Pour vous authentifier, privilégiez eduGAIN / To authenticate, prefer eduGAIN
Habilitations à diriger des recherches (HDR)

Xavier Doligez "Modélisation des systèmes nucléaires électrogènes pour l'étude des scénarios de prospectives"

Europe/Paris
IJCLab

IJCLab

Description

Lien de connexion / Link :
https://ijclab.zoom.us/j/98523116517?pwd=bHN5Tml3UjN6aGFzUHp0Z0llL1BCQT09

Merci de laisser fermés camera et micro de votre ordinateur pendant la soutenance.
Please keep your camera and microphone switched off throughout the defense. 

Modélisation des systèmes nucléaires électrogènes pour l'étude des scénarios de prospectives

Résumé :

L'évolution de la place du nucléaire au sein des systèmes de production électrique français, européen et mondial  justifie un exercice de prospective basé sur de solides simulations de scénarios pour le futur de l'énergie nucléaire. Le code CLASS, code de cycle performant capable de simuler le recyclage des combustibles usés, a été développé au CNRS/IN2P3 depuis 2012.

Une réflexion autour des modélisations de réacteurs, intégrées dans les codes de cycle et plus particulièrement dans CLASS est proposée. Les biais induits par la simulation de l’évolution du combustible sont quantifiés et les erreurs résultantes sont comparées aux incertitudes induites par les données nucléaires. Il apparaît que l'échelle du coeur doit être prise en compte dans les calculs d'évolution, autant pour les réacteurs thermiques que pour les rapides.

Les études de physique du cycle sont alors axées sur la question du statut du plutonium lié à l'incertitude forte sur l'évolution du nucléaire au niveau mondial. Les scénarios proposés par la filière nucléaire française sont analysés. Un regard nouveau est porté sur le statut des paramètres de calculs qui pouvaient être traités historiquement comme des hypothèses mais qui sont maintenant vus comme des résultats.

Le programme de recherche proposé pour la poursuite des réflexions est multi-échelle et interdisciplinaire. A l'échelle du réacteur, la question de la modélisation des interfaces, axiale et radiale, mérite des efforts. La modélisation de la fabrication des combustibles innovants demande d'investir la problématique des plans de chargement et nous imaginons qu'un recours aux méthodes issues du Machine Learning pourrait être utile pour envisager des optimisations multi-critères et multi-physiques sous contraintes. A l'échelle des scénarios, la problématique du plutonium, dans un contexte d'incertitudes profondes où le système à modéliser n'est même pas connu, justifie de nouvelles analyses pour explorer les questions de résilience des parcs et de robustesses des stratégies mises en œuvre.

Modeling of nuclear power systems for the study nuclear fuel cycle scenarios

Abstract

Nuclear power evolution in the French, European and global electric mix justifies a foresight exercise based on solid scenario simulations for the future of nuclear power. The CLASS package, a powerful fuel cycle code capable of simulating the recycling of spent fuel, has been developed at CNRS/IN2P3 since 2012.

A reflection around reactor modeling, integrated in fuel cycle simulators and more particularly in CLASS is proposed. The biases induced by the simulation of the fuel evolution are quantified and the resulting errors are compared to the uncertainties induced by nuclear data. It appears that the core scale have to be taken into account in depletion calculations, as much for thermal reactors as for fast ones.

Fuel cycle studies are then focused on the plutonium status issue, linked to the strong uncertainty on the evolution of nuclear power worldwide. The scenarios proposed by the French nuclear industry are analyzed. A new look is taken at the status of the calculation parameters which could be treated historically as hypotheses but which are now seen as results.

The research program proposed is multi-scale and interdisciplinary. At the reactor scale, the question of modeling the core interfaces, axial and radial, deserves new efforts. The modeling of the manufacture of innovative fuels requires an investment in the problem of loading plans and methods from Machine Learning could be useful to consider multi-criteria and multi-physics optimizations under constraints. At the scenario level, the plutonium issue, in a context of deep uncertainties where the system to be modeled is not even known, justifies new analyses to explore the issues of fleet resilience and the robustness of the strategies implemented.  

Organized by

Membres du jury :
- Billebaud Annick, Directrice de Recherche, Univ. Grenoble Alpes, CNRS, Grenoble INP*, LPSC-IN2P3
- Martin Guillaume, Docteur, CEA/DES/DER/SPRC/LECy
- Forget Benoit, Professor, Massachusetts Institute of Technology
- Fadi Ibrahim, Directeur de Recherche, Université Paris-Saclay, CNRS/IN2P3, IJCLab
- Dumonteil Eric, Professeur INST, CEA/DRF/IRFU/DPhN
- Malvagi Fausto, Docteur, IRSN/PSN-EXP/SNC/LN