Fast burnup calculation method based on neutron spectrum reconstruction with proper orthogonal decomposition and regression model

固有直交分解と回帰モデルを用いた中性子スペクトル再構成に基づく高速な燃焼計算手法

渡邉 友章  ; 相澤 直人*; 千葉 豪*; 多田 健一   ; 山本 章夫*

Watanabe, Tomoaki; Aizawa, Naoto*; Chiba, Go*; Tada, Kenichi; Yamamoto, Akio*

現在、核燃料の核種組成を計算する燃焼計算では、燃焼ステップ毎に中性子輸送計算を行い中性子スペクトルの変化を考慮する手法が主流となっている。この手法は高精度である一方、中性子輸送計算の大きな計算コストが問題となる場合がある。そのため、固有直交分解(POD)と回帰モデルを用いた中性子スペクトル再構成に基づく高速な燃焼計算手法について検討した。本手法では、様々な入力パラメータに対する詳細燃焼計算により得られた多数の中性子束に対してPODによる次元削減を行い、低次元化した中性子束とパラメータを関係づける回帰モデルを構築する。この回帰モデルに計算対象である任意の入力パラメータを与えて中性子束を再構成し、燃焼計算を行う。本手法により、中性子輸送計算を行うことなく、入力条件に基づく中性子スペクトルの変化を考慮した燃焼計算を行うことができる。本手法をPWRのUO燃料ピンセルモデルに適用した結果、詳細計算と比較して核種インベントリを数パーセント以内の差異で計算できることが分かった。また、検証の結果この計算誤差は回帰モデルの影響が支配的であったことから、回帰モデルの改善により精度が改善する見通しが得られた。

Currently, a major burnup calculation method for the nuclide composition of nuclear fuel conducts neutron transport calculations at each burnup step to account for changes in the neutron spectrum. While this method is highly accurate, the large computational cost of neutron transport calculations can be problematic. Therefore, a fast burnup calculation method based on neutron spectrum reconstruction with the proper orthogonal decomposition (POD) and regression model is investigated. In this method, dimensionality reduction by POD is applied to many neutron fluxes obtained from detailed burnup calculations for various input parameter sets, and regression models are constructed to connect the dimensionality-reduced neutron fluxes and parameters. By substituting arbitrary input parameters to the regression models, the neutron flux is reconstructed and the burnup calculation is performed. This method performs burnup calculations that consider changes in the neutron spectrum based on input conditions without neutron transport calculations. The present method was applied to a PWR UO fuel pin cell model. The results show the nuclide inventory can be calculated with a prediction accuracy within a few percent. In addition, it is found that the calculation error is dominated by the regression models, which implies the further improvement of the regression models leads to improving the accuracy.