원자력발전소(NPP)에서의 중대사고는 가혹해진 환경 조건으로 인해 계측기 기능이 저하될 수 있다는 점에서 중대한 도전 과제를 야기한다. 이러한 저하는 후쿠시마 다이이치 사고에서처럼, 운영자가 필수 열수력(thermal-hydraulic) 데이터를 갖지 못하는 “맹(盲) 상태(blind conditions)”를 초래하여, 결정적 순간에 의사결정을 방해한다. 이를 해결하기 위해, 실패한 계측기를 대체할 수 있는 신뢰성, 즉각적인 반응성, 그리고 상황대응(상황적 회복력)을 갖춘 원자력 안전 향상용 운영자 지원 도구(Operator Support Tools)가 필수적이다. 본 연구는 운영자 지원 도구의 역량을 향상시키기 위해, 중대사고 진행을 실시간으로 예측하는 딥러닝 기반 대체(surrogate) 방법론을 제안한다. Modular Accident Analysis Program(MAAP) 5.0.3을 사용하여 포괄적인 데이터셋을 구축함으로써, 대체 모델은 계산 부담 없이 복잡한 중대사고 해석 코드를 근사한다. Transformer 및 Mamba 아키텍처를 포함하는 고급 딥러닝 모델을 사용하여, 열수력 변수들과 반응기 압력용기(RPV) 상태에 대한 다변량 시계열 예측을 길이가 가변인 입력을 처리하도록 수행한다. 개발된 대체 모델은 주요 변수에 대한 신속하고 정확한 예측을 가능하게 하며, 휴대용 장치에서 구동하면서 운영자 지원 도구의 요구사항을 충족한다. 본 접근은 최신 기법을 통해 정확도를 향상하고 입력 처리의 유연성을 높여, 선행 연구를 발전시킨다. 성능 평가는 이 모델들이 중대사고 동안 운영자를 지원하고 맹 상태를 완화하며, 운영의 안전성과 회복력에 기여함을 입증한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.