Известия вузов. Ядерная энергетика

Рецензируемый научно-технический журнал. ISSN: 0204-3327

Исследование переноса неопределенностей в ядерных данных на ядерные концентрации нуклидов в расчетах выгорания

09.07.2020 2020 - №02 Моделирование процессов в объектах ядерной энергетики

A.H. Писарев В.В. Колесов

DOI: https://doi.org/10.26583/npe.2020.2.10

УДК: 621.039.51

Основные работы по оценке влияния неопределенностей в ядерных данных посвящены их влиянию на эффективный коэффициент размножения путем введения так называемых коэффициентов чувствительности и лишь незначительная их часть посвящена влиянию на результаты расчетов кампании.

С другой стороны, неопределенности в скоростях реакций, плотности потока нейтронов и других величинах могут привести к значительным искажениям полученных результатов, поэтому важно уметь определить влияние таких неопределенностей на ядерные концентрации нуклидов в процессе их выгорания.

Рассматривается возможность переноса неопределенностей в потоке нейтронов и скоростях реакций на ядерные концентрации нуклидов, полученные в расчетах выгорания, на примере ячейки реактора PWR с MOX-топливом. Для этого с помощью программы VisualBurnOut были проведены три цикла расчета выгорания и проведен анализ переноса неопределенностей. Преимущество метода оценки неопределенностей, реализованного в программе расчета выгорания VisualBurnOut, заключается в том, что все среднеквадратичные отклонения в ядерных концентрациях нуклидов получаются за один расчет, тогда как с помощью статистического метода, например, GRS (Generation Random Sampled), требуется проводить множество расчетов.

Результаты расчетов среднеквадратичных отклонений в ядерных концентрациях, полученных программой VisualBurnOut, были вер фицированы с помощью простой модельной задачи. Показано, что наблюдается сложная зависимость распространения среднеквадратичных отклонений ядерных концентраций нуклидов в процессе выгорания топлива, поэтому необходимо в дальнейшем исследовать влияние неопределенностей в ядерных данных на ядерные концентрации нуклидов.

Ссылки

  1. Aliberti G. et al. Nuclear Data Sensitivity, Uncertainty And Target Accuracy Assessment for Future Nuclear Systems. Annals of Nuclear Energy. – 2006. – Vol. 33. – No. 8. – PP. 700-733; DOI: https://doi.org/10.1016/j.anucene.2006.02.003 .
  2. OECD/NEA. Uncertainty and Target Accuracy Assessment for Innovative Systems Using Recent Covariance Data Evaluations. NEA/WPEC-26. ISBN 978-92-64-99053-1. – 2008. – Vol. 26. – P. 465.
  3. Rochman D., Koning A.J., Da Cruz D.F. Propagation of 235,236,238U and 239Pu nuclear data uncertainties for a typical PWR fuel element. Nuclear Technology. – 2012. – Vol. 179. – No. 3. – PP. 323-338; DOI: https://doi.org/10.13182/NT11-61 .
  4. Wieselquist W., Zhu T., Vasiliev A., Ferroukhi H. PSI Methodologies for Nuclear Data Uncertainty Propagation with CASMO-5M and MCNPX: Results for OECD/NEA UAM Benchmark Phase I. Science and Technology of Nuclear Installations. Article ID 549793. – 2013. – P. 15; DOI: https://doi.org/10.1155/2013/549793 .
  5. Stover Jr.T.E. Quantification of Back-End Nuclear Fuel Cycle Metrics Uncertainties Due to Cross sections. Master’s Thesis, Idaho National Laboratory. INL/EXT-07-13592. – 2007. – P. 170.
  6. Rochman D., Koning A.J., Da Cruz D.F., van der Marck S.C. Nuclear Data Uncertainty Propagation for a Sodium Fast Reactor. Journal of The Korean Physical Society. – 2011. – Vol. 59. – No. 4. – PP. 1191-1194; DOI: https://doi.org/10.3938/jkps.59.1191 .
  7. Aliberti G., Palmiotti G., Salvatores M., Stenberg C.G. Impact of Nuclear Data Uncertainties on Transmutation of Actinides in Accelerator-Driven Assemblies. Nuclear Science and Engineering. – 2004. – Vol. 146. – No. 1. – PP. 13-50; DOI: https://doi.org/10.13182/NSE02-94 .
  8. Gandini A., Salvatores M., Tondinelli L. New Developments in Generalized Perturbation Methods in the Nuclide Fields. Nuclear Science and Engineering. – 1977. – Vol. 62. – No. 2. – PP. 339-344; DOI: https://doi.org/10.13182/NSE77-A26970 .
  9. Usachev L.N., Bobkov Yu.G., Krivtsov A.S. Perturbation Theory and Analysis in Fission Products Kinetics. Proc. of the Int. Conf. Nuclear Cross-Section for Technology. Krokswill. USA. –1979. – P. 4.
  10. Kolesov V.V., Novichkov A.V., Voznyakevich E.E., Terehova A.M. Statistical Approach to Estimated Uncertainty of Nuclear Concentration in Problems of Isotope Kinetics. // Proc. of the XIII-th International Youth Scientific and Practical Conference «FUTURE OF ATOMIC ENERGY AtomFuture 2017». KnE Engineering. – 2017. – PP. 261-267; DOI: https://doi.org/ 10.18502/keg.v3i3.1625 .
  11. GarciaHerranz N., Cabellos O., Sanz J., Juan J., Kuijper J.C. Propagation of statistical and nuclear data uncertainties in Monte Carlo burn-up calculations. Annals of Nuclear Energy. – 2008. – Vol. 35. – No. 4. – PP. 714-730; DOI: https://doi.org/10.1016/j.anucene.2007.07.022 .
  12. Takeda T., Hirokawa N., Noda T. Estimation of Error Propagation in Monte-Carlo Burnup Calculations. Nuclear Science and Technology. – 1999. – Vol. 36. – No.9. – PP. 738-745; DOI: https://doi.org/10.1080/18811248.1999.9726262 .
  13. Tohjoh M., Endo T., Watanabe M., Yamamoto A. Effect of error propagation of nuclide number densities on Monte Carlo burn-up calculations. Annals of Nuclear Energy. – 2006. – Vol. 33. – No.17-18. – PP. 1424-1436;DOI: https://doi.org/10.1016/j.anucene.2006.09.010 .
  14. Park H.J., Shim H.J., Kim C.H. Uncertainty Propagation in Monte Carlo Depletion Analysis. Nuclear Science and Engineering. – 2011. – Vol. 167. – No. 3. – PP. 196-208; DOI: https:// doi.org/10.13182/NSE09-106 .
  15. Quentin Newell, Charlotta Sanders. Stochastic Uncertainty Propagation in Monte Carlo Depletion Calculations. Nuclear Science and Engineering. – 2015. – Vol. 179. – No. 3. – PP. 253-263; DOI: https://doi.org/10.13182/NSE13-44 .
  16. Rochman D., Zwermann W., van der Marck S.C., Koning A.J., Sjostrand H., Helgesson P., KrzykaczHausmann B. Efficient Use of Monte Carlo: Uncertainty Propagation. Nuclear Science and Engineering. – 2014. – Vol. 177. – No. 3. – PP. 337-349; DOI: https://doi.org/ 10.13182/NSE13-32 .
  17. Rochman D., Koning A.J., Da Cruz D.F. Propagation of 235,236,238U and 239Pu Nuclear Data Uncertainties for a Typical PWR Fuel Element. Nuclear Technology. – 2012. – Vol. 179. – No. 3. – PP. 323-338; DOI: https://doi.org/10.13182/NT11-61 .
  18. Andrew Conant, Anna Erickson, Martin Robel, Brett Isselhardt. Sensitivity and Uncertainty Analysis of Plutonium and Cesium Isotopes in Modeling of BR3 Reactor Spent Fuel. Nuclear Technology. – 2017. – Vol. 197. – No. 1. – PP. 12-19; DOI: https://doi.org/ 10.13182/NT16-88 .
  19. Da Cruz D.F., Rochman D., Koning A.J. Uncertainty Analysis on Reactivity and Discharged Inventory due to 235,238U, 239,240,241Pu, and Fission Products: Application to a Pressurized Water Reactor Fuel Assembly. Nuclear Technology. – 2014. – Vol. 185. – No. 2. – PP. 174-191; DOI: https://doi.org/10.13182/NT12-154 .
  20. Sjostrand H., Alhassan E., Duan J., Gustavsson C., Koning A.J., Pomp S., Rochman D., Osterlund M. Propagation of nuclear data uncertainties for ELECTRA burn-up calculations. // Proc. of the 2013 International Conference on Nuclear Data for Science and Technology. March 4-8. 2013. New York. USA.
  21. Kolesov V.V., Khitrik D.V., Kamaev D.A. VisualBurnOut Program. Registration No. 2009617021 dated 23.12.2009 in Computer Program Register.

реакторная установка расчеты выгорания неопределенности в ядерных данных неопределенности в ядерных концентрациях нуклидов метод Монте-Карло