ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2025
2024/2025
Per la sicurezza nucleare, è di fondamentale importanza essere in grado di prevedere
con precisione la produzione di potenza in un reattore nucleare durante un transitorio.
Un tale transitorio potrebbe verificarsi durante il normale funzionamento, ma anche in
uno scenario incidentale. È di vitale importanza calcolare accuratamente la temperatura
durante un transitorio, al fine di prevedere i danni al combustibile e le altre conseguenze.
Questa tesi, sviluppata in collaborazione con Tractebel, ha l’obiettivo di esplorare e
testare le capacità di simulazione in modalità transitoria del codice Monte Carlo Ser-
pent. L’obiettivo principale consisteva nel simulare i transitori accidentali nel core del
reattore NuScale.
I metodi attuali per l’analisi dei transitori, sia deterministici che ibridi, sebbene general-
mente veloci, si basano comunque su numerose approssimazioni come la omogeneizzazione,
la teoria della Diffusione, la teoria del Multigruppo e la fattorizzazione. Queste approssi-
mazioni rendono difficile prevedere l’errore nel risultato finale, e la loro validità per ciascun
caso specifico deve essere determinata separatamente, il che è particolarmente difficile per
nuovi e unici progetti di reattori. Data l’importanza cruciale dell’analisi dei transitori per
i calcoli di sicurezza, è desiderabile impiegare un metodo a maggiore affidabilità. Per-
tanto, il metodo Monte Carlo emerge come un’opzione interessante per eseguire analisi
transitorie affidabili e accurate.
In questo lavoro, è stato implementato un accoppiamento multifisico tra Serpent e un
codice termodinamico esterno per simulare vari scenari transitori. Questo accoppiamento
ha permesso lo studio sia del comportamento neutronico che del feedback termico, con
particolare attenzione agli effetti Doppler all’interno del core del reattore. I risultati di
queste simulazioni hanno dimostrato il potenziale dell’uso del Monte Carlo per l’analisi
dei transitori, evidenziando sia i suoi vantaggi in termini di accuratezza che le sfide legate
ai requisiti computazionali.
Il costo computazionale di queste simulazioni è stato notevolmente elevato, limitando la
possibilità di eseguire analisi transitorie su larga scala o frequenti. Per affrontare queste
sfide e migliorare l’efficienza di tali simulazioni, gli sviluppi futuri potrebbero concentrarsi sull’integrazione di algoritmi di machine learning e tecniche di riduzione d’ordine. Questi
metodi potrebbero accelerare significativamente il processo di simulazione e ottimizzare
le risorse computazionali, rendendo più pratico eseguire analisi transitorie accurate e af-
fidabili in applicazioni reali.
For nuclear safety, it is of the highest importance to be able to predict the exact power
production in a nuclear reactor during a transient. Such a transient might occur during
regular operation, but also in an accident scenario. It is of vital importance to calculate
the temperature during such a transient accurately, in order to predict fuel damage and
other consequences.
This thesis, developed in collaboration with Tractebel, aims to explore and test the tran-
sient simulation capabilities of the Serpent Monte Carlo code. The primary objective was
to simulate accidental transients in the core of the NuScale reactor.
The current methods for transient analysis, both deterministic and hybrid, although gen-
erally fast, still rely on numerous approximations such as homogenization, diffusion the-
ory, few-group cross sections, and factorization. These approximations make it difficult
to predict the error in the final result, and their validity for each specific case must be
determined separately, which is especially challenging for new and unique reactor designs.
Given the critical importance of transient analysis for safety calculations, it is desirable
to employ a higher-fidelity method. Therefore, the Monte Carlo method emerges as an
attractive option for performing reliable and accurate transient analyses.
In this work, a multi-physics coupling was implemented between Serpent and an external
thermodynamic code to simulate various transient scenarios. This coupling enabled the
study of both the neutronic behavior and the thermal feedback, specifically focusing on
Doppler effects within the reactor core. The results of these simulations demonstrated the
potential of using Monte Carlo for transient analysis, highlighting both its advantages in
accuracy and the challenges posed by computational requirements.
The computational cost of these simulations was notably high, limiting the feasibility of
performing large-scale or frequent transient analyses. To address these challenges and
improve the efficiency of such simulations, future developments could focus on integrating
machine learning algorithms and reduction order methods. These methods could signifi-
cantly accelerate the simulation process and optimize computational resources, making it
more practical to perform accurate and reliable transient analyses in real-world applications.