Compact simulators for nuclear power plants can be used as cost-effective training or analysis tools; generally, they demonstrate overall responses of transients or accidents in real time or faster. In the thermal-hydraulic models of compact simulators, governing equations are simplified with reasonable assumptions and empirical correlations, and approximate solutions are obtained by using appropriate numerical schemes. Moreover, many physical control volumes in plant modeling are lumped to reduce the computing time. The simplification of equations and reduction of control volume numbers usually degrade the accuracy of solutions.
A hybrid accident simulation methodology is proposed to enhance the capabilities of a compact simulator by introducing artificial neural networks. A simplified thermal-hydraulic program, playing the role of compact simulator, is designed to calculate the overall responses of transients and accidents. Two neural networks are designed and trained with the target values obtained from the analyses of detailed computer codes and trained results are combined with the simplified thermal-hydraulic program to perform the following roles: (i) compensation for inaccuracy of a simplified thermal-hydraulic program occurring from simplified governing equation and small number of physical control volumes: the auto-associative neural network (AANN), trained with the target values obtained from RELAP5/MOD3 code analyses, improves the calculated results of the simplified thermal-hydraulic program, and (ii) prediction of the critical parameter usually calculated from the sophisticated computer code: the back propagation neural network (BPN), trained with the target values obtained from COBRA-IV code analyses, predicts the minimum departure from nucleate boiling ratio (DNBR) which is not calculated in simplified thermal-hydraulic program. Simulations for the several accidents are carried out to verify the applicability of the proposed methodology. The verification results show that more accurate computational results can be obtained from the simplified thermal-hydraulic computer code while maintaining its fast simulation capability: the AANN improves the accuracy of results from the simplified thermal-hydraulic program up to the accuracy level of detailed computer code, and multi-calculation stages to obtain the minimum DNBR can be integrated into one stage with reasonable accuracy: the minimum DNBR is calculated by the BPN without any additional algorithmic calculation processes.
It is concluded that the neural network can be used as a complementary tool to improve the capabilities of a simplified thermal-hydraulic computer code.
원자력발전소의 과도상태나 사고를 실시간으로 모의할 수 있는 소형 시뮤레이터는 운전원 교육이나 사고해석용 도구로서 유용하게 사용된다. 소형 시뮤레이터는 실시간 모의가 가능하도록 합리적인 가정과 실험상관식 등을 사용하여 지배방정식을 단순화시키고, 계산시간을 줄이기 위하여 원자력발전소를 모사하는 Node수를 감소시키며, 또한, 유체의 거동을 빠른 시간에 계산할 수 있는 적절한 수치해법을 이용하여 해를 구한다. 이러한 과정에서 일반적으로 소형 시뮤레이터는 계산의 정확도가 떨어질 수 있다.
본 논문에서는 인공신경회로망 (Artificial Neural Network)을 응용하여 소형 시뮤레이터의 계산결과를 최적계산 (Best Estimate)전산코드의 계산결과에 가깝게 향상시키고, 특정 전산코드에서 계산할 수 있는 최소 핵비등이탈률(Minimum DNBR)을 소형 시뮤레이터에서 직접 계산하기 위한 사고모의방법을 제안하였다. 먼저 과도상태나 사고에 따른 운전변수를 실시간으로 계산할 수 있는 소형 시뮤레이터 역할을 하는 간단한 열수력프로그램을 개발하였으며, 최적계산 전산코드인 RELAP5/MOD3를 사용하여 사고들을 상세히 분석하고 그 결과를 이용하여 자동연상 신경회로망 (Auto-associative Neural Network)을 학습시켰다. 열수력프로그램에서 자동연상 신경회로망이 Recall Phase를 수행하도록 학습된 자동연상 신경회로망을 열수력프로그램과 합성시켰다. 자동연상 신경회로망의 특성은 학습에 사용된 data와 차이가 나는 data가 입력되었을 때 학습에 사용된 data와 같은 결과를 내는 것이다. 이러한 특성을 이용하여 열수력프로그램에서 계산된 변수를 학습된 자동연상 신경회로망의 입력으로 사용하면, 자동연상 신경회로망의 결과는 동 신경회로망을 학습시키는데 사용된 RELAP5/MOD3의 계산결과와 거의 같은 계산결과를 생산함으로써 열수력프로그램의 계산신뢰성을 향상시키는 것이다. 또한, 열수력프로그램에서는 직접 생산되지 않는 안전에 중요한 변수를 인공신경회로망 적용을 통해 생산하기 위하여 최소 핵비등이탈률을 대상으로 선정하였으며, 최소 핵비등이탈률과 관련이 있는 10개 사고를 RELAP5/MOD3 전산코드로 분석하고 그 결과를 사용하여 COBRA-IV 전산코드로 최소 핵비등이탈률을 계산하였다. 계산된 최소 핵비등이탈률을 오차역전파 신경회로망 (Error Back Propagation Neural Network)에 학습시키고 이를 열수력프로그램과 합성하여 최소 핵비등이탈률 계산을 위한 별도의 수학적인 프로그램을 작성하지 않고 신경회로망의 Recall Phase에 의하여 최소 핵비등이탈률을 직접 예측하도록 하였다.
제안한 방법론을 검증하기 위하여 3개의 사고분석에 방법론을 적용하였으며, 간단한 열수력프로그램의 계산결과가 자동연상 신경회로망의 Recall Phase를 통해 최적계산 전산코드(RELAP5/MOD3)의 계산결과 수준까지 향상됨을 확인하였다. 자동연상 신경회로망에 입력되는 간단한 열수력프로그램의 계산결과가 학습에 사용된 최적계산 전산코드의 계산결과와 같은 경향(trend)을 보이고 크기(magnitude)가 크게 차이가 나지 않는 경우에는 적용성이 뛰어나며, 경향이 틀린 경우에는 적용성에 한계가 있음을 확인하였다. 또한, 오차역전파 신경회로망의 최소 핵비등이탈률 예측치도 상세전산코드(COBRA-IV) 계산결과와 비교할 때 고도의 정확도가 유지됨을 확인하였으며, 학습에 사용되지 않은 사고에 대하여도 오차역전파 신경회로망의 예측능력이 있음을 확인하였다.
결론적으로, 본 논문에서 제안한 인공신경회로망을 응용한 사고모의방법은 간단한 열수력프로그램 계산결과와 최적계산 전산코드 계산결과간에 경향과 크기가 일관성이 있으면 간단한 열수력프로그램의 전반적인 계산신뢰성을 향상시키며, 또한, 여러 계산단계를 거쳐 얻을 수 있는 특정변수를 직접 예측하기 위해 사용될 수 있다.
