초록 ▼

비등위기 및 핵연료 피복관 용융을 방지하기 위하여 핵비등이탈율(DNBR) 및 국부출력밀도(LPD)등의 보호 인자의 계산은 아주 중요하다. 다른 보호인자들은 기본적으로 측정된 값이 설정치를 초과하는지 않는지를 판단하여 정지신호를 발생시키는 아주 단순한 논리를 따르게 되므로 보호인자의 주요 관심은 DNBR 및 LPD 계산에 초점이 맞추어져 있다. 이에 본 연구에서는 2가지 인공지능 방법(FNN, SVR)을 이용하여 원자로 노심의 보호 및 감시인자로써 아주 중요한 DNBR 및 LPD를 정확히 예측하는 알고리즘을 개발하였다. 또한 개발된

비등위기 및 핵연료 피복관 용융을 방지하기 위하여 핵비등이탈율(DNBR) 및 국부출력밀도(LPD)등의 보호 인자의 계산은 아주 중요하다. 다른 보호인자들은 기본적으로 측정된 값이 설정치를 초과하는지 않는지를 판단하여 정지신호를 발생시키는 아주 단순한 논리를 따르게 되므로 보호인자의 주요 관심은 DNBR 및 LPD 계산에 초점이 맞추어져 있다. 이에 본 연구에서는 2가지 인공지능 방법(FNN, SVR)을 이용하여 원자로 노심의 보호 및 감시인자로써 아주 중요한 DNBR 및 LPD를 정확히 예측하는 알고리즘을 개발하였다. 또한 개발된 알고리즘의 성능을 검증하기 위해 불확실도 분석을 실시하였으며, 적용된 인공지능 알고리즘의 우수성을 확인하였다. 이러한 결과를 도출해내기 위해, 본 연구에서는 인공지능 방법을 이용하여 DNBR 및 LPD를 예측하기 위한 측정변수와 예측변수간의 상관관계를 분석하였고, 입력변수 및 학습 데이터선정 알고리즘을 개발하여 더 많은 정보량을 갖는 최적의 입력변수를 선정하였다. 기존 DNBR 및 LPD 계산 알고리즘을 인공지능을 이용한 방법으로 변경한다면 OPR1000, APR1400에서 DNBR 및 LPD 등 파라미터의 예측식(평가식)을 구하는데 활용이 될 수 있을 것이다. 또한 주기말 CPC 축방향 출력분포의 RMS 오차 증가로 인한 운전여유도 감소에 대비할 수 있고, 장주기 운전시에도 주기중 SAM 교체가 필요 없으므로 SAM 재결정을 위한 출력 감발 및 원자로정지 가능성을 배제할 수 있다.

Abstract ▼

To achieve the objectives of this project, the following contents of study were conducted:
• Development of Techniques Predicting DNBR and LPD Using Artificial Intelligence
- Signal Analysis of In-core and Ex-core Neutron Detectors
- Assessment and Establishment of Correlation Degrees Betwe

To achieve the objectives of this project, the following contents of study were conducted:
• Development of Techniques Predicting DNBR and LPD Using Artificial Intelligence
- Signal Analysis of In-core and Ex-core Neutron Detectors
- Assessment and Establishment of Correlation Degrees Between Input/Output Variables
- Development of an Algorithm Selecting Input Variables and Training Data
- Generation of Axial DNBR Distribution Using Artificial Intelligence
- Prediction of DNBR and LPD Using Artificial Intelligence
- Simulation for the Performance Analysis and Verification of the Prediction Techniques
- Performance Analysis and Verification of the Prediction Techniques
• Uncertainty Assessment of Techniques Predicting DNBR and LPD Using Artificial Intelligence
- Analysis of Factors Contributing to its Uncertainty
- Estimation of 95% Confidence Interval by Statistical Uncertainty Analysis
- Estimation of 95% Confidence Interval by Analytical Uncertainty Analysis

목차 Contents

• 표지 ... 1
• 제출문 ... 3
• 보고서 요약서 ... 5
• 요약문 ... 7
• SUMMARY ... 11
• CONTENTS ... 15
• 목차 ... 17
• 표 목차 ... 19
• 그림 목차 ... 21
• 제 1 장 연구개발 과제의 개요 ... 25
• 제 1 절 연구 목적 ... 25
• 제 2 절 연구개발의 필요성 ... 25
• 제 3 절 연구내용 및 범위 ... 27
• 제 2 장 국내외 기술 개발 현황 ... 31
• 제 1 절 지금까지의 연구개발 실적 ... 31
• 제 2 절 국내외 기술 개발 현황 ... 34
• 제 3 장 연구개발수행 내용 및 결과 ... 37
• 제 1 절 DNBR 및 LPD에 대한 입출력 데이터 선정 ... 37
• 제 2 절 DNBR 및 LPD 예측 알고리즘 개발 ... 49
• 제 3 절 DNBR 및 LPD 예측 알고리즘 검증 ... 61
• 제 4 절 DNBR 및 LPD 예측 기술 불확실도 평가 ... 96
• 제 4 장 목표 달성도 및 관련분야의 기여도 ... 111
• 제 1 절 목표 달성도 ... 111
• 제 2 절 관련 분야의 기여도 ... 113
• 제 5 장 연구개발 결과의 활용 방안 ... 115
• 참고문헌 ... 117