Attention-based time series analysis for data-driven anomaly detection in nuclear power plants

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

https://doi.org/10.1016/j.nucengdes.2023.112161

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.

Automatic object recognition using deep learning for legacy waste treatment

吉田 幸彦

IL Nuovo Cimento, 46(2), p.33_1 - 33_8, 2023/03

https://doi.org/10.1393/ncc/i2023-23033-x

JAEA is addressing the back-end issues with the steadfast promotion of sustainable measures. The R&D plans are being rationally pursued by considering priorities based on indicators such as bottleneck issues in waste streams, relevance to WAC settings, and effectiveness of cost reduction. In addition, the future vision (JAEA 2050+) has been formulated to promote cross-disciplinary R&D through a new approach that cannot be reached by conventional methods, and active incorporation of information technologies, such as AI technologies. Currently, we are developing intelligent sensing that combines sensing and information processing technologies to realize automatic sorting technology, and non-destructive evaluation technology using high-energy X-ray CT, for legacy wastes. The core technology common to these technologies is image evaluation technology using deep learning models, which was confirmed to perform very well in the evaluation of waste object recognition.

AMR-Net: Convolutional neural networks for multi-resolution steady flow prediction

朝比 祐一; 畑山 そら*; 下川辺 隆史*; 小野寺 直幸; 長谷川 雄太; 井戸村 泰宏

Proceedings of 2021 IEEE International Conference on Cluster Computing (IEEE Cluster 2021) (Internet), p.686 - 691, 2021/10

https://doi.org/10.1109/Cluster48925.2021.00102

多重解像度の定常流を予測する畳み込みニューラルネットワークを開発した。本モデルは、最先端の画像変換モデルpix2pixHDに基づき、パッチ化された符合付き距離関数から高解像度の流れ場の予測が可能である。高解像度データをパッチ化することにより、pix2pixHDと比べてメモリ使用量を削減した。

A Learning data collection using a simulator for point cloud based identification system

谷藤 祐太; 川端 邦明

Proceedings of International Workshop on Nonlinear Circuits, Communications and Signal Processing (NCSP 2020) (Internet), p.246 - 249, 2020/02

In this paper, we describe a method of acquiring learning data 3D point cloud data as learning data for deep learning using a simulator. Generally, a lot of data is necessary for building classifiers by deep learning approach. By using a simulator, various measurement conditions can be set thus, it is expected to collect variety of data for building high performance classifier. Data collection was conducted by virtual measurement using a mobile robot model and a sensor model. As a feasibility study of evaluating classification performance, we performed a simple identification experiment to confirm performance and applicability to actual measurement data. As a result, a high identification rate of 89 percent to three categories was obtained.

A Structure discrimination method by deep learning with point cloud data

谷藤 祐太; 川端 邦明

Proceedings of International Topical Workshop on Fukushima Decommissioning Research (FDR 2019) (Internet), 4 Pages, 2019/05

This paper describes about the development of an environment recognition method with point cloud data collected in a dark place like Fukushima Daiichi Nuclear Power Station (FDNPS). We reported the results of a feasibility study of the structure discriminations from LiDAR 3D point cloud data by a deep learning approach. Proposed method utilizes the image data of projected 3D point cloud as input for the classifier instead of coordinate data of 3D points directly. This idea realized to make shorten the learning time without large capacity of the memory for the computations. We selected five kinds of structures (Stairs, Pipe, Grating, Switchboard and Valve) commonly appeared in the general plant as a discrimination subjects for evaluating proposed method. As a result, the classifier showed an accuracy of 99.6% to five categories and we could confirm the validity of proposed method for the structure discrimination.

Thermal stability of deep-level defects in high-purity semi-insulating 4H-SiC substrate studied by admittance spectroscopy

岩本 直也*; Azarov, A.*; 大島 武; Moe, A. M. M.*; Svensson, B. G.*

Materials Science Forum, 858, p.357 - 360, 2016/05

https://doi.org/10.4028/www.scientific.net/MSF.858.357

Thermal stability of deep level defects in high purity semi-insulating (HPSI) 4H-Silicon Carbide (SiC) substrates was studied. The samples were annealed from 700 to 1700 C, and Schottky barrier diodes (SBDs) were fabricated on the samples. The SBDs were characterized by current-voltage, capacitance-voltage and admittance spectroscopy measurements. The forward current of SBDs increased substantially with the increase of annealing temperature, while the reverse leakage current remained below 10 A. The capacitance of the samples annealed at 1400 and 1500 C was essentially zero at bias voltages between 0 and 10 V, but after 1600 and 1700 C annealing, the capacitance increased and started to respond to the bias voltage. The net hole concentrations in the 1600 and 1700 C annealed substrates were estimated to be 0.5110 and 1410 /cm, respectively. From admittance spectroscopy, five defect levels were detected. Defect peaks relating to boron acceptors increased although defect peaks with deep levels decreased with increasing annealing temperature. Therefore, it can be concluded that deep levels which act as compensation centers for boron acceptors dissociate by high temperature annealing, and as a results, hole concentration increases.

瑞浪超深地層研究所における工学技術に関する検討(平成26年度); 設計・施工計画および施工対策技術の開発(委託研究)

小林 伸司*; 新美 勝之*; 辻 正邦*; 山田 俊子*; 青柳 芳明; 佐藤 稔紀; 見掛 信一郎; 大澤 英昭

JAEA-Technology 2015-039, 170 Pages, 2016/02

JAEA-Technology-2015-039.pdf:37.73MB

超深地層研究所計画では、「研究坑道の設計・施工計画技術の開発」、「研究坑道の建設技術の開発」、「研究坑道の施工対策技術の開発」、「安全性を確保する技術の開発」、「掘削影響の修復・軽減技術の開発」を目的として、工学技術に関する研究を進めている。本研究では、研究坑道の設計・施工計画技術の開発および施工対策技術の開発を目的として、地震動特性と湧水抑制対策技術に関する検討を実施した。地震動特性に関する検討については、瑞浪超深地層研究所に設置した地震計等の計測結果を分析し、各深度の方向ごとの計測データや地質状況との関係を総括的に評価した。湧水抑制対策技術に関する検討としては、平成25年度に立案した施工試験計画に基づいてポストグラウトを施工した結果を評価し、今後の技術開発の方向性について検討を加えた。

Anthropogenic radionuclides in the Japan Sea; Their distributions and transport processes

伊藤 集通; 荒巻 能史; 北村 敏勝; 乙坂 重嘉; 鈴木 崇史; 外川 織彦; 小林 卓也; 千手 智晴*; Chaykovskaya, E. L.*; Karasev, E. V.*; et al.

Journal of Environmental Radioactivity, 68(3), p.249 - 267, 2003/07

https://doi.org/10.1016/S0265-931X(03)00064-X

1997-2000年の期間、日本海の海水中におけるSr,Cs並びにPuが計測された。放射性核種濃度の鉛直分布は、SrとCsでは表層から深度方向に指数関数的減衰を示し、Puでは表層最小,中層最大となっていて、それぞれ典型的分布を示した。過去の測定例と比較しても本質的な差異は検出されなかった。また、日本海における緯度帯別平均濃度及びインベントリは北西太平洋に比べ高くなっていた。さらに空間分布では、高インベントリ域が日本海盆側から大和海盆へ貫入している様子が描かれた。このことは、日本海盆で鉛直輸送された放射性核種が大和堆を迂回後に大和海盆に入り、日本海の深層水中に放射性核種が蓄積されていることを示唆するものである。

Study of Joule loss of grooved mirror polarizers

三枝 幹雄*; 高橋 幸司; 大石 晋平*; 柏 吉忠*; 星 勇希*; 小林 憂樹*; 春日井 敦; 坂本 慶司; 今井 剛

Proceedings of IAEA TM on ECRH Physics and Technology for ITER (CD-ROM), 7 Pages, 2003/00

最適な電子サイクロトロン電流駆動(ECCD)を行うためには、プラズマの磁力線に対して斜めにかつ楕円偏波でEC波を入射する必要がある。新たに開発した必要な偏波を作り出すことのできる深溝型偏波器の大電力試験を行い、伝送損失を実験的に評価した。その結果、伝送損失が偏波器の回転角度に対して依存性を持つことがわかり、また、最大で0.8%の損失が生じることが明らかになった。さらに、偏波器の最適設計を行うために開発した計算コードにより評価した損失の回転角度依存性は、実験結果と定性的によく一致した。

Radionuclide and colloid migration experiments under deep geological conditions in the underground research laboratory, Canada

熊田 政弘; 中山 真一; Vandergraaf, T. T.*; Drew, D. J.*

JAERI-Conf 99-004, p.395 - 410, 1999/03

https://jopss.jaea.go.jp/pdfdata/JAERI-Conf-99-004-Part1.pdf

天然の亀裂岩盤試料を用いた原位置条件下における放射性核種及びコロイドの移行実験をカナダの地下研究施設で実施した。地下240m実験坑道壁面に観察されたほぼ垂直の亀裂から亀裂岩盤試料を切り出し、亀裂が開かないようにステンレスベルトで締めつけ、表面をシリコン樹脂でコーティングした。試料側面に設けた注入口から、ネプツニウム、プルトニウム等の放射性核種、及び0.034~1.0mのコロイドを5ml/hの速度で亀裂面へ注入した。亀裂面における核種の分布をアルファスキャン等により調べた結果、プルトニウムの大部分は注入口近くに留まっており、強い遅延が確認された。コロイドは粒子サイズが異なると分布も異なっており、コロイドサイズが移行に影響していることが明らかとなった。さらに、ネプツニウムなどの多価原子価の移行には、微生物の活動が影響していることが示唆された。