核电厂SBO事故小幅功率提升风险响应量化评估.pdf

14第 22 卷第 4 期核 安 全NUCLEAR SAFETY2023 年 8 月践核 电 厂 实杜芸，张琴芳.核电厂 SBO 事故小幅功率提升风险响应量化评估 J.核安全，2023，22（4）：14-21.Du Yun，Zhang Qinfang.Quantitative Evaluation of the Impact of Small Power Uprate on Significant SBO Sequence Based on RISMC Methodology J.Nuclear Safety，2023，22（4）：14-21.核电厂SBO事故小幅功率提升风险响应量化评估杜 芸1，2，张琴芳2（1.上海交通大学核能科学与工程学院，上海 200240；2.上海核工程研究设计院有限公司，上海 200233）摘要：传统的安全分析方法可用于量化显著的设计变更对核电厂运行的影响，但是对于小幅设计变更的风险变化并不能敏感合理量化。本文综合考虑认知不足不确定性及随机不确定性等多种不确定性的影响，运用风险指引的安全裕度特性分析（RISMC）方法论，整合现有的两种安全分析方法，以典型三回路压水堆的全厂断电事故中轴封失效为主因的序列为研究对象，着重分析电力恢复时间对事故后果的影响，计算额定功率工况和小幅功率提升（5%）工况下该事故序列的堆芯损伤频率。结果证明改进的方法能够计算得到更加真实的堆芯损伤频率，并且可以敏感量化小幅功率提升（5%）的风险响应。结合丧失热阱为主因的序列，全厂断电事故的风险重要序列的风险增长值为 12.6%。关键词：小幅功率提升；全厂断电事故；安全分析方法；RISMC；PSA中图分类号：TL48 文章标志码：A 文章编号：1672-5360（2023）04-0014-08险。两种分析方法各有利弊，为了更好地满足支持决策者制订决策计划的要求，风险指引的安全裕度特性分析（Risk Informed Safety Margin Characterization，RISMC）3，4方法论应运而生。本文基于 RISMC 安全分析方法对典型二代核电厂的全厂断电事故中的风险重要序列进行改进的量化评估，进一步地量化功率小幅提升（5%）工况下该序列的风险增量。1 RISMC 方法的分析框架RISMC 方法作为先进的风险评估方法，是一种耦合概率论分析方法和确定论分析方法，全面考虑不确定性（认知性和随机性）的具有风传统的核安全分析方法主要包含确定论分析方法（DSA）1和概率论分析方法（PSA）2两种。确定论分析方法是核能领域使用最早的安全分析方法，至今仍是核能电厂执照颁发的认证分析方法。其建立在预先设定好的十分保守的事故进程上，即设计基准事故，按照单一故障准则和纵深防御思想，不考虑人为因素，采用机理性分析程序，最终的计算结果为一个验收指标，比如安全裕度。而概率论分析方法目前在法规要求中作为确定论分析方法的补充，其针对的是所有可能的始发事件，考虑多重故障和人为因素，采用逻辑性的分析程序，最终展现的是始发事故对人身环境的整体风收稿日期：2022-06-15 修回日期：2022-09-27基金项目：国家重点研发计划-风险指引的安全裕度特性分析技术研究项目，项目编号：2018YFB1900304作者简介：杜芸（1988），女，现主要从事 PSA 内部事件分析以及先进和安全评价方法的研究与应用工作杜芸等：核电厂 SBO 事故小幅功率提升风险响应量化评估15Vol.22,No.4,Aug.2023险指引意义的安全裕度量化方法5。经国内外学者的探索研究，形成了其特有的分析框架6，如图 1 所示。?2?6?N?7?N?8?BEPU?4?5?3?1?PSA?图 1 RISMC 分析框架6Fig.1 Framwork of RISMC methodology6当 PSA 分析中的成功准则被适度释放，确定论分析中的过保守假设被解除，同时综合考虑分析过程中的认知性不确定参数和随机性不确定参数，堆芯损伤频率（CDF）的量化结果将会更加贴近电厂实际情况。基于 RISMC 方法下的堆芯损伤频率如公式（1）所示。CDF=Fie Pseq Pce （1）其中，Fie表示事故的事发事件频率，Pseq表示序列的发生概率，Pce表示条件失效概率，即在始发事件和序列都发生的情况下堆芯发生损伤的概率。条件失效概率将会是由安全指标 如包壳峰值温度（PCT）概率分布得到的一个比值，而不再是传统 PSA 中的 0（成功）或者 1（失败）。这样获得的基于风险指引的安全裕度和传统安全裕度的概念不同，含有概率属性，具有风险指引的意义，更有利于电厂决策 制定。2 SBO 风险显著序列 PSA 模型改进RISMC 方法论中指出其主要有五个方面的应用，分别为评估电厂设计变更的风险变化、指导运行相关的改进、拓展分析超设计基准事故、电厂延寿评估、指导提出新的审评 方法。本文针对小幅功率提升这一特定设计变更，选择风险冲击较大的始发事件全厂断电（SBO）事故作为分析对象。某传统三环路压水堆 SBO 事故由传统 PSA 模型7给出的计算结果显示，风险重要序列（PSS）为图 2 中的序列B，该序列为发生 SBO 始发事件后轴封发生早期失效叠加电力没有及时恢复导致的堆芯损伤（CD）序列，可描述为轴封早期失效序列或者轴封失效为主因的 CD 序列（与文献 7 中的丧失热阱为主因的序列相区分）。?10.25?SASB6E?21.98E?24.48E?25.562E?3TPDGKQLTSLB9.552E?12.256E?2?2.96E?72.56E?5图 2 全厂断电事故传统 PSA 事件树模型Fig.2 Traditional SBO event tree（simplifiedversion）16核 安 全Vol.22,No.4,Aug.20232.1 重要事故序列的建模改进以 图 2 中 的 序 列 B 为 分 析 对 象，根 据RISMC 方法的框架指导，对以下三个方面进行改进：（1）早期轴封失效临界时间点的新界定；（2）关键题头事件的细分；（3）运用抽样技术，计算条件失效概率。本序列的发展进程简要介绍如下：核电厂发生 SBO，反应堆立即停堆，并且卸压系统正常，没有发生卡开也没有发生破口，即 RCS 系统边界完整。汽动辅助给水系统在电池的支撑下可以运行 8 h，二次侧的换热极大地缓解了堆芯的温升。但是主泵由于失电，其轴封长期得不到冷却水的冷却会发生失效。一旦轴封失效，从三个泵轴封流失的冷却剂流量将相当于一个小破口的流量7。基于 RISMC 方法对确定论分析采用最佳估算模型的要求，对核电厂进行重新精细化建模和分析，得到额定工况下轴封早期失效的临界时间点为 14.23 h，即当轴封失效的时间早于 14.23 h，判断为早期失效，其序列是轴封失效为主因的序列（序列 B）。对传统 PSA 模型（图 2）的关键题头事件进行细分，只在敏感区间进行抽样计算，不仅能够提高计算方法的效率，而且能将仿真计算集中在最有效的范围内，提高精确性。序列 B（图 2）堆芯损伤的概率对应改进 PSA 事件树（图 3）中序列 8 和序列 10 的 CDF 之和。基于 RISMC 方法的理念，应该解绑一些成功准则的设置，比如在本案例中，在同时考虑电厂状态和随机参数的不确定性之后，外电恢复时间的临界值（晚于该时间就会 CD）将无法用一个单一的准则来确定。所以针对电源恢复题头细分出来的序列 8 代表一定会 CD 的序列，序列 10 则代表在不确定区间内的 CD 的序列。对于在不确定区间的序列 10，其 CD 的概率将会由不确定性参数抽样、多次的热工计算（基于抽样组成的案例）以及统计学分析计算得到。2.2 重要参数和抽样范围由额定工况下对 SBO 事故进行的传统分析结论，选择对于包壳峰值温度（PCT）来说重要的不确定性参数，如表 1 所示6。表 1 中列出本次分析需要抽样的电厂状态参数 8 个和随机参数 3 个6。其中，电厂状态参数出于保守考虑取平均分布，轴封失效时间与设备的老化程度有关，满足威布尔分布（表 2），电力的恢复时间与人员的维修响应速度和维修经验等相关，通常满足对数正态分布。外电（包括 DG 和厂外电）恢复时间的抽样范围参数 tmin、tmax由该序列的最差工况（WBC）和最佳工况（BBC）的热工计算得到，分别为 0.54 h和 13.39 h（图 4），序列 B 的 BBC 和 WBC 的参数取值由关键参数的抽样范围上下限组合而成6。图 3 SBO 事故轴封早期失效序列改进事件树Fig.3 Revised event tree of seal failure dominant sequence in SBO?GT?6E?2*1.98E?20.270.73TSBO Q678910LTSLGT?trec?tmin?trec?tmax?tmin?trec?tmax?BsBfBcCDCD1477.6Kp0.99310.98460.01540.07030.92974.587E?612.72%87.28%7.719E?60.0069PCT?杜芸等：核电厂 SBO 事故小幅功率提升风险响应量化评估17Vol.22,No.4,Aug.2023表 1 关键参数列表Table 1 Key parameters list序号电厂状态参数1堆芯初始功率2堆芯初始平均温度3蒸汽发生器初始水位4一回路初始压力5汽动辅助给水泵的初始流量6电动辅助给水泵的初始流量7高压安注初始流量8水箱的初始温度序号随机参数9轴封失效时间10DG 恢复时间11厂外电恢复时间表 2 关键参数的抽样范围Table 2 Sampling range and distribution of keyparameters参数序号符号单位抽样范围分布函数1PMW2719.52830.5均匀2TavgK580.10584.54均匀3LSG%25.0078.10均匀4PPMPa15.4115.55均匀5FTkg/s22.3023.35均匀6FMkg/s11.3911.93均匀7FHIkg/s13.3814.01均匀8TTK282.60322.04均匀9tshr0.514.23威布尔10tDGrhr0.5413.39对数正态11tosrhr0.5413.39对数正态由表 2 可知，（0.5413.39）即为外电恢复时间的抽样区间。DG 的恢复时间和外电网的恢复时间需要同时抽样，在一次抽样中，较早恢复的电源能够支持前沿系统对事故进行缓解。以上，基于细化的题头，解绑的成功准则，关键参数以及抽样范围等要素的识别等步骤，RISMC 方法论下的 PSA 模型基本建立完成（图 3）。7500150002250030000?s?K37500450005250016001400tmintmax120010008006004001477.6PCT of BBCPCT of WBC图 4 轴封失效为主因的最佳工况和最差工况的包壳峰值温度变化Fig.4 Peak cladding temperature of BBC and WBC of seal failure dominant sequence3 PSS 堆芯损伤频率的量化3.1 序列发生概率重新量化原模型中序列 B 的 CDF，就需要量化改进模型中的序列 S8、S9、S10 的 CDF。为了量化改进 PSA 模型中 S8、S9、S10 的发生概率，需要计算每一个题头的分支概率。题头事件 SL-是否发生早期轴封失效，由轴封早期失效临界时间 14.23 h 和轴封失效时间的概率密度函数计算得到，S8、S9、S10 均为发生轴封早期失效的序列，其概率为 0.9931。另外，由外电恢复抽样区间（tmin，tmax）以及外电恢复服从的概率密度函数，可以得到一定成功（BS）、一定失败（BF）以及不确定状态（BC）的概率，如图 3 所示。燃气轮机的题头的分支概率保持与原 PSA 模型一致。P（S8）=P（SL）P（GT）P（Bs）P（Bf）（2）P（S9&S10）=P（SL）P（GT）P（Bs）P（Bf）（3）其中，P（Bs）=1-p（tosrtmin）+p（tosrtmin）p（tDGrtmin）（4）P（Bf）=1-P（Bs）p（tDGrtmax）p（tosrtmax）（5）由公式（2）得到S8发生的概率为3.8610-3，由公式（3）得到序列 9 和序列 10 两个序列发生18核 安 全Vol.22,No.4,Aug.2023的概率之和为 5.1110-2。改进 PSA 模型中关于 S9 和 S10 的分支概率的计算无法直接通过布尔运算得到，需要通过热工程序对这两个序列下的关键参数抽样形成的 N 组试算案例进行仿真计算，得到每一个唯一确定工况下的 PCT 值，再经过必要的统计学分析才可以得到。这一点是改进 PSA 模型与传统 PSA 模型的最大差别，也是最为灵活的一点，这样精细化的热工计算处理能够使得 CDF值更加贴近电厂实际状态。3.2 条件失效概率基于前文识别出的 11 个关键参数（表 1），进行随机抽样。其中，由于电厂状态参数采用保守假设为均匀分布，所以采用最为常用的蒙卡方法进行抽样；对于三个随机参数，密度函数复杂并且存在指定的抽样区间，为了提高抽样的效率和抽样效果，采用更合适小样本抽样的拉丁超立方方法进行抽样，每个参数的抽样数均为 50。将所有抽样得到的参数进行随机组合，形 成 50 个 抽 样 案 例。50 个 抽 样 案 例 代 表50 个唯一确定的电厂工况。采用 RELAP5/MOD3 对 50 组案例进行事故仿真模拟，最终得 到 50 个 PCT 值。如 图 5 所 示，大 部 分 的PCT 集中在 600 K 左右，这是由于大多试算案例在堆芯温度还没有开始急剧恶化之前外电就已经恢复了。这一点从轴封失效时间和外电恢复时间的概率比较图中得以印证，如图 6 所示。1.81.61.41.21.00.80.60.40.20.004812162024?图 6 电力恢复时间和轴封失效时间的概率比较图Fig.6 Comparison of distributions of off-site power recovery and seal failuretime利用卡方检验方法对数据进行检验，发现数据不符合正态分布，所以无法直接运用正态分布数据的特性求解失效概率。由于直接求取失效比例的方法并不适合小样本数据，会涉及结果是否收敛的问题，所以采用更适用于小样本数据的拟合转换法8，9，通过对现有数据呈现出的累积积分概率曲线进行拟合，建立该组数据与标准正态分布数据之间的关系，从而求得该数据最合适的累积分布函数，进一步求取失效概率。由此，50 组数据与标准正态分布数据 Z 之间的关系如式（6）所示：z=1.42+0.307 ln（3683.56-xx-592.66）（6）所以，PCT 大于 1477.6 K 的概率可以转换成 Z 大于 1.1396 的概率 式（7）。如图 7 所示，得到序列 10 的失效概率 pce，10为 12.72%。pce，10=P（x1477.6 K）=P（z1.1396）=12.72%（7）3.3 堆芯损伤频率的计算和比较序列 8 和序列 10 的 CDF 由公式（8）、公式（9）计算得到，为4.5810-6/堆年和7.7210-6/堆年。CDF（S8）=Fie P（S8）Pce，8 （8）CDF（S10）=Fie P（S9&S10）Pce，10 （9）CDF（revised SB）=CDF（S8）+CDF（S10）（10）6000?K?500040003000200010001477.6005101520253035404550PCT图 5 包壳峰值温度结果散点图Fig.5 PCT results computed with system code杜芸等：核电厂 SBO 事故小幅功率提升风险响应量化评估19Vol.22,No.4,Aug.2023综合序列 8 和序列 10 的结果，改进下的序列 B 的 CDF 为 1.23110-5/堆年 公式（10）。对比传统方法的 2.5610-5/堆年，两者计算结果属同一量级，但 RISMC 方法下的结果由于更加贴近现实，减小了 52%。4 小幅功率提升小幅设计变更的风险变化量用传统的 PSA方法很难合理量化，一方面，传统的 PSA 模型存在一定的保守性，小幅的设计变更在原有的模型中可能已经被包络，无法敏感地被量化；另一方面，即使能够量化，也需要对成功准则等进行修改，需要花费较大的人力成本和时间成本。所以本节运用 RISMC 方法对电厂小幅功率提升的风险响应进行量化评估，并与上节得到的额定功率下的 CDF 进行比较。基于上节改进的 PSA 模型，将堆芯功率提升 5%，其他初始条件不变，重新抽样形成试算案例，运用与额定功率时一样的方式，得到功率提升下的 CDF。4.1 功率提升下 PSA 模型的改进过程小幅功率提升时模型改进与额定功率时的主要区别如下：（1）随机参数的抽样范围发生一定程度的左移。功率提升 5%后，确保堆芯不损伤的最晚安注时间经过热工程序的模拟计算确定为13.97 h，相较于额定功率时提前了 16 min。故功率提升后，轴封时间的抽样区间如表 3 所示。表 3 功率提升后的随机性参数抽样范围Table 3 Sampling ranges of stochastic parameters（PU）参数序号抽样范围/h90.513.968100.5412.50110.5412.50同样地，功率提升后的 tmin和 tmax经由热工程序对于此时的最佳工况和最差工况的模拟计算得到分别为 0.54 h 和 12.50 h。故柴油发电机恢复时间和厂外电恢复时间的抽样区间变化为（0.54，12.50），可见抽样区间存在一定程度的变窄，这种变化将会在分支概率的计算中得到体现，这也正是功率提升对电厂响应带来的变化。（2）题头分支概率发生变化进而导致序列发生概率也随之变化。由于轴封早期失效的临界时间变化，导致该题头的下行分支（发生轴封早期失效）概率变为 0.9922，比功率提升之前略小。另外，对于电力恢复一定不及时缓解事故进程的序列 8，由于 tmax较额定功率时前移，导致序列 8 的发生概率变大，为 4.5610-3/堆年，比额定功率时增加了 19%。而序列 8 是序列 B重要的组成部分，这说明功率提升明显增加了序列 B 的 CD 风险。同样地，计算得到功率提升下序列 9 和序列 10 发生的概率和为 0.05。4.2 功率提升下的条件失效概率由系统程序对 50 组工况进行模拟计算，获得对应的 PCT 值。散点图如图 8 所示。由于数据不满足正态分布，采用拟合转换法，得到数据与标准正态分布数据之间的关系，如式 11 所示。z=1.3426+0.3022 ln（3621.85-xx-593.6519）（11）所以 PCT 大于 1477.6 K 的概率可以转换成 Z 大于 1.0748 的概率，如式（12）所示。得到序列 10 的失效概率为 14.123%（图 9），较额定功率下的 12.72%有所提高，此数据体现出功率提升对于条件失效概率的影响。图 7 拟合转换结果概率分布图Fig.7 Transformation results of PCTs0.500.450.400.350.300.250.200.150.100.050.00?3.5?3.0?2.5?2.0?1.5?1.0?0.5 0.00.51.01.52.02.53.03.5Z?Z?1.1396?T?1477.6K?0.1272?20核 安 全Vol.22,No.4,Aug.2023P（PCT1477.6）=P（z1.0748）=14.123%（12）4.3 功率提升后的堆芯损伤频率根据公式（8）和公式（9）计算得到序列 8和序列 10 的 CDF 分别为 5.45710-6/堆年和8.39410-6/堆年。将两者相加得到功率提升后原序列 B 的 CDF 为 1.38510-5/堆年。其中，序列 8 的 CDF 比额定功率时升高了 19%（表 4），是导致序列 B 堆芯损伤频率升高的支配性序列。另外，序列 10 的条件失效概率由额定功率下的 12.7%增加到 14.1%，这同样是功率提升对电厂风险造成的影响。综合两个序列的 CDF，轴封失效为主因的事故序列（原模型序列 B）的 CDF 为 1.231 10-5/堆年。对比升功率之前的1.38510-5/堆年，RISMC 方法量化出小幅功率提升对于电厂全厂断电事故中的风险重要序列风险的影响，其风险增长了 12.5%。表 4 功率提升前后各序列堆芯损伤频率对比Table 4 CDF in different power levelCDFS8S10改进的序列 B额定功率4.58710-67.71910-61.23110-5105%功率5.45710-68.39410-61.38510-5 CDFS3S5改进的序列 A额定功率3.16210-81.14910-93.27710-8105%功率3.83510-89.85710-103.93410-8进一步地，结合文献 7 中序列 A 的分析量化结果，如果不区别轴封早期失效与否，将序列A和序列B整合起来分析，基于RISMC方法，我们得到当发生全厂断电，RCS 边界完整，轴封发生失效（无论发生在何时），外电无法及时恢复导致堆芯损伤的频率为 1.23410-5/堆年，比原 PSA 计算结果（2.59010-5/堆年）减小 52%。如果提升 5%的功率，CDF 将会增大 12.6%。5 结论本文运用 RISMC 方法量化了小幅功率提升对电厂 SBO 事故风险显著序列（轴封早期失效）风险变化的影响，得到如下结论。（1）本文对 RISMC 方法的应用进行了有益尝试。通过耦合概率论和确定论两种方法，对 PSA模型进行一定程度的改进，综合处理电厂状态参数和随机参数的不确定性，最终对典型三环路核电厂的全厂断电事故下轴封失效为主因序列的堆芯损伤频率进行重新量化评估。相较于传统PSA 的计算结果，RISMC 方法能够去掉一些不必要的保守性，更现实性地对堆芯损伤频率进行评估计算，从而挖掘出了更大的安全裕度空间。（2）计算结果显示，当电厂功率小幅提升（提升 5%）时，tmin和 tmax会因为发生一定程度的左移而导致“一定失败”的概率增加。通过抽样和热工仿真计算得到在抽样范围内的条件失效概率也增大，最终计算出该序列下 CDF 的增量为12.5%。说明 RISMC 方法通过细化成功准则的图 8 包壳峰值温度结果散点图（功率提升）Fig.8 PCT resultscomputed with system code（PU）30002750?K?250022502000175015001250100075050025005101520253035404550PCT图 9 拟合转换结果概率分布图（功率提升）Fig.9 Transformation results of PCTs（PU）0.500.450.400.350.300.250.200.150.100.050.00?3.5?3.0?2.5?2.0?1.5?1.0?0.5 0.00.51.01.52.02.53.03.5Z?Z?1.0748?T?1477.6K?0.1412?杜芸等：核电厂 SBO 事故小幅功率提升风险响应量化评估21Vol.22,No.4,Aug.2023方式可以更敏感地量化出这种小幅设计变更对电厂造成的风险增量。（3）通过综合比较序列 A 和序列 B 的量化结果，我们发现功率提升前后的风险增量的支配性原因是轴封早期失效序列。由此我们得到，在进行 RISMC 方法分析时，务必选择风险最重要的序列进行，将有限的计算资源集中在风险突出的序列中，这样会大大提高计算分析的效率，从而更快速地得到我们关心的结论，更好地给决策者以指导。参考文献1 朱继洲.核反应堆安全分析M.西安：西安交通大学出版社，2004：4-16.2 LEE J C，MCCORMICK NJ.Risk and safety analysis of nuclear systems M.New Jersey：John Wiley&Sons，Inc.2011：1-13.3 Smith C.，et al.Light Water Reactor Sustainability Program-Risk Informed Safety Margins Characterization（RISMC）Pathway Technical Program PlanR.2012，INL/EXT-11-22977.4 HessS.Risk Informed Safety Margin Characterization for Effective Long Term Nuclear Power Plant Safety ManagementC.In 3rd International Conference on NPP Life Management for LTO，Salt Lake City，2012.5 Youngblood RW，et al.Risk-Informed Safety Margin Characterization（RISMC）：Integrated Treatment of Aleatory and Epistemic Uncertainty in Safety AnalysisC.In：The 8th International Topical Meeting on Nuclear Thermal-Hydraulics，Operation and Safety，Shanghai，China，October，2012，N8P0325.6 杜芸，李焕鑫，梁国兴.基于 RISMC 方法论的核电厂小幅功率提升风险响应的量化评估J.核科学与工程，2020，40（3）：383-394.7 Westinghouse Company.Final Safety Analysis Report of Maanshan PWR PlantR.1987.8 Johnson NJ.Systems of frequency curves generated by methods of translationM.Biometrika，1949：36，149-176.9 Kim TW，et al.Quantitative evaluation of change in core damage frequency by postulated power uprate：medium-break loss-of-coolant-accidentsJ.Annals of Nuclear Energy，2012，47：69-80.Quantitative Evaluation of the Impact of Small Power Uprate on Significant SBO Sequence Based on RISMC MethodologyDu Yun1,2,Zhang Qinfang2（1.Shanghai Jiao Tong University,Shanghai 200240,China;2.Shanghai Nuclear Engineering Research&Design Institute Co.,Ltd,Shanghai 200233,China）Abstract：Withconsiderationofimpactofthestochasticandmechanisticuncertainties,oneprobabilisticallysignificantSBOsequenceofthree-loopPWRisrevisedwithanadvancedsafetyanalysismethodcalledcomputationalriskassessment（CRA）basedonriskinformedsafetymargincharacterization（RISMC）method.Thenewsafetyanalysismethodcombinesdeterministicsafetyanalysisandprobabilisticsafetyanalysismethods.Thedifferenceofcoredamagefrequency（increase12.6%）betweenthestandardcaseandthecasewith5%poweruprateevaluatedbyCRAmethodshowsthatthenewPSAmodelcanbesensitivetotheissueoflimitedscopeofpoweruprate,andtheCDFcanbereducedreasonablecomparedwithtraditionalPSAmethod.Key words：poweruprate;SBO;safetyanalysis;RISMC;PSA（责任编辑：徐晓娟）