Bakgrund
SSM bedömer i tillsynen avancerade datorberäkningar relaterade till drift av kärnkraftverk, utförda av extern part. Inom kärnkraft kan experimentella undersökningar vara olämpliga. Beräkningar blir därför ofta det enda alternativet att undersöka möjliga konsekvenser av planerade förändringar. Beräkningsmodeller innehåller emellertid normalt ett flertal mer eller mindre grova approximationer och antaganden, vilka orsakar beräkningsfel. Möjliga beräkningsfel kan tas i beaktande med generella antaganden om beräkningsmodellens osäkerheter. Metoder för osäkerhetskvantifiering överför dessa osäkerheter till uppskattade osäkerheter i de beräknade resultaten. För mätningar kallas motsvarande mätosäkerhet, omfattande mätinstrumentfel men även experimentella begränsningar. Överensstämmelse betyder att osäkerhetsintervallen för beräkningen och mätresultatet överlappar. En svaghet med osäkerhetskvantifiering är att den baseras på antaganden om modellens parametrar. Dessa kan dock bestämmas indirekt genom att modellen ochdess osäkerhet justeras för bästa överensstämmelse med mätresultat, för ett kalibreringsexperiment. Den erhållna optimerade beräkningsmodellen antas sedan ge bästa möjliga förutsägelser. Projektet föreslår två nya metoder för modellkalibrering. Båda bygger på iterativ kalibrering med deterministiska ensembler. Medan metod 1 baseras på etablerad s.k. maximum likelihood-teknik föreslår metod 2 ett helt nytt koncept som också baseras på en annan tolkning av rapporterad osäkerhet. Metod 1 kräver fullständig information för kalibreringsdata, medan metod 2 använder tillgänglig information. Tveksamma antaganden som krävs för metod 1 kan ofta helt undvikas med metod 2. Modellosäkerheten blir betydligt högre för metod 2 än för metod 1, som i regel blir alldeles för låg. De två kalibreringsmetoderna utvecklades för ett antal enkla testmodeller. Kaliberingsmetoderna testades sedan för en realistisk CFD- (computational fluid dynamics) modell, för att bestämma den strömningshastighet som tidigare definierats av ett jämförelse- eller s.k. benchmarkprojekt föreslaget av OECD. Kalibreringsdata framtogs för detta s.k. GEMIX (GEneric MIXing) experiment vid Paul Scherrer Institute i Schweiz.
Syfte
Tidigare har SSM använt deterministisk sampling för osäkerhetskvantifiering. SSMs övergripande mål är att få ett exempel på hur deterministisk sampling kan användas i en metod för modellkalibrering. Syftet är också att konkret påvisa nyttan med kalibrering för en given beräkningsmodell och ett specifikt kalibreringsexperiment, från ett större OECD jämförelseprojekt med SSMs deltagande.
Resultat
Den principiella skillnaden mellan metoderna är om modellen antas vara sann (metod 1) eller om kalibreringsdata får avgöra i vilken utsträckning den är korrekt (metod 2). Modellens osäkerhet beskrivs följaktligen på olika sätt, som “osäkerhet för bästa skattning” (metod 1) eller “bästa representation av osäkerhet för kalibreringsdata”. Kalibreringen av CFD-modellen gav marginella förbättringar av det förväntade resultatet. Däremot korrigerades osäkerheten desto mer. Modellen klarade validering efter kalibrering med metod 2, men blev underkänd med metod 1. Optimeringen av beräkningsmodellen begränsades alltså huvudsakligen till dess osäkerhet.