, 8076–8092. https://doi.org/10.1002/er.7711 10.Yujia Liu, Jeremy Marquardt, Sifan Peng, Liang Ge, Nan Gui*, Xingtuan Yang, Jiyuan Tu, Shengyao Jiang*, Seungjin Kim*, Neural network prediction of residence time distribution for quasi-2D pebble flow. Chemical Engineering Science, 2022, 250, 117363. (SCI, IF: 4.3, JCR: Q1) https://doi.org/10.1016/j.ces.2021.117363 |
主要研究成果 |
5、团队成员
人员 | 联系方式 | |
姜胜耀 | jiangshy@mail.tsinghua.edu.cn | 课题组负责人 |
杨星团 | yangxt@mail.tsinghua.edu.cn | 课题组技术负责人 |
屠基元 | jiyuan.tu@rmit.edu.au | |
桂南 | guinan@mail.tsinghua.edu.cn |
最近更新:2024-04