Hasil Pencarian  ::  Simpan CSV :: Kembali

"Di era dengan ketersediaan bahan bakar fosil yang semakin rendah, diperlukan sumber energi terbarukan. Salah satu pembangkit dengan efisiensi optimal adalah pembangkit listrik tenaga nuklir. Badan Energi Atom Jepang (JAEA) memulai proyek HTTR pada tahun 1985 dengan inti prismatik, moderator grafit, dan reaktor berpendingin gas helium. Model matematis dan parameter merupakan acuan yang penting digunakan untuk melakukan suatu desain pengendali. Model kinetik reaktor nuklir yang digunakan terdiri dari model point kinetics, model thermal hydraulic, dan model reaktivitas masukan dan umpan balik ke model point kinetics. Beberapa parameter model pada reaktor nuklir sering kali tidak diketahui, oleh karena itu dilakukan estimasi model parameter menggunakan metode curve fitting nonlinear least squares. Didapatkan model yang telah dioptimasi dengan nilai akurasi dari hasil pada tingkat daya 9, 15 dan 18 MW berturut-turut yaitu sebesar 98.85%, 94.60% dan 97.95% dengan nilai RMSE masing-masing sebesar 0.0778, 0.2366 dan 0.1469. Sudah banyak sekali peneliti yang mengembangkan metode kendali untuk reaktor nuklir. Pada penelitian ini digunakan metode kendali terbaru yaitu Linear Parameter Varying Model Predictive Control (LPV-MPC). Kelebihan pada metode LPV-MPC yaitu model nonlinear dapat dibentuk dari model linear dan nonlinear dengan parameter yang bersifat varying tanpa harus menggunakan linearisasi.

---

In an era where the availability of fossil fuels is getting lower, renewable energy sources are needed. One of the plants with optimal efficiency is a nuclear power plant. The Japan Atomic Energy Agency (JAEA) started the HTTR project in 1985 with a prismatic core, graphite moderator, and a helium gas-cooled reactor. Mathematical models and parameters are important references used to carry out a controller design. The nuclear reactor kinetic model consists of a point kinetics model, a thermal hydraulic model, and an input reactivity model and feedback to the point kinetics model. Some model parameters in nuclear reactors are often unknown, therefore the parameter model estimation is carried out using the nonlinear least squares curve fitting method. The model has been optimized with accuracy values from the results at power levels of 9, 15 and 18 MW, respectively, 98.85%, 94.60% and 97.95% with RMSE values of 0.0778, 0.2366 and 0.1469, respectively. Many researchers have developed control methods for nuclear reactors. In this study, the latest control method is used, namely Linear Parameter Varying Model Predictive Control (LPV-MPC). The advantage of the LPV-MPC method is that nonlinear models can be formed from linear and nonlinear models with varying parameters without having to use linearization.

"

"ABSTRACTThe complex and fascinating properties of a material often arises due to interactions among electrons as well as between electrons and other constituents of the material. A common model to describe the strongly correlated electronic system with strong on site Coulomb interaction is Hubbard model. It is usually aimed to theoretically address physical properties resulting from the strong correlations in the system. As Hubbard model generally cannot be solved exactly, one very powerful approximation method having been widely used over the last few decades is Dynamical Mean Field Theory DMFT . The theory maps the original lattice problem into an effective single impurity problem embedded in a self consistent bath. Apart from the many variants of the implementation of the method, it relies on using an impurity solver as part of its algorithm. In this work, rather than solving a Hubbard model, we aim to explore the impurity solver itself for solving a problem of metallic host doped with correlated elements which is described with Anderson Impurity Model AIM . In particular, we use the stochastic distributional exact diagonalization method. Here we try to understand more about how the metal insulator transition MIT in the system occurs, and how the MIT phenomenon reflects in its optical conductivity for various physical parameters.

---

ABSTRAKProperti dari sebuah material yang begitu kompleks sering muncul karena interaksi antar elektron atau juga antara elektron dengan komponen pengganti lain dari material. Suatu model umum untuk menjelaskan sistem elektronik terkorelasi kuat dengan interaksi Coulomb dalam situs elektron yang kuat adalah model Hubbard. Model ini biasanya ditujukan untuk secara teori menunjukkan properti fisis yang dihasilkan dari korelasi kuat di dalam sistem. Karena model Hubbard secara umum tak dapat diselesaikan secara eksak, ada satu metode pendekatan yang sangat baik yang dipakai beberapa dekade belakangan yaitu Dynamical Mean-Field Theory DMFT . Teori ini memetakan problem kisi asli menjadi problem impuritas tunggal efektif yang tertanam dalam suatu bath yang konsisten pada dirinya sendiri. Terlepas dari adanya berbagai varian dari implementasinya, metode ini bergantung pada penggunaan impurity solver sebagai bagian dari algoritmanya. Pada penelitian ini kami tidak bertujuan menyelesaikan model Hubbard. Yang kami ingin capai dalam penelitian ini adalah mengeksplorasi impurity solver itu sendiri untuk menyelesaikan problem dari suatu host metallic yang di-doped dengan elemen-elemen terkorelasi yang dideskripsikan dengan Anderson Impurity Model AIM . Secara khusus, kami menggunakan metode stochastic distributional exact diagonallization. Di sini kami mencoba untuk memahami lebih lanjut bagaimana metal-insulator transition MIT terjadi di dalam sistem, dan bagaimana fenomena MIT tercermin dalam konduktivitas optisnya untuk berbagai macam parameter fisis."