An on-line expert system, called AFDS, is developed for the purpose of supporting the operator during an abnormal state, which performs alarm filtering, overall plant-wide diagnosis, and alarm prognosis.
The alarm filtering and diagnostic knowledge bases are organized on the basis of object-oriented concepts. For the filtering of multiple alarms, the knowledge base is organized with alarm relationship network using functional relations among the alarms. The alarm filtering rules define the dynamic prioritization among the fired alarms. For the alarm diagnostics, the knowledge base is organized by using fuzzy relation for the knowledge representation. The alarm diagnostic rules using fuzzy logic use fired alarms and generated trend alarms as symptoms, and the compositional inference scheme is used for the inference mechanism of AFDS. For the case of the alarm prognosis, Levinson algorithm and MDL model order criterion are used according to the results of comparative study. Additionally, AFDS performs a trend analysis using fuzzy membership to monitor some important critical safety parameters and to generate trend alarms when the parameters are deviated from the normal condition.
AFDS has been simulated with on-line data which was obtained from the full-scope simulator for several abnormal cases. The results indicated that AFDS can provide the operator with useful informations for the earlier termination and mitigation of an abnormal state.
원자력발전소에서 비정상상태란 운전원의 신속하고도 적절한 조치가 있을 경우에 발전소의 정지를 막을 수 있는 상태를 말한다. 본 논문에서는 이러한 비정상상태에서 운전원의 의사판단을 지원하기 위해 경보처리, 경보진단, 필수안전인자 감시 및 예측을 수행하는 온라인 전문가시스템(AFDS)을 개발하였다.
경보처리와 진단을 위한 지식베이스는 객체지향형 데이타구조를 사용하여 수정이나 확장이 용이하도록 구축하였다. 경보처리의 경우, 경보들간의 기능적인 상호관계를 고려하여 경보관계망에 관한 지식베이스를 구성하고, 이를 이용해 동적인 우선순위를 줄 수 있는 경보처리 규칙을 개발하였으며, 경보진단에서는 경보증상과 비정상상태사이의 관계에 관한 지식베이스를 퍼지관계를 이용해 구성하고, 이를 이용해 주제어실에서 발생된 경보와 필수안전인자의 추세를 감시하여 생성된 추세경보를 가지고 퍼지추론의 일종인 복합추론방식을 통해 진단하는 경보진단 규칙을 개발하였다. 또한 필수안전인자 감시 및 예측의 경우, 필수안전인자들에 대해 Levinson 알고리즘, 공분산 (Covariance) 방법 그리고 EFR 알고리즘을 적용하여 비교연구를 행한 결과 Levinson 알고리즘의 예측능력이 가장 좋음을 알 수 있어서 본 연구에서는 이러한 인자들에 대해, Levinson 알고리즘과 예측모델의 차수결정을 위한 MDL 지표를 이용하여 향후의 변화에 대해서 예측하고, 퍼지소속함수를 도입하여 현재의 추세를 감시해 정상상태에서 벗어날 경우에 추세경보를 생성하여 진단과정에서 새로운 정보로서 사용되게끔 되어있다.
현재 이 시스템은 모의제어반 컴퓨터로부터 얻은 몇가지의 비정상상태 데이타를 이용해 검증이 행해져 만족할만한 결과를 내주었는데, 향후 지식베이스의 보완 및 확충이 이루어진다면 보다 실용적인 시스템이 될 수 있을 것이다.