Analysis of Fission Matrix Databases using Temperature Profiles obtained from High-Fidelity Multiphysics Simulations

Dit artikel toont aan dat het gebruik van temperatuurprofielen afkomstig van hoogwaardige multiphysics-simulaties in plaats van uniforme profielen leidt tot een verbeterde nauwkeurigheid van de vermenigvuldigingsfactor en de splijtingsbronverdeling bij de Fission Matrix-methode voor een gesmolten zout snelle reactor.

De kern

Stel je voor dat je een gigantische, complexe kookpan hebt: een kernreactor. In deze pan zit vloeibaar brandstof die reageert, hitte produceert en stroom opwekt. De uitdaging voor wetenschappers is om te voorspellen hoe deze pan zich gedraagt, vooral als de temperatuur verandert.

Hier is wat dit paper doet, vertaald naar begrijpelijke taal met een paar leuke vergelijkingen:

1. Het Probleem: De "Superrekenmachine" is te traag

Om precies te weten wat er in die reactorpan gebeurt, gebruiken wetenschappers een methode die de "gouden standaard" wordt genoemd. Het is alsof je elke individuele deeltje in de pan één voor één volgt. Dit is extreem nauwkeurig, maar ook zo rekenkrachtig zwaar dat het duurt als je een hele berg stenen één voor één moet tellen.

Als je echter wilt weten hoe de reactor reageert als de temperatuur verandert (bijvoorbeeld tijdens een piek in de vraag naar stroom), moet je die "steentjes" heel vaak tellen. Dat duurt te lang. Het is alsof je elke keer dat je de pan een beetje warmer maakt, de hele pan opnieuw moet uitkoken om te zien wat er gebeurt.

2. De Oplossing: De "Receptenboeken" (Fission Matrix Databases)

Om dit sneller te maken, hebben de onderzoekers een slimme truc bedacht: de Fission Matrix Database (FMDB).

Stel je voor dat je in plaats van elke keer opnieuw te koken, een reeks "receptenboeken" hebt.

• In boekje A staat hoe de pan reageert als hij op 800 graden is.
• In boekje B staat hoe hij reageert op 900 graden.
• In boekje C staat hoe hij reageert op 1000 graden.

Als je nu wilt weten wat er gebeurt bij 850 graden, hoef je niet opnieuw te koken. Je pakt gewoon boekje A en B, en je maakt een slimme schatting (interpolatie) tussen die twee. Dit gaat razendsnel.

3. De Nieuwe Uitdaging: De "Temperatuurkaart" is niet egaal

Het probleem met eerdere versies van deze receptenboeken was dat ze uitgingen van een egale temperatuur. Alsof de hele pan overal even heet is.

Maar in een echte reactor (zoals de MSFR waar dit onderzoek over gaat) is dat niet zo. De vloeistof stroomt rond, er zijn plekken waar het water stilstaat en plekken waar het snel stroomt. De temperatuur is als een wolk: hier heet, daar koeler, en ergens in het midden weer anders. De oude "egale" receptenboeken konden die complexe wolk niet goed nabootsen.

4. De Innovatie: De "Super-Simulatie" (Cardinal)

De onderzoekers van de Pennsylvania State University hebben een nieuwe, superkrachtige simulatie gebruikt (genaamd Cardinal). Dit is een digitale "tweeling" van de reactor die alles tegelijk doet:

• Het kijkt naar de neutronen (de vonken).
• Het kijkt naar de stroming en hitte (het water).

Hierdoor kregen ze een echte, realistische temperatuurkaart van hoe de reactor eruitziet. Ze gebruikten deze kaart om een nieuwe set receptenboeken te maken. Deze nieuwe boeken bevatten niet alleen "800 graden", maar "800 graden hier, 900 graden daar, en 750 graden in de hoek".

5. Het Resultaat: Preciezer en Sneller

Toen ze de nieuwe "realistische" receptenboeken gebruikten, zagen ze twee dingen:

1. Betere voorspellingen: De berekeningen kwamen veel dichter bij de werkelijkheid (de "gouden standaard") dan met de oude, egale boeken.
2. Minder fouten: De fouten in het voorspellen van de energieproductie en de hitteverdeling waren veel kleiner.

De grote les: Als je wilt voorspellen hoe een reactor zich gedraagt, moet je je "receptenboeken" maken met temperatuurkaarten die lijken op de echte situatie. Als je een realistische temperatuurwolk simuleert, moet je ook realistische receptenboeken gebruiken, niet die van een egale pan.

Samenvatting in één zin

De onderzoekers hebben bewezen dat je een reactor veel sneller en nauwkeuriger kunt simuleren door slimme "receptenboeken" te gebruiken die zijn gebaseerd op de echte, complexe temperatuurpatronen van de reactor, in plaats van te doen alsof alles even heet is.

Technische samenvatting

Probleemstelling

De Monte Carlo-methode wordt beschouwd als de "gouden standaard" voor neutronische berekeningen vanwege het gebruik van continue-energie dwarsdoorsneden, hoekvariabelen en exacte geometrische modellering. Een groot nadeel is echter de hoge rekenkosten die nodig zijn om resultaten met lage onzekerheid te verkrijgen. Dit maakt Monte Carlo minder geschikt voor situaties die temperatuurrückkoppeling (feedback) of transiënte berekeningen vereisen, omdat dit duizenden iteraties vergt.

De Splijtingsmatrix-methode (Fission Matrix - FM) wordt voorgesteld als een alternatief om neutronische berekeningen snel uit te voeren. Deze methode vertrouwt op vooraf berekende databases (FMDB's) gegenereerd door Monte Carlo-simulaties. Echter, eerdere studies gebruikten vaak uniforme of vereenvoudigde temperatuurprofielen om deze databases te genereren. Voor de Smeltzout-snelle reactor (MSFR) bleken de werkelijke temperatuurprofielen uit thermohydraulische simulaties een complexere vorm te hebben dan die in eerdere analyses werden gebruikt. Het gebruik van onrealistische temperatuurprofielen voor het genereren van de FMDB kan leiden tot onnauwkeurigheden in de berekende vermenigvuldigingsfactor ($k_{eff}$) en de verdeling van de splijtingsbron.

Methodologie

De auteurs hebben een hoogwaardige multiphysics-aanpak ontwikkeld om realistische temperatuurprofielen te verkrijgen en deze te integreren in de FM-methode.

1. Cardinal en Koppeling:

   • Er is gebruikgemaakt van Cardinal, een open-source applicatie die OpenMC (neutronica) en NekRS (thermohydraulica) koppelt binnen het MOOSE-framework.
   • De koppeling volgt een Picard-iteratieprocedure ("in time"): OpenMC berekent de warmtebron ($q'''_{fis}$) op basis van een initiële temperatuur. Deze wordt doorgegeven aan NekRS, dat de vloeistoftemperatuur en -snelheid berekent. NekRS stuurt de temperatuur terug, waarna OpenMC de brandstoftemperatuur en -dichtheid actualiseert. Dit proces herhaalt zich tot convergentie.

2. Reactormodel (MSFR):

   • Geometrie: Een vereenvoudigde cilindrische geometrie met vloeibare brandstof (LiF-ThF4-233UF4) en een kweekmantel (LiF-232ThF4).
   • OpenMC: Gebruikt voor neutronische berekeningen (1 miljoen deeltjes, ENDF/B-VIII.0 bibliotheek).
   • NekRS: Lost massabehoud, impuls en energie op met een RANS $k-\tau$ turbulentiemodel (1,35 miljoen hexahedrale elementen).
   • Doel: Het genereren van nauwkeurige, niet-uniforme temperatuurprofielen die rekening houden met interne recirculatie en stagnatiezones in de reactor.

3. Generatie van Fission Matrix Databases (FMDB):

   • Er zijn databases gegenereerd met Serpent 2.2 op basis van twee soorten temperatuurprofielen:
     1. Cardinal-profielen: Gerealiseerde, niet-uniforme profielen afkomstig van de gekoppelde simulaties (variërend van 700 K tot 1300 K).
     2. Uniforme profielen: Traditionele profielen met een constante temperatuur over de cel (800 K tot 1200 K).
   • De databases zijn gegenereerd met een 13x13x13 Cartesische discretisatie.

4. Interpolatie en Oplossing:

   • Voor een specifieke reactorstaat wordt de splijtingsmatrix $A$ berekend door lineaire interpolatie tussen de dichtstbijzijnde database-elementen op basis van de lokale celtemperatuur (volgens vergelijking 2 in het artikel).
   • Een C++ script lost de eigenwaardeproblemen op om $k_{eff}$ en de splijtingsbronverdeling te bepalen.

Belangrijkste Bijdragen

• Validatie van Multiphysics-gekoppelde profielen: Het artikel demonstreert het gebruik van Cardinal om realistische, niet-uniforme temperatuurprofielen voor de MSFR te genereren, in plaats van te vertrouwen op vereenvoudigde uniforme aannames.
• Verbeterde FMDB-strategie: Het introduceert een methode om FMDB's te genereren die specifiek zijn afgestemd op de complexe temperatuurverdelingen die optreden in vloeibare brandstofreactoren.
• Kwantificering van de impact: Het onderzoek toont kwantitatief aan hoe de keuze van het temperatuurprofiel voor het genereren van de database de nauwkeurigheid van de FM-simulaties beïnvloedt.

Resultaten

De auteurs hebben twee sets testprofielen gebruikt om de FM-modellen te valideren tegenover referentie-Serpent-resultaten:

1. Testprofiel 1: Gebaseerd op een inlaattemperatuur van 898 K (referentiewaarde).
2. Testprofiel 2: Gebaseerd op een gewijzigde massastroom (1700 kg/s).

Vergelijking tussen FMDB's:

• $k_{eff}$-verschil: Het gebruik van FMDB's gegenereerd met Cardinal-profielen resulteerde in een kleinere afwijking ten opzichte van de Serpent-referentie (-3,1 pcm voor profiel 1) vergeleken met uniforme FMDB's (-23,9 pcm).
• Splijtingsbronverdeling:
  • De RMS-afwijking (Root Mean Square) was vergelijkbaar voor beide methoden (~1,8-1,9%), maar de maximale afwijking was lager bij gebruik van Cardinal-profielen (18,5% vs. 22,8% voor profiel 1).
  • Visuele analyse (Figuur 7) toonde aan dat het gebruik van uniforme databases leidde tot systematische fouten: negatieve afwijkingen aan de onderkant van de kern en positieve afwijkingen aan de bovenkant. Dit komt door het verschil in temperatuurprofiel tussen de database en de werkelijke toestand.
  • Het gebruik van Cardinal-gebaseerde databases (Figuur 6) verminderde deze systematische fouten aanzienlijk.

Betekenis en Conclusie

De studie concludeert dat voor complexe reactorconcepten zoals de MSFR, waar interne vloeistofstroming zorgt voor ingewikkelde temperatuurprofielen, het gebruik van uniforme temperaturen voor het genereren van Fission Matrix Databases onvoldoende is.

• Nauwkeurigheid: Het gebruik van FMDB's gegenereerd met hoogwaardige multiphysics-temperatuurprofielen (via Cardinal) leidt tot significante verbeteringen in de nauwkeurigheid van zowel de effectieve vermenigvuldigingsfactor ($k_{eff}$) als de ruimtelijke verdeling van de splijtingsbron.
• Toekomstperspectief: De auteurs bevelen aan om in toekomstige analyses diverse temperatuurprofielen te testen en de discretisatie van het FM-model verder te optimaliseren. De script voor de FM-berekening is gepland voor integratie in het MOOSE-framework.

Kortom, deze research onderstreept de noodzaak van nauwkeurige thermohydraulische koppeling bij het opzetten van snelle neutronische methoden voor vloeibare brandstofreactoren.