بهینه‌سازی حفاظ‌ بیولوژیکی یک راکتور ماژولار نمونه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی هسته‌ای، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

2 دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران

چکیده

برای حفاظ‌­گذاری در برابر تشعشعات هسته‌­ای، وزن پائین حفاظ اهمیت فراوانی دارد. طراحی حفاظ یک مسئله بهینه‌­سازی چند هدفه است. در طراحی حفاظ ابتدا پارامترها بر پایه معادلات به‌صورت تحلیلی تخمین زده می‌شود و سپس با استفاده از کدهای محاسباتی، طراحی نهایی انجام می‌­شود. با این وجود در بسیاری از موارد، حفاظ طراحی شده فاقد بهینگی لازم هستند و ضروری است طرح اولیه با استفاده از روش‌های شناخته شده بهینه گردد. در این پژوهش، به‌منظور بهینه‌سازی حفاظ بیولوژیکی یک راکتور ماژولار، یک روش بهینه‌سازی چند هدفه جهت کوپل کردن الگوریتم PSO با کد محاسباتی  ANISN پیشنهاد شده‌است. دو تابع هدف جزء شامل وزن و دز تابشی در یک مدل ریاضی چند هدفه لحاظ شده است. تابع هدف کل عبارت است از یک ترکیب خطی وزن دهی شده از هریک از این دو تابع جزء. مواد مورد استفاده برای بهینه‌سازی شامل بتن، کامپوزیت شامل B4C و 3 B2O  است. نتایج نشان می­‌دهد روش بهینه‌سازی چند هدفه برای طراحی حفاظ بیولوژیکی یک راکتور ماژولار قابل اعتماد و کارآمد است. این روش می‌تواند کیفیت طراحی حفاظ را بهبود و وزن حفاظ را 38% کاهش و آهنگ دز مجموع نوترون و فوتون را 83% کاهش دهد، نسبت به حالتی‌که از حفاظ متداول چاهک راکتور (بتن سرپانتین) استفاده شود.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization of the biological shield of a typical modular reactor

نویسندگان [English]

  • Parisa Eslami 1
  • Omid Safarzadeh 2
  • Mohsen Kheradmand Saadi 1
  • Morteza Akbari-Hesar 1
1 Department of Nuclear Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 Faculy of Engineering, Shahed University, P. O. BOX: 33191-18651 Tehran, Iran
چکیده [English]

For shielding against nuclear radiation, the low weight of the shield is very important. Shielding design is a multi-objective optimization problem. In the shielding design, first the parameters are estimated analytically based on the equations, and then the final design is done using calculation codes. However, in many cases, the designed shields lack the necessary optimization and it is necessary to optimize the initial design using known methods. In this research, in order to optimize the biological protection of a modular reactor, a multi-objective optimization method has been proposed to couple the PSO algorithm with the ANISN calculation code. Two objective functions of the component, including weight and radiation dose, are included in a multi-objective mathematical model. The overall objective function is a weighted linear combination of each of these two component functions. Materials used for optimization include concrete, composite including B4C and B2O3. The results show that the multi-objective optimization method for the biological protection design of a modular reactor is reliable and efficient. This method can improve the design quality of the shield and reduce the weight of the shield by 38% and reduce the total dose rate of neutrons and photons by 83%, compared to the case where the conventional shielding of the reactor well (serpentine concrete) is used.

کلیدواژه‌ها [English]

  • shielding
  • modular reactor
  • PSO algorithm
  • ANISN
  1. B. P. Fairand. Radiation Sterilization for Health Care Products X-ray, Gamma and Electron Beam. CRC Press, New York, 2002.
  2. S. Sahoo. Production and Applications of Radioisotopes. Physics Education, 2006.
  3. Sh. Maleki, S. Kashian, A. Akhavan, M. Kheradmand saadi. Prelimanary study of a novel radiation shield for jaw in dental radiography using the high-density polyethylene/bismuth oxide nanocomposite. Radiat. Phys. Chem. 205 (2023) 110743.
  4. K. Mokhtari, M. Kheradmand-saadi, H. Ahmad-Panahi, Gh. Jahanfarnia. The shielding properties of the ordinary concrete reinforced with innovative nano polymer particles containing PbO-H3BO3 for dual protection against gamma and neutron radiation. Radiat. Phys. Chem. 189 (2021) 109711.
  5. A. Yadollahi, E. Nazemi, A. Zolfaghari, A. M. Ajorloo. Optimization of thermal neutron shield concrete mixture using artificial neural network. Nucl. Eng. Des. 305 (2016) 146-155.
  6. J. Lei, C. Yang, H. Zhang, C. Liu, D. Yan, G. Xiao, Z. He, Z. Chen, T. Yu. Radiation shielding optimization design research based on bare-bones particle swarm optimization algorithm. Nucl. Eng. Tech. 55 (2013) 2215-2221.
  7. Korea Institute of Nuclear Safety.  Korea Institute of Nuclear Safety. Regulatory Assessment Technology for System-integrated Modular Advanced Reactor. KINS/RR-946, 2012.
  8. IAEA. Manual for reactor produced radioisotopes. IAEATECDOC1340, 2003.
  9. SMART SSAR. Standard Design Safety Analysis Report. Korea Atomic Energy Research Institute, 2010.
  10. A. Pourrostam, S. Talebi, O. Safarzadeh. Core analysis of accident tolerant fuel cladding for SMART reactor under normal operation and rod ejection accident using DRAGON and PARCS. Nucl. Eng. Tech. 53 (3) (2021) 741-751.
  11. M. Giménez, E. M. Lopasso. Tungsten Carbide compact primary shielding for Small Medium Reactor. Ann. Nucl. Energy 116 (2018) 210-223.
  12. W. W. Engle. ANISN-PC: Multigroup One-Dimensional Discrete Ordinates Transport Code with Anisotropic Scattering. RSIC CCC-514, 1994.
  13. M. K. Marashi, J. R. Maiorino, A. G. Mendonça, A. Santos. IRAN. LIB (Improved Range of ANISN/PC LIBrary): a P-3 coupled neutron-gamma cross-section library in ISOTXS format to be used by ANISN/PC (CCC-0514/02). Ann. Nucl. Energy 18 (10) (1991) 597-602.
  14. D. B. Pelowitz. MCNPX USER’S MANUAL, Version 2.6.0. Los Alamos National Laboratory, 2008.
  15. M. A. Tunes, C. R. E. de Oliveira, C. G. Schön. Multi-objective optimization of a compact pressurized water nuclear reactor computational model for biological shielding design using innovative materials. Nucl. Eng. Des. 313 (2017) 20-28.
  16. Z. Chen, Z. Zhang, J. Xie, Q. Guo, T. Yu. Metaheuristic optimization method for compact reactor radiation shielding design based on genetic algorithm. Ann. Nucl. Energy 134 (2019) 318-329.
  17. O. Safarzadeh, A. Tizdast. Optimization of PID controller for water level control of the nuclear steam generator using PSO and GA. Kerntechnik 87 (5) (2022) 597-606.