haku: @author Biese, Mikael / yhteensä: 2
hakutulos-lista
viite: 1 / 2
« edellinen | seuraava »
Tekijä:Biese, Mikael
Työn nimi:Merkittävien epävarmuuksien tarkastelu Loviisan ydinvoimalaitoksen todennäköisyyspohjaisessa riskitutkimuksessa
Examination of Major Uncertainties in Probabilistic Risk Assessment of Loviisa Nuclear Power Plant
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2014
Sivut:(9) + 102 s. + liitt. 21      Kieli:   fin
Koulu/Laitos/Osasto:Insinööritieteiden korkeakoulu
Oppiaine:Energiatalous ja voimalaitostekniikka   (Ene-59)
Valvoja:Lahdelma, Risto
Ohjaaja:Jänkälä, Kalle
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201411022968
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 Aalto  4848   | Arkisto
Avainsanat:uncertainties
heavy load
lift
drop
sea water
water level
extreme value
PRA
epävarmuudet
nosto
raskas taakka
pudotus
merivesi
pinnankorkeus
ääriarvo
Tiivistelmä (fin):Todennäköisyyspohjainen riskianalyysi (PRA) on merkittävä työkalu ydinvoimalaitoksen turvallisuustutkimuksessa.
PRA:n avulla voidaan arvioida, mitkä laitosmuutokset pienentävät kokonaisriskiä mahdollisimman tehokkaasti.
Optimaalisen päätöksenteon kannalta on tärkeää, että malli kuvaa laitosta mahdollisimman tarkasti, eikä yksittäisiä riskitekijöitä ali- tai yliarvioida.

Tässä diplomityössä pohditaan yleisiä ydinvoimalaitoksen PRA-mallintamiseen liittyviä epävarmuuksia ja tunnistetaan Loviisan riskimalliin liittyviä haasteita.
Raskaiden taakkojen pudotusten vaikutus kokonaisriskiin on merkittävä, mutta toisaalta niiden mallintaminen on perustunut osittain konservatiivisiin oletuksiin.
Korkean meriveden pinnan on puolestaan ennakoitu nousevan merkittäväksi riskitekijäksi ilmastonmuutoksen aiheuttamien kasvavien ääri-ilmiöiden taajuusarvioiden vuoksi.
Tässä työssä raskaiden taakkojen pudotustaajuus ja korkean meriveden pinnan tapahtumataajuudet arvioidaan uudelleen.

Raskaiden taakkojen pudotustaajuus määritetään parametrisellä empiirisellä Bayes -menetelmällä hyödyntämällä nostokokemuksia myös Yhdysvaltojen ydinvoimalaitoksilta.
Tuloksena saadaan pudotustaajuuden todennäköisyysjakauma.
Koska varsinaisia taakan pudotuksia ei ole tapahtunut, hyödynnetään pudotustaajuuden määrityksessä poikkeavia nostotapahtumia painokertoimin.
Painokertoimien vaikutusta saatavaan pudotustaajuuteen tutkitaan Monte Carlo simulaatiolla.
Pudotustaajuus pienenee noin 22,1 %, mikä pienentää pudotuksiin liittyvää riskiä merkittävästi.

Korkean meriveden pinnan taajuusarvioinnissa hyödynnetään suurimman uskottavuuden ja pienimmän neliösumman menetelmää ekstrapoloitaessa taajuusarvioita harvinaisille pinnankorkeuksille.
Havaintoaineistoon sovitetaan niin gumbel-, eksponentti- kuin yleistetty ääriarvojakauma.
Mallinnus suoritetaan sekä teoreettisen keskiveden suhteen että N2000-korkeusjärjestelmässä.
Havain-toaineiston ollessa lyhyt ovat epävarmuudet suuria, mutta korkeiden pinnantaajuuksien arvioidaan olevan suurella todennäköisyydellä moninkertaiset nykyisen mallin arvioihin nähden.
Tarkempien arvioiden tekeminen edellyttäisi laajempaa tarkasteluaikaa, mikä taas vaatisi ajasta riippuvaa mallia ääriarvojen ekstrapolointiin.
Meriveden korkeuden havainnot Suomen rannikolla oli saatavilla ainoastaan vuodesta 1971 eteenpäin.
Tiivistelmä (eng):Probabilistic Risk Assessment (PRA) is an important tool in assessing the safety of a nuclear power plant.
Probabilistic approach allows the selection of plant modifications which efficiently decrease the plant total risk.
Optimal decision making requires that the plant is modelled as accurately as possible.
A single risk factor should not be under- or overestimated.

This thesis presents general uncertainties related to a risk study of a nuclear power plant.
Challenges associated with the PRA model of Loviisa nuclear power plant are identified.
The risk significance of drops of heavy loads is substantial, but on the other hand, the modelling is partially based on conservative assumptions.
Risks associated with high sea water level have been predicted to become a significant risk factor due to the increase in frequencies of extreme values.

The load drop frequency and the frequency of high sea water levels are re-evaluated in this thesis.The load drop frequency is quantified with the parametric robust empirical Bayes-method by utilizing crane operating experience of U.S. nuclear power plants as well.
As a result the probability distribution of the load drop frequency is obtained.
Because proper drops of heavy loads haven't occurred, the load drop frequency was assessed by utilizing abnormal lift events with weight coefficients.
The effect of the weight coefficients to the load drop frequency is investigated with Monte Carlo simulation.
The load drop frequency decreases by roughly 22,1 %, which cuts the risks associated with heavy load drops significantly.

The methods of maximum likelihood estimation and least mean squares are exploited to extrapolate frequency estimations of extreme water levels.
A gumbel, exponential and generalized extreme value distribution are fitted into the observed water levels.
The modelling is performed both with regard to the mean sea water level as well as the N2000-reference level.
As the observation time is relatively short the uncertainties remain in the modelling.
However, it can be with great probability aggregated that the event frequencies of high sea levels increase multifold with respect to the present model estimations.
More accurate evaluation would require a longer observation time, which would then require a time-dependent model in order to extrapolate the extreme values.
The available sea level heights on the Finnish coast covered only the years from 1971 onward.
ED:2014-11-02
INSSI tietueen numero: 49997
+ lisää koriin
« edellinen | seuraava »
INSSI