The importance of severe accident management is being re-examined because severe accident management failed during the Fukushima nuclear accident. Since the Fukushima nuclear accident, safety inspections have been carried out in many countries to check the safety of operating NPPs. Nonetheless, operators in NPPs may still be unable to properly mitigate accidents in severe situations. Furthermore, due to information overload and high workload in severe situations, the operators may experience confusion, which can lead to wrong decisions. Therefore, the operator must have enough time to properly mitigate the severe accident.
The current severe accident management guideline (SAMG) entry condition is determined without considering operator action time during SAMG development. Therefore, it is necessary for the current SAMG entry condition to be optimized with the point of consideration of operator action time. Also, it is necessary to develop method that can quickly predict SAMG entry time in the initial phase after the accident because the operator rely on SAMGs during severe accident situations. The objective of this study is to develop a methodology for determining SAMG entry condition considering operator action time in NPPs.
In this study, the margin of operator action time from SAMG entrance to reactor vessel (RV) failure was analyzed to compare the required operator action time and available operator action time based on a severe accident DB developed using MAAP 5.02 code. In order to analyze the margin of operator action time, dominant initiating accident are selected, such as small break loss of coolant accident (SBLOCA), medium break (MBLOCA), large break (LBLOCA), and station blackout (SBO) which account for about 80 percent of core damage frequency (CDF), and the worst scenario was selected in each initiating accident. In the analysis of the worst scenarios, it was confirmed that operator might be fail to prevent RV failure due to insufficient action time. Therefore, in this study, a method that can determine the SAMG entry condition in advance was developed by applying component state to function recovery procedure (FRP). To verify the developed method, a case study was performed based on the scenarios that feed & bleed (F&B) and aggressive cool down (ACD) operations are not successful within limited time after entering the FRP. As a result, the developed strategy flow chart can identify the SAMG entry condition in advance, and provide operator with sufficient action time to mitigate severe accidents.
Also, having an accurate estimation of a severe accident is important for coping properly with unfavorable conditions. In this study, the extended group method of data handling (GMDH) with fuzzy concept is developed as means of predicting the major accident events that represent the SAMG entry time, including the time at which the RV water level decrease, the time when the core exit temperature (CET) reaches 450 degrees-centigrade, the time when the hydrogen concentration in the containment is over 4%, and the time when the reactor coolant system (RCS) pressure is over 2.86MPa under LOCAs. To train the extended GMDH model, it was necessary to acquire the data needed from a number of numerical simulations due to the lack actual LOCA data. The data was obtained by carrying out simulations using the MAAP5 code. To optimize the developed model, the optimal input selection processes were performed using the clustering analysis including self-organizing feature map (SOFM), hierarchical and non-hierarchical clustering methods. The prediction accuracy of the three types of initiating accident, SBLOCAs, MBLOCAs, and LBLOCAs was high enough to predict the SAMG entry time. When compared with other artificial intelligence (AI) methods, the extended GMDH was found to be superior to the original GMDH and support vector regression (SVR).
Therefore, it is expected that this study can provide meaningful results for developing the integrated accident management procedures (IAMPs). Also, we expect that the developed method will help operators to predict the proper SAMG entry time during the initial phase after a reactor trip.
후쿠시마 원전 사고 동안에 중대사고 관리에 실패 하였기 때문에 중대사고 관리에 대한 중요성이 다시 강조되었다. 또한, 후쿠시마 원전 사고 후속 대책으로 원전의 안전성을 향상시키기 위해 여러 안전 검사가 실시되었다. 그럼에도 불구하고, 중대사고에 대한 경험 부족, 정보를 분석할 충분하지 않는 시간 등의 이유로 운전원이 중대사고를 적절하게 완화하지 못할 수 있다는 문제가 이슈화 되었다. 따라서 운전원에게 발전소 상태에 대한 정확한 정보 분석과 적절한 전략을 수행 하기 위한 충분한 시간이 제공되어야만 한다.
현재 한국 원전의 중대사고 예방 및 완화 전략에는 비상운전절차서와 중대사고관리지침서서가 각각 개발되어 있다. 비상운전절차서의 주요 목적은 설계기준사고 동안에 중대사고로 진행되는 현상을 방지하기 위한 직무를 목적으로 하며, 중대사고관리지침서는 비상운전절차서가 원전의 중대사고를 제어/예방/완화 하는데 있어 운전의 성공을 보장하는데 불충분하기 때문에 개발되었다. 즉, 중대사고관리지침서의 주요 목적은 중대사고 현상을 완화하고, 발전소를 제어 가능한 상태로 되돌리기 위한 전략을 수행하는 것이다. 현재 한국 원전의 비상운전절차서와 중대사고관리지침서는 완전히 구분되어 있다. 따라서 운전원에게 중대사고를 완화할 수 있는 충분한 시간을 제공하기 위해서는 중대사고관리지침서의 진입 조건 및 진입 시간이 매우 중요하다.
이전의 수행된 연구에서는 중대사고관리지침서를 수행하는 동안 전략의 긍정적 효과 및 부정적 효과를 분석하여, 중대사고관리지침서의 효율성을 증진 시킬 수 있는 연구가 주로 수행되어 왔다. 하지만, 중대사고 상황에서 운전원은 중대사고에 대한 경험이 많지 않고 쉽게 혼란된 상태가 될 수 있기 때문에, 의사결정을 하거나 전략을 수행하는데 필요한 시간이 비상운전절차서를 수행하는 시간보다 더 많은 시간이 필요할 것으로 판단된다. 따라서 중대사고관리지침서를 수행하는 동안에 운전원 조치 시간은 중대사고를 완화하는데 큰 영향을 미치는 요소라고 할 수 있으며, 현재 중대사고관리지침서 진입 조건에서 중대사고를 완화하는데 충분한 시간을 확보 할 수 있는지에 대한 연구가 필요하다.
현재 한국 원전의 중대사고관리지침서의 진입 조건은 노심출구온도가 650도를 초과하는 시점이다. 이 조건은 열수력 분석을 통해 실제 원전의 주제어실에서 심각한 노심 손상을 가장 대표적으로 나타낼 수 있는 기준이며, 이전의 수행된 연구들을 통해 대다수의 사고 시나리오에서 현재 진입 조건이 격납건물의 건전성 확보 및 중대사고 현상을 완화하는데 적절한 조건으로 확인되었다. 하지만 현재 진입 조건에서 의사결정, 불능기기 회복 및 모바일 시스템 설치 등을 위한 운전원 조치 시간을 반영하지 못했다는 점에서 여전히 개선의 여지가 남아있다. 따라서, 현실적인 운전원 조치 시간을 반영하여 현재 중대사고관리지침서의 진입 조건을 검증할 필요성이 있다.
중대사고관리지침서 진입 후, 전략 수행을 위한 의사결정 및 전략을 수행하는데 필요한 시간을 고려하기 위해서는 현실적인 운전원 조치 시간을 가정하는 것이 먼저 선행 되어야 한다. 그리고 현실적으로 가정된 시간을 기반하여 현재 중대사고관리지침서의 진입 조건에서 중대사고 현상 완화를 적절히 수행할 수 있는 충분한 시간이 운전원에게 제공되는지 확인이 필요하다. 본 연구에서는 현실적인 운전원 조치 시간을 가정하기 위해, 중대사고관리지침서의 운전원 직무 분석을 수행하였다. 또한, 현재 운전원 조치 시간을 예측할 수 있는 방법은 운전원 경험 분석, 운전원 인터뷰, 시뮬레이터 사용, 전문가 의견 등이 있다. 하지만, 현재 한국 원전에 대한 중대사고 시뮬레이터를 이용할 수 없기 때문에 전문가 의견을 통해 운전원 조치 시간을 가정하였다. 가정된 운전원 조치시간에 대해 운전 성공 기준을 설정하고, 중대사고 해석 코드 중 하나인 MAAP 코드를 통해 검증하여 가정된 운전원 조치 시간의 합리성을 파악하였다.
검증된 운전원 조치 시간을 고려한 현재 중대사고관리지침서 진입 조건의 여유도 분석을 수행하기 위해, 먼저 중대사고 DB을 개발하였다. 개발된 중대사고 DB를 기반으로 여유도 분석을 수행한 결과, 현재 진입 조건에서 중대사고를 완화하는데 운전원 조치 시간이 부족할 수 있는 시나리오를 확인하였다. 따라서 본 연구에서는 현재 진입 조건 보다 빠른 진입이 요구되는 사고를 사전에 체계적으로 분류하는 방법을 제안한다. 대부분의 중대사고관리지침서 진입 사례는 기능회복절차서를 수행할 때 진입하게 되므로 먼저 기능회복절차서를 분석하였다. 기능회복절차서는 다양성과 다중성 개념이 적용되어 필수안전기능을 만족 시키기 위해 다양한 전략들로 구성되어 있다. 하지만 본 연구에서 초점은 운전원이 회복 전략을 구현하는 방법보다 회복 전략의 성공 여부를 결정하는 것에 초점을 맞추고 기능회복절차서를 간략화 하였다. 또한, 간략화된 기능회복절차서를 기반하여 기기 상태를 고려한 전략수행도를 개발하였다. 개발된 전략 수행도를 적용 하기 위해 특정 시나리오를 가정하고 MAAP 코드를 사용하여 시뮬레이션을 수행하였다. 시뮬레이션 분석 결과, 제안된 진입 조건에서 중대사고관리지침서에 진입하면 운전원에게 중대사고를 완화할 수 있는 충분한 시간을 제공하는 것을 확인하였다.
또한, 원전에서 중대사고를 효과적으로 완화하고 관리하기 위해서는 사고 발생 후 초기 단계에서 사고 진행에 대한 정보를 운전원에게 제공하는 방법론이 필요하다. 비록 많은 중대사고 분석 코드가 있지만, 이 코드들은 시뮬레이션을 완료하는데 오랜 시간이 걸린다는 단점이 있다. 따라서, 본 연구에서는 중대사고관리지침서의 진입 시간을 예측해 줄 수 있는 방법을 데이터 기반 모델을 이용하여 개발하였다. 데이터 기반 모델은 신호검증, 고장 진단, 사고 식별 등 많은 원자력 공학에 연구 및 적용이 되고 있다.
본 연구에서는 문헌 조사를 통해, 다양한 데이터 기반 모델을 분석하였다. 분석 결과를 통해, Group method of data handling (GMDH) 모델을 선정하여 중대사고관리지침서의 진입 시간을 예측하는 방법론을 개발하였다. GMDH 모델은 자동적으로 데이터의 상관관계를 찾고 회귀 모델의 최적 구조를 선택 할 수 있다. 또한, 귀납적 자기 조직화 모델이기 때문에 사전에 정확한 물리적 모델을 분석할 필요가 없다. 대신에 학습 과정에서 시스템 변수 간의 관계를 자동으로 학습한다. 하지만 기존의 GMDH 모델은 몇 가지의 제약 사항을 가지고 있다. 첫 번째는 입력 변수의 식별이 단순하지 않고, 두 번째는 계수의 안전성에 영향을 미치는 다중 공선성 문제이다. 이를 해결하기 위해 본 연구에서는 기존의 GMDH 모델에 fuzzy 개념을 도입하여 Extended GMDH 모델을 제안하였다. 추가적으로, Extended GMDH 모델의 예측 성능을 향상 시키기 위해 다양한 입력 변수 선정 알고리즘을 분석하였다. 그 중 클러스터 기법은 대표적인 입력 변수 선정 알고리즘으로써, 다양한 분야에서 널리 이용되는 방법으로 자기조직화 모델, 계층적 모델, 비계층적 모델 등이 있다. 따라서, 위 3 가지의 방법을 Extended GMDH 모델에 적용함으로써 최적의 입력 변수 알고리즘을 선정하였다.
개발된 Extended GMDH 모델을 적용하기 위해서 중대사고관리지침서의 진입 시간을 나타낼 수 있는 주요한 시나리오는 노심 출구 온도가 450도를 초과하는 시점, RCS 압력이 2.86 MPA를 초과하는 시점, 원자로용기의 수위가 정상 상태의 75%로 감소하는 시점, 격납건물의 수소 농도가 4 %을 초과하는 시점 등이다.
연구 수행 결과, 냉각재 상실 사고 예측 결과와 중대사고관리지침서의 진입 시간 예측 결과는 모두 적정한 오차율을 보였다. 파단 위치와 소형, 중형, 대형 냉각재 상실 사고 분류는 모든 데이터에 대해서 정확하게 분류를 하였으며, 구체적인 파단 크기 예측에서는 평균 오차가 0.2% 정도로 나타났다. 또한, 중대사고관리지침서의 진입 시간 예측에서는 평균 오차가 몇 가지의 시나리오를 제외하고 10% 정도로 나타났다. 추가적으로 제안된 Extended GMDH 모델의 예측 성능을 검증하기 위해 기존의 GMDH 모델과 데이터 기반 모델 중 예측 성능이 높다고 알려진 Support vector regression (SVR) 모델과의 예측 성능을 비교하였다. 그 결과, 몇 가지 시나리오를 제외하고 제안된 Extended GMDH 모델의 예측 성능이 높다는 것을 확인할 수 있었다.
본 연구는 운전원 조치 시간을 고려한 중대사고관리지침서의 진입 조건을 결정하는 방법을 제안함으로써 충분한 운전한 조치 시간을 확보하기 힘들었던 사고 시나리오를 식별하고 중대사고를 적절히 완화하기 위해 중대사고관리지침서로의 빠른 진입을 유도할 수 있는 체계를 확립했다는 것에 대하여 큰 의미를 가지고 있다. 현재 진입 조건에 도달 하기 전에 확인할 수 있는 정보들 중 중요하게 사용될 수 있는 정보를 선별하고 선별된 정보를 기반으로 사고를 체계적으로 분류하는 알고리즘을 포함하고 있기 때문에 예측할 수 없는 상황에서도 범용적으로 사용될 수 있을 것으로 기대된다. 또한, 본 연구는 향후 통합 사고관리절차서 개발과 관련 연구에 참고문헌으로 활용 가능한 의미 있는 결과를 제공한다.
