Les études de conception et de sûreté d’un cœur de réacteur nucléaire se basent sur des Outils de Calculs Scientifiques (OCS). Ces OCS ne sont cependant qu’une modélisation numérique d’un système physique réel. Ainsi, lors des comparaisons calculs/expériences, des différences peuvent apparaître.
Dans cette thèse nous nous intéressons à la répartition spatiale des neutrons dans un cœur, mesurée localement par une Instrumentation In-Core et simulée par un code de transport de particules. On présume que les écarts observés entre les mesures et les simulations ont pour sources principales les incertitudes sur les données technologiques. Ces incertitudes technologiques correspondent essentiellement à l’incertitude associée à l’usinage et l’assemblage du cœur tel que fabriqué.
Afin de mieux maîtriser les écarts entre les simulations et les expériences, nous proposons de calibrer les données technologiques du modèle numérique sur les données du cœur tel que fabriqué. Dans ce but, des prédictions issues du simulateur, réalisées sur un jumeau numérique, sont confrontées aux mesures expérimentales équivalentes réalisées à l’aide d’une Instrumentation In-Core.
Le cadre bayésien est alors utilisé pour réaliser la calibration. Ce cadre est particulièrement adapté au faible nombre de mesures expérimentales à disposition. En effet, la calibration bayésienne permet de prendre en compte une incertitude a priori sur les paramètres technologiques et de mettre à jour cette incertitude en confrontant les simulations aux mesures expérimentales.
Une loi de probabilité a posteriori pour les paramètres technologiques est ainsi obtenue, permettant une calibration plus robuste. Cependant, pour réaliser cette calibration, un nombre important d’appels au simulateur doit être réalisé. Le simulateur considéré ici, à savoir le code Monte-Carlo de transport de particule TRIPOLI-4®, est très coûteux en temps de calcul, ce qui rend impossible son utilisation directe pour la calibration. Il est donc nécessaire de construire un métamodèle de ce simulateur pour approximer et prédire les grandeurs d’intérêt. Pour ce faire, des méthodes de neutronique ont été développées et utilisées. Elles permettent d’estimer les effets associés aux perturbations des paramètres technologiques incertains à un moindre coût en termes de temps de calcul. Ces estimations sont ensuite utilisées pour construire un émulateur du simulateur en utilisant le formalisme du modèle linéaire bayésien.
Le travail qui sera présenté a donc consisté à développer une méthodologie combinant des modèles physiques simplifiés (issus de méthodes de neutronique) et des méthodes d’apprentissage statistique afin de calibrer l’ensemble des paramètres technologiques incertains. À la suite de cette calibration, nous montrerons qu’une réduction significative des écarts calculs/expériences a pu être obtenue. Ce travail permet donc de quantifier les incertitudes de calcul des OCS utilisés lors des études de conception et de sûreté.
