(GRS-778) Advancements of the SUSA Analysis Tool (SUSABlue) - Weiterentwicklung des Analysewerkzeugs SUSA (SUSABlue)
Förderkennzeichen RS1599
Das Analysewerkzeug SUSA ist eine etablierte Software zur Unsicherheits- und Sensitivitätsanalyse, mit welcher Ungewissheiten in nuklearen Sicherheitsanalysen im Rahmen von Best Estimate Plus Uncerainty (BEPU)-Ansätzen mittels Monte-Carlo-Simulationen berücksichtigt werden können. In SUSA können Toleranzintervalle oder Sensitivitätsmaße der sicherheitsrelevanten Simulationsergebnisse berechnet werden, indem die unsicheren Eingangsparameter variiert und die entsprechenden Simulationen eines deterministischen Codes ausgeführt werden. Im Rahmen des Forschungs- und Entwicklungsvorhabens RS1599 wurden weitere Methoden entwickelt und in SUSA implementiert, um einen Schätzer für die Wahrscheinlichkeit eines seltenen Ereignisses zu bestimmen und damit die Analyse zur Quantifizierung des Einflusses von Parametern zu unterstützen, die im Parameterraum der Einflussfaktoren in einem sehr geringen Wahrscheinlichkeitsbereich geschätzt werden. Hierbei handelt es sich um die Importance Sampling (IS)-Methoden.
In SUSA wurden zwei Ansätze implementiert, um eine optimale Importance Sampling-Dichte zu schätzen: die Approximation einer multivariaten parametrischen Verteilung und die Kernel-Dichte-Schätzung. Voraussetzung für beide Methoden ist eine Stichprobe aus dem (in der Regel wenig wahrscheinlichen) Bereich im Parameterraum der Einflussfaktoren. Eine solche Stichprobe kann z. B. aus den Ergebnissen eines adaptiven Monte-Carlo-Simulationsverfahrens gewonnen werden. Ein weiterer Entwicklungsbereich bezieht sich auf Methoden für Zuverlässigkeitsanalysen. Das von der GRS entwickelte Programm RAMESU (Reliability Analysis with Markov Models Extended by an Option for Sensitivity and Uncertainty Analysis) wurde in SUSA integriert und über den bestehenden Funktionsumfang zur Zuverlässigkeitsanalyse hinaus um weitere Funktionalitäten ergänzt.
Die Modularität von SUSA wurde nach der Richtlinie eines mehrschichtigen Ansatzes verbessert, wobei die folgenden Bereiche berücksichtigt wurden: (1) grundlegende Python- oder FORTRAN-Routinen, (2) Funktionen oder Klassen auf höherer Ebene, die dem Benutzer eine komfortable Schnittstelle bieten, (3) Jupyter Notebooks, die die Implementierung einer ganzen Analysekette zeigen und dem Benutzer die Möglichkeit geben, den Analysevorgang interaktiv nachzuvollziehen und (4) eine grafische Benutzeroberfläche (GUI), die den Benutzern die Möglichkeit gibt, die Fähigkeiten von SUSA zu nutzen, ohne dass diese die Programmiersprache Python beherrschen muss.