Prediction of Minimum DNBR in a Reactor Core Using Cascaded Fuzzy Neural Networks

Abstract

가압경수로 (PWR) 노심을 설계할 때 고려되는 주요 사항중의 하나는 핵연료의 허용설계한계를 초과하는 일이 발생하지 않도록 하는 것이다. 연료봉의 건전성을 위협하는 요소 중에 하나인 피복재 파손은 최소 DNBR이 1보다 작거나 같을 때 발생한다. 따라서 DNB 현상을 방지하기 위하여 DNB 현상의 발생을 정확히 지시해주는 정량적인 지표인 DNBR 값을 정확히 평가하는 것이 요구된다. 본 논문에서는 최소 DNBR을 예측하기 위하여 데이터-기반 인공지능 방법 중에 하나인 Cascaded Fuzzy Neural Network (CFNN)을 사용하였다. 이러한 CFNN 모델은 Fuzzy Neural Network (FNN) 모듈이 직렬로 다수 연결되어 추론을 반복적으로 고도화시킴으로써 목표값에 근접해 가도록 설계된 모델이다. 이 모델에는 여러 종류의 파라미터들을 포함하고 있으며, 이들 파라미터들을 최적화하는 것이 필요하다. FNN에는 멤버쉽함수를 포함하는 퍼지 추론이 이용되며, 멤버쉽 함수에 관여되는 조건부 (Antecedent) 파마리터들은 유전자알고리즘 (Genetic Algorithm)을 이용하여 최적화하였으며, 퍼지추론의 결론부 (Consequent) 파라미터들은 최소자승법을 사용하여 최적화하였다. CFNN 모델은 진행과정 중에 오버피팅 (Over-fitting) 현상이 발생할 수 있다. 학습과정에 이용되지 않은 데이터들을 이용한 cross checking을 통하여 오버피팅 현상의 발생여부를 확인할 수 있으며, 이런 현상의 발생이 확인될 경우에 FNN 모듈의 추가를 멈추게 하여 오버피팅 현상을 방지할 수 있다. 이렇게 제안된 DNBR 예측 알고리즘은 한국표준형발전소 (OPR1000)의 시뮬레이션으로부터 획득된 수많은 데이터를 사용하여 검증하였다. 또한 다른 모델 (FNN, FSVR; Fuzzy Support Vector Regression)을 이용한 결과와 비교를 수행하였으며, 더욱 우수한 것으로 확인되었다. 따라서 CFNN 모델을 사용함으로써 효과적으로 원자로 노심 내의 DNBR 값을 예측할 수 있을 것으로 기대된다.