Prise en compte des calculs de cœur via l'utilisation de DONJON5 pour le code de scénario nucléaire CLASS et évaluation de l'impact sur les inventaires isotopiques

Les codes de scénarios nucléaires sont destinés à donner une visibilité sur les inventaires radiotoxiques, la consommation de ressources et la quantité de matière disponible pour le recyclage en fonction des options technologiques, du nombre de réacteurs opérationnels et de leurs conditions d'opération. Ces codes nécessitent de modéliser les éléments du cycle et leurs interactions, de l'unité fabrication du combustible à celle de retraitement en passant par les réacteurs. La simulation de la physique d'un réacteur nucléaire nécessite de résoudre l'équation du transport des neutrons, opération complexe et extrêmement coûteuse, qui n'est en général pas effectué à l'échelle coeur et, a fortiori, pas plus dans les codes de scénarios où plusieurs centaines de cycles sont simulés. Néanmoins, c'est à cette échelle que les phénomènes de fuites neutroniques et d'hétérogénéités prennent toute leur importance. L'objet de ce travail est de quantifier l'impact des calculs de coeurs à l'échelle du scénario. Une étude comparative est menée sur le code de scénario CLASS. D'une part, des simulations sont réalisées en utilisant des réseaux de neurones qui, à partir de calculs de réseaux infinis, permettent de s'extraire de l'échelle coeur tout en permettant de traiter des combustibles à priori inconnus. D'autre part, sont établis des modèles de réacteurs pour le code de scénario, qui font explicitement appel à des calculs de coeurs en 3D dans l'approximation de la diffusion avec le code DONJON5. Ces derniers nécessitent la création préalable d'un objet dans lequel est stocké l'ensemble des données nucléaires issues d'un calcul de réseau DRAGON5. L'établissement des schémas de calculs de réseau et de coeur a nécessité des simplifications et des optimisations poussées afin d'assurer la création d'une base de données contenant les résultats de milliers de calculs assemblage et des calculs de coeurs suffisamment rapides pour assurer des temps de calcul des scénarios raisonnables. Le défi principal de ce projet a été d'inclure les combustibles MOx. En effet, afin de prendre correctement en compte la physique de ce type de combustible, le calcul en diffusion requiert l'interpolation des différents paramètres sur une grille à huit dimensions (burnup, enrichissement, concentration de bore, abondance isotopique en plutonium 238, 240, 241, 242 et américium 241) au lieu de trois pour le combustible UOx (burnup, enrichissement, proportion de poison soluble), ce qui s'avère être extrêmement coûteux. Les résultats sur des scénarios de référence élémentaires et complexes sont comparés afin d'identifier et quantifier les sources d'erreur de la modélisation par les réseaux de neurones comparativement à des calculs de coeurs.

Abstract

Scenario codes are designed to provide a long-term vision about the production of radio toxic inventories, requirements of resources, and estimation of available resources for reprocessing. These codes require the modeling of each nuclear fuel cycle element as well as their interactions. They include the models of both the fuel fabrication plants and the reactors. The modeling of nuclear reactors entails solving the neutron transport equation which is very costly and is typically not done at the scale of a reactor. Implementing full-core transport computations in scenarios is impractical since nuclear scenarios involve hundreds of irradiation cycles. Additionally, in-core heterogeneous effects such as bundle burnup discrepancies or neutron leakage become significant at this scale. This project assesses the impact of full-core calculations in nuclear scenario simulations with CLASS. In this dynamic scenario code, neural networks based on infinite assembly calculations are generally used to avoid full-core calculations while dealing with a priori unknown fuel composition. This project creates new reactor models calling explicit 3D diffusion full-core computations with DONJON5. These models require infinite assembly databases previously computed with DRAGON5. Some simplifications and optimizations are necessary before processing hundreds of infinite assembly databases as well as for quick and accurate full-core calculations. The main challenge is to include unknown MOx fuels considering the needed interpolation of every nuclear property in an eight dimensional grid (burnup, enrichment, poison boron concentration, the mass proportion of plutonium 238, 240, 241, 242 and americium 241). On the other hand, UOx fuels require only a three-dimensional grid (burnup, enrichment, boron concentration) which is considerably less challenging in terms of computing time. This project compares the scenario simulation results on both elementary and complex situation with different fuel management options to identify and quantify main sources of error in the neural network approach. Ultimately, the thesis makes several suggestions to improve inventories prediction in CLASS while keeping a relatively low computing time.