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.

Reconstruction of a Fukushima accident-derived radiocesium fallout map for environmental transfer studies

加藤 弘亮*; 恩田 裕一*; Gao, X.*; 眞田 幸尚; 斎藤 公明

Journal of Environmental Radioactivity, 210, p.105996_1 - 105996_12, 2019/12

https://doi.org/10.1016/j.jenvrad.2019.105996

Ascertaining the initial amount of accidentally released radiocesium is fundamental for determining the extent of radioactive contamination following nuclear accidents, and is of key importance to environmental transfer models. A series of the airborne monitoring surveys of radioactivity have conducted by the Japanese MEXT, and provide basic information on radioactive contamination following the accident. However, there are no clear guidelines regarding the selection of airborne monitoring survey results for estimating the initial fallout input in studies of the environmental transfer of radiocesium. This study reconstructed a fallout map of Fukushima accident-derived radiocesium based on a comparison of the radiocesium deposition densities derived from the third and fifth airborne monitoring surveys.

特定復興再生拠点区域におけるモニタリング及び被ばく評価手法の検討

舟木 泰智; 高原 省五; 佐々木 美雪; 吉村 和也; 中間 茂雄; 眞田 幸尚

JAEA-Research 2018-016, 48 Pages, 2019/03

JAEA-Research-2018-016.pdf:29.73MB

内閣府原子力災害対策本部は、平成34年から35年度までに避難指示解除が計画される「特定復興再生拠点区域」において、放射線防護対策を検討している。これにあたり、当該区域の汚染状況の把握と被ばく線量の評価は必要不可欠である。福島第一原子力発電所事故以降、数々のモニタリングにより空間線量率分布が評価され、それらを元に被ばく線量が推定されてきた。一方、当該区域は比較的空間線量率が高く、放射線防護に対してより慎重な配慮が必要であるため、被ばくに係る詳細な情報が求められている。そこで本研究では、詳細な汚染状況と当該区域の状況に即した被ばく線量を評価することを目的とし、(1)無人ヘリコプターによる空間線量率の測定、(2)大気中の放射性セシウム濃度の測定、(3)代表的な行動パターンにおける外部・内部実効線量の評価を実施した。併せて、空間線量率分布のモニタリング手法と被ばく線量評価方法の高度化を検討した。本調査により、空間線量率の3次元マップを提示し、当該区域における分布傾向を明らかにすると共に被ばく線量を推定し、吸入による内部被ばく線量は外部被ばく線量の1%未満であることを示した。また今後の放射線防護において有効かつ新たな空間線量率のモニタリング手法と被ばく線量評価方法の妥当性を示した。

Release behavior of Cs and its chemical form during late phase of Fukushima Daiichi Nuclear Power Plant accident

日高 昭秀; 横山 裕也

Proceedings of Symposium on Water Chemistry and Corrosion in Nuclear Power Plants in Asia 2017 (AWC 2017) (USB Flash Drive), p.29 - 42, 2017/09

福島第一原子力発電所事故後期に東海村で測定された空気中のCsの性状が3月30日にガス状から粒子状に変わったことに関し、BC制御材を用いたPhebus FPT3実験やWSPEEDIコードによるソースターム逆算の結果を参照して、CsOHがBC起源のHBOと反応して生成するCsBOが再蒸発したことが原因であること、また、CsBOは環境中に放出後、逆反応を起こし、HBOが水に溶けたことがBの測定を難しくしているとの仮説を提案した。本仮説に基づく計算は、3月20日以降の炉心冷却注水量の最適化に伴う温度上昇時の環境中への放出量増大と合わせ、放出挙動を的確に再現できたが、推論の実証が重要である。今後は、様々な測定データを詳細に分析し、Bの存在を確認することが重要と考える。

The Combination of neural networks and an expert system for on-line nuclear power plant monitoring

鍋島 邦彦; Ayaz, E.*; Seker, S.*; Barutcu, B.*; Trkcan, 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。

Neutro-expert monitoring system for nuclear power plant

鍋島 邦彦; 鈴土 知明; 大野 富生*; 工藤 和彦*

Knowledge-Based Intelligent Information Engineering Systems & Allied Technologies, p.1506 - 1510, 2001/09

ニューラルネットワークとエキスパートシステムを用いた原子力プラントの監視システムを開発した。オートアソシアティブニューラルネットワークはプラント動特性をモデル化し、エキスパートシステムはニューラルネットワークの出力及びその他のプラント情報からプラントの状態を診断する。オンラインPWRシミュレータへ適用した結果、本監視システムが異常兆候を初期の段階で見知し、診断することが示された。

Real-time nuclear power plant monitoring with neural network

鍋島 邦彦; 鈴土 知明; 鈴木 勝男; Tuerkcan, E.*

Journal of Nuclear Science and Technology, 35(2), p.93 - 100, 1998/02

https://doi.org/10.3327/jnst.35.93

本論文では、ニューラルネットワークを利用した原子炉運転中の異常検知について述べる。この手法の基本原理は、実際のブラントから測定されたプロセス信号とプラントモデルから得られる出力信号の誤差が大きくなる場合に異常を検知するものであり、プラントは3層のオートアソシアティブ型ニューラルネットワークでモデル化されている。オートアソシアティブ型ネットワークを用いると、未知のプラント状態を検知できるという利点がある。ここで用いる新しい学習方法は、一般的な誤差逆伝播アルゴリズムを改良したもので、ニューラルネットワークによるプラントの動的モデルが得られる。実炉による試験の結果、このプラント監視システムが、原子炉の起動、停止、定常運転を含めた広い出力範囲にわたって、実時間で微小な異常兆候を的確に検知できることが明らかになった。

Neural network with an expert system for real-time nuclear power plant monitoring

鍋島 邦彦; 鈴木 勝男; E.Tuekcan*

SMORN-VII,Symp. on Nuclear Reactor Surveillance and Diagnostics,Vol. 1, 0, P. 4_1, 1995/00

原子炉の状態監視は、運転の安全性・維持のための重要な課題である。原子力施設における監視では、プラントの運転状態に関連した量が、予想される正常及び非正常の範囲内にあるかどうかを知る必要がある。ここではオランダのボルセレ原子力プラントの監視のために、ニューラルネットワークとエキスパートシステムを組み合せたハイブリットAI監視システムを開発した。この監視システムでは、三層構造のニューラルネットワークが主要な測定信号の多様な運転パターンを学習することによりプラントシステムをモデル化する。エキスパートシステムは、マンマシンインターフェイスとして、またニューラルネットワークと運転員の双方から得られた情報を基に診断を行う。このハイブリット監視システムは、原子力プラントの信頼性と運転性の向上に有効であることが示された。

Estimation of depth profile of radiocesium in soil based on characteristics of -ray spectra obtained by airborne radiation monitoring

越智 康太郎; 佐々木 美雪; 石田 睦司*; 佐藤 友彦*; 濱本 昌一郎*; 西村 拓*; 眞田 幸尚

no journal, , 

2011年の福島第一原子力発電所(Fukushima Daiichi Nuclear Power Plant, FDNPP)事故により、大量の放射性セシウムが大気中に放出された。文部科学省は、事故による環境への影響を評価するために、FDNPP周辺で空間線量率の測定を行ってきた。しかし、除染が行われ、事故から6年が経過したにも関わらず、依然としてFDNPP近傍のエリアでは、空間線量率が高いままである。この結果は、効率的な除染方法の提案が喫緊の課題であることを示している。土壌中放射性セシウムの深度分布に関する情報は、効率的な除染のために重要である。多くの場合、土壌中放射性セシウムの深度分布を把握するのは、土壌試料の採取及び測定という観点から煩雑である。放射線監視技術開発グループでは、広範囲の汚染されたエリアの空間線量率分布を迅速にモニタリングする手法として、無人ヘリコプターやマルチコプター(ドローン)などの無人機を用いた放射線計測技術を開発してきた。本発表では、土壌中放射性セシウムの深度分布を、無人放射線測定により得られた 線スペクトル上の特徴から推定する方法について報告する。