论文部分内容阅读
核反应堆物理计算过程是一个复杂的过程,其主要的不确定性输入来源:输入数据、数值方法和物理模型。随着计算机技术的高速发展以及对核反应堆的深入研究,数值方法和物理模型所造成的不确定性影响越来越小。输入数据造成的不确定性来源不可忽视,核截面数据自身不确定性天然存在且不同核截面间存在相关性,通常以多群核截面协方差矩阵表征其不确定性信息,所以采用高效、合理的不确定性分析方法开展核数据计算不确定性研究具有重要意义。机理性方法和统计方法对于量化与传播核数据不确定性对堆芯关键参数的影响均是有效的。机理性方法主要基于微扰理论,具有一定的局限性。本文侧重研究量化与传播核数据不确定性的高效抽样方法。现有的抽样统计方法主要有简单随机抽样(SRS)、拉丁超立方体抽样(LHS)、拉丁超立方体抽样结合Cholesky分解变换(LHS-CDC)的高效抽样方法,但是上述抽样方法不能充分表示参数间相关性信息,并且不适用于高维抽样情况(样本数量(NS)小于不确定性输入参数个数(NX)时的抽样问题)。为了解决上述问题,采用有效的抽样统计方法开展核数据计算不确定性分析,NS>NX时,研发了拉丁超立方体(LHS)结合奇异值分解变换(SVDC)的高效抽样方法;NS≤NX时,研发了结合主成分分析(PCA)的拉丁超立方体结合奇异值分解变换(LHS-SVDC)的高维抽样方法。这两种抽样方法都基于严格的数学推导,可真实表达不同参数间的相关性信息,使获得的核截面样本空间更加真实的表征输入参数的不确定性信息,并以这两种方法为基础对自主开发的CUSA程序中的不确定性输入数据生产模块Guide进行升级完善。以三里岛TMI-1燃料栅元和AP-1000堆芯为研究对象进行核数据计算不确定性分析,数值结果表明:本文提出的LHS-SVDC高效抽样方法、结合主成分分析(PCA)的LHS-SVDC高维抽样方法能够快速、高效地获得满足目标相关性和目标分布特性的核截面样本空间,更加真实地传播核数据不确定性信息,进而更准确地量化核数据不确定性对堆物理关键参数的影响,并以此方法为基础升级完善CUSA程序,为后期研究核数据自身不确定性对堆芯关键参数不确定性结果的影响提供了高效抽样方法和程序工具。