인공지능 기반 원전 일차계통 감시 기술 개발

키워드

확장요약문

가동원전 일차계통의 원자로계통 건전성 감시시스템(NIMS)은 고장 감지 위주로 설계되어 이상상태의 진위판별과 위치파악을 전문가의 수동 분석에 의존하며, 가압기·주증기관 등 진단설비가 없는 영역에서도 고장이 발생하고 있다. 본 연구에서는 일차계통 전체를 대상으로 고장 진위판별, 위치파악, 손상정도 추정을 자동 수행하는 지능형 감시·진단 기술을 개발하였으며, 고장진단 정확도를 약 70%에서 90% 이상으로, 누설 진단 성능을 1 gpm/1 시간에서 0.25 gpm/10 분 이내로 높이는 것을 목표로 하였다.

첫째, 1/4 테스트베드, 시뮬레이션, AI 데이터 생성 모델과 가동원전 배경소음으로 결함별 빅데이터를 구축하고, 물리·주파수 지식 기반 데이터 증강과 도메인 일반화 기법을 적용한 진단 모델을 개발하였다. 그 결과 LPMS 92% 이상, IVMS 91% 이상, RCP-VMS 92.2%, ALMS 90.8%의 정확도를 달성하였다. 또한 지능형 NIMS 시제품을 제작하여 200 시간 운전시험을 수행하였다.

둘째, 근적외선 레이저와 AI 판정 모델 기반의 미세누설 검출장치를 개발하여 97.71%의 검출률을 보였다. 원격형은 24 m에서 0.25 gpm 누설을 15 초, 근접형은 0.1 gpm 누설을 30 초 이내에 검출하였고, KTL 공인시험에서 5 초 이내 100% 검출을 확인하였다.

셋째, 진단설비가 없는 가압기와 주증기관을 대상으로 광섬유, AE 센서, 가속도계 기반 감시 기술을 개발하였다. 충격 위치를 90% 이상의 정확도로 추정하였고, 센서 간 시간지연 추정으로 누설 위치를 파악하였으며, 누설량을 91%의 정확도로 판정하였다. 또한 U-Net 기반 배경소음 억제로 9 m 거리의 0.5 gpm 누설을 93% 이상의 정확도로 평가하였다.

개발 기술은 냉각재 상실사고, 증기발생기 전열관 파열, 주증기관 파단 등의 초기사건빈도를 낮추고 사고 시 누설 위치·누설량 정보를 제공하여 노심손상빈도(CDF) 저감에 기여할 것으로 기대된다. 향후 XAI를 적용하고 레이저 누설검출장치와 지능형 NIMS를 통합하여 현장 실증을 수행할 예정이다.