haku: @instructor Holmberg, Jan / yhteensä: 7
hakutulos-lista
viite: 3 / 7
« edellinen | seuraava »
Tekijä:Suopajärvi, Atso
Työn nimi:Modeling of Phenomenological Uncertainties in Level 2 Probabilistic Safety Assessment of a Nuclear Power Plant
Ilmiöepävarmuuksien mallintaminen ydinvoimalaitoksen tason 2 todennäköisyyspohjaisessa turvallisuusselvityksessä
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2008
Sivut:77      Kieli:   eng
Koulu/Laitos/Osasto:Matematiikan ja systeemianalyysin laitos
Oppiaine:Sovellettu matematiikka   (Mat-2)
Valvoja:Salo, Ahti
Ohjaaja:Holmberg, Jan-Erik
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark TF80     | Arkisto
Avainsanat:level 2 PSA
Loviisa
phenomenological uncertainties
hydrogen burns
focusing effect
depressurization
in-vessel retention
severe accident management
SPSA
modeling
tason 2 PSA
Loviisa
ilmiöepävarmuus
vetypalot
lämpövuon keskittyminen
paineenalennus
sydänsulan pidättäminen paineastian sisällä
vakavien onnettomuuksien hallinta
SPSA
mallintaminen
Tiivistelmä (fin): Tämän diplomityön tarkoitus on tehdä selvitys siitä, kuinka ilmiöepävarmuuksia mallinnetaan tason 2 todennäköisyyspohjaisessa turvallisuusselvityksessä (PSA, probabilistic safety assessment).
Menetelmiä sovelletaan erääseen onnettomuustapaukseen Loviisan ydinvoimalaitoksella.
Tutkittu onnettomuus on pieni vuoto primääripiiristä, minkä lisäksi reaktorisydämen hätäjäähdytys on menetetty.
Tärkeimmät ilmiöt Loviisan ydinvoimalaitoksen vakavien onnettomuuksien hallinnan kannalta ovat vetypalot, primääripiirin paineenalennus ja sydänsulan pidättäminen paineastian sisällä.
Tässä työssä käsitellään erityisesti näitä ilmiöitä.
Loviisan laitoksen tapahtumapuuta muokataan dynaamisella mallinnusvälineellä, SPSA:lla.
SPSA -mallinnustapaa vertaillaan perinteiseen tapahtumapuu-vikapuu -mallinnukseen.
Vakavien onnettomuuksien hallinta Loviisassa perustuu sydänsulan pidättämiseen paineastian sisällä.
Tätä varten tehtävät turvallisuustoimenpiteet ovat primääripiirin paineenalennus, jäälauhdutinovien avaaminen ja neutronikilpien alaslasku.
Tässä työssä tutkitaan näiden toimenpiteiden viivästymisen vaikutusta.
Lisäksi tutkitaan paineenalennusventtiilien vajaatoiminnan vaikutusta.
Epävarmuudet malleissa ja niiden parametreissa esitetään todennäköisyyksinä ja todennäköisyysjakaumina.
Todennäköisyyksien määrittämisen tukena käytetään tietokonesimulaatioita, asiantuntijalausuntoja ja muita aiheesta tehtyjä tutkimuksia.
Työssä selvisi, että turvallisuustoimenpiteiden viivästymisellä on merkitystä useisiin ilmiöihin.
Työssä kehitetään ilmiöille todennäköisyysmalleja, jotka huomioivat mahdollisen viiveen.
Viiveestä generoidaan Monte Carlo - otos, jolloin tulokset (tapahtumapuun ketjujen frekvenssit) saadaan esitettyä jakaumina.
Tällainen dynaaminen mallintaminen mahdollistaa tarkemman epävarmuuksien mallintamisen verrattuna piste-estimaatteihin.
Tiivistelmä (eng): This Thesis surveys how phenomenological uncertainties are modeled in level 2 probabilistic safety assessment (PSA).
The methods are then applied to a study case of Loviisa nuclear power plant.
The accident scenario is a small loss-of-coolant accident where in addition the emergency core cooling is lost.

The most important phenomena in severe accidents in Loviisa are hydrogen burns, in-vessel retention, and depressurization of primary circuit.
A dynamic PSA modeling tool, SPSA, is used to modify Loviisa containment event tree.
The dynamic modeling approach is compared to conventional event tree - fault tree modeling.

Severe accident management in Loviisa is based on in-vessel retention.
It can be achieved by ice condenser door opening, depressurization of primary circuit, and neutron shield lowering.
The impact of delay in these actions is studied.
Also the influence of short depressurization valve capacity is examined.

Modeling and parameter uncertainties are expressed as probabilities or probability distributions.
The means of probability quantification in this Thesis are computer simulations, expert judgments, and other studies.

The results show that delay in taking the safety actions has impact in several phenomena.
Probabilistic models are constructed that take the delay into account.
The delay is sampled, and the results are presented as distributions in order to quantify the uncertainty of the results.
The dynamic approach enables more detailed modeling.
Uncertainty analysis is simpler to perform than with the conventional point estimate approach.
ED:2009-02-17
INSSI tietueen numero: 36755
+ lisää koriin
« edellinen | seuraava »
INSSI