核安全是核能发展的前提。日本福岛核事故之后,关于核电站严重事故管理导则（Severe Accident Management Guideline,SAMG）以及全厂断电事故（Station Blackout,简称SBO）的研究引起了人们的重视。当核电站发生事故时,必须采取事故缓解策略以避免放射性物质外释。同时,根据事故发展状况及时准确地预测进入SAMG的时间可以提高实施事故缓解策略的可行性及有效性。因此,在发生严重事故的情况下寻找最优事故缓解策略和更加及时、准确地预测SAMG入口时间是严重事故管理领域的研究重点。本文运用模块化事故分析程序（Modular Accident Analysis Program 4,简称MAAP4）对压水堆核电站最优事故缓解策略进行分析。首先,分析了 SBO事故序列的基本进程以及卸压与注水策略对事故进程的影响,发现不同卸压与注水策略所带来的事故缓解效果不同;其次,以下降单纯形算法为基础,结合MAAP4开发了严重事故策略优化平台,可实现最优事故缓解策略的自动化搜寻;最后,将该优化平台用于高压熔堆事故序列下最优卸压与注水策略的搜寻,并采用枚举法验证。结果表明应用该优化平台不但可以搜寻得到的最优卸压与注水策略,而且与传统算法相比效率提高了约10倍。另外,严重事故缓解策略的实施效果与执行动作的时间相关,因此,准确预测严重事故入口时间有助于操纵员高效执行事故缓解策略。包壳最高温度可以较直接地反应堆芯状况,但是难以通过监测直接获得。本研究结合电厂中其他可测量参数并应用神经网络模型实现包壳最高温度的预测,同时尝试以包壳最高温度达到800℃作为SAMG入口条件来进行严重事故分析。该模型可预测大部分未知事故类型下的包壳最高温度。分析表明,当采取不同的SAMG入口条件时,选用包壳最高温度指示SAMG入口条件可以更有效地延缓压力容器失效时间,进而可能减少放射性物质释放到环境中。