Analysis of the most critical configuration in nuclear fuel storage using an optimization algorithm

Abstract

Criticaliteitsongevallen kunnen ontstaan wanneer splijtbaar materiaal, zoals uranium, zodanig verdeeld is dat een zichzelf versterkende kettingreactie mogelijk wordt. Deze scriptie onderzoekt hoe de ruimtelijke verdeling van in water opgeloste uranium invloed heeft op het risico op kriticiteit. Een cilindrisch vat, typisch voor nucleaire opslag, werd gemodelleerd. Duizenden configuraties werden geëvalueerd met behulp van de Serpent Monte Carlo-code. Een genetisch algoritme (GA) werd gebruikt om kritische verdelingen te optimaliseren, ondersteund door een Bayesian optimizer die veelbelovende configuraties voorspelt. De simulaties werden uitgevoerd met 1430 cellen, een populatie van 100 individuen en een rekentijd van vijf dagen op een supercomputer. In meerdere gevallen vond het GA kritischer verdelingen dan de oorspronkelijke beginsituaties. Sommige runs bereikten echter geen kriticiteit, wat wijst op een afweging tussen snelheid en nauwkeurigheid. Geometrie en massa bleken bepalend voor de verdelingspatronen. Beperkingen waren onder andere de beperkte populatiegrootte, hoge rekenlast en technische beperkingen bij supercomputing. Deze studie toont het potentieel van GA’s in criticaliteitsanalyses en beveelt verbeteringen aan zoals adaptieve Serpent-instellingen, progressieve segmentatie en slimme initialisatie.