인공지능을 이용한 원자로 출력첨두치 예측

Abstract

국부출력밀도(LPD)는 원자로 정상운전동안 핵연료와 핵연료피복경계면이 다양한 안전제한치 내에서 안전하게 운전되어지도록 정확하게 계산되어야한다. 안전성 관점에서 매우 중요한 노심의 가장 온도가 높은 부분에서의 LPD는 원자로 노심의 어떠한 위치에서의 LPD보다 중요한 데이터를 갖고 있다. 특히, 원자로가 운전되는 동안 LPD 모니터링은 핵연료 용융 현상을 방지하기 위해 중요한 것이다. 본 논문에서는 데이터 기반 인공지능 모델 중 두 가지 모델 (Fuzzy Neural Network, Support Vector Regression)을 출력첨두치(PPF) 예측을 위해 사용하였으며, 각각의 방법론을 고찰하였다. 그리고 Subtractive Clustering Method와 유전자 알고리즘을 사용함으로써 유용한 정보를 갖는 데이터를 얻고 제안된 알고리즘을 최적화시킬 수 있었다. 또한 성능 향상과 인공지능 방법의 잠재적인 Overfitting 문제를 해결하여 신뢰성 증진을 달성하기 위해 각각의 알고리즘을 적용했을 뿐만 아니라 서로 다른 모델을 결합함으로써 성능을 확인하였다. 예측성능을 비교해 본 결과 SVR 모델이 FNN 모델 결과에 비해 더 우수하다는 것을 알 수 있었으며, 이를 통해 실제 발전소내에서 출력첨두치(PPF)를 예측하기 위한 위 방법론이 적용가능하리라 기대된다.