Data-driven modeling of the flow field between two PWR surrogate bundles under seismic conditions using bagging-optimised dynamic mode decomposition (BOP-DMD)

The safe operation of nuclear reactors under accidental operating conditions is a mandatory requirement for any plant design. One of the most challenging conditions is represented by earthquakes: however, works of literature discussing the response of reactor core bundles and their interaction with the moderator under seismic conditions are limited. Direct measuring techniques of flow field parameters are highly complicated and extremely expensive, hence fluid-structure interaction models are proposed to solve such problems. However, these models still have some limitations, for example, high computational costs and systematic uncertainty. As such, data-driven modeling as a data analysis technique can be used to reduce computational costs whilst obtaining results of high enough accuracy. In this work, we use Bagging-Optimized Dynamic Mode Decomposition (BOP-DMD) to provide stable forecasting of flow field parameters of coolant flow around PWR surrogate bundles under seismic conditions with spatial and temporal uncertainty quantification. This equation-free Model Order Reduction technique (MOR), which we have built using MATLAB through the use of experimental data, is suitable for future data prediction with large accuracy limits and low computational time. The benchmark of this work is the ICARE experimental facility, which is an experimental facility that studies the coolant flow between two PWR surrogate bundles under seismic conditions. Data used in this work for the training and validation of the model are obtained from 2D experimental measurements of flow velocity fields around PWR surrogate bundles under seismic conditions using the Particle Image Velocimetry technique (PIV). The study confirms the Validity of the BOP-DMD method to provide field reconstruction of complex flow fields up to high certainty levels.

l funzionamento in sicurezza dei reattori nucleari sia in condizioni nominali che acciden-tali è un requisito obbligatorio per la progettazione di qualsiasi impianto nucleare. In particulare, una delle condizioni accidentali più critiche è rappresentata dai terremoti: tuttavia, i lavori di letteratura che discutono la risposta degli elementi di combustibile nel nocciolo del reattore e come interagiscono con il fluido moderatore in condizioni sismiche sono limitati. Le tecniche di misurazione diretta dei parametri del campo di flusso sono molto complicate ed estremamente costose: per studiare questi fenomeni, lo stato dell’arte è usare modelli di interazione fluido-struttura. Tuttavia, questi modelli presentano alcune limitazioni, come gli elevati costi computazionali e l’incertezza sistematica. Per questo motivo, la modellazione guidata dai dati (data-driven modelling come tecnica di analisi può essere utilizzata per ridurre i costi computazionali e ottenere risultati sufficientemente accurati per il campo nucleare. In questo lavoro, utilizziamo la Bagging-Optimized Dynamic Mode Decomposition (BOP-DMD) per fornire previsioni accurate dei parametri del campo di flusso del refrigerante intorno a elementi di combustibile surrogati (rappresenta-tivi di quelli di un PWR) in condizioni sismiche, quantificando inoltre l’incertezza spaziale e temporale. Questa tecnica di riduzione d’ordine (MOR) non richiede l’implementazione delle equazioni fisiche del modello, ma richiede solo la presenza di un insieme di dati di qualsiasi provenienza: in particolare, nel nostro lavoro usiamo dati sperimentali proveni-enti dall’impianto ICARE, ovvero misure sperimentali dei campi di velocità 2D del flusso, ottenute usando la tecnica della Particle Image Velocimetry (PIV). Abbiamo sviluppato l’algoritmo BOP-DMD in MATLAB, confermando la validità del metodo BOP-DMD per la ricostruzione di campi di flusso complessi e per la predizione del comportamento futuro del sistema con livelli di accuratezza elevati e bassi tempi di calcolo.