Radiation-resistant high-temperature molten salts are used in various nuclear industry fields, especially considered as liquid nuclear fuel and coolant for generation-IV reactors. Due to the corrosiveness of the molten salt, problems of structural material corrosion occur. Measurement of the concentration of corrosion products and corrosion potential are important technologies in various applications utilizing molten salts. In this paper, I developed a smart sensor that overcomes the electrode area problem and non-ideal electrochemical reaction, which are problems of existing electrochemical sensors in high-temperature molten salts, through electrochemical big data and multi-array electrodes. In this study, I designed an experimental apparatus by combining a multi-array electrode and an automatic vertical translator to build molten salt electrochemistry big data. The acquired voltammogram big data was extracted through an automatic feature extractor designed for machine learning. An automatic feature extractor extracted features that correlate with the surface area from the voltammogram big data. The extracted features were used as a train set, test set, and validation set of various machine learning models, and the optimized conditions were selected through minimum mean absolute percentage error (MAPE). Through the surface area prediction model, the MAPE of the predicted electrode area was 4.45% from single-component molten salt data and 5.45% from multi-component molten salt data that included non-ideal electrochemical reactions in the dataset. The electrochemical sensor using the predicted electrode area had a prediction accuracy of less than 19.9% for corrosion products for single-component and multi-component molten salts. The smart sensor combined with machine learning can measure the concentration of corrosion products and corrosion potential. The sensor can be used for operating molten salt reactors through structural material corrosion management and molten salt component measurement.
방사선저항성을 가지는 고온 용융염은 다양한 원자력 산업분야에 사용되며, 특히 4세대 원자력발전의 핵연료 및 냉각재로 고려되고있다. 용융염의 부식성으로 인하여 구조재 부식의 문제가 발생하며 부식생성물의 농도, 부식 상태에 대한 측정은 미래 개발될 용융염을 활용할 다양한 활용분야에서 중요한 기술이다. 이 논문에서는 고온 용융염에서 기존 전기화학 센서의 문제점인 전극 면적 문제와 비이상적인 전기화학 반응을 전기화학 빅데이터와 다중배열 전극을 통해 극복하는 스마트 센서 개발하였다. 이 연구에서는 용융염 전기화학 빅데이터 구축을 위해 다중배열전극과 자동수직이동장치를 결합하여 실험장비를 설계하였다. 이를 통해 획득된 전압전류곡선 빅데이터는 기계학습을 위해 전극 면적과 상관 관계를 가지는 특징을 자동특징추출장치를 통해 추출하였다. 추출된 특징은 다양한 기계학습 모델을 통해 학습했으며 평균절대비오차를 통해 최적화된 조건을 선정하였다. 이를 통해 단일성분 용융염 데이터에서 4.45%의 평균절대비오차로 전극 면적을 예측하였으며 비이상적인 전기화학 반응이 포함된 다성분 용융염 데이터에서 5.45%의 평균절대비오차로 전극 면적을 예측하였다. 보정된 전극 면적을 이용한 전기화학 센서는 부식생성물에 대해서 단일성분과 다성분 용융염에 대해 19.9% 이하의 예측 정확도를 가졌다. 기계학습을 결합한 스마트 센서는 부식생성물 농도와 부식전위를 측정이 가능하여 향후 용융염을 활용하는 시설의 구조재 부식 관리와 용융염 성분 측정을 통해 운전에 활용될 수 있다.
