Development and Application of Uncertainty Analysis Approaches for MELCOR Simulations of Severe Accidents

The contemporary needs in advancing safety analysis methods and the increasing stringency in light water reactor (LWR) safety in the post-Fukushima era require more advanced and systematical approaches for severe accident analyses. The best estimate plus uncertainty (BEPU) methods are among such approaches and have been widely used for deterministic safety analysis (DSA) of design basis accidents (DBAs). However, the BEPU analyses of severe accidents (SAs) are not straightforward due to the complexity of SA phenomena and the specialties of SA simulation tools. It is therefore necessary to develop BEPU approaches for severe accidents. This thesis work starts from an application of the conventional BEPU approach using various uncertainty quantification (UQ) methods of 95/95 tolerance limits to MELCOR simulations of severe accidents, with the aim to identify their capabilities in MELCOR simulations of severe accidents. Both parametric and nonparametric UQ methods, including goodness-of-fit test, Wilks’ methods, Baren and Hall’s linear interpolation and Hutson fractional statistics, are applied to postulated severe accident scenarios in a Nordic boiling water reactor (BWR). It is found that (i) a small sample size or a low order in these UQ methods tends to cause conservative estimates, and (ii) a large sample size has many unsuccessful MELCOR calculation cases and fixing of the cases incurs an explosive computational cost. To solve this problem, two alternative approaches are supposed to be developed in the next step. The first alternative approach is to develop a bootstrapped artificial neural network (ANN) model to be employed in UQ; and the second alternative approach is to couple deterministic sampling (DS) methods with a fixed/dynamic coverage factor. The first alternative approach overcomes the problem in the conventional BEPU approach, i.e. the explosive computation cost due to fixing many crashed MELCOR cases otherwise it ruins randomness of samples. The idea
Rådande behov av att utveckla säkerhetsanalysmetoder och den ökande stringensen i lättvattenreaktorsäkerhet (LWR) efter Fukushima kräver mer avancerade och systematiska tillvägagångssätt för att analysera svåra haverier. Metoderna för bästa skattning plus osäkerhet (BEPU) är ett sådant tillvägagångssätt och har använts brett för deterministiska säkerhetsanalyser (DSA) av konstruktionsstyrande haverier (DBA). Däremot är BEPU-analys av svåra haverier (SA) mer komplicerat på grund av SA-fenomens komplexitet och SA-simuleringsverktygens specialiteter. BEPU-metoder för svåra haverier behöver därför utvecklas. Denna doktorsavhandling utgår från den konventionella BEPU-metoden där olika metoder för att bestämma osäkerheter (UQ) med 95/95 toleransgränser används i MELCOR-simuleringar av svåra haverier i syfte att fastställa deras tillämplighet. Både parametriska och icke-parametriska UQ-metoder, inklusive goodness-of-fit-test, Wilks-metoder, Baren och Halls linjära interpolering och metoder utvecklade av Hutson, tillämpas på postulerade scenarier med svåra haverier i en nordisk kokvattenreaktor (BWR). Det har visat sig att (i) en liten urvalsstorlek eller en låg ordning i dessa UQ-metoder tenderar att ge konservativa uppskattningar, och (ii) en stor urvalsstorlek medför många misslyckade beräkningsfall med MELCOR och att åtgärda fallen medför en explosionsartad beräkningskostnad. För att lösa detta problem föreslås två alternativa ansatser som kan utvecklas vidare i ett senare steg. Den första alternativa ansatsen är att utveckla en modell med artificiellt neuronnät (ANN) baserad på ”bootstrapping” som ska användas i UQ; och den andra alternativa ansatsen är att koppla deterministiska urvalsmetoder (DS) med en fast/dynamisk täckningsfaktor. Det första alternativa tillvägagångssättet löser problemet med den konventionella BEPU-metoden, d.v.s. den explosionsartade beräkningskostnaden till följd av att åtgärda många kraschade MELCOR-fall som annars förstör det slumpmässiga urv
QC 2024-03-25