인공지능 방법을 이용한 LOCA 진단에 관한 연구

Abstract

원자력발전소에서 과도현상 혹은 사고가 발생시, 중대사고 관리전략을 효율적으로 달성하기 위하여 사건 초기의 아주 짧은 기간 동안 주요한 파라메타를 관측함으로써 초기사건을 파악하는 것이 중요하다. 본 논문에서는 원전 사고 시 초기조건 진단 방안으로 인공지능 방법론의 적용 가능성을 평가하고, 이를 이용한 중대사고 초기조건 진단체제를 개발하기 위하여 수행되었다. 이에 따라 다양한 인공지능 방법 (Group Method of Data Handling, Support Vector Machine)을 이용한 방법론을 검토하였으며, 이들 인공지능 방법론 중에 Support Vector Classification (SVC) 방법과 GMDH 및 Support Vector Regression (SVR) 방법을 이용하여 LOCA 사고의 위치를 알아내고, LOCA 파손 크기를 예측하는데 적용하였다. 고온관 LOCA 및 저온관 LOCA, 그리고 SGTR의 각 사고 유형에 대해 각각 111개씩 총 333개의 MAAP4 코드 사고 시뮬레이션 데이터를 이용하였으며, 선택된 입력 변수와 최대 예측 오차 및 RMS 오차, 측정 오차의 존재 및 SIS 작동에 의한 인공지능 방법의 성능을 분석한 결과, SVC는 모든 경우에 대하여 파열 위치를 정확하게 분류하였으며, GMDH와 SVR 모델은 정확한 파손 크기를 예측할 수 있었다. 대부분의 안전계통은 원자로 정지 후 보통 60초 이상의 지연을 가지고 작동하기 시작하므로, 본 논문에서는 원자로 정지 후 60초 이내에 적분된 신호를 입력 값으로 이용하였다. 또한, APR1400 원전에서 안전주입계통, 보조급수계통, 격납용기 살수계통의 작동 시간은 각각 40초, 60초, 80초이기 때문에 안전주입계통의 작동 효과만 고찰되었다.