A feasibility study on in2Core fuel management via quantum particle swarm optimization

The fuel load operations and the nuclear reactor core optimization require algorithms and procedures to determine the optimal spatial configurations. In the current work some global optimization algorithm have been considered with the objective of targeting a new promising method to optimize features related to in-core fuel management like keff , power peaking factor, reactivity swing ∆k, etc. To this aim Genetic Algorithms (GA) and Particle Swarm based Algorithms have been selected. The algorithms have been tested and compared on two analytical continuous 1D and 2D functions. Particle Swarm showed better performances in terms of both accuracy and machine time, therefore successive analyses have been focused on this type of algorithm. Particle Swarm Algorithm, Quantum Particle Swarm and its modified version, here proposed, have been applied to a case study regarding a simplified PWR core with the goal of optimizing the disposition of fuel assemblies of different enrichments to maximize the multiplication coefficient keff . The calculations have been carried out by coupling the algorithms with Monte Carlo Serpent code. As the problem’s solution was a priori known, it was possible to compare the algorithms’ behaviors during the convergence process towards the global optimum by observing the trends of average fitness and standard deviation in the swarm as well as Shannon Entropy. The obtained results on the examined problem showed a superiority of Particle Swarm and of Modified Quantum Particle Swarm here proposed in terms of calculation time.

Le operazioni di caricamento del combustibile e di ottimizzazione del nocciolo in un reattore nucleare richiedono la messa a punto di algoritmi e procedure per la determinazione delle configurazioni spaziali ottimali. Nel presente lavoro sono stati valutati alcuni algoritmi di ottimizzazione di tipo globale con l’obiettivo di individuare un metodo promettente per l’ottimizzazione di grandezze legate alla gestione del combustibile nel nocciolo del reattore quali il keff , il fattore di picco della potenza, la reactivity swing ∆k, etc. A tale fine, sono stati selezionati gli Algoritmi Genetici (GA) e i metodi di ottimizzazione a sciami di particelle, Particle Swarm. Gli algoritmi sono stati testati e confrontati sulla base di due funzioni analitiche continue 1D e 2D. L’algoritmo Particle Swarm ha presentato migliori prestazioni sia in termini di accuratezza che di tempo macchina e pertanto le successive analisi si sono concentrate su questo tipo di algoritmo. L’Algoritmo Particle Swarm, il Quantum Particle Swarm e una sua versione modificata qui proposta sono stati applicati ad un caso studio riguardante un nocciolo semplificato di un PWR con l’obiettivo di ottimizzare la disposizione di fuel assemblies con diversi arricchimenti al fine di massimizzare il coefficiente di moltiplicazione keff . I calcoli sono stati svolti accoppiando gli algoritmi con il codice Monte Carlo Serpent. Poiché la soluzione del problema è a priori nota è stato possibile confrontare il comportamento degli algoritmi nel corso del processo di convergenza verso l’ottimo sulla base dell’andamento della media e della deviazione standard della fitness dello swarm oltre che sulla base dell’entropia di Shannon. I risultati ottenuti sul problema in oggetto hanno evidenziato una superiorità in termini di tempi di calcolo del Particle Swarm e della versione modificata del Quantum Particle Swarm qui proposta.