Passive safety systems in Generation III+ nuclear reactors : sensitivity analysis of the PCCS of the AP1000

The reliability analysis of a Nuclear Power Plant (NPP) passive safety system requires to quantify its functional failure probability. It is customary to use Best Estimate (BE) Thermal Hydraulic (TH) codes to predict the behavior of the plant in normal and accidental conditions. To effectively do this, Uncertainty Analysis (UA) and Sensitivity Analysis (SA) are performed to quantify the uncertainty introduced by the TH model and to identify the relevant, important input variables whose variations affect the system output response (as calculated by the BE-TH code). In the present work, a novel framework for UA and SA is presented and applied to two BE-TH codes that simulate the behavior of the Passive Containment Cooling System (PCCS) of an Advanced Pressurized reactor AP1000 during a Loss Of Coolant Accident (LOCA). The first one is a steady state lumped parameter TH code meant for evaluating the long term cooling of the PCCS, while the second is a dynamic, one dimensional TH code meant for evaluating the PCCS pressure during the beginning of the post-reflood phase. The framework is based on Finite Mixture Models (FMMs) for approximating the probability density function (pdf) of the pressure reached by the PCCS during the LOCA, with a limited number of simulations, then, the retrieved output pdf is exploited for SA. In the first numerical application the results of the FMM are used within an input saliency method for SA, and then compared with those of a standard variance decomposition based method. In the second numerical application, due to the TH code computational burden, a variance decomposition-based SA for comparison is not feasible. Thus, to reinforce the results, an ensemble of three alternative SA methods is innovatively used for identifying the input variables that most affect the TH code output: input saliency, Hellinger distance and Kullback-Leibler divergence. The capability of the ensemble to strengthen and support the results, by means of multiple agreements among the rankings produced by the individual SA methods, is shown on the numerical case study.

L’analisi di affidabilità di un sistema di sicurezza passivo di una centrale nucleare richiede di quantificarne la probabilità di fallimento. Per questo scopo è consuetudine utilizzare dei codici termoidraulici che simulino il funzionamento dell’impianto sia in condizioni normali che accidentali. Per ottenere risultati efficaci, l’analisi delle incertezza e di sensitività sono condotte per quantificare l’incertezza introdotta nel processo dal codice stesso e identificare le variabili di input rilevanti nel determinare la risposta del sistema. Nel presente lavoro di tesi un nuovo framework per l’analisi di incertezza e l’analisi di sensitività è stato sviluppato e applicato a due codici termoidraulici che simulano il comportamento del sistema di raffreddamento passivo del contenitore di un reattore pressurizzato AP1000 durante un LOCA. Il primo codice, stazionario e a parametri concentrati, è stato sviluppato per valutare lo smaltimento del calore e il controllo della pressione interna sul lungo periodo, mentre il secondo, dinamico e unidimensionale, è stato progettato per valutare la pressione del contenitore durante la fase di “post-reflood”. Il framework si basa sull’utilizzo di Finite Mixture Models (FMM), letteralmente mistura di distribuzioni, per approssimare la distribuzione dell’output del modello con un numero ridotto di simulazioni; questa viene poi utilizzata per l’analisi di sensitività. Nel primo caso studio i risultati del FMM vengono impiegati tramite metodo dell’input saliency per l’analisi di sensitività, i cui risultati sono comparati con quelli del metodo di decomposizione della varianza. Nel secondo caso studio a causa del costo computazionale elevato, l’analisi di sensitività tramite decomposizione della varianza, per un paragone, non è fattibile. Quindi per irrobustire i risultati, è stato elaborato un framework, impiegando un ensemble di tre metodi di sensitività per identificare gli input che influenzano maggiormente il risultato del codice. I tre metodi sono: input saliency, Hellinger distance e Kullback-Leibler divergence. La capacità dell’ensemble di rafforzare i risultati tramite concordanza tra i ranking prodotti dai singoli metodi è dimostrata sul caso studio.