Estimation de l'état mécanique d'enceintes de confinement par assimilation de données provenant de la maquette Vercors

par Eki Agouzal

Projet de thèse en Mathématiques appliquées et calcul scientifique

Sous la direction de Michel Bergmann.

Thèses en préparation à Bordeaux , dans le cadre de École doctorale de mathématiques et informatique (Talence, Gironde) , en partenariat avec Institut de mathématiques de Bordeaux (laboratoire) et de Calcul Scientifique et Modélisation (equipe de recherche) depuis le 04-06-2021 .


  • Résumé

    EDF s'occupe de l'entretien des centrales nucléaires du parc nucléaire français. Au sein de ces centrales, les enceintes de confinement en béton armé constitue la troisième barrière de confinement séparant les radioéléments de l'extérieur. EDF soit être en mesure de justifier des taux de fuite acceptables auprès de l'autorité de sûreté nucléaire pour un certain nombre de scénarios d'exploitation hypothétiques et pour toute la durée de fonctionnement. La prédiction de l'évolution de ces taux de fuite, et la quantification des incertitudes associée constitue donc un enjeu majeur. Pour ce faire, EDF dispose d'une maquette fortement instrumentée, appelée Vercors, et qui est un modèle à l'échelle 1/3 d'une enceinte de confinement. De plus, les chercheurs ont construit un modèle THMF (Thermo-Hydrau-Mécanique et Fuite) nourri de données expérimentales. Dans le passé, la R&D a déjà mené des projets de quantifications d'incertitudes pour ce modèle en utilisant diverses méthodes (actualisation bayésienne fiabiliste, continue, ou encore assimilation de données). Ces projets ont été principalement menés sur des modèles de section courante d'enceinte ou d'éprouvette de quelques éléments finis. Les objectifs de cette thèse sont dans un premier temps, d'étendre le domaine d'applicabilité de la propagation d'incertitude à des modèles d'enceintes plus réalistes (plus coûteux), puis, dans un second temps de reconstruire des champs complets aléatoires directement, sans passer par une distribution de probabilités des paramètres d'entrée, afin de ne pas avoir à traiter le modèle complet dans la propagation d'incertitudes. Premièrement, une méthode de réduction de modèles sera adaptée pour diminuer le coût de calcul, en modifiant la version séquentielle de l'algorithme pré-existant, dans le but de disposer d'un algorithme parallèle efficace (méthode snapshot-POD/quadrature empirique). Dans un second temps, l'utilisation conjointe de méthodes d'assimilation de données et de réduction de modèles sera appliquées pour disposer d'une estimateur d'état hybride modèle/données. Finalement, nous aimerions avoir plus de finesse dans la distribution des champs aléatoires étudiés sur des enceintes moins instrumentée que Vercors. Nous tenterons alors d'utiliser le transfer learning à partir de la maquette et du modèle construit (méthodes bayésiennes/réseaux neuronaux). En pratique, nous aurons trois étapes : (i) application de la réduction de modèles en parallèle, (ii) application de techniques d'assimilation de données à la pointe de l'état de l'art sur la maquette seule, (iii) transfert aux enceintes des estimateurs d'états générés.

  • Titre traduit

    Mechanical Assessment of containment buildings using data assimilation from the Vercors mock-up


  • Résumé

    EDF is in charge of the operation and maintenance of the French nuclear power plants. Within these plants, the reinforced concrete containment structures are te third containment barrier seperating the radioelements from the outside world. EDF must be able to justify acceptable leakage rates to the nuclear safety regulator for a certain number of hypothetical operating scenarios and for the entire operating life of the containment building. The prediction of the evolution of leakage rates, and te quantification of uncertainties, is therfore a key issue. To this end, EDF has a highly instrumented model, called Vercors, which is a 1/3 scale model of a containment facility. In addition to this, R&D researchers have built a numerical THML (thermo-hydro-mechanical and leakage) model, backed up by experimental data. In the past, R&D has already carried out uncertainty quantifiation projects for this model using various approaches (Bayesian update methods, or data assimilation methods). These projects were mainly carried outon models of the standard section of a containment building or a test piece of a few finite elements. The purposes of this PhD are, first of all, to extend the applicability of uncertainty propagation to more realistic (and expensive) containment building models, and then to reconstruct complete rando fields directly, without going through a probability distribution of the input parameters, in order to avoid having to deal with the complete model in the uncertainty propagation. The first step will be to adapt a model reduction method to reduce the computational cost, by modifying the existing sequential version of the algorithm, in order to have an efficient parallel algorithm (snapshot POD/ empirical quadrature method). In a second step, the joint use of data assimilation and model reduction will be applied to have a hybrid model/data state estimator. Finally, we would like to have more accuracy in the distribution of the random fields studied on containment structures less intrumented than the Vercors mock-up. We will try to use transfer learning fromm the Vercors model and the constructed model (Bayesian methods/neural networks). In practice, we will follow 3 steps : (i) application of parallel model order reduction (ii) application of state-of-the-art data assimilation techniques on the model alone (iii) transfer to the containment structures of the generated state estimators.