Estudio de modelos predictivos de la fragilización de aceros de vasija nuclear por irradiación neutrónica mediante modelos Machine Learning

Abstract

RESUMEN: Las necesidades energéticas actuales invitan al abandono de los combustibles fósiles y a la apuesta por las energías renovables. Sin embargo, la falta de eficiencia y regularidad de estos nuevos sistemas les impide competir con los contaminantes carbón y gas natural. Actualmente la única fuente de energía limpia capaz de igualar en capacidad de producción y en regularidad en el tiempo a los combustibles fósiles es la energía nuclear. Por ello, los distintos organismos pelean por alargar la vida de las centrales nucleares, lo cual está condicionado por la integridad estructural de los materiales que la componen.

En concreto el elemento de seguridad más importante en una central nuclear es su vasija, constituida de acero, que fruto de la radiación neutrónica a la que se ve sometida en el tiempo sufre una pérdida de sus características mecánicas. Dicha pérdida de propiedades debe ser predicha y medida, para de ese modo poder elaborar el plan estratégico de la central.

En este trabajo se estudian tres métodos de predicción de fragilización: ASTM E-900 02, RG.1.99 (2) y el llamado método Japonés; los cuales dependen de cuatro variables: Cantidad de cobre y níquel que posee el acero de la vasija, y temperatura y flujo neutrónico de operación a la que se ve sometida la vasija. A partir de datos reales recopilados de distintos organismos de energía nuclear se realiza una simulación de Montecarlo en la cual se crean 5000 centrales nucleares ficticias, a las cuales se les aplica los métodos de predicción citados. Una vez conocida la fragilización prevista según los diversos modelos, se procede a comparar los resultados para comprobar cómo influyen las cuatro variables en los tres modelos de análisis empíricos.

Para ello se emplean técnicas de Machine Learning, las cuales se basan en algoritmos de predicción que tratan de imitar a los modelos empíricos antes mencionados. La ventaja del uso de estos algoritmos radica en que una vez se tiene un método de predicción suficientemente similar al que estamos comparando, podemos hacer un análisis de las relaciones que tienen las distintas variables entre sí y cómo afectan a los resultados. Dicho análisis es mucho más potente y completo que el análisis estadístico clásico.

Finalmente una vez se han establecido las distintas relaciones entre los parámetros, se concluye explicando cómo afectan esas variables a los tres modelos predictivos, en qué tipo de central nuclear tienen más peso y en qué zona de la vasija influyen más.

ABSTRACT: The current energy needs invite the abandonment of fossil fuels and the development to renewable energy. However, the lack of efficiency and regularity of these new systems prevents them from competing with coal and natural gas. Currently, the only source of clean energy capable of competing with fossil fuels with enough production and regularity over time is nuclear energy. For this reason, different nuclear organisms fight to extend the life of nuclear power plants, which is conditioned by the structural integrity of the materials that compose it. In particular, the most important safety element in a nuclear power plant is its vessel, made of steel, which, as a result of the neutron radiation to which it is subjected over time, suffers a loss of its mechanical characteristics. This loss of properties must be predicted and measured, in order to prepare the strategic plan of the plant.

In this project, three methods of embrittlement prediction are studied: ASTM E-900 02, RG.1.99 (2) and the so-called Japanese method. They depend on four variables: Amount of copper and nickel thatt he steel of the vessel has, and temperature and neutron flow of operation to which the vessel is subjected. Based on real data collected from different nuclear energy agencies, a Monte Carlo simulation is carried out in which 5000 fictitious nuclear power plants are created, to which the prediction methods are applied. Once the predicted embrittlement according to the different models is known, the results are compared to check how the four variables influence the three models of empirical analysis.

For this, Machine Learning techniques are used, which are based on prediction algorithms that try to imitate the empirical models. The advantage of using these algorithms is that once you have a prediction method sufficiently similar to the one we are comparing, we can make an analysis of the relationships between the different variables and how they affect the results. This analysis is much more powerful and complete than classical statistical analysis.

Finally, once the different relationships between the parameters have been established, the project is concluded by explaining how these variables affect the three predictive models, in which type of nuclear power plant they have more weight and in which area of the vessel they influence more.