Signal Anomaly Detection Algorithm Using Deep Learning in NPPs

Abstract

원자력 발전소의 센서는 현재 발전소의 상태 및 상황을 운전원과 제어 시스템에게 전달하는 역할을 하고 있기에 원자력 발전소의 안전한 운영을 위해서는 신호가 매우 중요하다. TMI 사고와 후쿠시마 사고 때 알 수 있듯이 비상상황에서의 잘못된 신호는 제어시스템과 운전원에게 혼란을 초래하고 이는 사고로 이어질 수 있다. 또한, 자율 및 자동 제어에 대한 관심이 높아지면서 신뢰할 수 있는 신호의 중요성이 높아졌다. 본 논문은 원자력 발전소에서의 신호가 급격히 변화하는 비상 상황에서의 이상 신호 탐지를 위한 알고리즘을 제안한다. 알고리즘은 딥러닝 기법의 한 종류인 Variational Autoencoder (VAE)와 Long Short-Term Memory (LSTM)을 기반으로 한다. 또한, 알고리즘은 3개의 최적화 단계를 통해 최적화된다. 최적화 단계는 1) 최적의 입력값 선택, 2) 매개변수 선택, 3) 문턱값 선정 등으로 구성된다. 마지막으로, 제안된 알고리즘은 Compact Nuclear Simulator (CNS)를 통해 검증된다. 검증 결과 제안된 알고리즘은 비상상황에서의 신호 고장을 97% 이상 검출한다.|The validity and correctness of signals are critical to the safe operation of nuclear power plants (NPPs). Faulty signals as well as sensors may degrade the performances of both control systems and operators under the emergency situations, as learned from the past accidents in NPPs. Moreover, increasing interest in autonomous and automatic controls also highlights the importance of reliable signals because successful controls largely rely on the integrity of input signals. This paper aims to propose an algorithm for the signal anomaly detection in emergency situations in which signals are dramatically changing over time in NPPs. The algorithm is based on a combination of Variational Auto-Encoder (VAE) and Long Short-Term Memory (LSTM) that employs unsupervised learning. The optimization of algorithm is also conducted for selecting inputs, determining hyper-parameters of the network, and determining thresholds to identify signal failures. Lastly, the proposed algorithm is validated by using the Compact Nuclear Simulator (CNS). The result presents that the suggested algorithm could detect more than 97% of the status of signals successfully in the emergency situations.