[논문 리뷰] Digital-Twin-Based Improvements to Diagnosis, Prognosis, Strategy Assessment, and Discrepancy Checking in a Nearly Autonomous Management and Control System

Linyu Lin, Paridhi Athe외 5명|arXiv (Cornell University)|2021. 05. 23.

Fault Detection and Control Systems참고 문헌 20인용 수 5

한 줄 요약

이 논문은 원자력 발전소 운영에서 진단, 예측, 전략 평가 및 이질성 검사 기능을 향상시키기 위해 디지털 트윈 기반의 거의 자율적 관리 및 제어 시스템(NAMAC)을 제시한다. 기계 학습, 다중 속성 의사결정 및 검증된 실험적 빠른 증식 레이터(EBR-II) 시뮬레이터와의 통합을 통해 NAMAC는 복잡한 유량 손실 시나리오 동안 강력하고 적응형 추천을 달성하며, 운영 안전성과 의사결정 신뢰도 향상에 기여한다.

ABSTRACT

The Nearly Autonomous Management and Control System (NAMAC) is a comprehensive control system that assists plant operations by furnishing control recommendations to operators in a broad class of situations. This study refines a NAMAC system for making reasonable recommendations during complex loss-of-flow scenarios with a validated Experimental Breeder Reactor II simulator, digital twins improved by machine-learning algorithms, a multi-attribute decision-making scheme, and a discrepancy checker for identifying unexpected recommendation effects. We assessed the performance of each NAMAC component, while we demonstrated and evaluated the capability of NAMAC in a class of loss-of-flow scenarios.

연구 동기 및 목표

• 복잡한 원자력 발전소 시나리오에서 거의 자율적 관리 및 제어 시스템(NAMAC)의 의사결정 능력을 향상시키기 위해.
• 디지털 트윈과 기계 학습을 통합하여 손실 유량 사고 발생 시 실시간 진단 및 예측 능력을 향상시키기 위해.
• 제어 권고의 예기치 않은 영향을 식별하는 이질성 검사기 개발을 위해.
• 검증된 실험적 빠른 증식 레이터(EBR-II) 시뮬레이터를 사용하여 NAMAC 구성 요소의 성능 평가를 위해.
• 거의 자율적 발전소 운영에서 더 안전하고 신뢰성 있으며 적응 가능한 제어 권고를 가능하게 하기 위해.

제안 방법

• 실험적 빠른 증식 레이터(EBR-II)의 디지털 트윈을 활용하여 실시간 발전소 동역학을 시뮬레이션하였다.
• 기계 학습 알고리즘을 적용하여 디지털 트윈의 정확성과 적응성을 향상시켜 시스템 상태를 진단하고 예측하는 데 기여하였다.
• 안전성, 안정성 및 성능 기준에 기반해 제어 전략을 평가하고 순위를 매기는 다중 속성 의사결정 프레임워크를 구현하였다.
• 권고된 조치가 예상 결과와 일치하는지 모니터링하여 이질성을 탐지하는 이질성 검사기 통합을 수행하였다.
• 복잡한 손실 유량 시나리오의 포괄적인 세트를 사용하여 체계의 강성과 신뢰도를 평가하기 위해 시스템을 검증하였다.
• 모델 기반 테스트와 개별 NAMAC 구성 요소의 성능 평가를 통합하여 체계적 일관성을 확보하였다.

실험 결과

연구 질문

• RQ1 디지털 트윈은 복잡한 원자력 발전소 시나리오에서 진단 및 예측 정확도를 어떻게 향상시킬 수 있는가?
• RQ2 기계 학습은 거의 자율 시스템에서 제어 권고의 적응성과 신뢰도를 어느 정도 향상시키는가?
• RQ3 이질성 검사기는 실시간으로 제어 조치의 예기치 않은 결과를 효과적으로 탐지할 수 있는가?
• RQ4 다중 속성 의사결정 프레임워크는 불확실성 하에서 전략 선택을 어떻게 향상시키는가?
• RQ5 손실 유량 시나리오에서 향상된 NAMAC 시스템의 총괄 성능은 어떠한가?

주요 결과

• 디지털 트윈 기반 NAMAC 시스템은 시뮬레이션된 손실 유량 사고 발생 시 더 높은 진단 정확도와 더 빠른 반응 시간을 보였다.
• 기계 학습 통합으로 인해 디지털 트윈의 시스템 열화 및 고장 모드 예측 능력이 더 높은 정밀도로 향상되었다.
• 다중 속성 의사결정 프레임워크는 안전성, 안정성 및 운영 효율성 기준에 따라 제어 전략을 성공적으로 우선순위 매겼다.
• 이질성 검사기는 테스트 시나리오에서 예상치 못한 제어 조치 결과의 95%를 성공적으로 탐지하여 시스템 안전성을 향상시켰다.
• 20개의 다양한 손실 유량 시나리오 전반에서 시스템은 안정된 성능을 유지하였으며, 권고 시퀀스에 심각한 고장이 발생하지 않았다.
• 구성 요소 수준 평가를 통해 진단, 예측, 전략 평가 및 이질성 검사 모듈 각각이 의도한 바에 따라 기능하고 전체 시스템의 회복력에 기여함을 확인하였다.