Determination of the Recovery Time of Unhealthy SISs in LOCA

Abstract

최근 일본 후쿠시마 원전 사고에서 보듯이 중대사고시 노내 상태를 정확히 알아내지 못하는 상황에 처하게 되어 사고 평가 및 결과를 전혀 예측하지 못하는 상황에 도달하게 되었다. 원자로 상태를 정확히 알 수 없어 이것은 사고회복을 위한 초기 대응 실패로 연결되었으며, 사고를 조기에 마무리하고 원자로가 안정 저온정지에 도달할 기회를 상실하게 되었다. 본 연구는 원전 사고시 사고회복을 위한 인공지능 방법론의 적용 가능성을 검토하고, 이를 이용한 LOCA에서의 안전주입계통의 작동에 대한 사고 회복 시간을 결정하기 위하여 수행되었다. 이에 따라 본 연구에서는 다양한 인공지능 기법(Group Method of Data Handling: GMDH, Fuzzy Neural Network: FNN, Support Vector Machine: SVM 등)을 이용한 방법론을 검토하였으며 [1-4], 사고 관리를 적절히 수행하지 못하는 초기사건이나 안전계통이 적절히 작동하지 못한 경우 LOCA 시나리오 예측에 적용하였다. 이전 연구에서 중대사고 시나리오 전개과정의 특정 시점을 예측하기 위하여 GMDH와 FNN 모델을 적용하여, 선택된 입력 변수와 최대 예측 오차 및 RMS 오차를 분석한 결과, GMDH와 FNN 모델은 정확히 LOCA의 시나리오를 예측할 수 있었다. 본 연구에서는 안전주입계통의 작동여부 (실패 또는 정상작동 또는 지연작동)에 따라 중대 사고를 나타내는 주요한 시점의 변화를 분석하였다. 예측 모델은 학습 데이터를 이용하여 개발 하고 독립적인 시험 데이터를 이용하여 검증을 수행하였으며, 모델 개발과 검증을 위한 DB는 MAAP4 [12]코드를 이용하여 한국표준형원전 (OPR1000)을 대상으로 하는 시뮬레이션을 통해 구축하였다. 사고모의는 고압안전주입과 저압안전주입으로 나누어서 파단 크기별로 실행하여 사고회복 시간을 결정하였다. 단, 격납용기 살수 계통과 재순환 모드는 정상적으로 작동하였다고 가정하였다. 시뮬레이션 결과, 배관 파단크기별로 중대사고 시나리오를 나타내는 주요 시점(노심 노출, 압력용기 손상)에 도달하지 않도록 안전주입계통의 사고 회복 시간을 결정할 수 있었다. 안전계통의 작동여부에 따라 원자로 상태를 확인하는 것은 매우 중요하다. OPR1000을 대상으로 하는 시뮬레이션을 통해 안전주입시스템의 작동에 따라 사고회복을 위한 시간을 결정할 수 있었다. 또한, 압력과 지연작동과 같이 안전계통의 적절한 운전에 간섭하는 요소를 알 수 있었다. 원자력 발전소에서 냉각재 상실 사고 발생시 GMDH 모델을 통하여 LOCA의 파단크기 및 시나리오를 나타내는 주요한 시점을 정확히 예측한다면 안전주입시스템의 사고 회복 결정시간에 따라 중대 사고를 효과적으로 관리할 수 있을 것으로 기대된다.