Development of a surrogate system of a plant dynamics simulation model and an abnormal situation identification system for nuclear power plants using deep neural networks

深層ニューラルネットワークを用いた原子力プラントのサロゲートモデルと異常事態同定システムの開発

関 暁之   ; 吉川 雅紀 ; 西野宮 良太*; 沖田 将一朗  ; 高屋 茂  ; Yan, X. 

Seki, Akiyuki; Yoshikawa, Masanori; Nishinomiya, Ryota*; Okita, Shoichiro; Takaya, Shigeru; Yan, X.

原子力プラントの安全な運転を支援するため、2種類のディープニューラルネットワーク(DNN)のシステムを構築した。一つは、原子力プラントの各種物理量についてシミュレーションよりも数桁少ない計算時間で推定するサロゲートシステム(SS)である。もう一つは、物理量から異常の原因となる外乱の状態を推定するシステム(ASIS)である。両システムとも、高温工学試験研究炉(HTTR)の挙動を様々なシナリオで再現することができる解析コード(ACCORD)から得られたデータを用いて学習を行った。DNNのモデルは、主要なハイパーパラメータを調整することにより構築された。これらの手順を経て、開発したシステムが高い精度で動作することを確認した。

Two types of deep neural network (DNN) systems have been constructed with the intent to assist safety operation of a nuclear power plant. One is a surrogate system (SS) that can estimate physical quantities of a nuclear power plant in a computational time of several orders less than a physical simulation model. The other is an abnormal situation identification system (ASIS) that can estimate the state of the disturbance causing an anomaly from physical quantities of a nuclear power plant. Both systems are trained and tested using data obtained from the analytical code for incore and plant dynamics (ACCORD), which reproduces the steady and dynamic behavior of the actual high Temperature engineering test reactor (HTTR) under various scenarios. The DNN models are built by adjusting, the main hyperparameters. Through these procedures, these systems are shown able to perform with a high degree of accuracy.