지진하중 하 원자로압력용기의 머신러닝 기반 응력강도 예측모델 개발
저자
정경석(Kyung-Seok Chung) ; 최준혁(Jun-Hyuk Choi) ; 박유정(You-Jeong Park) ; 윤성호(Sung-Ho Yoon) ; 최재붕(Jae-Boong Choi)
발행기관
학술지명
권호사항
발행연도
2021
작성언어
Korean
주제어
KDC
550
자료형태
학술저널
발행기관 URL
수록면
162-162(1쪽)
제공처
전세계적으로 지진에 대한 우려가 깊어지고 있으며 이에 대한 대책으로 원자력발전소 역시 지진 건전성 평가에 대한 지속적으로 준비를 해오고 있다. 특히, 원자력 발전소의 원자력 압력용기는 사용주기 중 교체할 수가 없으며 핵 연료를 내장하고 있기 때문에 사고발생시 방사능 유출 가능성이 존재하게 되므로, 원자로압력용기의 지진건전성 평가의 필요성이 대두되고 있다. 기존의 지진 건전성 평가 방법은 지진파와 해석 결과 간의 인과관계를 도출해낼 수 없고, 새로운 지진데이터에 대해서 매번 같은 해석을 수행해야하는 단점이 있었다. 본 연구에서는 기존의 평가방법의 한계를 극복하고자 머신 러닝기반 응력강도 예측모델을 개발하였다. 먼저, 지진파 빅데이터를 바탕으로 원자로압력용기 모델에 대해 모달해석과 응답스펙트럼 해석을 수행해 지진 건전성 평가에 필요한 파라미터인 막응력강도와 굽힘응력강도값을 추출하였다. 그리고 각 지진파의 특성을 나타낼 수 있는 특징들과 해석 결과로 얻은 막응력강도와 굽힘응력강도값을 머신 러닝 알고리즘으로 학습시켰고, 이를 토대로 새로운 지진파에 대해서도 응력강도값을 예측할 수 있는 결정계수 평균 0.9의 값을 갖는 회귀모델을 개발하였다.
더보기Concerns about earthquakes are deepening around the world, and as a countermeasure, Nuclear Power Plants(NPPs) have been also continuing to prepare for earthquake soundness assessment. In particular, since the Reactor Pressure Vessel(RPV) of a NPP cannot be replaced during its service cycle and contains nuclear fuel, there is a possibility of radioactivity leakage in the event of an accident, and the need for seismic integrity evaluation of the RPV is emerging. Existing seismic integrity evaluation methods have the disadvantage of not being able to derive a causal relationship between seismic waves and analysis results, and having to perform the same analysis every time for new seismic data. In this study, a machine learning-based stress intensity regression model is developed to overcome the limitations of the existing evaluation methods. First, based on big data of the seismic waves, modal analysis and response spectrum analysis were performed on the RPV finite element model to extract membrane stress intensity and bending stress intensity values, which are main parameters necessary for seismic integrity evaluation referring to ASME code sectionⅢ, division 1, appendix F(Rules for Evaluation of Service Loadings with level D Service Limits). And then, the variables that can represent the characteristics of each seismic wave, membrane stress intensity, and bending stress intensity values were learned with several machine learning algorithms. A regression model with a R2 (coefficient of determination) of 0.9 is developed.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)