核工程仿真软件：OpenMC二次开发_（11）.不确定度分析与灵敏度研究.docx

PAGE1

PAGE1

不确定度分析与灵敏度研究

在核工程仿真中，不确定度分析和灵敏度研究是评估模型预测可靠性的重要手段。不确定度分析旨在量化模型输入参数的不确定性对输出结果的影响，而灵敏度研究则旨在确定哪些输入参数对输出结果的影响最大。这两项研究对于提高仿真模型的准确性和可靠性具有重要意义。

不确定度分析的基本概念

不确定度分析是通过统计方法评估模型输入参数的不确定性对输出结果的影响。这些输入参数可能包括材料属性、几何参数、反应堆运行参数等。不确定度分析通常涉及以下步骤：

定义输入参数的不确定性：确定输入参数的分布类型及其参数。常见的分布类型包括正态分布、均匀分布、对数正态分布等。

生成随机样本：使用蒙特卡洛方法或其他随机采样技术生成输入参数的随机样本。

运行仿真：使用生成的随机样本进行多次仿真运行，记录每个样本的输出结果。

分析结果：通过统计方法分析输出结果的分布，计算输出结果的均值、标准差、置信区间等。

例子：不确定度分析

假设我们有一个简单的核反应堆模型，需要评估燃料富集度和冷却剂温度对反应堆输出功率的不确定性影响。我们使用OpenMC进行仿真，并假设燃料富集度和冷却剂温度的不确定性分别为正态分布和均匀分布。

1.定义输入参数的不确定性

importnumpyasnp

#燃料富集度的正态分布

fuel_enrichment_mean=4.5#平均值

fuel_enrichment_std=0.1#标准差

fuel_enrichment_dist=np.random.normal(fuel_enrichment_mean,fuel_enrichment_std,1000)

#冷却剂温度的均匀分布

coolant_temp_min=500#最小值

coolant_temp_max=600#最大值

coolant_temp_dist=np.random.uniform(coolant_temp_min,coolant_temp_max,1000)

2.生成随机样本

上述代码已经生成了1000个燃料富集度和冷却剂温度的随机样本。

3.运行仿真

我们将使用OpenMC对每个样本进行仿真，并记录输出功率。

importopenmc

#定义一个函数来运行仿真并返回输出功率

defrun_simulation(fuel_enrichment,coolant_temp):

#创建材料

fuel=openmc.Material(material_id=1,name=Fuel)

fuel.add_nuclide(U235,fuel_enrichment*0.01)#燃料富集度转换为百分比

fuel.add_nuclide(U238,1-fuel_enrichment*0.01)

fuel.set_density(g/cm3,10.0)

coolant=openmc.Material(material_id=2,name=Coolant)

coolant.add_element(H,2)

coolant.add_element(O,1)

coolant.set_density(g/cm3,1.0)

coolant.temperature=coolant_temp

#创建几何

sphere=openmc.Sphere(r=10.0)

cell=openmc.Cell()

cell.fill=fuel

cell.region=-sphere

universe=openmc.Universe(cells=[cell])

geometry=openmc.Geometry(universe)

#创建设置文件

settings=openmc.Settings()

settings.batches=100

settings.inactive=10

settings.particles=1000

#创建源

source=openmc.Source()

source.space=openmc.stats.Point((0,0,0))

source.angle=openmc.stats.Isotropic()

source.energy