Statistical learning and inverse uncertainty quantification in nuclear thermal-hydraulic simulation: application to the condensation modelling at the safety injection

Composition du Jury

• Tomasz Kozlowski, Associate Professor, University of Illinois, Rapporteur
• Nicola Pedroni, Associate Professor, Polytechnic of Turin, Rapporteur
• Pierre Barbillon, Professeur, AgroParisTech, Examinateur
• Jordi Freixa, Fellow Professor, Technical University of Catalonia, Examinateur
• Jean-Luc Vacher, Ingénieur en thermohydraulique, EDF, Examinateur
• Enrico Zio, Full Professor, Mines ParisTech et Polytechnic of Milan, Examinateur
• Didier Lucor, Directeur de these, LISN – CNRS

Résumé

Dans le contexte industriel actuel, un effort considérable est consacré à la Vérification et à la Validation (V&V) des outils de calcul scientifiques et des modélisations physiques sous-jacentes. Plus précisément, concernant les simulations thermiques et thermohydrauliques, la méthodologie Best Estimate Plus Uncertainty (BEPU) est de plus en plus utilisée. Cette méthodologie a pour objectif, d’une part de simuler aussi fidèlement que possible les phénomènes physiques d’intérêt, et d’autre part de quantifier l’incertitude de prédiction associée. Pour ce faire, des tests expérimentaux à effets séparés (SET – Separate Effect TestDéfinition courte Lorem ipsum) sont utilisés pour la validation car ils permettent d’évaluer aussi individuellement que possible l’impact des modèles physiques sur les quantités d’intérêt (température, pression, etc). Cependant dans certains cas, seuls des tests à effets combinés (CET – Coupled Effect TestDéfinition courte Lorem ipsum) sont disponibles. L’effet du modèle que l’on veut valider est alors en interaction avec au moins un autre modèle, qui lui aussi est incertain et doit être validé. Pour traiter ces cas où le risque de compensation d’erreur est accru, aucune méthodologie n’a à ce stade été formalisée. L’objectif de cette thèse est de développer/établir une nouvelle démarche de validation en présence de CET et d’élaborer des méthodes statistiques avancées pour la quantification des incertitudes associées. Enfin, la faisabilité d’extrapoler hors de leur domaine de validation les modèles utilisées sera testée (évaluation des effets d’échelle). Pour développer ces nouvelles méthodes, nous proposons d’étudier un cas pratique : la validation et la quantification des incertitudes des modèles physiques utilisées pour la prédiction de la température de paroi de la cuve d’un réacteur nucléaire au cours des transitoires accidentels de type APRP (Accident de Perte de Réfrigérant Primaire). Cet accident déclenche une injection de sécurité à basse température pouvant être à l’origine d’un choc thermique pressurisé (« Choc froid » ou « Pressurized Thermal Shock – PTS ») risquant d’endommager la cuve du réacteur. Les modèles parmi les plus influents pour ce type de transitoire concernent la condensation de la vapeur lors de l’injection d’eau froide.