Использование моделирования Монте-Карло для оптимизации конструкции ядра ядерного реактора

Специализированные коды

Японское агентство по атомной энергии (JAEA) разрабатывает универсальный MVP-код непрерывного использования энергии Монте-Карло для анализа ядра ядерного реактора, а JAEA также разработала новый решатель Монте-Карло Соломон для анализа безопасности критичности. Эти специализированные коды демонстрируют продолжающиеся международные усилия по разработке инструментов Монте-Карло, адаптированных к конкретным потребностям анализа реактора.

К другим известным кодам относятся TRIPOLI, разработанный во Франции, MONK, разработанный в Соединенном Королевстве, и различные национальные коды, разработанные для конкретных программ реакторов. Это разнообразие инструментов отражает как важность методов Монте-Карло в ядерной инженерии, так и специализированные требования различных типов реакторов и целей анализа.

Применение методов Монте-Карло в оптимизации ядра реактора

Моделирование в Монте-Карло играет решающую роль в оптимизации конструкций ядер ядерных реакторов в нескольких измерениях, от расположения топлива до позиционирования стержней до общей геометрии ядра. Возможность моделировать сложные трехмерные геометрии с высокой точностью делает эти методы незаменимыми для современной конструкции реактора.

Дизайн и оптимизация топливной сборки

Одним из основных применений моделирования Монте-Карло является оптимизация конфигураций сборки топлива. Инженеры должны определить оптимальное расположение топливных штифтов с различными обогащениями, сгорающими поглотителями и конструкционными материалами для достижения желаемого распределения мощности при сохранении запаса прочности. Методы Монте-Карло способны обрабатывать сложные геометрии с высоким уровнем разрешения и точности, что делает их идеальными для этой цели.

Для реакторов с водой под давлением (PWR) топливные сборки обычно содержат сотни топливных штифтов, расположенных в квадратной решетке. Обогащение урана-235 может варьироваться между штифтами, а некоторые положения могут содержать сгорающие ядовитые стержни или направляющие трубки для управляющих стержней. Моделирование Монте-Карло может оценить, как различные механизмы влияют на пик местной мощности, коэффициенты реактивности и характеристики выгорания. Эта информация направляет конструкторов к конфигурациям, которые максимизируют использование топлива, гарантируя, что ни один топливный штифт не превышает тепловые пределы.

В настоящее время по-прежнему отсутствует реальное трехмерное представление ядра реактора с инвольтными топливными пластинами методом Монте-Карло, и в этой работе предложен алгоритм моделирования ядра реактора, состоящего из инвольтных топливных пластин с явным точным описанием его инвольтных поверхностей.Этот пример иллюстрирует, как методы Монте-Карло продолжают продвигаться в своей способности моделировать все более сложные топливные геометрии, включая нестандартные конфигурации, используемые в исследовательских реакторах.

Оптимизация основного шаблона загрузки

Помимо отдельных топливных сборок, моделирование Монте-Карло помогает оптимизировать схему загрузки сборок внутри ядра реактора. Коммерческие энергетические реакторы обычно работают на многоэтапных топливных циклах, где во время каждого отключения заправки заменяется только часть топливных сборок. Остальные сборки перетасовываются в новые положения, чтобы сгладить распределение мощности и максимизировать сжигание топлива.

Определение оптимальной схемы нагрузки представляет собой сложную задачу комбинаторной оптимизации. Моделирование Монте-Карло обеспечивает высокоточный нейтронный анализ, необходимый для оценки моделей-кандидатов. Инженеры могут оценить, как различные механизмы влияют на радиальное и осевое распределение мощности, значение управляющего стержня, запас выключения и другие параметры безопасности. Цель состоит в том, чтобы найти шаблоны, которые максимизируют длину цикла и использование топлива при сохранении всех критериев безопасности.

Проверено радиальное распределение мощности полной модели МС с использованием пин-мудрого состава, дающее относительные отклонения в диапазоне [-9, 6]% по сравнению с валидированным узловым растворителем, а с использованием разработанных моделей МС для условий горячего нулевого напряжения (HZP) анализ измерений пускового реактора показал отклонение от критичности −100 ± 2 пкм, что считается отличным соглашением. Такая валидация демонстрирует, что методы Монте-Карло могут достичь точности, необходимой для практических применений конструкции ядра.

Контролировать дизайн и позиционирование Рода

Контрольные стержни являются критическими компонентами безопасности, регулирующими мощность реактора и обеспечивающими возможность отключения. Моделирование Монте-Карло помогает оптимизировать их конструкцию, в том числе выбор материала поглотителя, геометрическую конфигурацию и позиционирование в пределах ядра. Для настоящего ядра НОУ были рассчитаны следующие физические параметры ядра реактора: реактивность ядра, величина управляющего стержня, распределение теплового и эпитермального потока нейтронов, запас отключения и задержка нейтронной фракции, основной целью которых является снижение неблагоприятного воздействия вероятности блокировки стержней безопасности управления.

Ценность управляющего стержня — изменение реактивности при его вставке или снятии — зависит от его положения в ядре и локального потока нейтронов. Моделирование Монте-Карло может точно рассчитать ценность управляющего стержня, моделируя подробную геометрию стержня и его взаимодействие с окружающим топливом. Эта информация необходима для обеспечения того, чтобы реактор мог быть безопасно отключен при любых условиях и чтобы управляющие стержни обеспечивали адекватный контроль реактивности во время нормальной работы.

Критика и анализ безопасности

Расчеты критичности используются для анализа стационарных умножающих сред, таких как критический ядерный реактор, и поскольку эта критичность может быть достигнута только очень точными манипуляциями геометрии, эти задачи формулируются как собственные задачи, где один параметр искусственно модифицируется до достижения критичности.Эффективный коэффициент умножения (k-эффективность) является ключевым параметром, который указывает, является ли реактор критическим (k-eff = 1), субкритическим (k-eff 1).

Коды Монте-Карло вычисляют k-эффективность, имитируя последовательные поколения нейтронов и отслеживая, как нейтронная популяция изменяется от одного поколения к другому. Этот расчет собственного значения имеет основополагающее значение для конструкции реактора, поскольку он определяет критическую конфигурацию и предоставляет информацию о запасах реактивности. Инженеры используют эти расчеты для обеспечения безопасной работы реактора по всей его рабочей оболочке, включая изменения температуры, уровня мощности и сжигания топлива.

JAEA разработала новый растворитель Monte Carlo Solomon для анализа безопасности критичности, целью которого является вычисление критичности топливного мусора. Это специализированное приложение демонстрирует, как методы Монте-Карло выходят за рамки нормальной работы реактора для решения сценариев безопасности, включая тяжелые аварии.

Продвинутые концепции реакторов

Общая тема — растущая зависимость от высокоточных, многофизических инструментов моделирования, способных поддерживать проектирование, анализ безопасности и оптимизацию реакторов следующего поколения, особенно в сценариях, где экспериментальные данные ограничены или сложность системы бросает вызов традиционным детерминированным методам.Монте-Карло моделирование особенно ценно для продвинутых конструкций реакторов, которые значительно отличаются от обычных реакторов на легкой воде.

Например, реакторы на расплавленной соли, реакторы с газовым охлаждением высокой температуры и быстрые реакторы представляют уникальные проблемы моделирования из-за их нетрадиционных геометрий, материалов и спектров энергии нейтронов. Методы Монте-Карло могут справиться с этими сложностями без геометрических приближений, требуемых многими детерминированными кодами. Эта способность ускоряет разработку инновационных концепций реактора, обеспечивая точный нейтронный анализ на ранних этапах процесса проектирования.

Преимущества и преимущества методов Монте-Карло

Моделирование Монте-Карло предлагает множество преимуществ, которые делают их методом выбора для многих применений физики реакторов. Понимание этих преимуществ помогает объяснить, почему эти методы стали настолько центральными для современной конструкции реактора.

Высокая точность в нейтронном моделировании поведения

С ростом спроса на высокоточный нейтронный анализ и развитие компьютерных технологий метод Монте-Карло приобретает всё большее значение, особенно в критическом анализе исходных ядер и экранирующих вычислений.Фундаментальная точность методов Монте-Карло проистекает из их прямого моделирования физических процессов без пространственной, угловой или энергетической дискретизации, требуемой детерминированными методами.

Коды Монте-Карло могут использовать данные сечения непрерывной энергии, сохраняющие детальную резонансную структуру в вероятностях взаимодействия нейтронов. Это особенно важно в тепловых реакторах, где резонансы поглощения нейтронов в уране-238 и других материалах значительно влияют на поведение реактора. Избегая приближений энергетических групп, моделирование Монте-Карло может фиксировать эти эффекты с высокой точностью.

Статистический характер Монте-Карло означает, что результаты приходят с четко определенными неопределенностью, которая уменьшается по мере моделирования большего количества историй нейтронов. Это позволяет инженерам обмениваться вычислительным временем для точности простым способом - выполнение более длительных симуляций с большим количеством частиц дает более точные результаты с количественно измеряемыми доверительными интервалами.

Геометрическая гибкость

Одним из наиболее значительных преимуществ методов Монте-Карло является их способность моделировать практически любую трехмерную геометрию в точности. В отличие от детерминированных методов, которые обычно требуют регулярных сетчатых структур, коды Монте-Карло отслеживают частицы через сложные геометрии, определяемые поверхностями и областями. Эта геометрическая гибкость неоценима для оптимизации конструкции реактора.

Инженеры могут моделировать топливные штифты, облицовку, каналы охлаждающей жидкости, конструкционные материалы, управляющие стержни и приборы в их фактических геометрических конфигурациях без приближения. Эта способность необходима для точного расчета локальных эффектов, таких как пик мощности вблизи водных отверстий, снижение потока вокруг управляющих стержней и поток нейтронов через каналы охлаждающей жидкости. Эти локальные эффекты могут значительно повлиять на безопасность и производительность реактора, что делает точное геометрическое моделирование решающим.

Геометрическая гибкость также облегчает итерацию конструкции. Инженеры могут легко изменять размеры топливных штифтов, изменять состав материала или корректировать положения компонентов и немедленно оценивать воздействие нейтроники. Эта быстрая итерация конструкции ускоряет процесс оптимизации и позволяет исследовать более широкое пространство проектирования.

Повышение безопасности за счет детальной оценки рисков

Безопасность имеет первостепенное значение в проектировании ядерных реакторов, а моделирование Монте-Карло способствует повышению безопасности несколькими способами.Способности моделирования высокой точности позволяют инженерам точно оценивать запас прочности и оценивать реакцию реактора на различные сценарии эксплуатации и аварий.

Транзиторный анализ имеет большое значение в оценке безопасности и экономики ядерных систем, а с увеличением вычислительной мощности особое внимание было уделено использованию динамических методов Монте-Карло из-за их возможностей в моделировании детальной геометрии и физики.Зависимые от времени методы Монте-Карло могут имитировать переходные процессы реактора, предоставляя представление о том, как реактор реагирует на возмущения, такие как движения управляющих стержней, изменения температуры охлаждающей жидкости или вставки реактивности.

Моделирование Монте-Карло также поддерживает вероятностные оценки безопасности, обеспечивая точные вычисления ключевых параметров безопасности, таких как запас выключения, значение управляющего стержня и коэффициенты реактивности. Эти параметры определяют присущие реактору характеристики безопасности и его способность реагировать на ненормальные условия. Точно количественно определяя эти параметры, методы Монте-Карло помогают обеспечить соответствие конструкций реактора строгим критериям безопасности.

Эффективность затрат и снижение физического тестирования

Хотя моделирование в Монте-Карло требует значительных вычислительных ресурсов, оно может существенно снизить потребность в дорогостоящих физических экспериментах и тестировании прототипов.Модели виртуальных реакторов позволяют инженерам исследовать альтернативы проектирования, проверять гипотезы и оптимизировать конфигурации, прежде чем приступить к изготовлению оборудования.

В прошлом конструкция реактора в значительной степени опиралась на критические эксперименты — физические макеты ядер реактора, используемые для проверки расчетов конструкции и измерения ключевых параметров. Хотя такие эксперименты остаются ценными для окончательной проверки, моделирование Монте-Карло может уменьшить количество конфигураций, которые необходимо проверить физически. Это экономит время и деньги в процессе разработки реактора.

Для действующих реакторов моделирование Монте-Карло может предсказать поведение предлагаемых модификаций ядра до реализации. Эта возможность позволяет коммунальным предприятиям оценивать стратегии управления топливом, оценивать влияние изменений конструкции и оптимизировать операции без подходов проб и ошибок, которые могут повлиять на доступность установки или запас прочности.

Параллельные вычислительные возможности

Методы Монте-Карло по своей сути хорошо подходят для параллельных вычислений, потому что отдельные истории нейтронов независимы и могут быть смоделированы одновременно на разных процессорах. Эта характеристика становится все более важной, поскольку вычислительное оборудование эволюционировало в направлении массивно параллельных архитектур с тысячами процессорных ядер.

В оптимизированном историческом моделировании ядра ядерного реактора с полной физикой MIC показывает скорость расчета в 1,6 раза выше, чем современный 16-ядерный процессор, в 2,5 раза выше при балансировке нагрузки между CPU и 1 MIC и в 4 раза выше при балансировке нагрузки между CPU и 2 Mac. Современные коды Монте-Карло могут эффективно использовать тысячи процессорных ядер, что позволяет моделировать, что было бы непрактично всего десять лет назад.

Масштабируемость методов Монте-Карло для больших параллельных компьютеров означает, что инженеры могут выполнять все более подробные симуляции в разумные сроки.Полноядерные модели с разрешением по штифту и сечениями непрерывной энергии, когда-то считавшиеся слишком дорогостоящими для рутинного использования, теперь становятся практичными для оптимизации дизайна и анализа безопасности.

Проблемы и ограничения

Несмотря на свои многочисленные преимущества, методы Монте-Карло также сталкиваются с проблемами и ограничениями, которые инженеры должны понимать и решать при применении этих методов для оптимизации ядра реактора.

Расчетные затраты

Основным ограничением методов Монте-Карло является их вычислительная стоимость. Достижение статистически значимых результатов требует моделирования миллионов или миллиардов нейтронных историй, что может потребовать значительного вычислительного времени даже на современных параллельных системах. Статистическая неопределенность в результатах Монте-Карло уменьшается только по мере того, как квадратный корень числа смоделированных историй, а это означает, что для уменьшения неопределенности в два раза требуется в четыре раза больше историй частиц.

Для некоторых приложений, таких как полноядерные вычисления выгорания, которые должны отслеживать изотопную эволюцию в течение нескольких топливных циклов, вычислительное бремя может быть непомерным. Инженеры должны тщательно уравновесить потребность в точности с доступными вычислительными ресурсами и графиками проектов.

Статистический шум в локальных количествах

В то время как методы Монте-Карло превосходят при расчете глобальных величин, таких как k-эффективные, они могут бороться с локальными величинами в регионах, где достигается мало нейтронов. Например, для расчета потока нейтронов глубоко внутри щита или в небольшом местоположении детектора может потребоваться чрезвычайно длительное время моделирования для достижения приемлемой статистической точности.

Для решения этой проблемы были разработаны различные методы уменьшения дисперсии, включая выборку по важности, весовые окна и вынужденные столкновения. Однако эти методы требуют опыта для эффективного осуществления и могут не подходить для всех проблем. Для рутинных расчетов ядра реактора статистический шум в местных количествах обычно остается управляемым, но это может стать проблемой для подробных расчетов распределения мощности по штифту.

Расчеты сгорания и истощения

Расчеты выгорания топлива, которые отслеживают, как изотопные составы изменяются по мере работы реактора, представляют особые проблемы для методов Монте-Карло. Расчеты выгорания на основе ядра на основе MC по-прежнему сложны для обычных применений. Сложность возникает, потому что выгорания вычисления требуют связи решения транспортировки нейтронов с уравнениями истощения, которые описывают, как изотопы трансмутируют и распадаются с течением времени.

Каждый шаг выгорания требует нового вычисления Монте-Карло с обновленными составами материала, а статистический шум в скоростях реакции может распространяться через вычисление истощения, потенциально влияя на точность.Современные коды Монте-Карло реализовали сложные алгоритмы для управления этими задачами, но вычисления выгорания остаются вычислительно интенсивными по сравнению с вычислениями односостоятельной критичности.

Требования к памяти

Оптимизация основана на недавно разработанной адаптивной кластеризации топливных материалов для максимизации точности моделирования при сохранении постоянного потребления памяти моделирования.Полноядерные модели Монте-Карло с подробными изотопными композициями для каждого топливного штифта могут потребовать огромных объемов памяти компьютера, особенно для сгоревшего топлива, где необходимо отслеживать сотни изотопов.

Это ограничение памяти может ограничивать уровень детализации в моделях реакторов или ограничивать количество параллельных процессов, которые могут работать одновременно на данной компьютерной системе.Исследователи продолжают разрабатывать методы управления требованиями к памяти, включая подходы к кластеризации материалов, которые группируют аналогичные композиции при сохранении точности.

Интеграция с мультифизическими симуляциями

Современная конструкция реактора все чаще требует сопряжения нейтронных расчетов с тепловой гидравлической системой, топливной производительностью и моделированием структурной механики.Этот мультифизический подход обеспечивает более полную картину поведения реактора путем учета эффектов обратной связи между различными физическими явлениями.

Нейтроника-теплогидравлика сцепление

Распределение мощности, рассчитанное нейтронными кодами, определяет выработку тепла в топливе, что приводит к тепловой гидравлической поведению теплоносителя. В свою очередь температура и плотность теплоносителя влияют на модерацию и поглощение нейтронов, создавая обратную связь на нейтронике. В последнее время улучшения MVP были сосредоточены на разработке усовершенствованного кода связи нейтроники/теплогидравлики.

Связывание нейтронных кодов Монте-Карло с вычислительной динамикой жидкости (CFD) или субканальными кодами тепловой гидравлики позволяет проводить высокоточные мультифизические симуляции. Эти сопряженные симуляции могут захватывать локальные горячие точки, прогнозировать распределение температуры топлива и оценивать тепловые поля с большей точностью, чем традиционные подходы, использующие упрощенные модели тепловой гидравлики.

Проблема в нейтронно-термально-гидравлической связи заключается в различных временных масштабах и пространственных разрешениях двух физических явлений. Нейтронный транспорт возникает на микросекундных временных масштабах, в то время как тепловая гидравлика развивается в течение секунд до минут. Эффективные схемы связи должны связывать эти разрозненные масштабы при сохранении вычислительной эффективности.

Интеграция характеристик топлива

Коды характеристик топлива моделируют такие явления, как выделение газа деления, отек топлива, облицовочная коррозия и взаимодействие гранулирования. Эти явления влияют на геометрию топлива и свойства материала, которые в свою очередь влияют на нейтронику. Интеграция нейтроники Монте-Карло с кодами характеристик топлива позволяет более реалистично моделировать поведение топлива в течение его срока службы в реакторе.

Например, при горении топлива он набухает, а разрыв между топливным гранулой и облицовкой может закрываться, влияя на теплообмен и температуру топлива. Выделение газообразного расщепления может давить на топливные стержни, потенциально влияя на их механическую целостность. Связав эти эффекты с расчетами нейтроники, инженеры могут лучше прогнозировать характеристики топлива и оптимизировать конструкции топлива для надежности и долговечности.

Будущее мультифизического соединения

Для моделирования и моделирования ядер реакторов детерминированные методы будут использоваться главным образом в краткосрочной перспективе с Монте-Карло в качестве инструмента бенчмаркинга, в среднесрочной перспективе методы Монте-Карло могут использоваться в качестве гибридного инструмента с мультифизической связью для детерминированных нейтронных и тепловых гидравлических кодов, а в долгосрочной перспективе мультифизические коды с использованием неортогональных сеток обеспечат полные, высокоточные инструменты проектирования.

В будущем исследователи должны уделять приоритетное внимание разработке интегрированных цифровых двойников, которые объединяют данные мониторинга в реальном времени, мультифизическую связь и суррогатное моделирование на основе ИИ для достижения способности к прогнозированию и адаптивному моделированию. Это видение представляет собой следующий рубеж в моделировании реакторов, где методы Монте-Карло будут играть центральную роль в создании комплексных моделей виртуальных реакторов.

Проверка и проверка

Надежность моделирования Монте-Карло для конструкции реактора критически зависит от тщательной проверки и верификации.Верификации гарантируется, что код правильно реализует намеченные математические модели, а валидация подтверждает, что модели точно представляют физическую реальность.

Проверка кода

Проверка кода предполагает тестирование кодов Монте-Карло на основе аналитических решений, сравнение результатов между различными кодами и проверку внутренней согласованности. Многие простые проблемы физики реакторов имеют аналитические решения, которые могут быть использованы для проверки того, что коды Монте-Карло дают правильные результаты. Например, критические размеры простых геометрических конфигураций с однородными составами материала могут быть вычислены аналитически и сопоставлены с предсказаниями Монте-Карло.

Международные контрольные задачи являются еще одним важным инструментом проверки. Такие организации, как Агентство по ядерной энергии, ведут базы данных контрольных проблем с помощью эталонных решений, которые предоставляются несколькими учреждениями с использованием различных кодов. Соглашение между независимыми расчетами укрепляет уверенность в точности кода.

Экспериментальная валидация

Хотя в мире имеется достаточно опыта в строительстве и эксплуатации ядерных реакторов, однако при разработке нового типа ядерных реакторов очень важно проверить их конструкцию, а физика ядерных реакторов влечет за собой два основных аспекта, а именно теоретическое моделирование и их экспериментальную валидацию.Критические эксперименты, испытания реакторов с нулевой мощностью и измерения с действующих реакторов предоставляют существенные данные для валидации моделей Монте-Карло.

Моделирование Монте-Карло показывает сопоставимые результаты в потоках нейтронов в ядре ВОУ и некоторых представляющих интерес областях, а также были воспроизведены наблюдаемые тенденции в распределении радиальных и осевых потоков в ядре, что указывает на согласованность результатов, точность модели, точность транспортного кода MCNP и сопоставимость моделирования Монте-Карло.Такая валидация против экспериментальных измерений демонстрирует, что методы Монте-Карло могут надежно предсказать поведение реактора.

Испытания на начальную физику, проведенные при первом выводе новых ядер реактора на критичность, дают особенно ценные данные валидации. Эти испытания измеряют такие параметры, как критическая концентрация бора, значение управляющего стержня и изотермические температурные коэффициенты в хорошо контролируемых условиях. Сравнение предсказаний Монте-Карло с этими измерениями подтверждает как код, так и библиотеки ядерных данных, используемые в расчетах.

Количественная неопределенность

Помимо статистической неопределенности процесса отбора проб в Монте-Карло, расчеты реакторов сталкиваются с неопределенностью ядерных данных, приближениями моделирования и допусками производства.Современные подходы к количественной оценке неопределенности распространяют эти различные источники неопределенности через расчет, чтобы обеспечить всеобъемлющие оценки неопределенности для параметров проектирования.

Неопределенности в отношении ядерных данных возникают из-за ограничений в экспериментальных измерениях и ядерной теории. Библиотеки поперечного сечения включают информацию о неопределенности, которую можно отобрать в расчетах Монте-Карло для оценки того, как неопределенность ядерных данных влияет на результаты. Этот анализ чувствительности и неопределенности помогает определить, какие ядерные данные оказывают наибольшее влияние на параметры проектирования, определяя приоритеты для улучшения ядерных данных.

Передовые приложения и новые методы

По мере развития вычислительных возможностей и появления методологических инноваций методы Монте-Карло применяются к все более сложным задачам проектирования реакторов.

Интеграция машинного обучения

Методы машинного обучения интегрируются с моделированием Монте-Карло для ускорения вычислений и создания новых приложений. Нейронные сети могут быть обучены на результатах Монте-Карло для создания суррогатных моделей, которые предсказывают поведение реактора намного быстрее, чем полное моделирование Монте-Карло. Эти суррогатные модели позволяют проводить исследования оптимизации, которые требуют оценки тысяч вариантов проектирования, что было бы непрактично с помощью только прямых расчетов Монте-Карло.

Машинное обучение может также улучшить сами вычисления Монте-Карло. Например, нейронные сети использовались для улучшения методов уменьшения дисперсии, прогнозирования оптимальных параметров моделирования и ускорения конвергенции в расчетах собственных значений. Эти работы охватывают оптимизацию детекторов, валидацию ядерных данных, оценку потока, улучшаемого машинным обучением, и устойчивое производство изотопов, непосредственно решая насущные проблемы вычислительной эффективности, точности данных и точности моделей для передовых ядерных систем.

Моделирование с уменьшенным порядком

Сформулирована априорная модель транспорта с пониженным порядком нейтронов, разделенная в энергии надлежащим генерализованным разложением, и эта ПЗУ предлагается в качестве средства смягчения проблем переноса нейтронов тонкой группы и конденсации поперечного сечения. Модели с пониженным порядком захватывают существенную физику транспорта нейтронов при резком снижении вычислительных затрат.

Эти методы разлагают поток нейтронов на пространственные и энергетические режимы, позволяя приблизить проблему переноса в больших измерениях с гораздо меньшими степенями свободы. В сочетании с методами Монте-Карло модели с уменьшенным порядком могут обеспечить быстрое исследование конструкции и возможности моделирования в реальном времени, которые были бы невозможны с традиционными подходами.

Алгоритмы, основанные на событиях

Традиционные коды Монте-Карло используют алгоритмы, основанные на истории, которые отслеживают один нейтрон за раз на протяжении всего его срока службы. Алгоритмы, основанные на событиях, напротив, обрабатывают все нейтроны одновременно, событие за событием - сначала имитируя все столкновения, затем все рассеяния, затем все деления. В этой статье сравниваются основанные на событиях и основанные на истории подходы для использования SIMD в симуляции переноса нейтронов Монте-Карло, и репрезентативный микро-знак вычислений узких мест производительности показывает примерно 10-кратное улучшение производительности с использованием метода, основанного на событиях.

Алгоритмы, основанные на событиях, могут лучше использовать современные компьютерные архитектуры, в частности графические процессоры (GPU) и векторные процессоры, которые лучше всего работают при выполнении одной и той же операции на многих элементах данных одновременно. В то время как проблемы реализации остаются, Монте-Карло на основе событий представляет собой многообещающее направление для достижения лучшей вычислительной производительности.

Моделирование, зависящее от времени

Разработан чистый зависящий от времени код Монте-Карло под названием MC3-TD, который способен моделировать сложные ядра реактора, рассматривая нейтроны и предшественники отложенных нейтронов в качестве частиц.Зависимые от времени методы Монте-Карло имитируют переходные процессы и кинетику реактора, обеспечивая понимание динамического поведения реактора, которое не могут захватить стационарные вычисления.

Эти методы особенно ценны для анализа сценариев запуска реактора, остановки и аварии. Путем явного отслеживания задержек нейтронных предшественников в качестве частиц, зависящий от времени Монте-Карло может моделировать пространственное распределение предшественников и их движение в реакторах, работающих на жидком топливе, явления, которые трудно захватить с помощью традиционных точечных кинетических приближений.

Практические соображения по осуществлению

Успешное применение методов Монте-Карло для оптимизации ядра реактора требует внимания к многочисленным практическим соображениям, выходящих за рамки теоретических основ техники.

Разработка моделей и обеспечение качества

Создание точных моделей ядер реакторов Монте-Карло требует тщательного внимания к геометрическим деталям, составу материалов и условиям эксплуатации.Инженеры должны переводить инженерные чертежи и спецификации в формат ввода, требуемый кодами Монте-Карло, обеспечивая при этом захват всех соответствующих функций, избегая при этом ненужной сложности, которая замедлила бы вычисления без повышения точности.

Процедуры обеспечения качества необходимы для выявления ошибок при разработке моделей. Инструменты визуальной проверки, которые отображают смоделированную геометрию, помогают выявлять ошибки в геометрических спецификациях. Проверки баланса материалов обеспечивают правильное определение массы и изотопных композиций. Сравнение с более простыми ручными расчетами или результатами детерминированного кода обеспечивает дополнительную уверенность в правильности модели.

Управление вычислительными ресурсами

Эффективное использование методов Монте-Карло требует тщательного управления вычислительными ресурсами. Инженеры должны уравновесить конкурирующие требования точности модели, статистической точности и вычислительного времени. Для исследований оптимизации проектирования, включающих много случаев, может быть уместно использовать относительно грубую статистическую точность для первоначального скрининга, затем выполнять высокоточные вычисления только для самых перспективных проектов.

Современные коды Монте-Карло предоставляют различные варианты управления вычислительными затратами, включая количество историй частиц, уровень геометрических деталей и энергетическое разрешение вычислений.Понимание того, как эти варианты влияют как на точность, так и на вычислительное время, позволяет инженерам принимать обоснованные решения о распределении ресурсов.

Анализ и интерпретация результатов

Для интерпретации результатов Монте-Карло необходимо понимание как моделируемой физики, так и статистического характера результатов. Статистические неопределенности должны надлежащим образом распространяться при объединении результатов или сравнении случаев. Инженеры должны проверить, что моделирование сходится, проверяя, что результаты стабильны по мере добавления большего количества историй частиц и что пространственное распределение источников деления достигло равновесия.

Инструменты визуализации играют важную роль в анализе результатов. Трехмерные графики распределения мощности, карты потоков и другие величины помогают инженерам выявлять закономерности и аномалии, которые могут быть не очевидны из табличных данных. Сравнение результатов по вариантам конструкции показывает, как изменения влияют на поведение реактора и направляет решения по оптимизации.

Тематические исследования и реальные приложения

Методы Монте-Карло успешно применяются для оптимизации ядер реакторов в широком диапазоне типов реакторов и их применений. Изучение конкретных тематических исследований иллюстрирует практическую ценность этих методов.

Оптимизация коммерческого энергетического реактора

Лаборатория физики реакторов и теплогидравлики разработала концепцию «проверки цикла», которая позволяет передавать условия эксплуатации и сгоревшие изотопные составы топлива из проверенных эталонных моделей с ядром-последователя в коды MC, такие как Serpent 2.2 или MCNP6. Такой подход позволяет коммунальным предприятиям использовать методы Монте-Карло для детального анализа работающих реакторов, поддерживая оптимизацию управления топливом и анализ безопасности.

Commercial pressurized water reactors have benefited from Monte Carlo optimization of fuel loading patterns, burnable absorber designs, and enrichment distributions. These optimizations have enabled higher fuel burnup, longer operating cycles, and improved economic performance while maintaining safety margins. The ability to accurately predict local power peaking and reactivity coefficients has been particularly valuable for pushing performance boundaries.

Применение исследовательского реактора

Ранее для выполнения нейтронных вычислений и анализа ядер использовались детерминированные методы, однако из-за его небольшого ядра, сложной геометрии и других связанных с ним структур стало всё более необходимым использовать более универсальные методы, такие как транспортные методы Монте-Карло, для точного моделирования реактора в трёх измерениях.Исследовательские реакторы часто имеют сложные геометрии с экспериментальными установками, балочными портами и положениями облучения, которые бросают вызов детерминированным методам.

Моделирование Монте-Карло использовалось для оптимизации исследовательских ядер реакторов для потока нейтронов в экспериментальных положениях, минимизации пика мощности и обеспечения адекватного запаса хода.Переход исследовательских реакторов из высокообогащенного урана в низкообогащенное урановое топливо в значительной степени опирался на анализ Монте-Карло, чтобы обеспечить требуемую производительность преобразованных ядер при достижении целей нераспространения.

Развитие перспективных реакторов

Эта схема расчета использует метод непрерывного энергетического MC для генерации многогрупповых сечений из гетерогенных моделей, а метод многогруппового MC, который может адаптировать локально-гетерогенные модели, используется на этапе расчета ядра. Передовые реакторы, такие как быстроохлажденные реакторы с свинцом, реакторы с расплавленной солью и высокотемпературные газовые реакторы, представляют уникальные проблемы проектирования, которые методы Монте-Карло хорошо подходят для решения.