Otimização geométrica de grades espaçadoras de reatores PWR usando GeN-Foam e Algoritmos Genéticos

Resumo

Este trabalho apresenta os resultados da otimização geométrica orientada à fluidodinâmica computacional (CFD) utilizando-se o solver GeN-Foam aplicados a subcanais do elemento combustível de um reator nuclear do tipo PWR. O GeN-Foam é um solver do OpenFOAM para malhas grosseiras desenvolvido para estudar problemas de Engenharia Nuclear envolvendo soluções acopladas de termohidráulica, neutrônica e termomecânica. Entretanto, o solver poderia, teoricamente, ser utilizado para simulações com geometrias completas, o que permitiria simulações acopladas multi-escalas. Para utilizar o GeN-Foam sob estas condições, os resultados do código para uma simulação de geometria complexa tiveram que ser avaliados. Esta avaliação envolvei a comparação inicial dos resultados obtidos com o solver e aqueles apresentados em um trabalho de referência na literatura. Apesar de uma maior difusividade numérica do solver, esta comparação demonstrou que o GeN-Foam é adequado para o estudo da fluidodinâmica do elemento combustível em reatores nucleares para ambas as condições de geometria grosseira e refinada. Após o GeN-Foam avaliado, foi realizada uma otimização em subcanais de um elemento combustível, através da utilização de Algoritmos Genéticos (AG), na qual foi avaliada a influência de parâmetros geométricos das grades espaçadoras, buscando minimizar a perda de carga e maximizar o fluxo secundário. As soluções da Frente de Pareto foram avaliadas para identificar uma geometria que melhor equilibrasse esses dois objetivos. O modelo utilizado apresentou resultados melhores do que o estudo de referência, como esperado. No entanto, os resultados também evidenciam a necessidade de incorporar aspectos térmicos e neutrônicos para garantir que a solução otimizada atenda às necessidades de escoamento e troca de calor dentro do subcanal. Todas as ferramentas utilizadas neste trabalho são consolidadas na literatura, gratuitas e de código aberto.