[论文解读] Combining Total Monte Carlo and Benchmarks for nuclear data uncertainty propagation on an LFRs safety parameters

E. Alhassan, Henrik Sjöstrand+6 more|arXiv (Cornell University)|Mar 26, 2013

Nuclear reactor physics and engineering被引用 3

一句话总结

该论文提出了一种新颖方法，通过将积分基准（integral benchmarks）整合到总蒙特卡罗（Total Monte Carlo, TMC）框架中，以减少反应堆安全参数中的核数据不确定性。通过应用基于卡方检验的接受/拒绝准则，利用Pu-239 Jezebel基准，研究将$ k_{\text{eff}} $的不确定性从748 pcm降低至443 pcm，表明基于基准的筛选能显著提高TMC在铅冷快堆设计中不确定性传播的准确性与可重复性。

ABSTRACT

Analyses are carried out to assess the impact of nuclear data uncertainties on keff for the European Lead Cooled Training Reactor (ELECTRA) using the Total Monte Carlo method. A large number of Pu-239 random ENDF-formated libraries generated using the TALYS based system were processed into ACE format with NJOY99.336 code and used as input into the Serpent Monte Carlo neutron transport code to obtain distribution in keff. The keff distribution obtained was compared with the latest major nuclear data libraries - JEFF-3.1.2, ENDF/B-VII.1 and JENDL-4.0. A method is proposed for the selection of benchmarks for specific applications using the Total Monte Carlo approach. Finally, an accept/reject criterion was investigated based on chi square values obtained using the Pu-239 Jezebel criticality benchmark. It was observed that nuclear data uncertainties in keff were reduced considerably from 748 to 443 pcm by applying a more rigid acceptance criteria for accepting random files.

研究动机与目标

• 通过总蒙特卡罗（TMC）方法，减少欧洲铅冷教学反应堆（ELECTRA）临界参数中的核数据不确定性。
• 开发一种自动化、可重复的方法，用于选择适用于TMC应用的相关基准，替代主观的“目视”选择方法。
• 研究限制$ \chi^2 $值对反应堆参数中核数据不确定性的影响。
• 量化通过基于基准的筛选方法对随机核数据文件进行过滤后，可实现的$ k_{\text{eff}} $不确定性降低程度。

提出的方法

• 使用基于TALYS的TENDL系统生成740份随机Pu-239 ENDF格式核数据文件。
• 使用NJOY99.336在1200 K条件下将所有随机文件转换为ACE格式，以供Serpent蒙特卡罗代码使用。
• 在全芯3D ELECTRA模型上执行临界计算，每循环50,000个中子，共500个活跃循环，以获得$ k_{\text{eff}} $分布。
• 将TMC获得的$ k_{\text{eff}} $分布与主要核数据库（JEFF-3.1.2、ENDF/B-VII.1、JENDL-4.0）的结果进行比较，以验证方法的有效性。
• 应用基于卡方检验的接受/拒绝准则，利用Pu-239 Jezebel基准对随机文件进行筛选，使用$ \chi^2 $阈值仅保留最具代表性的文件。
• 通过ELECTRA与Jezebel基准中$ k_{\text{eff}} $值之间的相关性分析，评估基准的代表性，皮尔逊相关系数R = 0.84表明两者具有高度一致性。

实验结果

研究问题

• RQ1 能否系统性地利用积分基准来提高基于TMC的核数据不确定性传播的准确性并降低不确定性？
• RQ2 在随机核数据文件上应用基于$ \chi^2 $的接受/拒绝准则，对铅冷快堆$ k_{\text{eff}} $不确定性有何影响？
• RQ3 Pu-239 Jezebel基准在多大程度上能代表ELECTRA反应堆堆芯在$ k_{\text{eff}} $方面的行为？
• RQ4 基于相关性的基准选择方法能否实现自动化，并推广至不同核素和反应堆类型？

主要发现

• TMC分布的平均$ k_{\text{eff}} $为1.001540 ± 0.00021 pcm，与参考库（如JEFF-3.1.2，1.00023 ± 0.00022 pcm）结果高度一致。
• 在不进行筛选的标准TMC方法下，$ k_{\text{eff}} $的核数据不确定性量化为748 ± 19 pcm。
• 通过应用$ \chi^2 $阈值为5.31 × 10⁻⁶的限制条件，核数据不确定性降低至443 pcm，实现了25%的不确定性减少。
• 在ELECTRA与Pu-239 Jezebel基准计算的$ k_{\text{eff}} $值之间观察到强相关性（皮尔逊相关系数R = 0.84），表明该基准是反应堆系统的可靠代表性。
• 本研究提出一种加权基准选择方法，权重与相关系数的绝对值成正比，从而实现在TMC中自动化、可重复的基准优先排序。
• 该方法表明，基于积分基准性能对随机核数据文件进行筛选，能显著提高反应堆安全参数不确定性量化结果的精度。