Data Assimilation and PWR Primary Measurements
Assimilation de Données et Mesures Primaires REP
Résumé
A Pressurized Water Reactor (PWR) Reactor Coolant System (RCS) is a highly complex physical process: heterogeneous power, flow and temperature distributions are difficult to be accurately measured, since instrumentations are limited in number, thus leading to the relevant safety and protection margins.
EDF R&D is seeking to assess the potential benefits of applying Data Assimilation to a PWR's RCS (Reactor Coolant System) measurements, in order to improve the estimators for parameters of a reactor's operating setpoint, i.e. improving accuracy and reducing uncertainties and biases of measured RCS parameters.
In this thesis, we define a 0D semi-empirical model for RCS, satisfying the description level usually chosen by plant operators, and construct a Monte-Carlo Method (inspired from Ensemble Methods) in order to use this model with Data Assimilation tools. We apply this method on simulated data in order to assess the reduction of uncertainties on key parameters: results are beyond expectations, however strong hypotheses are required, implying a careful preprocessing of input data.
Le circuit primaire d'un réacteur à eau pressurisée (REP) est un système thermohydraulique complexe, présentant des champs hétérogènes de puissances, températures et débits dans des conditions extrêmes : l'instrumentation in situ est limitée en nombre, localisation et précision. De ce fait, la connaissance de ces paramètres de fonctionnement est impactée par des incertitudes de représentativité notamment, prises en compte dans la conception et intégrées dans les protections d'exploitation.
Dans ce contexte, EDF R&D cherche à évaluer les apports potentiels de l'Assimilation de Données, un ensemble d'outils mathématiques très utilisé en géosciences qui permettent de corriger des estimations issus de modèles à l'aide de mesures provenant du système réel modélisé, pour une meilleure caractérisation (justesse, incertitudes) des paramètres du point de fonctionnement primaire nominal.
Dans cette thèse, nous définissons un modèle semi-empirique 0D adapté au niveau de description usuellement choisi par les exploitants, et développons une méthodologie (de type Monte-Carlo et inspirée des Méthodes d'Ensemble) pour utiliser ce modèle dans un cadre d'Assimilation de Données. L'application de cette méthodologie à des données simulées permet d'évaluer la réduction des incertitudes pesant sur les paramètres-clés : les résultats sont au-delà des espérances initiales mais nécessitent des hypothèses fortes impliquant un prétraitement soigneux des données d'entrée.