Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Dong, F.*; Chen, S.*; 出町 和之*; 吉川 雅紀; 関 暁之; 高屋 茂
Nuclear Engineering and Design, 404, p.112161_1 - 112161_15, 2023/04
被引用回数：3 パーセンタイル：90.12(Nuclear Science & Technology)To ensure nuclear safety, timely and accurate anomaly detection is of utmost importance in the daily condition monitoring of Nuclear Power Plants (NPPs), as any slight anomaly in a plant may result in an irreversible and serious accident, as well as high costs of maintenance and management. Nevertheless, due to the unique inherent attributes of anomalies, the difficulty of automatic detection in NPPs is increased. Previous model-driven anomaly detection approaches required skilled priori knowledge, leading to their limited usability. Commonly adopted deep learning-based data-driven anomaly detection approaches may not easily acquire the most relevant features when dealing with sensor data containing redundant information with uneven distribution of anomalies. To alleviate these issues, this paper propose an attention-based time series model for anomaly detection to ensure safety in NPPs. First, we employ one-dimension convolutional neural network (1D-CNN) backbone for feature extraction to preserve original inherent features of time series inputs. Subsequently, we originally adopt soft-attention mechanism to automatically extract the most relevant temporal features considering the specificity of anomaly detection in NPPs. The performance of the proposed model was experimentally validated on the High Temperature Gas-cooled Reactor (HTGR) anomaly case dataset simulated using the analytical code. The experimental results indicate that the proposed model was capable of detecting anomalies in NPPs with superior performance to the baseline model, while ensuring fast detection at short time steps.
鍋島 邦彦; Ayaz, E.*; Seker, S.*; Barutcu, B.*; T
rkcan, E.*
Proceedings of International Conference on Artificial Neural Networks and the International Conference on Neural Information Processing (ICANN/ICONIP 2003), p.406 - 409, 2003/06
ニューラルネットワークとエキスパートシステムを利用して、オランダボルセレ原子力発電所のオンラインプラント監視システムを開発した。フィードフォワード型及びリカレント型ネットワークを用いてプラントのモデル化と異常検知を行い、ルールベース型エキスパートシステムでプラント診断を行った。オフラインによる結果から、ニューラルネットワークがプラント動特性を正確にモデル化できることが示された。また、オンラインの結果より、本監視システムがプラント状態を実時間で診断できることが明らかになった。
弘田 実弥*; 篠原 慶邦
Nucl.Saf., 24(2), p.210 - 212, 1983/00
1981年10月26~30日に東京で開催された第3回原子炉雑音専門家会合(SMORN-III)は、1977年にアメリカで開催されたSMORN-IIと同じく、炉雑音解析を応用して原子力プラントの安全性と稼動率を高めることに主眼があった。15ヶ国と2つの国際機関から97人が参加した。会合は9つのセッションからなり、最初の4つは基礎研究、次の4つは実際的経験と安全関連応用、そして最終セッションで会合の沢論が討議された。本発表では、座長の総括とセッション中の討議にもとづき、各セッションの概要とハイライトを述べ、炉雑音解析におけるSMORN-II以来の進歩をレビューする。さらに、SMORN-IIIと関連して実施した炉雑音解析ベンチマークテストにも言及する。最後に、次回の専門家会合のSMORN-IVに触れ、3年後にヨーロッパで開催という合意が最終セッションで得られたことなどを述べる。
