In order to assist the operators at the transient states of a nuclear power plant, the automation of signal processing is needed. This study has the objective to process the signals from a nuclear power plant for the purpose of advising the operator. To meet this objective, in this study, two kinds of on-line signal processing system based on AI techniques are developed for the nuclear power plant application with on-line signals.
First, an artificial neural network for signal prediction is developed for the adequate countermoves at transient states. The steam generator water level is adopted as the example and the outputs of a simulation program for the dynamics of steam generator combined with noises are used as the training patterns. For the training of the artificial neural network, the modified backpropagation algorithm is proposed for escaping quickly from local minima. The modified algorithm is different from the ordinary backpropagation algorithm in the aspect that the training rate coefficient is reqeatedly adjusted randomly and taken when the training is improved. This trial has an effect to search for an adequate magnitude of a training rate coefficient. The comparison result shows that the modified algorithm enables the neural network to be trained more quickly. The simulation result shows that the outputs of the artificial neural network are not sensitive to noises. Using the artificial neural networks proposed in this thesis, the operators can predict the next status of a plant and can take actions to maintain the stability of plant.
Second, the multi sensor integration system has been developed for the identification of transient states. The developed system is divided into two parts; pre-processors and a fusion part. An artificial neural network is adopted in the fusion part to include the knowledge about the identification and to make a decision of the transient state. The developed pre-processors play a role of classifying the trend types of signals in a certain time interval for reducing the loads of the fusion part. The simulation results of LOCA in the simulator are demonstrated for the classification of the signal trend. The demonstration is performed for the transient states of a steam generator. Using the fuzzy memberships, the pre-processors classifiy the trend types in each time interval into three classes; increase, decrease, and steady that are fuzzy to classify. The result compared with the artificial neural network which has no pre-processor shows that the training time is reduced and the outputs are seldom influenced by noises. Because most knowledge of human operators include fuzzy concepts and words, the method like this is very helpful for computerizing the buman expert's knowledge.
최근 원자력발전소에 온-라인 컴퓨터가 장착되기 시작하면서 발전소 운영을 자동화하려는 시도가 많아졌다. 특히 최근 컴퓨터의 가격 대비 성능이 획기적으로 향상되고 있으며 인간이 가진 지능을 전산화하는 다양한 기법들이 연구, 발표되면서 자도와는 발전소의 운전뿐만 아니라 전반적인 운영에 시도되고 있다. 특히 수동 조작이나 인간의 판단에만 의존했던 여러 업무들이 자동화되어지고 있으며 그 결과 또한 괄목할 만하다.
본 논문에서는 자동화, 전산화의 기초가 되는 신호 처리의 개선에 대해 연구했다. 사용되는 인공 지능의 기법으로 전문가 시스템, 인공 신경 회로망과 퍼지 이론을 고찰하며 그중 병렬 정보 처리 (parallel data processing) 기능을 지닌 인공 신경 회로망을 근간으로 하여 시스템을 개발하고 여타 기법들을 이용하여 인공 신경 회로망을 보완했다.
먼저 신호 예측을 위한 인공 신경 회로망을 개발하였다. 발전소의 운전원이 상황에 대처하기 위해서는 현재의 변수치보다 앞으로의 변화에 관심을 가져야 한다. 그러므로 빠른 시간내에 보다 정확한 예측이 가능해진다면 운전원의 판단에 도움이 될 것이다. 적용 대상은 증기 발생기의 수위이며 이미 개발된 프로그램의 출력 결과를 정리하여 학습 패턴들을 만들었다. 일반적으로 프로그램 결과에는 노이즈가 포함되어 있지않으므로 0.7ft 이하의 불규칙한 노이즈를 작성된 학습 패턴에 가하였다. 사용되는 학습 기법으로는 backpropagation 기법이 채택되었으나 local minima 문제로 인해 학습이 부진하므로 변형된 backpropagation 기법을 개발하여 사용하였다. 변형된 backpropagation 기법은 학습률 상수 (training rate coefficient) 를 불규칙적으로 변화시킴으로써 local minima를 빠져나오는 데 도움을 준다. 간단한 학습 패턴을 만들어 비교한 결과 약 3배 이상의 빠른 학습 효과를 보였다. 학습을 끝내고 모사한 결과는 노이즈의 영향은 크지 않으며 전반적인 신호의 추이는 반영되는 양상을 보였다.
인공 지능 기법의 또 다른 적용 예로서 multi sensor integration 시스템을 개발하여 증기발생기 과도 상황 진단에 이용하였다. 개발된 시스템은 크게 두 부분으로 나뉜다. 하나는 신호 추이의 특징들을 조합하여 진단 결과를 출력해주는 fusion 부분이며, 다른 하나는 fusion 부분에 입력되기 이전 신호치들을 근거로 하여 신호 추이의 특성을 판단하여 fusion 부분으로 출력하는 pre-processor들이다. 본 연구에서는 빠른 출력과 노이즈에 강한 성질을 지닌 인공 신경 회로망이 fusion 부분에 장착되어 과도 상태에 관한 정보를 기억한다. pre-processor는 fuzzy membership을 이용하여 신호의 특징을 도출해 내는 역활을 한다. 본 연구에서는 증가, 감소, 접근, 불안정 등, 신호의 변화에 관한 인간적인 개념을, fuzzy membership을 이용하여 컴퓨터상에서 판단하였다. 증기 발생기 과도 현상의 진단을 위해서는 그중 증가, 감소의 두가지 개념만을 도입하여 신호의 추이를 세가지로 - 증가, 감소, 증가도 감소도 아닌 상황 - 구분한다. 인공 신경 회로망만을 이용한 경우와 pre-processor를 장착한 인공 신경회로망을 이용한 경우를 비교하면, 우선 신경 회로망의 크기가 감소하였으며 학습 속도 또한 증가하였다. 또한 개발된 시스템은 pre-processor와 fusion 부분의 신경 회로망 양 단계에서 노이즈를 제거함으로써 노이즈에 강한 면을 보였다.
