Forschungszusammenarbeit mit der GRS: Erprobung der Adaptive-Monte-Carlo-Simulationsmethodik zur Lokalisierung kritischer Parameterbereiche beim KMV in SWR

Zusammenfassung

Das Projekt befasst sich mit der Methodik zur Unsicherheits- und Sensitivitätsanalyse von Störfall-Abläufen. Konkret sollen verschiedene Monte-Carlo-Simulationsmethoden (MC) auf ein komplexes Störfallszenario angewendet werden, nämlich einen Kühlmittelverlust-Störfall in einem Siedewasserreaktor. Insbesondere sollen die «klassische» MC-Simulation verglichen werden mit von der GRS neu entwickelter adaptiver MC-Simulation, in welcher zusätzlich maschinelles Lernen eingesetzt wird. Dadurch soll die Sensitivitätsanalyse im Hinblick auf kritische Parameter weiter verbessert werden.

Weitere Texte

Projektziele

Die Adaptive Sampling Methodik eröffnet die Möglichkeit, Bereiche mit sensitiver Parameterverteilung sowie kritische Parameter bzgl. Störfallbeherrschung zu identifizieren. Die Methodik stellt eine intelligente kombinierte Methode («Machine Learning») mit Ausschluss bzw. Minimierung des menschlichen Fehlers im Engineering Judgement Prozess zur Bestimmung des «Phenomena Identification Ranking» dar.

Schlüsselwörter

Kernkraftwerk; Störfall; Kühlmittelverlust-Störfall; Monte-Carlo-Simulation; Unsicherheitsanalyse;

Beteiligte

Kontaktperson

Projektdetails

Forschungsstelle
ENSI
Projektstatus
In Bearbeitung
Projekttyp
Forschungsprojekt
Startdatum
2019-12-31
Enddatum
2029-03-30
Bewilligte Gesamtkosten
CHF 853000.00
Sektion
Reaktorsicherheit
NABS Politikbereich
Erzeugung, Verteilung und rationelle Nutzung der Energie