Méthode d'optimisation multiobjectif de la conduite d'un réacteur nucléaire : application à un RNR-Na fonctionnant avec un cycle de Brayton

Résumé

La définition de la conduite d’un réacteur nucléaire permet à ce dernier d’atteindre des objectifs de performance thermodynamique et de répondre à des exigences de sûreté. La méthode développée, lors de ces travaux, définit la conduite par la résolution d’un problème d’optimisation multiobjectif et contraint. Les variables de décision retenues sont les actionneurs et les paramètres descriptifs des régulations intervenant au cours de la conduite. Le nombre de variables de décision étant potentiellement élevé, la résolution d'un problème d'optimisation requiert un grand nombre de calculs. Or, la conduite d’un réacteur est modélisée par l’Outil de Calcul Scientifique (OCS) de thermohydraulique système CATHARE2, caractérisé par de longues durées d’exécution, qui rendent impossible la résolution du problème d’optimisation. Pour résoudre ce problème, la méthode développée réduit la dimension de l’espace de recherche et construit des modèles de substitution (métamodèles) à l’OCS CATHARE2 pour reproduire les objectifs et les contraintes en fonction des variables de décision. Ces métamodèles utilisent la structure de processus gaussiens conditionnés sur une base d’apprentissage de la variable à reproduire. Un couplage de ces modèles de substitution à un algorithme génétique permet de définir un ensemble de conduites réparties de manière homogène dans les zones optimales de l’espace des solutions. Les faibles erreurs de prédiction des métamodèles permettent alors d’approcher efficacement le front de Pareto. La méthode est utilisée pour optimiser la conduite du réacteur ASTRID au cours des transitoires de manque de tension externe et de réglage de fréquence

mots clés

Titre traduit

Multiobjective optimization method dedicated to nuclear power plant operation : application to a sodium-cooled fast neutron reactor using a Brayton cycle
Résumé

Defining the reactor operation allows the nuclear power plant to achieve objectives in terms of thermodynamic performance and to meet safety requirements. This work develops a method to define the reactor operation as the solution to a multiobjective optimization and constrained problem. The decision variables selected to solve this kind of problems are the actuators and the descriptive parameters related to regulations implemented in the reactor operation. The decision variables number is potentially high and induced a high number of simulations to solve the multiobjective problem. The reactor operation is modeled using the CATHARE2 code and is characterized by a long computation runtime, which makes the multiobjective problem resolve impossible. To overstep this problem, the developed method reduces the dimension size of the research space and builds surrogate models (metamodels) to replace CATHARE2 code simulations in order to mimic objectives and constraints depending on the decision variables. These metamodels use the conditioned Gaussian processes structure on a learning base of the variable to mimic. A coupling of these substitution models to a genetic algorithm enables the definition of a set of reactor optimal operations homogeneously spread in the solutions space. The low prediction errors of the metamodels provide an accurate estimate of the Pareto Front. The method is used to optimize the ASTRID operation for the loss of off-site power and the frequency setting transients