[논문]원자력발전소 시뮬레이터 데이터의 패턴인식을 이용한 압력경계기기 고장 진단 연구

안홍민; 최현우; 강성기; 채장범

doi:10.20466/kpvp.2017.13.1.048

원자력발전소 시뮬레이터 데이터의 패턴인식을 이용한 압력경계기기 고장 진단 연구
Study on Faults Diagnosis of Nuclear Pressure Boundary Components using Pattern Recognition of Nuclear Power Plant Simulator Data 원문보기

한국압력기기공학회 논문집 = Transactions of the Korean Society of Pressure Vessels and Piping, v.13 no.1, 2017년, pp.48 - 53

안홍민 ((주)엠앤디) , 최현우 ((주)엠앤디) , 강성기 ((주)엠앤디) , 채장범 (아주대학교 기계공학부)

Abstract ▼ AI-Helper

We diagnosed the defect using the data obtained from the nuclear power plant simulator. In this paper, we diagnosed faults in the nuclear power plant system for discovery instead of the traditional single-component or device unit. We created the six fault scenarios and used a fault simulator to obtain the fault data. It was extracted pattern from acquired failure data. Neural network model was trained and simple pattern matching algorithm was applied. We presented a simulation result and confirmed that the applied algorithm works correctly.

주제어

AI 본문요약
AI-Helper

문제 정의

^(1,2) 그러나 기술의 발전과 함께 원자력발전소에서는 다양한 종류와 많은 양의 데이터가 축적되어 기존의 단일 부품이나 기기 단위의 감시와 진단에서 벗어나 여러 계통의 기기를 포함하는 원자력발전소 전체의 감시와 진단을 수행하고 이를 이용하여 노후화로 인한 결함 및 고장을 미연에 방지하여 원자력발전소의 안전성을 향상시키는 것에 대한 요구가 증대하고 있다. 따라서 본 연구에서는 원자력발전소 시뮬레이터로부터 데이터를 취득하여 원자력발전소 계통을 대상으로 패턴인식을 이용한 고장 진단을 수행하였다.

가설 설정

이 가운데 시뮬레이터의 Malfunction 기능을 사용하여 주급수펌프 재순환 밸브고장, 가압기 수위 주제어기 고장, 원자로 냉각재계통 고온관 누설, 복수기 진공도 저하, 가압기 PORV 내부누설, 증기발생기 세관 누설에 대한 고장 시나리오를 작성하고 시뮬레이션을 수행 하였다. 고장은 기존 고장 경험 데이터나 PSA에 나타난 고장 확률을 고려하여 발생시켰다. 고장에 대한 내용과 그에 해당하는 번호를 Table 2에 정리하였다.

제안 방법

앞서 시뮬레이터에서 취득한 고장 데이터를 이용하여 각 고장별로 상태변수들을 정상신호와 비교하여 경향을 확인하고 고장 패턴을 추출하였다.
정상 데이터와 고장데이터를 혼합하여 테스트 데이터를 생성하고 이 데이터로부터 패턴을 추출하여 모델의 성능을 확인하였다. Fig.

대상 데이터

따라서 본 연구에서는 고장 시뮬레이션이 가능한 원자력발전소 시뮬레이터를 이용하여 고장 데이터를 취득하였다. 사용한 시뮬레이터는 미국 Western Services Corporation(WSC)사에서 개발된 시뮬레이터로서 시뮬레이터에 포함된 원자력발전소 모델은 APR 1400과 매우 흡사한 GPWR이다.⁽³⁾

이론/모형

추출한 패턴은 패턴인식 모델로 들어가 어떤 고장에 해당하는지 판단하게 된다. 패턴인식 모델로서 neural network와 simple pattern matching 방법을 적용하였다.

성능/효과

원자력발전소 시뮬레이터를 이용하여 노이즈를추가한 고장 데이터를 취득하고 노이즈 제거 및 신호처리를 통하여 고장의 패턴을 추출하였다. 그리고 neural network을 적용하여 패턴을 학습시키고 simple pattern matching 알고리즘을 적용하여 두 결과를 종합하여 고장을 예측하였고 그 결과 고장을 정확히 분류함을 확인하였다.

후속연구

향후, 밸브 개도나 출력조정과 같은 운전변수(또는 조건)를 포함한 운전범위를 확대하고 추가적인 고장 시나리오를 개발하여 고장의 종류 확장 및 상태변수의 추가를 통하여 알고리즘의 성능을 향상시키며 실제 원자력발전소의 데이터를 이용하여 고장의 패턴 및 고장 진단 알고리즘의 성능을 검증할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	본 연구에서 Neural network은 MATLAB을 어떻게 설정하여 적용되었는가?	Neural network을 적용하기 위해 MATLAB을 사용하였다. 입력층의 노드 개수는 변수개수와 동일한 605개로 설정하였고, 출력층의 노드 개수는 정상상태1개와 Table 2의 고장 11종류를 포함하여 12개로 설정하였다. 그리고 은닉층의 노드 개수는 25개로 설정하였다. 은닉층의 노드 개수는 여러 값을 바꾸어가며 학습패턴에 대해서 모두 정확히 분류하는 노드의 개수 중 최소의 개수로 선택하였다.
	원자력발전소의 불시 정지나 성능 저하의 원인은 무엇인가?	원자력발전소는 다양한 기기와 시스템, 구조물로 복잡하게 이루어져 있다. 원자력발전소의 불시 정지나 성능 저하는 기기의 진동, 오염, 부식, 그리고 오작동이 전체 시스템에 영향을 미침으로써 발생하고 있다. 따라서 기존엔 전체 시스템에 영향을 줄 수 있는 부품이나 기기의 감시와 진단을 수행하였다.
	GPWR의 원자로는 어떻게 구성되어 있는가?	GPWR의 원자로는 2개의 루프를 가지고 있으며 4개의 원자로냉각재펌프와 2개의 증기발생기로 구성되어 있다. 터빈은 1개의 고압터빈과 3개의 저압터빈, 4개의 습분분리재열기로 구성되어 있다.

참고문헌 (8)

Kim, W. S., Chai, J. B., Choi, H. W., 2004, "Study on the Self Diagnostic Monitoring System for an Air-Operated Valve : Algorithm for Diagnosing Defects", Journal of the Korean Nuclear Society, Vol. 36, No. 3, pp. 219-228.

원문보기 상세보기
L.J. Bond, D.B Jarrel, R.W. Gilbert, 2000, "On-Line Intelligent Self-Diagnostic Monitoring for Next Generation Nuclear Power Plants", NPIC&HMIT, Washington DC, 1-10.
Western Services Corporation, 2014, GPWR with Silverlight User guide.
Western Services Corporation, 2013, GENERIC PWR SIMULATOR Training Guide.
Chai, J. B., Kim, Y. C., Kim, W. S., Cho, H. D., 2004, "Study on a Self Diagnostic Monitoring System for an Air-Operated Valve : Development of a Fault Library", Journal of the Korean Nuclear Society, Vol. 36, No. 3, pp. 210-218

원문보기 상세보기
Kevin P. Murphy, 2012, The Machine Learning: A Probabilistic Perspective, The MIT Press, pp. 247-282.
Oho, I. S., 2008, Pattern Recognition, Kyobo Book Centre.
Oho, C. S., 2000, Introduction to Neuro-computer, 2000, NAEHA CORP.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증