DEVELOPMENT AND APPLICATION OF OBJECTIVE UNCERTAINTY MEASURES FOR NUCLEAR POWER PLANT TRANSIENT ANALYSIS

Pagina creata da Emma Ferro
 
CONTINUA A LEGGERE
Development and Application of Objective
   Uncertainty Measures for Nuclear
     Power Plant Transient Analysis

                         THÈSE NO 3897 (2007)
                       PRÉSENTÉE le 12 octobre 2007
                    À LA FACULTÉ DES SCIENCES DE BASE
     Laboratoire de physique des réacteurs et de comportement des systèmes
                    PROGRAMME DOCTORAL EN ENERGIE

    ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE

        POUR L'OBTENTION DU GRADE DE DOCTEUR ÈS SCIENCES

                                        PAR

                                Paolo Vinai

        laurea di dottore in ingegneria nucleare, Politecnico di Torino, Italie
                               et de nationalité italienne

                          acceptée sur proposition du jury:

                        Prof. M. Q. Tran, président du jury
                        Prof. R. Chawla, directeur de thèse
                             Dr H. Glaeser, rapporteur
                             Dr P.-A. Haldi, rapporteur
                         Prof. R. Macián-Juan, rapporteur

                                       Suisse
                                        2007
Abstract
   For the development, design and licensing of a nuclear power plant (NPP), a sound safety
analysis is necessary to study the diverse physical phenomena involved in the system
behaviour under a wide range of operational and transient conditions. Such studies are based
on detailed computer simulations, backed by appropriate experimental information where
available. With the progresses achieved in computer technology and the greater availability of
experimental and plant data, the use of so-called best estimate codes for safety evaluations
has been gaining increasing acceptance in the nuclear community (i.e. among regulators,
policy makers and utilities). These codes predict the physical response of a NPP to a
postulated (or real) transient event by using a physically more realistic, and hence less
conservative, description of the system.
    The application of best estimate safety analysis has opened new prospects but also raised
new problems that need to be addressed. Thus, it has become more crucial to assess as to how
reliable code predictions are, especially when, for example, they need to be compared against
safety limits that must not be crossed. It hence becomes necessary to identify and quantify the
various possible sources of uncertainty that could affect the reliability of the results.
Currently, such uncertainty evaluations are generally based on experts’ opinion, although,
when data are available, analytical methods based on parametric statistics can also be
employed.
   In the present doctoral research, a novel methodology based on a non-parametric statistical
approach has been developed for objective quantification of one of the most demanding
contributors to best-estimate code uncertainties, viz. that related to the physical models which
the code uses. The basis is an evaluation of the accuracy of a given physical model achieved
by comparing its predictions with experimental data from an appropriate set of separate-effect
tests. The discrepancies, i.e. the differences between measurements and predictions, can be
considered stochastically distributed for several reasons, and thus a statistical approach can be
employed.
   The first step which has been taken is the development of a procedure for investigating the
dependence of a given physical model’s accuracy on the experimental conditions. Each
separate-effect test effectively provides a random sample of discrepancies between
measurements and predictions, corresponding to a location in the state space defined by a
certain number of independent system variables. As a consequence, the samples of “errors”,
achieved from analysis of the entire database, are associated to various individual points over
the state space. By applying a novel multi-dimensional clustering technique, based on the
non-parametric statistical Kruskal-Wallis test, it has been possible to achieve a partitioning of
the state space into regions differing in terms of the quality of the physical model’s
predictions.
   The second step has been a proper quantification of the model’s uncertainty, for each of the
identified state space regions, by applying a newly developed, probability density function
(pdf) estimator. This is a kernel-type estimator, modeled on a universal orthogonal series
estimator, such that its behavior takes advantage of the good features of both estimator types
and yields reasonable pdfs, even with samples of small size and not very compact
distributions (as is usually the case for experimental assessment studies). The pdfs, estimated
in this manner, provide a reliable basis for sampling “error values” for use in Monte-Carlo-
type uncertainty propagation studies, aimed at quantifying the impact of the physical model’s
uncertainty on the code’s output variables of interest.
The effectiveness of the currently developed methodology has been demonstrated by
applying it to the quantification of the uncertainty related to thermal-hydraulic (drift-flux)
models implemented in the best-estimate safety analysis code RETRAN-3D. This has been
done via the usage of a wide database of void-fraction experiments for saturated and sub-
cooled conditions. Appropriate pdfs were thereby generated for quantification of the physical
model’s uncertainty in a 2-dimensional (pressure/mass-flux) state space, partitioned into 3
separate regions.
   The impact of the RETRAN-3D drift-flux model uncertainties has been assessed at three
different levels of the code’s application, viz. to analysis of (a) Achilles Experiment No. 2, a
separate effect experiment not included in the original assessment database, (b) Omega Rod
Bundle Test No. 9, an integral experiment simulating a PWR loss-of-coolant accident
(LOCA), and (c) the Peach Bottom (BWR) turbine trip test, a NPP (BWR) plant transient in
which the void feedback mechanism plays an important role. In all three cases, it has been
shown that a more detailed, realistic and accurate representation of output uncertainty can be
achieved with the proposed methodology, than is possible based on an “expert-opinion”
approach. Moreover, the importance of state space partitioning has been clearly brought out,
by comparing results with those obtained assuming a single pdf for the entire database.
   In the context of the Omega integral test analysis, it has been demonstrated that the impact
of the drift-flux model’s uncertainty remains important even while introducing other
representative uncertainties, viz. those on a set of relevant input parameters. Furthermore, it
has been confirmed that the developed methodology well retains its advantageous features
during such consideration of different uncertainty sources.
   The Peach Bottom turbine trip study represents a valuable demonstration of the
applicability of the developed methodology to NPP transient analysis. In this specific
application, the novel density estimator was also employed for estimating the pdf that
underlies the uncertainty in a given output sample of interest (viz. the maximum power during
the transient). The results obtained in this context have been found to provide more detailed
insights than can be had from the “classical” approach of simply considering tolerance limits,
variance values, etc.
   Another feature of the turbine trip analysis has been a qualitative study of the impact of
possible neutronics cross-section uncertainties on the power calculation. It has been clearly
shown that, although the uncertainty in void fraction predictions has an important influence
on the accuracy of this coupled transient’s simulation, uncertainties in neutronics parameters
and models can be crucial as well. This has pointed at the need for developing an appropriate
methodology for quantifying uncertainties in neutronics calculations, so that these can be
aggregated with those assessed for the thermal-hydraulic phenomena during the simulation of
such multi-physics transients.

Keywords: Nuclear Power Plants, Safety Analysis, Best-estimate Codes, Physical Models,
Thermal-hydraulics, Code Uncertainty Propagation, Uncertainty Analysis, Sensitivity
Analysis, Non-parametric Statistics, Density Estimation.
Sommario
    Nelle fasi di sviluppo, progettazione e autorizzazione alla messa in funzione di un
impianto nucleare, un’approfondita analisi di sicurezza è necessaria al fine di studiare i diversi
fenomeni fisici che caratterizzano il funzionamento di tali impianti in una ampia varietà di
condizioni operative e transitorie. Tali studi sono basati su simulazioni dettagliate e supportati
da informazioni sperimentali, qualora disponibili. Grazie ai progressi nel campo della
tecnologia informatica e di una più grande disponibilità di dati sperimentali e impiantistici,
l’uso dei codici di calcolo cosiddetti best-estimate per le valutazioni di sicurezza stanno
guadagnando consenso crescente nella comunità nucleare, che comprende regolatori, gestori
di impianti, etc. Questi codici simulano l’evoluzione del comportamento di un impianto
nucleare in seguito a un evento ipotetico o reale impiegando una descrizione più realistica, e
quindi meno conservativa, del sistema.
   L’applicazione di analisi best-estimate nell’ambito della sicurezza ha aperto nuove
prospettive ma anche posto nuovi problemi che devono esser debitamente indirizzati. Ad
esempio, è diventato cruciale valutare quanto sono affidabili le simulazioni, in particolar
modo, quando vengono confrontate con criteri di sicurezza che non devono esser violati.
Pertanto, diventa necessario identificare e quantificare tutte le varie fonti di incertezza che
possono influenzare l’attendibilità dei risultati. Queste valutazioni dell’incertezze sono
generalmente basate sulle considerazioni di esperti e, quando i dati lo permettono, possono
venire usati metodi analitici e parametrico-statistici.
   Nella presente ricerca di dottorato, una nuova metodologia, basata su un approccio
statistico non-parametrico, è stata sviluppata per quantificare in modo obbiettivo l’incertezza
dovuta ai modelli fisici utilizzati in un codice di calcolo e che rappresentano uno dei più
importanti contributi all’incertezza totale. Lo studio dell’accuratezza di un dato modello fisico
e’ basato sul confronto delle sue predizioni con i dati sperimentali ottenuti da un gruppo di
esperimenti atti a investigare il fenomeno descritto dal suddetto modello fisico (separate-
effect tests). Le discrepanze tra previsioni e misure possono esser considerate distribuite
stocasticamente per diverse ragioni e pertanto può esser applicato un approccio statistico.
   Il primo passo è stato lo sviluppo di una procedura per studiare la dipendenza
dell’accuratezza di un modello fisico rispetto alle condizioni sperimentali. Per ogni
esperimento si può ricavare un sample casuale costituito dalle discrepanze tra misure e
previsioni, a cui corrisponde una particolare posizione nello spazio di stato definito da un
certo numero di variabili indipendenti. Di conseguenza, i sample degli “errori”, ottenuti
dall’analisi dell’intero database, saranno associati a diversi punti dello spazio fisico.
Applicando un nuovo algoritmo multidimensionale di clustering basato sul test statistico non
parametrico di Kruskal-Wallis è stato possibile dividere lo spazio di stato in regioni che
differiscono per la qualità dei risultati calcolati con il modello fisico.
   Il secondo passo è stato quantificare propriamente le incertezze del modello per ognuna
delle regioni identificate nello spazio fisico, applicando un nuovo estimatore della funzione di
densità di probabilità (pdf). Questo è un cosiddetto estimatore di tipo kernel, modellato sull’
estimatore universale a sua volta basato su uno sviluppo in serie di Fourier (universal series
orthogonal estimator), in modo tale da trarre beneficio dai vantaggi dei due differenti
estimatori e stimare pdf ragionevoli anche nel caso di sample di piccole dimensioni e la cui
distribuzione possa anche non esser molto compatta (come spesso accade nel caso di studi
sperimentali). Le pdf cosí stimate forniscono una base affidabile per calcolare un sample di
errori che, in seguito, può esser utilizzato nel contesto di un metodo Monte Carlo per la
propagazione dell’incertezza nel codice di calcolo, con l’obbiettivo di quantificare l’impatto
delle incertezza del modello fisico nei risultati finali della simulazione.
L’efficacia della metodologia sviluppata nel corso di questa ricerca è stata dimostrata
applicandola per quantificare l’incertezza relativa a modelli termoidraulici (modelli di drift-
flux) implementati nel codice RETRAN-3D usato nell’analisi di sicurezza degli impianti
nucleari. Questo studio è stato realizzato impiegando un vasto database di misurazioni della
frazione di vuoto (void fraction) in esperimenti termoidraulici condotti in condizioni di
saturazione e sotto-raffreddamento. Appropriate pdf sono quindi state generate per esprimere
in termini rigorosi l’incertezza del modello fisico in uno spazio di stato bidimensionale
(definito dalla pressione e della portata massica per unita’ di superficie), diviso in tre diverse
regioni.
    L’impatto delle incertezze insite nel modello di drift-flux in RETRAN-3D è stato studiato
attraverso tre diversi livelli applicativi, ovvero analizzando (a) un esperimento sulla frazione
di vuoto (Achilles Experiment No. 2), (b) un esperimento integrale (Omega Rod Bundle Test
No. 9) il cui scopo è stato quello di riprodurre un incidente con perdita di refrigerante (LOCA)
nelle condizioni in cui opera un reattore di tipo PWR e (c) un transitorio in un impianto
nucleare (Peach Bottom turbine trip) in cui il meccanismo di feedback relativo alla frazione di
vuoto ha un ruolo basilare. In tutti i tre casi, è stato mostrato che una più dettagliata, realistica
e accurata rappresentazione dell’incertezza nei risultati può esser ottenuta con la metodologia
proposta, rispetto a quella che ne puo’ derivare utilizzando il parere di un esperto. Inoltre, è
stata messa in luce l’importanza dell’analisi della dipendenza dell’accuratezza del modello
fisico dalle condizioni del sistema, in paragone al caso in cui vengae usata l’incertezza globale
del modello fisico.
   Nel caso dell’esperimento Omega Rod Bundle Test No. 9, è stato dimostrato che l’impatto
dell’incertezza del modello di drift-flux rimane importante anche quando vengono introdotte
incertezze in altri parametri rilevanti. Ulteriormente, è stato confermato che la metodologia
sviluppata mantiene le sue caratteristiche vantaggiose quando altre diverse fonti di incertezza
sono considerate.
   Lo studio sul Peach Bottom turbine trip è una valida dimostrazione dell’applicabilità della
metodologia nell’analisi dei transitori negli impianti nucleari. In questa applicazione, il nuovo
estimatore di densità è stato impiegato anche per calcolare la pdf che caratterizza la
distribuzione di un dato ouput (in particolare, con questo approccio, è stato analizzato il
sample per il valore massimo della potenza). I risultati conseguiti in questo contesto sono
maggiormente dettagliati, a raffronto con quelli derivati da un procedura “classica” basata sul
calcolo dei limiti di tolleranza, dei valori medi, della varianza, etc.
   In questa analisi, è stato anche compiuto un’investigazione qualitativa dell’impatto di
possibili incertezze delle sezioni d’urto neutroniche sul calcolo della potenza. E’ stato
chiaramente mostrato che, benché l’incertezza nel calcolo della frazione di vuoto abbia un
peso importante nel grado di accuratezza con cui è determinata la potenza in questa
simulazione, le incertezze dei parametri e dei modelli neutronici possono risultare ugualmente
cruciali. Questo indica il bisogno di sviluppare metodologie appropriate per quantificare le
incertezze di carattere neutronico cosicché possano esser aggregate con quelle di natura
termoidraulica durante la simulazione di questi transitori multifisici.

Parole Chiavi: Impianti Nucleari, Analisi di Sicurezza, Codici Best-estimate, Modelli Fisici,
Termoidraulica, Propagazione dell’Incertezza, Analisi dell’Incertezza, Analisi della
Sensitività, Statistica Non-parametrica, Stima della Densità.
CONTENTS
1     INTRODUCTION                                                                          1

    1.1     Nuclear Energy in the World                                                     1
    1.2     Nuclear Power Plants                                                            3
      1.2.1     Pressurized Water Reactors                                                  4
      1.2.2     Boiling Water Reactors                                                      4
    1.3     Fundamentals of Nuclear Safety Culture                                          5
    1.4     Scope and Structure of the Thesis                                               6
    References                                                                              7

2     NUCLEAR SAFETY ANALYSIS AND UNCERTAINTY EVALUATION                                    9

    2.1     Safety Analysis of NPPs                                                         9
      2.1.1      Normal Operation                                                          10
      2.1.2      Anticipated Operational Occurrences and Design Basis Accidents            10
      2.1.3      Severe Accidents                                                          12
      2.1.4      Deterministic Safety Analysis                                             13
      2.1.5      Probabilistic Safety Analysis                                             13
    2.2     Computer Codes for Safety Analysis                                             14
    2.3     Uncertainty Analysis                                                           16
    2.4     Existing Uncertainty Analysis Methodologies                                    18
    References                                                                             21

3  DEVELOPMENT OF A METHODOLOGY FOR THE QUANTIFICATION OF
UNCERTAINTY IN BEST ESTIMATE CODE PHYSICAL MODELS                                          25

    3.1     Introduction                                                                   25
    3.2     Basic Statistical Concepts                                                     26
      3.2.1      Random Variable and Sample Space                                          26
      3.2.2      Probability Density Function (pdf)                                        27
      3.2.3      Expected Value of a Random Variable                                       28
      3.2.4      Population and Sample                                                     29
      3.2.5      Random Samples                                                            29
      3.2.6      Confidence Interval for a Population Parameter                            30
      3.2.7      Tolerance limits                                                          30
    3.3     Novel Multi-dimensional Clustering Technique                                   32
      3.3.1      The Kruskal-Wallis Test                                                   34
    3.4     Algorithm Implemented for the Kruskal-Wallis Test for State Space Clustering   35
    3.5     Non-parametric Density Estimation                                              38
      3.5.1      Non-Parametric Estimators                                                 38
      3.5.2      Universal Orthogonal Series Estimator                                     40
                    Basic Theory                                                           40
                    Oracle Inequalities                                                    44
      3.5.3      Kernel Non-parametric Estimator                                           46
    3.6     Novel Density Estimator                                                        54
    References                                                                             58
4  UNCERTAINTY QUANTIFICATION FOR A DRIFT-FLUX MODEL AND CODE
UNCERTAINTY PROPAGATION                                                          59

    4.1     Database of Separate-effect Tests                                     59
    4.2     Stochastically Distributed Variable                                   61
    4.3     Application of the Methodology                                        64
    4.4     Sampling Techniques                                                   70
      4.4.1     Simple Random Sampling                                            71
      4.4.2     Stratified Random Sampling                                        72
      4.4.3     Techniques to quantify the independence of the sample elements    73
    4.5     Code Uncertainty Propagation                                          75
      4.5.1     Basic Methodology Applied                                         75
      4.5.2     Selection of the Sample Size, Wilks Formula                       77
      4.5.3     Quantification of Uncertainty                                     78
      4.5.4     Quantification of Sensitivity                                     80
      4.5.5     Drift-flux Model’s Uncertainty Propagation in RETRAN-3D           85
    4.6     Summary and Conclusions                                               88
    References                                                                    88

5     APPLICATIONS TO SEPARATE-EFFECT AND INTEGRAL TESTS                         91

    5.1     Uncertainty Assessment for a Separate-effect Experiment               91
      5.1.1     Achilles Experiment No. 2                                         91
      5.1.2     Results and Discussion                                            92
    5.2     Uncertainty Assessment for an Integral Test                           93
      5.2.1     Re-quantification of the Drift-flux Model’s Uncertainty           94
      5.2.2     The OMEGA Integral Test No. 9                                     97
      5.2.3     Results and Discussion                                            99
    5.3     Summary and Conclusions                                              108
    References                                                                   109

6  APPLICATION OF THE CURRENT METHODOLOGY TO NPP-TRANSIENT
UNCERTAINTY ANALYSIS                                                             111

    6.1     RETRAN-3D Modeling of the Transients                                 111
      6.1.1     General Comments on Feedback Mechanisms                          111
      6.1.2     The Peach Bottom Turbine Trip                                    112
      6.1.3     RETRAN-3D Model                                                  114
    6.2     Description of the Transients                                        115
      6.2.1     Base Case (Turbine Trip)                                         115
      6.2.2     Extreme Case (Turbine Trip with Failure of Scram)                117
    6.3     Impact of Changes in the Cross-sections                              119
    6.4     Uncertainty in the Lellouche-Zolotar Drift-flux Model                128
    6.5     Results and Discussion                                               132
      6.5.1     Base Case (Turbine Trip)                                         133
      6.5.2     Extreme Case (Turbine Trip with Failure of Scram)                141
    6.6     Summary and Conclusions                                              145
    References                                                                   147
7     CONCLUSIONS AND RECOMMENDATIONS FOR FUTURE WORK                         149

    7.1     Main Research Objective                                           149
    7.2     Summary of the Methodology                                        150
    7.3     Conclusions                                                       150
      7.3.1      General Findings concerning the Developed Methodology        150
      7.3.2      Impact of Uncertainties in the RETRAN-3D Drift-flux Models   151
    7.4     Recommendations for Future Work                                   154
    7.5     Possible Applications to Other Areas                              155
    References                                                                156

APPENDIX I: ADDITIONAL BASIC STATISTICAL CONCEPTS                             159

    I.1    Special Probability Density Functions                              159
    I.2    Non-parametric Tests                                               164
    I.3    Density Estimation                                                 166
    References                                                                168

APPENDIX II: STATISTICAL CODE FOR UNCERTAINTY ANALYSIS                        169

    II.1   Quantification of Input Uncertainty                                169
    II.2   Output Analysis                                                    175
    Reference                                                                 178

APPENDIX III: RETRAN-3D MODIFICATIONS                                         179

    III.1 RETRAN-3D                                                           179
    III.2 The Slip Velocity Models                                            180
    III.3 Modifications of RETRAN-3D for Uncertainty Code Propagation         188
    References                                                                194

APPENDIX IV: COMPARISON BETWEEN THE TWO DRIFT-FLUX MODELS                     195

    IV.1 Global Comparison                                                    195
    IV.2 Comparison with State Space Analysis                                 196
    References                                                                199

APPENDIX V: STATISTICAL ANALYSIS OF THE PERFORMANCES OF THE CHF
CORRELATIONS IN TRACE                                                         201

    V.1    Critical Heat Flux Correlations                                    201
    V.2    Assessment Database                                                203
    V.3    Stochastically Distributed Variable                                207
    V.4    Results and Discussion                                             207
    V.5    Conclusions                                                        228
    References                                                                229
ACKNOWLEDGEMENTS                                                              231
CURRICULUM VITAE                                                              233
Puoi anche leggere