In nuclear power plants (NPPs), the reliability of instrumentation signals is crucial for making appropriate decisions. Multiple signals can become faulty simultaneously and become unavailable under harsh conditions, and this could lead to improper decisions being made, which could result in catastrophic failure. However, despite the importance of signal integrity, there is a lack of studies on the recovery of multiple missing signals in NPPs under harsh conditions. This study proposes a new signal recovery method based on a generative adversarial network (GAN), which can be applied to recover multiple missing signals and does not require prior knowledge of plant conditions. A GAN model is trained to generate realistic signal sets from given latent vectors and labels, and the model is utilized for finding the optimal latent vector and label, resulting in generation of signal set that suitable for signal recovery. The damaged signal set is recovered by replacing its missing parts with the corresponding parts of the signal set generated from the found optimal latent vector and label. To verify the applicability of the proposed method to the recovery of multiple missing signals under various NPP emergency situations, experiments were conducted based on the simulation data. Simulation data was acquired by using compact nuclear simulator (CNS) with considering four types of design basis accident (DBA) scenarios, various break sizes, and 31 kinds of signals. A GAN model was repeatedly trained to adjust the hyper-parameters and best performing model was applied for further experiments on recovering missing signals. Several kinds of signals within 1,000 randomly selected unit data were intentionally omitted and attempt to be recovered. The results shown that the proposed method is capable of recovering most of multiple missing signals under various plant conditions.
원전에서의 적절한 의사결정을 위해서는 계측 신호의 신뢰성을 확보하는 것이 필수적이다. 한편, 극한 상황에서는 다수의 계측 신호가 동시에 고장이 발생하거나 가용하지 않을 수 있으며, 이는 적절하지 못한 의사결정을 유발하고 더 나아가 심각한 결과까지 초래할 수 있다. 그러나 이러한 계측 신호 신뢰성의 중요성에도 불구하고, 원전 극한 상황에서 다수의 소실된 계측 신호를 복원하는 방법론에 대한 연구는 충분히 진행되지 않았다. 본 연구에서는 이러한 상황에 대비할 수 있도록, 다수의 소실된 계측 신호를 복원할 수 있는 신호 복원 방법론을 생성적 적대 신경망 (generative adversarial network, GAN) 에 기반하여 제시하였다. GAN 모델은 주어진 잠재 벡터 (latent vector) 와 라벨 (label) 로부터 실제적인 신호 세트를 생성해낼 수 있도록 훈련되며, 해당 모델은 손상된 신호 세트를 복구하는데 적절한 신호 세트를 만들어낼 수 있는 최적의 잠재 벡터와 라벨을 탐색하는데 이용된다. 최종적으로 신호의 복원은 손상된 신호 세트의 손상된 부분을 탐색된 최적의 잠재 벡터와 라벨에 기반하여 생성된 신호 세트로 대체함으로써 진행된다. 본 연구에서는 또한 제시한 방법론이 다양한 원전 비상 상황에서 다수의 신호가 소실된 상황에서도 이를 복원할 수 있는지를 확인하기 위하여 시뮬레이션 데이터에 기반하여 실험을 진행하였다. 시뮬레이션 데이터는 compact nuclear simulator (CNS) 를 이용하여 취득하였으며, 이 과정에서 네 가지의 설계기준사고 (design basis accident, DBA), 다양한 파단 크기 및 31가지의 계측 신호가 고려되었다. GAN 모델은 초매개변수 (hyper-parameter) 의 조정을 위해 반복적으로 훈련되었으며, 가장 좋은 성능을 보인 모델을 이후 실험 과정에서 적용하였다. 훈련된 모델은 1,000 개의 무작위로 선정된 단위 데이터를 선정하고 여러 종류의 계측 신호를 의도적으로 누락시킨 뒤 이를 복원하도록 적용되었다. 실험 결과, 제시한 방법론은 다양한 플랜트 조건 하에서 대다수의 소실된 계측 신호를 복원하는데 이용될 수 있음이 확인되었다.
