인공신경망을 활용한 원자로냉각시스템의 지능형 금속 이물질 탐지기술

Abstract

금속파편감시계통(LPMS: Loose Part Monitoring System, 이하 LPMS)은 Hertz의 금속 충격이론을 바탕으로, 원자로 냉각재 계통 내부에 존재하는 금속 파편물이 내부면에 부딪힐 때 발생되는 충격파를 가속도계로 조기 탐지하여, 핵연료 파손 확대 및 관련 구조물 손상, 제어봉 구동장애, 증기발생기 튜브 누설등의 사고를 미연에 방지할 목적으로 설치된 감시설비로서 원자로 계통의 신뢰성 확보에 중요한 설비이다. 원자로 및 증기발생기 내에서 이물질이 존재할 경우, 기 설정된 크기 이상의 금속 파편 충격파를 검출하며, 경보 설정치를 초과하면 경보를 발생시키게 된다. 국내 원전에서는 LPMS 이벤트 및 경보 신호 사례가 많이 보고되고 있으며, LPMS 신호분석을 통해 금속파편의 충격 위치 및 질량을 추정하여 적절한 조치를 취하는 것이 매우 중요하다. 여기서, 금속 이물질(Loose part)은 원자로의 원장 장비의 기계적 손상이나 피로, 부식 등으로 인해 기기에서 이탈되어 발생하거나 내부 핵연료 재장전 또는 정비 시에 계통 외부로부터 유입된 공구류나 물질을 의미한다. 현재까지 원전의 원자로 냉각재계통에서 사용되는 금속 이물질 진단 시스템은 금속 이물질의 존재 여부를 추정하고 이상 발생 시 경보를 발생시키는 방식으로 구현되었다. 따라서 발전소 기동 또는 정지시 발생하는 열충격에 의해 빈번하는 오경보(False Alarm)의 최소화가 해결해야 할 과제였다. 또한 현재의 금속이물질 진단 시스템의 경우 숙달된 운전원의 역량이 장비 운용에 큰 부분을 차지하였다. 이는 설비의 운영능력에 인적요소가 포함되기 때문에, 장비의 신뢰성을 믿지 못할 수 있으며, 잘못된 판단은 원전 일차계통의 손상을 일으킬 수 있어서, 원전 자체에 큰 위험이 될 수 있다. 과거부터 원자력발전소 내부의 이상부속물을 탐지하고 위치와 무게를 예측하기 위한 연구가 꾸준히 이루어져 왔다. 이와 관련된 연구 중 충격 신호를 감지하고 결정하는 방법은 대부분 신호의 RMS 값 또는 신호의 Peak값을 비교하는 것이며, 시설 표면에 부착된 센서를 통해 이 값이 일정한 임계치를 초과하면 충격의 존재 여부를 판단한다. 이러한 알고리즘은 정상 운전 시 좋은 결과를 보이지만, 온도와 압력이 급격하게 상승하거나 하락하는 시작 및 정지 기간과 같은 다른 환경에서는 대량의 오작동을 발생시켜 작업자의 업무를 가중시키며, 충격 신호를 신속하고 정확하게 감지하는 것을 어렵게 만든다. 이 문제를 해결하기 위해 인공신경망을 이용하여 상승 시간, 반 주기 및 최대 진폭의 최적값을 찾아 충격 신호를 평가하는 방법을 제안하였다. 또한, 선형 예측 코딩(LPC)과 서포트 벡터 머신(SVM)을 결합하여 잘못된 경보율을 줄이는 방법을 제안 등 다양한 연구가 진행되었다. 본 논문에서는 4차 산업혁명기술인 머신 러닝/딥 러닝 기법을 도입한 지능형 금속 이물질 감시진단 기술에 대해 검토하고, 이를 이용하여 오경보를 줄이는 방법에 대한 연구 결과를 제안한다. 국내 경수로형 원자력 발전소 및 시험장에서 얻은 실제 충격 및 거짓 알람 신호를 제안된 모델을 통해 더 높은 정확도로 분류하고 거짓 경보율을 감소시킬 수 있는 딥러닝을 활용하는 방법을 제안한다.