The present study contains two major parts: one is the treatment of uncertainties involved in the current APET and the other is the importance analysis of the APET uncertainty inputs.
A clear disadvantage of the expert opinion polling process approach for uncertainty analysis of the current probabilistic risk assessment (PRA) is that the sufficient robustness in the final results may not be attained against the ambiguity of the information upon which the experts base their judgement or the judgemental uncertainty arising under various imprecise and incomplete information. For the treatment of such type of uncertainty, a new approach based on fuzzy set theory is proposed. Then its potential use to the uncertainty analysis of the current PRA is proved through an analysis of accident progression event tree (APET). As a product, a formal procedure with computational algorithms suitable for application of the fuzzy set theory to the APET analysis is provided. Comparing with the uncertainty analysis results obtained by the statistical approach currently used in PRA, the present approach has several major advantages: Firstly, it greatly enhances the robustness in the final results of APET uncertainty analysis by modeling the judgemental uncertainty that arises in the probabilistic quantification of APET top events. Secondly, the modeling of APET uncertainty analysis is far more convenient because of the nonprobabilistic features of fuzzy probabilities used for uncertainty quantification of the APET top events. Thirdly, the APET model can easily be operated by means of a well defined formal propagation logic of fuzzy set theory without going through a tedious sampling procedure. Finally, the fuzzy outcomes provide at least as much information as the existing methods based on the statistical approach. Thus, the present approach can be used as a valuable alternative approach to uncertainty analysis used in the current PRA.
Two importance measures for the importance analysis of APET key uncertainty issues quantified by modeling uncertainties are presented: One is based on the concept of information theoretic distance and the other is based on the concept of metric distance. They are collective measures of the change of the output distribution induced by a distributional change in the input. The underlying probability distribution functions are estimated in the form of the maximum entropy probability density functions and the cumulative distribution functions for the outputs obtained through a distributional sensitivity analysis that tests the effect of input uncertainties to the output uncertainties, respectively. To examine the feasibility of the present methods, a real application to the typical accident progression event tree with a number of phenomenological uncertainty issues is made. The analysis results show that the relative importances of key uncertainty issues considered can be reasonably measured by the present methods.
본 연구는 원자력 발전소 중대사고 (severe accident)시 격납용기 반응의 확률론적 해석을 위하여 통용되고 있는 사고진행 사건수목(APET)에 포함된 불확실성(uncertainty) 변수들의 처리 및 불확실성 관점에서 이 변수들의 중요도(importance) 분석과 관련된 두 주요한 부분으로 구성된다.
확률론적 위험도평가(PRA)의 불확실성 분석을 위한 한 공인된 방식으로 현재 널리 사용되고 있는 전문가견해 도출방식(expert opinion polling process)은 확률평가시 전문가판단에 내포된 애매함(ambiguity) 또는 여러 부정밀하고도 불완전한 정보하에서 일어나는 판단의 불확실성 때문에 최종결과에 충분한 건전성(robustness)을 제공하지 못한다.는 명확한 단점을 가지고 있다. 이러한 유형의 불확실성을 보다 체계적으로 다루기 위하여 퍼지집합이론(fuzzy set theory)에 바탕을 둔 불확실성 분석을 위한 새로운 방식이 제안된다. 기존 확률론적 위험도평가의 불확실성 분석에 대한 이 새로운 방식의 잠재적 응용가능성은 사고진행 사건수목의 분석을 통하여 입증된다. 적용결과로서 사고진행 사건수목에 퍼지집합이론의 적용을 위한 적절한 계산알고리즘을 가진 한 공식적 계산절차 (formal procedure)가 제공된다. 여기서 제안된 새로운 방식은 확률론적 위험도 평가에서 사용되고 있는 기존의 통계적 방식에 비하여 몇가지 잇점을 가지고 있다. 첫째, 제안된 방식은 사고진행 사건수목에 포함된 정상사건들의 확률론적 정량화 과정에서 일어나는 판단의 불확실성을 적절히 모사(modeling)함으로써 불확실성 분석의 최종결과에 대한 건전성을 크게 보강한다. 둘째, 사고진행 사건수목에 포함된 정상사건들의 불확실성 정량화를 위하여 새로운 방식에서 사용하는 퍼지확률(fuzzy probability)의 비확률론적 (nonprobabilistic) 특성때문에 불확실성의 모사가 훨씬 편리하다. 세째, 사고진행 사건수목모델은 통계적 방식에서 사용되는 단조로운 표본추출과정(sampling process)을 수행함이 없이도 퍼지집합이론에서 잘 정의된 입력변수전파논리(propagation logic)를 채택 함으로써 쉽게 다루어질 수 있다. 마지막으로, 새로운 방식에 의하여 얻어진 결과들은 적어도 기존방식에 의하여 얻어진 결과들 만큼 많은 정보를 제공한다. 이러한 특성들에 비추어 볼때 불확실성 분석을 위한 이 새로운 방식은 확률론적 위험도평가에 사용되고 있는 기존방식에 대한 한 유용한 대안으로 사용될 수 있다.
여러 상반된 모델이나 불완전한 모델에 의하여 모사되는 사고진행 사건수목의 핵심적 불확실성 인자(key uncertainty issue)들에 대한 중요도 분석을 위하여 입력변수의 불확실성에 의하여 야기되는 출력변수 불확실성 변화도의 집합적(collective)측도를 나타내는 정보이론적(information theoretic) 거리개념 및 미터식(metric)거리개념에 바탕을 둔 두가지 종류의 중요도측도(importance measure)가 제시된다. 이들 중요도 측도를 평가하기위하여 사용되는 확률분포함수는 각각 출력불확실성에 대한 입력불확실성의 영향을 다루는 분포성 민감도분석(distributional sensitivity analysis)을 수행하여 얻은 각 출력값들로부터 최대 엔트로피(maximum entropy) 확률밀도함수 및 누적분포(cumulative distribution) 함수의 형태로 추정된다. 이들 방법의 실제응용에 대한 적합성은 현상학적 불확실성 인자(phenomenological uncertainty issues)들을 가진 한 전형적 사고진행 사건수목의 분석을 통하여 시험된다. 분석결과 이들 방법은 고려된 핵심적불확실성 인자들의 상대적(relative) 중요도를 합리적으로 평가할 수 있음을 보여준다.
