An accurate radionuclide inventory of Low-level wastes (LLW) prior to transport for disposal is important. However, representative sampling of waste packages poses a radiological hazard to personnel and is also difficult and expensive to obtain. Establishing correlation relationships between the concentration of the difficult-to-measure (DTM) nuclides and the easy-to-measure (Key) nuclides, called scaling factor, is proposed to meet the need for inventory description. Scaling factors are calculated based on a database from radiochemical analyses of representative waste samples. Several data points are needed to derive a reliable scaling factor. The more the number of data points, the better is the correlation, but more costly because of number of needed radiochemical analyses. Therefore, optimization of data points should be considered to minimize the cost without compromising reliability and prediction of the scaling factor.
Scaling factors for Ni-63, Sr-90, and C-14 were calculated using Co-60 and Cs-137 as Key nuclides based on the published data in EPRI-4037. Data points were treated in two ways: non-segregated (all data points) and segregated according to waste streams, which were qualitatively compared. Correlation coefficient, percent error and relative standard deviation were plotted against the number of data points used in the estimation of scaling factor. The optimum number of data points was obtained to where there was no significant improvement in the statistical uncertainties by using additional samples.
It was found that 54 data points were sufficient to characterize Ni-63, while 100 data points were sufficient to characterize C-14. It was also found that 14 data points from RCS waste stream were sufficient to characterize Sr-90. Results showed that, segregation of data points according to waste streams may be an option to characterize scaling factor. On the other hand, non-segregation of data points is not an option for Sr-90 since it is better characterized by specific waste streams. Results showed that the scaling factor for Sr-90 gave unsatisfactory characterization of the said nuclide. Thus, a different type of segregation is suggested so as to increase the number of the data point. It is suggested on this study to classify the waste streams into homogeneous and heterogeneous categories, by which specific waste streams will fall into one of the categories. RCS, Resins and Evaporated bottoms were classified in the Homogeneous category and DAW and Filters in the Heterogeneous category. Even though non-segregated (all data points) has greater effect in calculating scaling factor because of its more data points, this study showed that even segregation of waste stream can be an option for optimizing data points in scaling factor calculation and DTM characterization.
중·저준위 방사성폐기물의 처분을 위한 수송에 앞서 폐기물 내에 존재하는 평가대상 핵종들에 대한 정확한 농도 및 방사능 정보가 중요하다. 그러나 대부분의 방사성 핵종들의 경우 측정이 어려울 뿐만 아니라 평가에도 비용이 많이 든다. 그래서 측정이 어려운 방사성 핵종 (DTM)과 측정이 수월한 핵종(Key)사이에서의 상관관계를 도출하여 DTM핵종들의 농도를 도출하는 척도인자방법이 이용된다. 높은 상관관계를 가지는 척도인자를 도출하기 위해서는 많은 데이터 수가 필요하게 되는데, 이를 위해서는 방사화학분석을 위한 평가 비용이 높아진다는 단점이 있다. 이에 따라 척도인자 예측의 신뢰도를 높이기 위한 최적 데이터 수를 결정하는 것이 중요하다. 본 연구에서 DTM핵종인 63Ni, 90Sr, 14C을 위한 척도인자를 Key핵종인 60 Co, 137Cs을 EPRI-4037보고서를 이용하여 계산하였다. 데이터 수는 폐기물 유형에 따라 모든 데이터를 분리하는 방법과 분리하지 않는 두 가지 방법으로 다루었다. 상관계수 (Correlation coefficient), 오차 (Percent error), 상대표준편차 (Relative standard deviation)등은 척도인자의 평가에 사용되지는 데이터 수에 대비하여 나타내었다. 63Ni 의 특성을 평가하기 위해서는 54개의 데이터로 충분하였으나, 14C의 특성을 평가하기 위해서는 100개의 데이터가 필요하였다. 또한 90Sr의 특성을 평가하기 위해서는 RCS로부터 14개의 데이터로 충분한 것으로 나타났다. 위의 결과에서 폐기물 유형에 따라 데이터 수를 다르게 하여 척도인자를 계산하는 것이 척도인자를 평가하기 위한 방안으로 나타났다. 반면에 데이터 수를 분리하지 않고 척도인자를 도출하는 방법은 90Sr으로 인하여 적절하지 않은 것으로 나타났다.
본 연구에서는 폐기물의 유형을 균질형과 비균질형으로 분류하도록 제안하였다. RCS, 농축폐액 (Evaporated bottom), 이온교환수지 (Ion exchange resin)는 균질폐기물로 구분하였고 잡고체 (Dry active waste), 필터 (Filter)는 비균질폐기물로 구분하였다. 비록 척도인자를 계산하기 위해서 모든 데이터 수를 분리하지 않고 계산하는 것이 더 효율적일 수 있지만, 본 연구는 폐기물 유형에 따라 데이터 수를 분리하여 계산하는 방안이 척도인자의 데이터 수를 최적화하는 방안이 될 수 있음을 보여준다.