Support Vector Regression을 이용한 고온봉에서의 축방향 DNBR 분포 예측

Abstract

비등위기 및 핵연료 피복관 용융을 방지하기 위한 지표인자인 핵비등이탈율 계산은 안전성 측면에서 계속 모니터링 되어야 하는 매우 중요한 인자이다. 현재 원자력 발전소에 있는 대부분의 원자로 노심보호 시스템들은 핵비등이탈을 예방하기 위하여 고온봉의 허위 위치(pseudo position)에서의 최소 핵비등이탈률을 사용하는데 이것은 핵비등이탈을 예측하는데 보수적인 결과를 초래하여 원자력발전소의 운전여유도를 감소시킨다. 따라서, 본 논문에서는 데이터 기반 인공지능 방법 중 하나인 Support Vector Regression 방법을 이용하여 고온봉의 실제 위치(actual position)에서의 DNBR 분포를 예측하였다. 위의 SVR 모델은 학습데이터를 이용하여 개발되었으며, 학습데이터와 독립적인 시험데이터에 의해 성능이 증명되었다. 또한 더 많은 정보를 가지고 있는 학습데이터를 선정하기 위해 Subtractive Clustering 방법이 사용되었다. 제안된 DNB 예측 알고리즘은 영광 원자력발전소 3호기의 시뮬레이션으로부터 획득된 수많은 데이터를 사용하여 증명되었다. 개발된 모델의 적용 결과, 고온봉의 13개 축방향 위치에서 평균 RMS 오차는 0.87%였다. 이 결과는 개발된 모델이 DNBR을 정확히 예측한다는 것을 보여주며, 실제 발전소의 노심보호 및 감시계통에 적용가능성을 제공할 수 있을 것으로 기대된다.