報告書番号

NR24009

タイトル（和文）

過酷事故時の沸騰水型原子炉建屋下層階 における水素挙動評価 －下層階の水素濃度に対する簡易評価フローの構築－

タイトル（英文）

Evaluation of Hydrogen Behavior in the Lower Level of Boiling Water Reactor Building under Severe Accident Conditions - Development of Simplified Evaluation Flow for Hydrogen Concentration in Lower Level -

概要 （図表や脚注は「報告書全文」に掲載しております）

背　　景
原子力規制委員会では、福島第一原子力発電所（1F）3号機の水素爆発は原子炉建屋の最上階（オペレーションフロア）ではなく原子炉建屋下層階での水素爆発が起点になったと認識された注 ）。また、原子力エネルギー協議会およびBWR事業者も、1F事故から得られた知見の重要性を踏まえ、自主的に水素防護対策に係るアクションプランを公表し注 ）、この中で「水素滞留・拡散挙動の評価手法構築・評価」については、電中研研究と連携して取り組むこととされた。この評価手法の構築にあたって、原子炉建屋下層階において水素が滞留する可能性のある箇所の寸法や形状、伝熱特性、漏洩気体の流体条件等の多様なパラメータを考慮した効率的な水素濃度の評価が望まれる。
目　　的
原子炉建屋下層階に漏洩した水素の濃度が可燃限界を超え得ることに伴う詳細評価等の要否を効率的に判定可能な簡易評価フローを構築し、同フローの一要素として多様なパラメータを考慮した機械学習モデルを活用した水素濃度予測手法を開発する。
主な成果
1. 下層階の水素濃度に対する簡易評価フローの構築
既報[1]で構築した実機プラントの原子炉建屋の寸法形状や漏洩気体等のパラメータをベースケースとする解析モデル体系（図1）を基に、局所エリア注 ）の外側にある下層階の単一フロアにおける水素濃度が可燃限界4vol%を超えるか否かを判定し、汎用熱流体解析コードGOTHIC注 ）による詳細評価等の要否を効率的に判定可能な簡易評価フローを提案した（図2）。本フローは、漏洩気体中の水蒸気凝縮による水素濃度増加を判定する判断項目(a)（図3）、各プラントの条件が本フローで評価可能かを判定する判断項目(b)、機械学習モデルを用いた水素濃度の予測結果を用いて判定する判断項目(c)、水素濃度が4%を超え得る範囲、もしくは4%に達するまでの余裕時間を評価する評価項目(d)（図4）で構成される。
2. 機械学習モデルを用いた下層階の水素濃度予測手法の開発
判断項目(c)および評価項目(d)での評価のため、図1に示す解析モデル体系に対してGOTHICを用いて得られた水素濃度分布を教師データとした、計算コストの小さい機械学習モデルによる下層階の水素濃度分布予測手法を開発した。開発した機械学習モデルにより、GOTHICで計算した水素濃度を絶対誤差±0.5vol%以内で予測できることを確認した（図5、図6）。この機械学習モデルを含む下層階の水素濃度に対する本フローを実機に適用することで、多種多様な寸法や形状・漏洩気体等のパラメータを考慮した効率的な水素の滞留・拡散挙動の評価が可能となる。

概要 （英文）

The Nuclear Regulation Authority recognizes that the hydrogen explosion at Fukushima Daiichi Nuclear Power Plant Unit No. 3 originated not on the operating floor but on the lower level of the reactor building. This study develops a simplified evaluation flow for hydrogen concentration in the lower level of a reactor building during a severe accident in a BWR plant in Japan, taking into account a wide variety of parameters. In the simplified evaluation flow, if the hydrogen concentration is judged not to exceed the flammable limit of 4% in each judgment item, it is excluded as no hydrogen protection measures are required, and if there is a possibility of hydrogen concentration exceeding 4%, a more detailed evaluation is conducted. A hydrogen concentration prediction method using a machine learning model with various dimensional, fluid, and heat transfer parameters as input conditions was developed, and the prediction method was used as one of the judgment items in the simplified evaluation flow. An evaluation method was also developed to estimate the range from the leak point where the predicted hydrogen concentration could exceed 4% and the time to reach 4%. This simplified evaluation flow can be used to efficiently judge the need for detailed evaluation of hydrogen behavior in the lower level of the reactor building.

報告者

キーワード