Development of event progression inference model under a severe accident condition in a nuclear power plant using a machine learning and surrogate model

使用机器学习和代理模型开发核电厂严重事故条件下的事件进展推理模型

• 批准号: 21K14561
• 负责人: 張 承賢
• 金额: $ 2.75万
• 依托单位: Hokkaido University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K14561/
• 关键词: 機械学習; 大体統計モデル; ベイズ推定; 異常検知; シナリオ推定; シビアアクシデント; ベイズ推論; 代替統計モデル; 重大事故

本研究では原子力発電所の重大事故発生時、不確かさが多い中、大体統計モデルと機械学習を用いた事象進展予測モデルを構築する目的とする。事象進展を予測することは、ベイズ推定を利用した逆推論を行うことで、システムから観測されるデータが、機械学習および大体統計モデルによって作られた尤度関数からどれほど離れたかに着目することで、そのデータが観測された際の元のシナリオを推論することで、事象進展を予測することが可能である。本年度の研究では、ベイズ推論を用いた異常検知および異常発生時の真のシナリオを推定するモデルを構築し、モデルの妥当性評価および精度検証を行なった。検証に使われたのは、理論的な支配方程式が容易に導ける原子炉建屋を模擬した多質点系応答解析モデルを構築し、系を構成するバネおよびダンバーの性能変化が発生した際、異常の有無、さらには性能変化を逆推論する課題について評価を取り組んだ。３層体型に関する評価の結果、バネ係数の変化について正常値から10%減少から50％減少までの10％刻みの５つのシナリオを準備し、異常有無、シナリオ推定を実施した結果、いずれも真の状態を推定することができることが確認できた。研究で元々予定していたのは、シビアアクシデントコードを用いた重大事故発生時のシステムの挙動に関する検討ではあったが、大学レベルで使用可能なシビアアクシデントコードの入手が困難な状況であるため、今年度は使用可能な解析コードを使って、関連検討を行う計画である。

本研究的目的是在考虑到许多不确定性的情况下，当核电站发生严重事故时，使用统计模型和机器学习构建事件进展预测模型。预测事件的进展是通过使用贝叶斯估计进行反向推理来实现的，重点关注从系统观察到的数据与机器学习和粗略统计模型创建的似然函数的偏离程度，可以预测事件的演变。通过推断观察数据时的原始场景。在今年的研究中，我们构建了一个使用贝叶斯推理来检测异常并估计异常发生时的真实场景的模型，并评估了模型的有效性并验证了模型的准确性。验证是通过构建模拟核反应堆建筑物的多质量系统响应分析模型来进行的，从中可以轻松导出理论控制方程，以检测构成系统的弹簧和阻尼器发生性能变化时的异常情况。评估反向推断存在/不存在和性能变化的任务。作为三层车身类型的评估结果，我们准备了弹簧系数以 10% 为增量变化、从正常值减少 10% 到减少 50% 的五种方案，并作为检查的结果是否存在异常并进行场景估计，结果发现没有一个是真实的，可以估计状态。最初的研究计划是使用严重事故代码来检查系统在发生严重事故时的行为，但由于很难获得可在大学级别使用的严重事故代码，今年我们计划使用可用的分析代码进行相关研究。