dr inż. Aleksej Kaszko
Zastosowanie dynamicznych sieci bayesowskich w analizie ryzyka instalacji jądrowych
Promoter: |
|
prof. dr hab. inż. Krzysztof Badyda - Politechnika Warszawska Wydział MEiL |
|
Supporting Promoter: |
|
dr inż. Karol Kowal- Narodowe Centrum Badań Jądrowych |
|
Reviewers: |
|
|
prof. dr hab. inż. Ireneusz Szczygieł – Politechnika Śląska |
|
Dziedzina: |
|
| nauki techniczne/nauki inżynieryjno-techniczne | |
Dyscyplina: |
|
| energetyka/inżynieria środowiska, górnictwo i energetyka | |
Abstract:
Niniejsza rozprawa dotyczy zagadnień związanych z probabilistycznymi analizami bezpieczeństwa obiektów jądrowych. Probabilistyczne analizy bezpieczeństwa są powszechnie stosowaną metodą podczas projektowania, eksploatacji i modernizacji instalacji jądrowych. Analizy PSA służą do wyznaczania prawdopodobieństwa awarii instalacji oraz są wymagane przez regulatorów jądrowych na całym świecie.
Awaria w Fukushima Daichi przyczyniła się do zwiększonego zainteresowania problematyką związaną z potencjalnym wpływem wielu jednocześnie występujących zagrożeń zewnętrznych na bezpieczeństwo obiektów jądrowych. W związku z powyższym autor opracował dwa podejścia uwzględniające wiele zagrożeń zewnętrznych które przy połączeniu tworzą jednolite podejście do modelowania wielu zagrożeń w analizach PSA. Pierwsze podejście obejmuje zastosowanie dynamicznych sieci bayesowskich (DBN) w wyznaczaniu częstości zdarzeń inicjujących. DBN została zaprojektowana w środowisku obliczeniowym Matlab, z uwzględnieniem takich czynników jak trzęsienie ziemi, tsunami, starzenie oraz wpływu konserwacji i przeglądów na poprawę niezawodności elementów takich jak rozdzielnia elektryczna i inne. Drugie podejście przedstawia metodykę uwzględniania wielu zagrożeń zewnętrznych w drzewach błędów i drzewach zdarzeń. Podejście to zostało zaimplementowano w programie SAPHIRE z uwzględnieniem takich czynników zewnętrznych jak trzęsienie ziemi i powódź, w celu zademonstrowania zaproponowanej metody.
Wyniki analiz uzyskane z wykorzystaniem zaproponowanych metod zostały porównane z modelami referencyjnymi w celu pokazania ich poprawności oraz przeprowadzono analizy niepewności dla uzyskanych wyników.