KR20180096709A - 데이터 구동형 작업흐름에서 안전성 분석 평가를 위한 장치 및 방법 - Google Patents

데이터 구동형 작업흐름에서 안전성 분석 평가를 위한 장치 및 방법 Download PDF

Info

Publication number
KR20180096709A
KR20180096709A KR1020187020650A KR20187020650A KR20180096709A KR 20180096709 A KR20180096709 A KR 20180096709A KR 1020187020650 A KR1020187020650 A KR 1020187020650A KR 20187020650 A KR20187020650 A KR 20187020650A KR 20180096709 A KR20180096709 A KR 20180096709A
Authority
KR
South Korea
Prior art keywords
analysis
safety
models
uncertainty
evaluation
Prior art date
Application number
KR1020187020650A
Other languages
English (en)
Inventor
시몬 에이치. 모간
로버트 피. 마틴
Original Assignee
비더블유엑스티 엠파워, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 비더블유엑스티 엠파워, 인크. filed Critical 비더블유엑스티 엠파워, 인크.
Publication of KR20180096709A publication Critical patent/KR20180096709A/ko

Links

Images

Classifications

    • G06F17/5009
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00Energy generation of nuclear origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)

Abstract

시스템 안전성 분석 평가를 위한 장치 및 방법이 제공되고, 이 장치는, 시스템에 대한 계산 매트릭스를 생성하고, 계산 매트릭스에 기초하여 복수의 모델을 생성하며, 복수의 모델의 벤치마킹 또는 콘볼루션 분석을 수행하고, 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위를 식별하며, 벤치마킹 또는 콘볼루션 분석으로부터 불확실성 모델을 도출하고, 불확실성 모델 및 허용 기준에 기초하여 평가 판정을 도출하며, 설계 안전범위에 기초하여 하나 이상의 제한 시나리오를 정의하고, 설계 안전범위 및 허용 기준에 기초하여 시스템에 대한 적어도 하나의 성능 지수에서의 안전성 마진을 결정하도록 구성된 처리 회로를 포함한다.

Description

데이터 구동형 작업흐름에서 안전성 분석 평가를 위한 장치 및 방법
본 발명은 미국 에너지 국(Department of Energy)에 의해 수여된 계약 번호 DE-NE0000583호에 따른 정부 지원하에 이루어진 것이다. 정부는 본 발명에서 소정의 권한을 가진다.
예시적인 실시예들은 대체로 안전성 분석에 관한 것으로, 특히 시스템 안전성 분석 평가에 관한 것이다.
공학 시스템의 연방정부의 규제 검토는 주로 공공 안전에 중요한 모든 양태에 관련된다. 공학 시스템은, 열역학, 유체역학, 터빈 물리학 등의 알려진 현상의 고유한 조직화에 의존하며, 아마도 원자로에 의해 가열되는, 증기로부터 전기를 생성하는 것 등의, 전문화된 기능을 수행하기 위해 협력한다. 하나 이상의 성능 지수(figure-of-merit)와 관련하여 상대적 관점에서 측정되는, 특정한 현상이 환경에 미치는 영향에 대한 특성기술(characterization)은, 신기술 개발의 장점을 신중하게 검토하는데 있어서, 엔지니어 및 규제 당국에 의해 이용되는 가치있는 지식 컴포넌트이다. 성능 지수는, 대안적 시스템들에 대해 상대적인, 소정 시스템의 성능의 특성기술이다. 설계 안전성의 입증은, 물리적 테스트와 분석의 조합에 의존한다. 테스트가 일반적으로 분석에 비해 선호되지만, 분석에 대한 의존은 전형적으로, 원자로 공학, 시공 및 운영 등의 기술의 복잡성에 따라 증가한다. 일부 경우에, 물리적 테스트가 수행하기에 너무 비용이 많이 들기 때문에, 테스트를 분석으로 제한할 수 있다. 또한, 공공 안전은 이러한 분석에서 주관성을 제거하려는 공식적인 프로세스를 요구한다.
원자력 발전 설비의 복잡성 및 고유한 현상학적 조건은, 연방 규제 당국인, 미국 원자력 규제 위원회(Nuclear Regulatory Commission)(NRC)의 전담된 관심(dedicated attention)에 반영되어 있다. NRC에 의해 초안작성된 요건과 가이드 라인은, 표준 및 명시적 기준을 통해 수용가능성을 정량화하도록 설계된 평가 방법론 프레임워크의 형태를 취한다. 원자력 산업을 위한 신제품 개발을 위한 허가를 얻고자 하는 신청자는, 원자력 발전 설비 최종 제품의 무결성과 결론을 뒷받침하는 평가 방법론을 모두 입증해야 한다.
원자력 발전 설비 안전성을 다루는 주요 평가 방법론 프레임워크 문서는, Regulatory Guide 1.203, Transient and Accident Analysis Method이다. Regulatory Guide 1.203은, 원자력 발전 설비의 설계 기초 내에서 일시적 및 우발적 거동을 분석하기에 허용가능한 것으로 간주되는 평가 모델 피처들을 기술하고 있다. 평가 모델은, 시스템 거동을 계산하고 안전성 마진(safety margin)을 추정하는데 이용되는 설계 및 운영 데이터, 이벤트-특유의 데이터, 수치 모델, 분석 소프트웨어, 계산, 후처리 등의 특정한 모음일 수 있다. RG 1.203 프레임워크는 고전 과학적 방법의 특정한 실시예일 수 있다. 따라서, 이 평가 모델 프레임워크는, 항공, 식품 및 의약품, 또는 자동차를 포함한, 다른 규제받는 산업에서 요구될 수 있는, 다른 안전성 분석 설정에도 적용될 수 있다. 일부 실시예들은 또한, 한 예로서, 금융 산업을 포함할 수도 있는, 물리적 안전성 분석의 외부에 적용될 수도 있다.
불확실성 및 바이어스의 특성기술은, 안전성 마진의 정량화에서 고려되는, 평가 모델 검증 및 유효성확인(즉, 적합성 입증)으로부터 도출된다. 상이한 평가 모델들은 상이한 안전성 마진 추정치를 도출한다. 일반적으로, 큰 안전성 마진을 보이는 평가 모델은 비용 효과적인 응용에 대한 더 큰 잠재성을 가진다; 그러나, 작은 안전성 마진을 보이는 평가 모델은 개발에 있어서 더욱 비용 효과적일 수 있다. 원자력 산업에서 이용되는 평가 모델은, 진행 방법의 몇 가지 의사결정 지점이 작업흐름 외부에서 이루어지는 "상태 머신" 작업흐름으로서 이해될 수 있다. 일반적으로, 이러한 평가 모델들에서 하나의 시뮬레이션으로부터의 결과는 특정한 동작을 제안할 수 있다; 많은 시뮬레이션으로부터의 결과는 많은 동작을 제안할 수 있다.
대안적인 종류의 평가 모델은 데이터-구동형 작업흐름을 이용한다. 이러한 평가 모델은 많은 시뮬레이션으로부터의 데이터세트에 논리적 규칙을 적용하여 사용자 동작과 제한 옵션을 유예한다.
평가 모델에 대한 적용가능성의 범위는, 소프트웨어 내에 포함된 물리학 및 모델에 의해 부분적으로 결정된다. 평가 모델의 적합성은, 소프트웨어의 물리 모델이 설계 안전범위에 의해 포괄되는 전체 범위의 조건에 관해 핵심 현상과 안전성 성능 지수 사이의 연관성을 효과적으로 나타낼 수 있다는 확인이 되는 결과를 갖는 검증 및 유효성확인 작업을 통해 입증된다. 적절한 세트의 고충실도 데이터 및/또는 정확한 분석 솔루션이 식별되고, 분석 소프트웨어와 함께 실행되며, 정의된 허용 기준을 충족하는 것으로 밝혀지면, 성공적인 검증 및 유효성확인이 달성된다.
안전성 분석은, 안전성-관련 구조, 시스템, 및 컴포넌트(SSC)들의 설계 및 성능과, 사고 예방 및 사고 결과 완화에 대한 적합성을 다룬다. 평가 모델의 기초는, 설계 입력의 조직화 및 SSC의 지오메트리 및 SSC 내에 포함된 재료의 수송 특성을 기술하는 후속적인 분석 모델링에 의존한다. RG 1.203의 섹션(Section) B에서 언급된 바와 같이, 원자력의 경우, 평가 모델은, "입력 및 출력 정보(특히, 발전 설비 지오메트리 및 일시적 시작에서의 가정된 발전 설비 상태로부터 발생하는 코드 입력)를 취급하기 위한 절차"를 포함한다. 이 프로세스의 결과는 설계 명세 및 동작 안전범위를 설정한다. 안전성 분석을 위해, 이 정보의 편집은, 허용오차 및 불확실성을 포함한, 결정적인 분석 모델 파라미터들 및 모니터링된 출력들의 세트로서 나타난다. 안전성 분석에 관련된 현상 및/또는 프로세스를 특성기술하는 파라미터들을 갖는 원자력 응용에서, 주요 안전-관련 SSC의 예는 다음을 포함할 수 있다:
● 연료, 연료 요소, 및 어셈블리
● 원자로 코어 구성
● 반응성 및 반응성 제어 시스템
● 원자로 냉각재 시스템 및 접속된 시스템
● RCS 열 제거를 지원하는 비-안전성 시스템
● 환기를 포함한, 격납 시스템 또는 격납 수단
● 신선한 연료 및 사용후 연료의 연료 취급 및 저장
시스템 안전성 분석의 주요 목적은, 전문화된 컴퓨터 코드들의 이용을 통해 설계의 안전-관련 SSC가 소정의 성능 목표를 충족하는지를 확인하는 것이다. 2차 목적은, 설계-기초 및 설계-기초를 넘어서는 이벤트 동안에 안전을 증진시킬 분석 마진을 평가하고 식별하는 것이다. 따라서, 안전성 분석이 수행될 수 있기 전에, 설계-관련 모델 파라미터들과 필수 동작 설정점들이 식별되어야 한다.
모델링 및 분석을 지원하는, 분석 입력 또는 SSC 입력이라고 지칭되는, 설계 및 동작 입력들이 수신되고 컴퓨터 모델에 입력되어, RELAP5-3D 등의, 시뮬레이션 엔진 코드를 이용하여 안전성 조치에 미치는 핵심 파라미터들 및 현상의 열 수력 효과(thermal hydraulic effect)를 평가할 수 있다.
구조, 시스템 및 컴포넌트 조합 및 변형 또는 불확실성의 분석은 큰 계산 용량을 요구하는 복잡하고 시간 집약적 프로세스이다. 볼륨 또는 계산은, 일부 경우에는, 덜 바람직한 주관적 정성적 평가를 이용하여 완화되거나 감소될 수 있다.
따라서, 일부 예시적인 실시예들은 후술되는 바와 같이, 시스템 안전성 분석 평가를 가능하게 할 수 있다. 하나의 예시적인 실시예에서, 시스템 안전성 분석을 위한 계산 매트릭스(calculation matrix)를 생성하고, 계산 매트릭스에 기초하여 복수의 모델을 생성하며, 복수의 모델의 벤치마킹 또는 콘볼루션 분석을 수행하고, 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위(envelope)를 식별하며, 벤치마킹 또는 콘볼루션 분석에 기초하여 하나 이상의 불확실성 모델을 도출하고, 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하며, 설계 안전범위 및 허용 기준에 기초하여 시스템에 대한 적어도 하나의 성능 지수에서의 안전성 마진을 결정하도록 구성된 처리 회로를 포함하는 시스템 안전성 분석 평가를 위한 장치가 제공된다. 또 다른 예시적인 실시예에서, 원자로 시스템에 대한 공칭 값들 및 불확실성 값들을 정의하는 계산 매트릭스를 생성하고, 각각이 계산 매트릭스에 기초하고 공칭 값들 및 시험 값들의 표본 세트를 포함하는 복수의 모델을 생성하며, 모델 파라미터와 성능 지수 사이의 상관관계를 정의하는 복수의 모델의 벤치마킹 또는 콘볼루션 분석을 수행하고, 원자로 시스템 동작에 상관된 한 세트의 성능 지수 값들을 포함하는 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위를 식별하며, 벤치마킹 또는 콘볼루션 분석으로부터 하나 이상의 불확실성 모델을 도출하고, 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하며, 설계 안전범위에 기초하여 하나 이상의 제한 시나리오를 정의하고, 설계 안전범위, 하나 이상의 제한 시나리오, 및 허용 기준에 기초하여 원자로 시스템에 대한 적어도 하나의 성능 지수에서의 안전성 마진을 결정하기 위한 처리 회로를 포함하는 시스템 안전성 분석 평가를 위한 장치가 제공된다. 적어도 하나의 성능 지수는 원자로 시스템의 안전성 마진을 측정하는데 이용된다. 역시 추가적인 예시적인 실시예에서, 시스템 안전성 분석을 위한 계산 매트릭스를 생성하는 단계, 계산 매트릭스에 기초하여 복수의 모델을 생성하는 단계, 복수의 모델의 벤치마킹 또는 콘볼루션 분석을 수행하는 단계, 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위를 식별하는 단계, 벤치마킹 또는 콘볼루션 분석으로부터 하나 이상의 불확실성 모델을 도출하는 단계, 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하는 단계, 설계 안전범위에 기초하여 하나 이상의 제한 시나리오를 정의하는 단계, 및 설계 안전범위, 하나 이상의 제한 시나리오, 및 허용 기준에 기초하여 시스템에 대한 적어도 하나의 성능 지수에서의 안전성 마진을 결정하는 단계를 포함하는 시스템 안전성 분석 평가를 위한 방법이 제공된다.
벤치마킹 분석을 이용하는 한 예시적인 실시예에서, 사용자는 설계 안전범위 및 허용 기준에 기초하여 시뮬레이션 소프트웨어의 수용가능성을 결정한다. 추가로 또는 대안적으로, 콘볼루션 분석을 이용하는 한 예시적인 실시예에서, 사용자는 제한 시나리오를 독립적으로 검증할 수 있다. 이러한 독립적인 검증은 레코드 분석(Analysis of Record)이라고 지칭될 수 있다.
지금까지 일반적 관점에서 시스템 안전성 분석 평가를 기술하였고, 반드시 축척비율대로 그려진 것은 아닌, 첨부된 도면들을 참조할 것이며, 여기서:
도 1은 한 예시적인 실시예에 따른 시스템 안전성 분석 평가와 관련하여 유용할 수 있는 시스템의 기능 블록도를 나타낸다;
도 2는 한 예시적인 실시예에 따른 시스템 안전성 분석 평가와 관련하여 유용할 수 있는 장치의 기능 블록도를 나타낸다;
도 3은 한 예시적인 실시예에 따른 시스템 안전성 분석 평가를 위한 프로세스 차트를 나타낸다;
도 4 내지 도 8은 본 발명의 한 예시적인 실시예에 따른 사용자 인터페이스 디스플레이를 나타낸다;
도 9는 한 예시적인 실시예에 따른 데이터 상관관계 그래프를 나타낸다;
도 10은 한 예시적인 실시예에 따른 시스템 안전성 분석 평가를 위한 플로차트를 나타낸다.
이제 일부 예시적인 실시예들이 첨부된 도면들을 참조하여 이하에서 더욱 상세히 설명될 것이며, 여기서, 전부가 아닌 일부의 실시예들이 도시된다. 사실상, 본 명세서에서 설명되고 도시된 예들은 본 개시내용의 범위, 적용가능성 또는 구성에 대한 제한으로서 해석되어서는 안 된다. 본 발명의 범위 또는 사상을 벗어나지 않고 이러한 예시적인 실시예들에서 수정 및 변형이 이루어질 수 있다는 것은 본 기술분야의 통상의 기술자에게 명백할 것이다. 예를 들어, 한 실시예에서 도시되거나 설명된 피처들은 또 다른 실시예에서 이용되어 역시 또 다른 실시예를 생성할 수 있다. 따라서, 본 발명은 첨부된 청구항들 및 그 균등물들의 범위 내에 있는 이러한 수정 및 변형을 포괄하는 것으로 의도된다. 유사한 참조 번호는 도면 전체에 걸쳐 유사한 요소를 나타낸다.
또한, 본 출원 및 첨부된 청구항들에서 사용되는 "또는"이라는 용어는, 배타적인 "또는"이 아니라 포함적인 "또는"을 의미하는 것으로 의도된다. 즉, 달리 명시되거나, 문맥으로부터 명확한 경우를 제외하고, "X는 A 또는 B를 이용한다"라는 문구는 자연스러운 포함적 치환들 중 임의의 것을 의미한다. 즉, "X는 A 또는 B를 이용한다"라는 문구는 다음과 같은 사례들 중 임의의 것에 의해 충족된다: X는 A를 이용한다; X는 B를 이용한다; 또는 X는 A 및 B 양쪽 모두를 이용한다. 또한, 본 출원 및 첨부된 청구항들에서 사용되는 "a" 및 "an" 이라는 문구는, 달리 명시되거나 문맥으로부터 단수 형태를 말한다는 것이 명백하지 않는 한, 일반적으로 "하나 이상"을 의미하는 것으로 이해되어야 한다. 본 명세서 및 청구항들에 걸쳐, 이하의 용어들은, 문맥상 달리 나타내지 않는 한, 적어도 그 내부와 명시적으로 연관된 의미를 갖는다. 이하에서 식별되는 의미는 반드시 용어를 제한하는 것이 아니라, 그 용어에 대한 예시적인 예만을 제공할 뿐이다. "a", "an" 및 "the"의 의미는 복수의 참조를 포함할 수 있고, "in"의 의미는 "in" 및 "on"을 포함할 수 있다. 본 명세서에서 사용된 "한 실시예에서" 또는 다른 유사한 문구는, 비록 가능할지라도, 반드시 동일한 실시예를 지칭하는 것은 아니다.
평가 모델에서 다루는 현상의 성질은 다양할 수 있고 모델링 프로세스에서의 불확실성에 종속된다. 결과적으로, 분석은 시스템 프로세스의 시뮬레이션을 위한 물리학- 및 증거-기반 컴퓨터 코드들의 하이브리드에 의존하고, 태스크 자동화, 전/후-처리, 및 주변 활동에 대한 데이터 전송/이전 인터페이스를 제공하는 다양한 지원 도구에 의해 보완될 수 있다. RG 1.203에 따라, 원자력 응용에서, 원자력 발전 설비(nuclear power plant)(NPP) 면허 신청을 위해 분석을 통한 평가 방법론이 기대된다.
모델링 및 시뮬레이션에서의 분석 불확실성은, 기저 물리학을 기술하는 근사화된 모델과 연관된 것들; 물리적 모델 및 상관관계에 이용되는 파라미터 설정과 연관된 것들; 주어진 공간 해상도에서 시뮬레이션을 수행하는 것과 연관된 것들; 초기 및 경계 조건들과 연관된 것들; 수치 알고리즘에서의 근사화와 연관된 것들 등의 많은 소스를 가질 수 있다. 불확실성 정량화는, SSC 입력에 대한 경계 조건의 관점에서 특성기술되는, 하나 이상의 제한 시나리오의 결정 등의, 의사 결정을 지원하기 위한 다양한 종류의 불확실성을 특성기술, 추정, 전파 및 분석하는 프로세스이다. 본 출원에서 사용될 때, 제한 시나리오는, 도출된 이론적 손실, 예를 들어, 원자로 냉각재의 손실, 스팀 라인 파열 등의 설계 이벤트에 기인한 열적 또는 유압 원자로 설비 손상의 척도로서 역할하는 허용 기준에 관하여 가장 작은 안전성 마진을 반영하는 설계 안전범위에 기초한 분석 시나리오이다. 원자력 안전성 분석 보고서에서, 이들을 레코드 분석이라고도 한다.
가설적인 이벤트 시나리오의 조사 및 전파를 위해 RELAP5-3D 열-유압 시스템 코드 등의 시뮬레이션 엔진을 이용할 수 있는, 시스템 안전성 분석 평가를 위한 장치 및 방법이 제공된다. 가설적인 이벤트 시나리오는, 예를 들어 원자로 시스템 등의 테스트중인 시스템의 안전한 동작을 위해, 동작 파라미터들, 예를 들어, 온도, 압력, 질량 유속 등을 결정하는데 유용할 수 있다. 원자로 시스템의 정황에서, 동작 파라미터의 결정은 핵연료의 무결성을 보호하는데 유익할 수 있다.
시스템 안전성 분석 평가는, 계산 매트릭스 또는 결과적인 설계 안전범위의 SSC 입력들과 성능 지수 사이의 상관관계가 결정될 수 있는 벤치마킹 또는 콘볼루션 분석을 포함할 수 있다. 벤치마킹 또는 콘볼루션 분석은, 설계 안전범위 및 하나 이상의 연관된 불확실성 모델의 결정을 위한 가장 유용한 SSC 입력을 해결하는데 이용될 수 있다. 가장 유용한 SSC 입력은, 성능 지수에서 가장 높은 민감도를 제공하는 SSC 입력일 수 있다. 추가로 또는 대안적으로, 시스템 안전성 분석 평가는 데이터의 평가 판정을 정량적으로 결정할 수 있고, 여기서, 평가 판정은 하나 이상의 제한 시나리오의 결정에 이용될 수 있다.
설계 안전범위의 결정은 벤치마킹 또는 콘볼루션 분석에 기초할 수 있다. 벤치마킹 또는 콘볼루션 분석은, 랜덤 표본추출, 교육된 선택 표본추출, 완전한 표본추출보다 유용할 수 있는 하나 이상의 제한 시나리오를 도출할 수 있으므로, 제한 시나리오를 결정하기 위해 더 적은 계산 및/또는 시뮬레이션이 필요할 수 있다. 따라서 계산 부하가 감소되어, 데이터의 더 빠른 처리를 야기하고, 이것은 논의되는 바와 같이 더 높은 신뢰성을 가질 수 있다. 평가 완전성을 입증하는데 이용되는 데이터 세트를 제한하기 위해 정량적 및 정성적 평가 판정을 이용함으로써 계산 부하가 추가로 감소될 수 있고, 설계 안전범위 및 연관된 제한 시나리오의 신뢰성이 추가로 증가될 수 있다.
한 예시적인 실시예에서, 넓은 범위의 구조, 시스템 및 컴포넌트(SSC)가 계산 매트릭스에 입력될 수 있는데, 예를 들어, 동일한 애플리케이션을 위한 2개 이상의 컴포넌트에 대한 벤더 명세이다. 설계 안전범위의 결정은, 추가로 또는 본질적으로, 기술 명세, 예를 들어, 시스템의 동작 허용오차에 대한 컴포넌트 및 명세의 결정을 포함할 수 있다.
예시적 시스템
이제 본 발명의 한 예시적인 실시예가 도 1을 참조하여 설명될 것이며, 도 1은 한 예시적인 실시예가 이용될 수 있는 예시적인 시스템을 나타낸다. 도 1에 도시된 바와 같이, 한 예시적인 실시예에 따른 시스템(10)은 하나 이상의 클라이언트 디바이스(예를 들어, 클라이언트(20))를 포함할 수 있다. 특히, 도 1은 2개의 클라이언트(20)를 도시하고 있지만, 일부 실시예에서는 단일 클라이언트 또는 더 많은 클라이언트(20)가 포함될 수 있으며, 따라서, 도 1의 2개의 클라이언트(20)는 많은 수의 클라이언트(20)에 대한 잠재성을 나타낼 뿐이며 클라이언트(20)의 수는 다른 예시적인 실시예에 대한 어떠한 제한적인 의미가 아니다. 이와 관련하여, 예시적인 실시예들은 시스템(10)에 결속된 임의의 수의 클라이언트(20)의 포함으로 확장가능하다. 또한, 일부 경우에, 일부 실시예들은 시스템(10)에 대한 어떠한 접속도 없이 단일 클라이언트 상에서 실시될 수 있다.
여기서 설명된 예는, 한 예시적인 실시예를 나타내기 위한 컴퓨터 또는 분석 단말기를 포함하는 자산과 관련될 것이다. 그러나, 예시적인 실시예들은 또한, 예를 들어, 본 명세서에서 설명된 바와 같이 파일들을 수신하고 분석할 수 있는 임의의 프로그램가능한 디바이스를 포함하는 임의의 자산에도 적용될 수 있다는 것을 이해해야 한다.
클라이언트(20)는, 일부 경우에, 각각이, 단일의 조직, 조직 내의 부서, 또는 위치와 연관될 수 있다(즉, 클라이언트(20)들 각각은, 조직, 조직 내의 부서, 또는 위치의 개별 분석자와 연관된다). 그러나, 일부 실시예에서, 각각의 클라이언트(20)는 상이한 대응하는 위치, 부서 또는 조직과 연관될 수 있다. 예를 들어, 클라이언트(20)들 중, 하나의 클라이언트는 제1 조직의 제1 설비와 연관될 수 있고, 하나 이상의 다른 클라이언트는 제1 조직 또는 또 다른 조직의 제2 설비와 연관될 수 있다.
클라이언트(20) 각각은, 네트워크(30)와 통신할 수 있는 컴퓨팅 디바이스(예를 들어, 컴퓨터, 네트워크 액세스 단말기, 개인 휴대 정보 단말기(PDA), 셀룰러 전화, 스마트 폰 등)를 포함하거나 이로서 구현될 수 있다. 따라서, 예를 들어, 클라이언트(20) 각각은 다양한 기능의 수행을 위한 명령어들 또는 애플리케이션들을 저장하기 위한 메모리, 및 저장된 명령어들 또는 애플리케이션들을 실행하기 위한 대응하는 프로세서를 포함할 수 있다(또는 기타의 방식으로 이에 액세스할 수 있다). 클라이언트(20)들 각각은 또한, 후술되는 바와 같이 클라이언트(20)들 각각의 기능의 수행을 가능하게 하기 위한 소프트웨어 및/또는 대응하는 하드웨어를 포함할 수 있다. 한 예시적인 실시예에서, 하나 이상의 클라이언트(20)는 본 발명의 한 예시적인 실시예에 따라 동작하도록 구성된 클라이언트 애플리케이션(22)을 포함할 수 있다. 이와 관련하여, 예를 들어, 클라이언트 애플리케이션(22)은 클라이언트(20) 각각이 네트워크(30)를 통해 정보 및/또는 서비스를 요청 및/또는 수신하기 위해 네트워크(30)와 통신할 수 있게 하기 위한 소프트웨어를 포함할 수 있다. 또한, 일부 실시예에서, 네트워크를 통해 요청된 정보 또는 서비스는, 서비스로서의 소프트웨어(software as a service)(SAS) 환경에서 제공될 수 있다. 클라이언트 애플리케이션(22)에서 수신될 수 있는 정보 또는 서비스는, 배포가능한 컴포넌트(예를 들어, 클라이언트(20)를 구성하는 다운로드가능한 소프트웨어, 또는 클라이언트(20)에서의 소비/처리를 위한 정보)를 포함할 수 있다. 따라서, 예를 들어, 클라이언트 애플리케이션(22)은, 이하에서 더 상세히 설명되는 바와 같이, 클라이언트(20)가 분산된 그래프 처리를 위해 대응하는 기능을 제공하도록 구성하기 위한 대응하는 실행가능한 명령어들을 포함할 수 있다.
네트워크(30)는 LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(wide area network)(예를 들어, 인터넷) 등의 데이터 네트워크일 수 있고, 이것은 클라이언트(20)를 처리 요소(예를 들어, 퍼스널 컴퓨터, 서버 컴퓨터 등) 등의 디바이스 및/또는 데이터베이스에 결합시킬 수 있다. 네트워크(30), 클라이언트(20), 및 클라이언트(20)가 결합된 디바이스 또는 데이터베이스(예를 들어, 서버) 사이의 통신은 유선이나 무선 통신 메커니즘 중 어느 하나 및 대응하는 통신 프로토콜에 의해 달성될 수 있다.
한 예시적인 실시예에서, 클라이언트(20)가 네트워크(30)를 통해 결합될 수 있는 디바이스는, 함께 서버 네트워크(32)의 각각의 요소들을 형성할 수 있는, 하나 이상의 애플리케이션 서버(예를 들어, 애플리케이션 서버(40)), 및/또는 데이터베이스 서버(42)를 포함할 수 있다. 특히, 도 1은 하나의 서버 네트워크(32)를 도시하고 있지만, 일부 실시예에서는 더 많은 서버 네트워크(32)가 포함될 수 있으므로, 도 1의 단일의 서버 네트워크는 많은 수의 서버 네트워크에 대한 잠재성을 나타내는데 이용될 뿐이고 서버 네트워크(32)의 수는 다른 예시적인 실시예에 대한 어떠한 제한적 의미도 아니라는 것을 이해해야 한다. 이와 관련하여, 예시적인 실시예들은 시스템(10)에 결속된 임의의 수의 서버 네트워크의 포함으로 확장가능하다. 유사하게, 네트워크 서버는 하나 또는 복수의 애플리케이션 서버(40) 및/또는 데이터베이스 서버(42)를 가질 수 있다. 애플리케이션 서버(40) 및 데이터베이스 서버(42)가 각각 "서버"로서 언급되지만, 이것은 반드시 이들이 반드시 별개의 서버들 또는 디바이스들 상에 구현된다는 것을 의미하는 것은 아니다. 따라서, 예를 들어, 단일 서버 또는 디바이스는 양쪽 모두의 엔티티를 포함할 수 있고, 데이터베이스 서버(42)는, 애플리케이션 서버(40)와 동일한 서버 또는 디바이스 상에 물리적으로 위치한 데이터베이스 또는 데이터베이스 그룹으로 표현될 수 있을 뿐이다. 애플리케이션 서버(40) 및 데이터베이스 서버(42) 각각은, 다양한 기능을 수행하도록 애플리케이션 서버(40) 및 데이터베이스 서버(42)를 각각 구성하기 위한 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 따라서, 예를 들어, 애플리케이션 서버(40)는, 애플리케이션 서버(40)가 다양한 기능을 수행하기 위해 저장된 컴퓨터 판독가능한 명령어를 액세스 및/또는 실행할 수 있게 하는 처리 로직 및 메모리를 포함할 수 있다. 한 예시적인 실시예에서, 애플리케이션 서버(40)에 의해 제공될 수 있는 하나의 기능은, 클라이언트(20)와 연관되어 있는 단말기 또는 컴퓨터의 동작에 관련된 정보 및/또는 서비스에 대한 액세스의 제공일 수 있다. 예를 들어, 애플리케이션 서버(40)는 모델(예를 들어, 분석 모델, 불확실성 모델 등)을 기술하는 정보의 저장을 제공하도록 구성될 수 있다. 일부 경우에, 이들 내용은 데이터베이스 서버(42)에 저장될 수 있다. 대안적으로 또는 추가로, 애플리케이션 서버(40)는 예시적인 실시예들에 따라 클라이언트(20)에 의한 이용을 위한 분석 툴을 제공하도록 구성될 수 있다.
일부 실시예에서, 예를 들어, 애플리케이션 서버(40)는 그에 따라, 본 명세서에 설명된 예시적인 실시예들의 실시와 연관된 활동을 처리하기 위한 저장된 명령어들을 포함하는 안전성 분석 모듈(44)의 한 인스턴스를 포함할 수 있다. 따라서, 일부 실시예에서, 클라이언트(20)는 안전성 분석 모듈(44)을 온라인으로 액세스하여 이에 의해 제공되는 서비스를 이용할 수 있다. 그러나, 다른 실시예들에서, 안전성 분석 모듈(44)은 애플리케이션 서버(40)로부터(예를 들어, 네트워크(30)를 통한 다운로드를 통해) 클라이언트(20) 중 하나 이상에 제공되어 수신 클라이언트가 국지적 동작을 위해 안전성 분석 모듈(44)의 한 인스턴스를 인스턴스화할 수 있게 한다. 역시 또 다른 예로서, 안전성 분석 모듈(44)은, 클라이언트들(20) 중 대응하는 하나 이상의 클라이언트에서 안전성 분석 모듈(44)을 인스턴스화하기 위한 명령어들을 운반하는 이동식 또는 이송가능한 메모리 디바이스로부터 명령어들을 다운로드하는 것에 응답하여 하나 이상의 클라이언트(20)에서 인스턴스화될 수 있다. 이러한 한 예에서, 네트워크(30)는, 예를 들어, 클라이언트(20) 중 하나가, 클라이언트(20) 중 대응하는 클라이언트가 다른 클라이언트(20)에 대한 서버로서 역할할 수 있게 하는 안전성 분석 모듈(44)의 한 인스턴스를 포함하는 피어-투-피어(P2P) 네트워크일 수 있다. 한 추가적인 예시적인 실시예에서, 안전성 분석 모듈(44)은 하나 이상의 클라이언트(20) 및/또는 애플리케이션 서버(40) 사이에 분산될 수 있다.
한 예시적인 실시예에서, 애플리케이션 서버(40)는 다양한 기능의 수행을 위한 명령어들 또는 애플리케이션들을 저장하기 위한 메모리(예를 들어, 내부 메모리 또는 데이터베이스 서버(42)) 및 저장된 명령어들 및 애플리케이션들을 실행하기 위한 대응하는 프로세서를 포함하거나 이들에 액세스할 수 있다. 예를 들어, 메모리는 본 발명의 한 예시적인 실시예에 따라 동작하도록 구성된 안전성 분석 모듈(44)의 한 인스턴스를 저장할 수 있다. 이와 관련하여, 예를 들어, 안전성 분석 모듈(44)은, 애플리케이션 서버(40)가 여기서 설명된 활동 수행과 연관된 정보의 제공 및/또는 수신을 위해 네트워크(30) 및/또는 클라이언트(20)와 통신할 수 있게 하기 위한 소프트웨어를 포함할 수 있다. 또한, 일부 실시예에서, 애플리케이션 서버(40)는 분석자가 시스템(10)과 상호작용하거나, 이를 구성하거나, 또는 기타의 방식으로 이를 유지하기 위해 이용하는 액세스 단말기(예를 들어, 사용자 인터페이스를 포함하는 컴퓨터)를 포함하거나 기타의 방식으로 이와 통신할 수 있다.
예시적인 장치
이제 본 발명의 한 예시적인 실시예가 도 2를 참조하여 설명될 것이다. 도 2는 예시적인 실시예에 따른 분산형 안전성 분석을 위한 장치의 소정 요소들을 도시한다. 도 2의 장치는, 예를 들어, 클라이언트(예를 들어, 도 1의 임의의 클라이언트(20)) 또는 다양한 다른 디바이스(예를 들어, 네트워크 디바이스, 서버, 프록시 등(예를 들어, 도 1의 애플리케이션 서버(40)) 상에서 이용될 수 있다. 대안적으로, 실시예들은 디바이스들의 조합에서 이용될 수 있다. 따라서, 본 발명의 일부 실시예들은, 전체적으로 단일 디바이스(예를 들어, 애플리케이션 서버(40) 또는 하나 이상의 클라이언트(20))에서 또는 클라이언트/서버 관계에서의 디바이스들(예를 들어, 애플리케이션 서버(40) 및 하나 이상의 클라이언트(20))에 의해 구현될 수 있다. 또한, 이하에서 설명되는 디바이스들 또는 요소들은 강제적이지 않을 수도 있고, 따라서 소정 실시예들에서는 생략될 수도 있다는 점에 유의해야 한다.
이제 도 2를 참조하면, 시스템 안전성 분석 평가를 위해 구성된 장치가 제공된다. 이 장치는 안전성 분석 모듈(44) 또는 안전성 분석 모듈(44)을 호스팅하는 디바이스의 한 실시예일 수 있다. 따라서, 본 명세서에서 설명된 장치의 구성은 장치를 안전성 분석 모듈(44)로 변환시킬 수 있다. 한 예시적인 실시예에서, 이 장치는, 본 발명의 한 예시적인 실시예에 따라 데이터 처리, 애플리케이션 실행 및 기타의 처리 및 관리 서비스를 수행하도록 구성된 처리 회로(50)를 포함하거나 기타의 방식으로 이와 통신할 수 있다. 한 실시예에서, 처리 회로(50)는, 사용자 인터페이스(60) 및 디바이스 인터페이스(62)와 통신하거나 기타의 방식으로 이를 제어할 수 있는 저장 디바이스(54) 및 프로세서(52)를 포함할 수 있다. 따라서, 처리 회로(50)는, 본 명세서에 설명된 동작을 수행하도록 (예를 들어, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로) 구성된 회로 칩(예를 들어, 집적 회로 칩)으로서 구현될 수 있다. 그러나, 일부 실시예에서, 처리 회로(50)는, 서버, 컴퓨터, 랩탑, 워크스테이션 또는 심지어 다양한 모바일 컴퓨팅 디바이스들 중 하나의 일부로서 구현될 수 있다. 처리 회로(50)가 서버 또는 원격 위치한 컴퓨팅 디바이스로서 구현되는 상황에서, 사용자 인터페이스(60)는 디바이스 인터페이스(62) 및/또는 네트워크(예를 들어, 네트워크(30))를 통해 처리 회로(50)와 통신할 수 있는 또 다른 디바이스(예를 들어, 컴퓨터 단말기 또는 클라이언트들(20) 중 하나와 같은 클라이언트 디바이스)에 배치될 수 있다.
사용자 인터페이스(60)는 처리 회로(50)와 통신하여 사용자 인터페이스(60)에서 사용자 입력의 표시를 수신하거나 및/또는 청각적, 시각적, 기계적 또는 기타의 출력을 사용자에게 제공할 수 있다. 따라서, 사용자 인터페이스(60)는, 예를 들어, 키보드, 마우스, 조이스틱, 디스플레이, 터치스크린, 마이크로폰, 스피커, 셀 전화, 또는 다른 입력/출력 메커니즘을 포함할 수 있다. 장치가 서버 또는 다른 네트워크 엔티티에서 구현되는 실시예들에서, 사용자 인터페이스(60)는 일부 경우에는 제한되거나 심지어 제거될 수 있다. 대안적으로, 전술된 바와 같이, 사용자 인터페이스(60)는 원격으로 위치할 수 있다.
디바이스 인터페이스(62)는, 다른 디바이스 및/또는 네트워크와의 통신을 가능하게 하기 위한 하나 이상의 인터페이스 메커니즘을 포함할 수 있다. 일부 경우에, 디바이스 인터페이스(62)는, 네트워크, 및/또는 처리 회로(50)와 통신하는 기타 임의의 디바이스 또는 모듈로/로부터 데이터를 수신 및/또는 전송하도록 구성된 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합으로 구현된 디바이스 또는 회로 등의 임의의 수단일 수 있다. 이와 관련하여, 디바이스 인터페이스(62)는, 예를 들어, 무선 통신 네트워크 및/또는 통신 모뎀 또는 케이블, 디지털 가입자 회선(DSL), 범용 직렬 버스(USB), 이더넷(Ethernet) 또는 기타의 방법을 통한 통신을 지원하기 위한 기타의 하드웨어/소프트웨어와의 통신을 가능하게 하기 위한 안테나(또는 복수의 안테나) 및 지원 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 디바이스 인터페이스(62)가 네트워크와 통신하는 상황에서, 네트워크는, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), 및/또는 인터넷과 같은 WAN(Wide Area Network) 류의 데이터 네트워크 등의, 무선 또는 유선 통신 네트워크의 임의의 다양한 예일 수 있다.
한 예시적인 실시예에서, 저장 디바이스(54)는, 예를 들어, 고정식 또는 이동식일 수 있는 휘발성 및/또는 비휘발성 메모리 등의, 하나 이상의 비일시적인 저장 또는 메모리 디바이스를 포함할 수 있다. 저장 디바이스(54)는, 본 발명의 예시적인 실시예들에 따른 장치가 다양한 기능을 실행할 수 있게 하기 위한 정보, 데이터, 애플리케이션, 명령어 등을 저장하도록 구성될 수 있다. 예를 들어, 저장 디바이스(54)는 프로세서(52)에 의한 처리를 위해 입력 데이터를 버퍼링하도록 구성될 수 있다. 추가로 또는 대안적으로, 저장 디바이스(54)는 프로세서(52)에 의한 실행을 위한 명령어들을 저장하도록 구성될 수 있다. 역시 또 다른 대안적으로, 저장 디바이스(54)는, 다양한 파일, 콘텐츠 또는 데이터 세트를 저장할 수 있는 복수의 데이터베이스(예를 들어, 데이터베이스 서버(42)) 중 하나를 포함할 수 있다. 저장 디바이스(54)의 내용 중에서, 각각의 해당 애플리케이션과 연관된 기능을 실행하기 위하여 애플리케이션(예를 들어, 클라이언트 애플리케이션(22) 또는 서버 애플리케이션(44))이 프로세서(52)에 의해 실행을 위해 저장될 수 있다.
프로세서(52)는 다수의 상이한 방식으로 구현될 수 있다. 예를 들어, 프로세서(52)는, 마이크로프로세서 또는 기타의 처리 요소, 코프로세서, 제어기, 또는 예를 들어 ASIC(주문형 집적 회로), FPGA(필드 프로그래머블 게이트 어레이), 하드웨어 가속기 등의 집적 회로를 포함하는 다양한 다른 컴퓨팅 또는 처리 디바이스 등의, 다양한 처리 수단으로서 구현될 수 있다. 한 예시적인 실시예에서, 프로세서(52)는, 저장 디바이스(54)에 저장되거나 기타의 방식으로 프로세서(52)에게 액세스될 수 있는 명령어를 실행하도록 구성될 수 있다. 따라서, 하드웨어 또는 소프트웨어 방법에 의해 구성되거나, 이들의 조합에 의해 구성되었든, 프로세서(52)는 본 발명의 실시예들에 따른 동작을 수행할 수 있으면서 그에 따라 적절히 구성된 (예를 들어, 물리적으로 회로로 구현된) 엔티티를 나타낼 수 있다. 따라서, 예를 들어, 프로세서(52)가, ASIC, FPGA 등으로 구현될 때, 프로세서(52)는 여기서 설명된 동작을 수행하기 위해 구체적으로 구성된 하드웨어일 수 있다. 대안적으로, 또 다른 예로서, 프로세서(52)가 소프트웨어 명령어들의 실행기로서 구현될 때, 명령어들은 여기서 설명된 동작들을 수행하도록 프로세서(52)를 구체적으로 구성할 수 있다.
한 예시적인 실시예에서, 프로세서(52)(또는 처리 회로(50))는, 소프트웨어에 따라 동작하는 또는 하드웨어나 하드웨어와 소프트웨어의 조합으로 기타의 방식으로 구현된 디바이스 또는 회로(예를 들어, 본 명세서에서 설명된 동작들을 수행하도록 구체적으로 구성된, 소프트웨어 제어하에서 동작하는 프로세서(52) 또는 ASIC 또는 FPGA로서 구현된 프로세서(52)) 등의 임의의 수단일 수 있는, 안전성 분석 모듈(44)로서 구현되거나, 이를 포함하거나 또는 기타의 방식으로 이를 제어할 수 있음으로써, 이하에서 설명되는 안전성 분석 모듈(44)의 대응하는 기능을 수행하도록 디바이스 또는 회로를 구성할 수 있다.
안전성 분석 모듈(44) 관리자는 네트워크(30)를 통한 분산형 안전성 분석을 용이하게 하는 툴을 포함할 수 있다. 하나의 예시적인 실시예에서, 안전성 분석 모듈(44)은, 시스템을 위한 계산 매트릭스를 생성하고, 계산 매트릭스에 기초하여 복수의 모델을 생성하며, 복수의 모델의 콘볼루션 분석을 수행하고, 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위를 정의하고, 벤치마킹 또는 콘볼루션 분석에 기초하여 하나 이상의 불확실성 모델을 도출하고, 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하며, 설계 안전범위, 하나 이상의 제한 시나리오, 및 허용 기준에 기초하여 시스템에 대한 적어도 하나의 성능 지수에서의 안전성 마진을 결정하도록 구성될 수 있다. 한 예시적인 실시예에서, 적어도 하나의 성능 지수가 시스템의 안전성 마진을 측정하는데 이용된다.
예시적인 시스템 안전성 분석 평가
이제, 한 예시적인 실시예가 시스템 안전성 분석 평가와 관련하여 일반적인 용어로 설명될 것이다. 도 3은 한 예시적인 실시예에 따른 시스템 안전성 분석 평가를 위한 프로세스 차트를 나타낸다. 이 프로세스는 RG 1.203 요건과 병행하여 도시된다. 도 3의 프로세스 차트는, RG 1.203에 관한 블록으로서 도시되어 있고, 따라서, 블록들, 예를 들어, "모델 파라미터 파일 생성(308)"은 이들이 RG 1.203의 하나보다 많은 섹션에 관련되는 경우에 복제될 수 있다. 안전성 분석 평가는 RG 1.203의 후반 단계들에서 주로 수행된다. RG 1.203은, 이러한 후반 단계들에게, 안전성 마진을 정량화한다는 주 목표를 포함하는 "평가 모델 적합성의 입증"을 부여하지만, 초기 RG 1.203 단계들을 검증하는 평가 모델 솔루션도 제공한다.
평가 모델 장치 및 방법으로의 엔트리는 SSC 입력의 모델 파라미터 데이터베이스(301)로 시작된다. 일부 실시예에서, 모델 파라미터 데이터베이스(301)는 원래의 SSC 데이터로부터 안전성 평가 모델 사용자에 의해 수동으로 구축된다. 모델 파라미터 데이터베이스(301)를 구축하는 것은 또한, RELAP5 등의 시뮬레이션 엔진을 위해 포맷된 파일을 필수 SSC 입력 세트로 변환하는 것을 포함할 수 있다.
계산 매트릭스(302) 및 계산 매트릭스(304)는, 이벤트 도메인(event domain), 예를 들어, 시스템 시뮬레이션의 공간을 나타낼 수 있는 지식 컴포넌트이다. 이들은, 계산 매트릭스가, 각각, 벤치마킹 분석에 대해 결정론적인지 또는 콘볼루션 분석에 대해 확률론적인지에 따라 달라진다. 이벤트 도메인은 아래에 논의되는 바와 같이 주요 시스템 모델 파라미터의 식별에 의해 정의될 수 있다. 계산 매트릭스(302) 또는 계산 매트릭스(304)는, 분석을 위해, 전체로서의 원자력 복합체, 원자로 설비, 그룹 또는 개별 시스템 등에 대해 구축될 수 있다. 원자로 플랜트 시스템은, 제한없이, 원자로 냉각재 시스템 등의 냉각 시스템, 증기 발생기 및 관련 증기 헤더 및/또는 증기 터빈 등의 증기 시스템, 공급 시스템, 충전 시스템, 방전 시스템, 냉각재 및/또는 증기 압력 방출 시스템 등을 포함할 수 있다.
RG 1.203 요소(Element) 4, 13-15는, 상향식(bottom-up) 평가, 예를 들어, 모델을 구축하는데 이용되는 코드 및/또는 입력의 자격(qualification), 벤치마킹 분석을 수행하는 것, 설계 안전범위의 식별, 불확실성 모델의 도출, 및 평가 판정의 도출을 포함한다. 코드의 자격을 처리하기 위해, 시스템 안전성 분석 평가는 계산 매트릭스 데이터베이스(302)를 구축할 수 있다. 계산 매트릭스 데이터베이스(302)는 하나 이상의 분석 모델로부터의 구조, 시스템 또는 컴포넌트(SSC) 입력을 포함할 수 있다.
코드 자격 프로세스의 한 예시로서, 기존 또는 이전에 동작된 열-유압 시스템을 기술하는 SSC 입력이 도 2의 장치 등의 컴퓨팅 디바이스에 의해 수신될 수 있다. 동작 또는 오류 조건을 반영하는 입력의 선택과 함께 동작 또는 오류 조건 입력과 연관된 분석적 불확실성이 컴퓨팅 디바이스에 의해 수신될 수 있다. 컴퓨팅 디바이스는 하나 이상의 분석 모델로부터의, 저장 디바이스(54)와 같은 하나 이상의 데이터베이스로부터의 SSC 입력에 기초하여 계산 매트릭스(302)를 알고리즘적으로 구축할 수 있다. 계산 매트릭스로부터, 원래의 테스트의 모델 파라미터 파일(308)이 생성될 수 있다. 벤치마킹 분석은, 모델 파라미터 데이터베이스(301) 및 계산 매트릭스(302)로부터 도출된 모델 파라미터 파일의 세트(308)가 시스템 안전성 분석 평가(309)에서 이용되는 시뮬레이션 엔진을 통해 처리될 때 완료될 수 있다. 시뮬레이션 결과는 하나 이상의 성능 지수에 기초하여 필터링될 수 있다.
RG 1.203은 또한, 요소 4, 16-19에서의 하향식(top-down) 분석, 예를 들어, 계산 매트릭스(304)로부터 선택된 파라미터들의 콘볼루션 분석을 포함한다. 하향식 분석은 또한, 후술되는 바와 같이, 계산 매트릭스의 구축(304), 콘볼루션 분석을 수행하는 것, 설계 안전범위를 식별하는 것(310), 불확실성 모델을 도출하는 것, 평가 판정을 도출하는 것(306), 및 하나 이상의 제한 시나리오를 정의하는 것(318)을 포함할 수 있다.
도 2의 장치와 같은 컴퓨팅 디바이스는, 하나 이상의 분석 모델로부터의, 저장 디바이스(54)와 같은 하나 이상의 데이터베이스로부터의 (SSC) 입력에 기초하여 계산 매트릭스를 구축(304)할 수 있다. 모델은, 치수, 예를 들어, 크기 및 형상, 열 전달 계수 및 파괴 인성 등의 재료 특성 등을 포함한 이것으로 제한되지 않는 SSC 입력을 포함할 수 있다. 이와 관련하여, 예시적인 SSC 입력은, 파이프 지름이 8 인치인 4 피트 원자로 냉각재 파이프일 수 있다. SSC 입력의 또 다른 예는, 전력 레벨 또는 시스템 압력 등의 동작 조건일 수 있다. 모델은, 벤더 컴포넌트 또는 동작 명세, 이력 테스트 또는 동작 데이터, 또는 열 전달, 유체 흐름 등의 기능 요건에 기초한 이론적 계산을 포함할 수 있다. 일부 예시적인 실시예에서, 모델은 또한, 기저 물리학을 기술할 수 있다; 예를 들어, 물리적 모델 및 상관관계에 이용되는 파라미터 설정과 연관된 물리학; 주어진 공간 해상도에서 시뮬레이션의 수행과 연관된 물리학; 수치 알고리즘에서의 근사화와 연관된 물리학. 불확실성 정량화는, 의사 결정을 지원하기 위한 모든 종류의 불확실성을 특성기술하고, 평가하고, 전파하고, 분석하는 프로세스일 수 있다.
계산 매트릭스(304)의 구축에서, 컴퓨팅 디바이스는 분석 모델의 SSC 입력과 연관된 불확실성을 수신하고 적용할 수 있다. 불확실성은 공칭 SSC 입력에서의 분산(variance)을 포함할 수 있다. 예를 들어, 8 인치 파이프는 +/- 3 인치의 불확실성을 가질 수 있다. 일부 예시적인 실시예들에서, 계산 매트릭스는 불확실성의 분산 내에서 가능한 값들과 연관된 바이어스 값들을 포함할 수 있다. 예를 들어, +/- 3인치의 불확실성은, +1 인치, +1.5 인치, +2 인치, -3 인치 등의 연관된 바이어스 값을 가질 수 있다. 즉, +/- 3 인치 분산 및 +1 인치 바이어스를 갖는 공칭 8 인치 파이프는, 5 인치 내지 11 인치까지 변할 것으로 예상될 수 있으며, 이 경우에는 9 인치이다. 전력 수준, 시스템 압력 및 온도, 제어 시스템 설정점 등의 동작적 불확실성; 물리적 모델 및 상관관계에 나타나는 열 전달 및 재료 속성 파라미터 등의 현상 불확실성; 장비의 상태(예를 들어, 공칭, 이용가능, 또는 오류)를 포함한 이벤트 불확실성; 등의 기타의 불확실성이 적용될 수 있다.
추가로 또는 대안적으로, 계산 매트릭스(304)를 구축하는 것은 또한, 원자로 냉각재의 손실, 증기 라인 파열, 냉각제 흐름의 손실, 제어와는 독립된 로드 운동(rod movement) 등의, 손실 모델을 수신하는 것을 포함할 수 있다. 손실 모델은, 위에서 논의된 분석 모델과 유사한, 공칭 파라미터 및 불확실성을 포함할 수 있다. 손실 모델은, 이론적 계산으로서 및/또는 RG 1.203 등의 기관 테스트 요건으로부터 생성될 수 있다. 가설적 가압수형 원자로(pressurized water reactor) 시뮬레이션 엔진 테스트 문제에 대한 계산 매트릭스의 예시적인 콘볼루션 분석 부분이 이하의 표 1에 도시되어 있다. 표 1은, 전체 원자로 전력, 감쇠 열, 원자로 냉각재 시스템(RCS) 압력, 및 축압기 초기 압력 등의 원자로 설비에 대한 초기 조건 파라미터를 포함한다. 표 1은 또한, 통계적 분포 유형 및 연관된 파라미터에 의해 기술되는 각각의 파라미터와 연관된 불확실성을 포함한다. 균일, 보통, 로그정규, 베타, 감마, 단계적, 및 이산적을 포함한 그러나 이것으로 제한되지 않는 하나 이상의 통계적 분포 유형이 이벤트 도메인을 특성기술하는데 이용될 수 있다. 추가로, 표 1의 계산 매트릭스는, 손실 파라미터, 중단 영역(break area), 및 그 연관된 불확실성을 포함한다.
Figure pct00001
한 예시적인 실시예에서, 컴퓨팅 디바이스는 콘볼루션-유형 시스템 안전성 분석 평가(309)를 위한 모델 파라미터 파일의 묶음(308)을 생성할 수 있다. 모델 파라미터 파일은, 계산 매트릭스 데이터베이스(304)의 한 가능한 실현을 나타내며, 모델 파라미터 표본들의 집합으로서 또는 RELAP5 등의 시뮬레이션 엔진에서 이용하기 위한 포맷된 파일에 임베딩되어 나타날 수 있다.
모델 불확실성에 대한 많은 기여자들의 콘볼루션은 통계적 프로세스일 수 있고, 모수적(parametric) 또는 비모수적(nonparametric) 방법을 적용할 수 있다. 콘볼루션 분석의 수행은, 성능 지수의 결과 표본들의 식별에 관한 객관적 진술(objective statement)을 포함할 수 있다. 객관적 진술은, 가능한 모든 결과 중에서 결과 표본의 커버리지에 관한 통계적 진술이다. 콘볼루션 분석에 앞서, 객관적 진술은, 콘볼루션 분석을 위한 모델 파라미터 파일(308)의 수를 계산하는데 이용될 수 있다. 한 실시예에서, 비모수적 접근법은, 특히, 작고 많은 표본 세트를 다루기 위해 이 객관적 진술을 표현하는 함수를 이용한다. 비모수적 접근법은, 주어진 기대값을 달성하기 위해 불확실성 파라미터의 수와 요구되는 계산의 횟수 사이의 독립성이라는 이점을 가지고 있다.
콘볼루션 분석에 대한 비모수적 접근법의 한 예시적인 실시예에서, 객관적 진술은, {x1 < x2 < ... < xk < ... < xn}이 되도록, 확률 변수의 n개의 표본들 중에서 정렬된 표본에 대해 표현될 수 있다. 이 시나리오에서, 집단(population) x의 분율(fraction)
Figure pct00002
를 한정하는 임의의 표본을 식별하는 확률 진술은 다음과 같이 편의 함수(convenience function) m = n-k의 관점에서 기재될 수 있다:
Figure pct00003
여기서
Figure pct00004
는 특정한 정렬된 표본의 집단 커버리지의 확률 밀도 함수이다.
Figure pct00005
에 대한 함수가 도출될 수 있고, xk 미만의 모집단의 분율이 적어도
Figure pct00006
일 확률에 대한 널리 공지된 해는 불완전한 베타 함수(Incomplete Beta function)의 함수인 것으로 보여질 수 있다,
Figure pct00007
β 및
Figure pct00008
에 대한 통계적 목적이 주어지면, 이 함수는 콘볼루션 분석을 위한 모델 파라미터 파일(308)의 수를 계산하도록 재배열될 수 있다.
벤치마킹 분석과 유사하게, 콘볼루션 분석은, 모델 파라미터 데이터베이스(301) 및 계산 매트릭스(304)로부터 도출된 모델 파라미터 파일의 세트(308)가 시스템 안전성 분석 평가(309)에서 이용되는 시뮬레이션 엔진을 통해 처리될 때 완료될 수 있다. 일부 예시적인 실시예에서, 시뮬레이션 결과는 하나 이상의 성능 지수에 기초하여 필터링될 수 있다. 개개의 시뮬레이션 결과는 주어진 성능 지수에 대한 불확실성 도메인의 실현을 나타낼 수 있다.
RG 1.203 요소 4, 단계 20은, 성능 지수(들)에서의 바이어스와 불확실성의 정량화를 통해 평가 모델을 완성한다. 안전성 분석 애플리케이션에서, 안전성 분석자는, 속성들이 이벤트 도메인 불확실성의 고유한 처리를 포함하는 레코드 분석을 추구한다. 한 실시예에서, 불확실성 모델을 도출(312)하는 것은, 이벤트 도메인 표본들 및 성능 지수 표본들로부터 특정한 통계적 측정치들을 평가하는 것을 포함할 수 있고; 통계적 측정치들의 후처리(316)는, 후술되는 바와 같이, 정성적 평가 판정(306), 정량적 설계 안전범위(310), 및 하나 이상의 제한 시나리오(318)의 관점에서 레코드 분석을 특성기술하는 지식 컴포넌트를 제공할 수 있다. 일부 예시적인 실시예들에서, 이벤트 도메인 표본들의 세트들과 성능 지수 불확실성 도메인 표본들의 하나 이상의 세트들 사이의 상관관계는, 평가 모델의 적합성을 입증하는데 유용한 정보를 제공할 수 있다. 상관관계에 의해 알려지는, 이벤트 도메인 표본들 및 성능 지수 불확실성 도메인 표본들의 하나 이상의 세트들의 변환은, 그들의 콘볼루션이 임의의 계산된 성능 지수의 표본 세트에 의해 표현되는 불확실성 도메인의 추정치를 재현하도록 하는 특성을 갖는 가중된 측정치들의 세트들로서 구성될 수 있다.
이벤트 도메인 및 연관된 성능 지수로부터 표본추출된 실현의 세트가 주어지면, 이벤트 도메인 불확실성 모델을 특성기술하기 위한, 예를 들어, 불확실성 모델(312)을 도출하기 위한 일부 기술이 이용가능하다. 일부 실시예에서, 컴퓨팅 디바이스는 불확실성 모델(312)을 도출하기 위해 분산 기반 방법(variance based method)을 이용할 수 있고, 이하에서 논의되는 바와 같이, 특정한 모델 파라미터의 표본추출에 관한 계산된 성능 지수에서 표준 편차 σx를 해결한다.
원하는 측정치로서 표준 편차를 선택함에 있어서, 불확실성 모델 도출(312)을 구현하는 수학적 알고리즘은, 표준 편차의 제곱일 수 있는, 분산의 정의를 수반하는 통계적 개념으로부터 도출될 수 있다. 분산의 정의는 다음과 같이 표현될 수 있다:
Figure pct00009
통계적 처리는 분산 계산의 다변수 분석일 수 있다. 통계적 처리는, 작은 표본 세트로 작업할 때 필요할 수 있는 직접 최소-제곱 매트릭스 솔루션이 아니라 단계적 다중-변수 회귀 방법에 의존함으로써 "표준" 접근 방식에서 벗어날 수 있다.
x0 = fct(x1, x2, x3,..., xn)으로 표현되는 최상-추정 예측자 모델이 주어지면, 종속 변수의 표본추출된 값들에서의 총 분산, 이제는 확률 변수 x0은, 확률 변수들 xi로서 나타나는, 수개의 독립적인 불확실성 기여자들의 분산을 관련짓는 통계적 측정치일 수 있다. 한 예시적인 실시예에서, x0은 확률 변수들 xi의 선형 조합의 함수이고, 확률 변수들 xi는 독립적이며, 불확실성 벡터는 간단한 표본추출로부터 얻어지는 것으로 가정될 수 있다. 통계적 분산의 이러한 정의로부터, 특정한 종속 변수
Figure pct00010
에서의 총 분산은 다음과 같이 표현될 수 있다.
Figure pct00011
이 접근법은, 비선형 및 상관된 파라미터들을 갖는 프로세스 및 시뮬레이션에 대한 Sobol과 Saltelli에 의한 일반화된 분산-분해 접근법의 특별한 경우이다.
기대 값의 관점에서, 수학식 (5)에서의 분산은 다음과 같이 표현된다:
Figure pct00012
유한 표본 세트에 대해, 이 표현식은 다음과 같이 표본 분산의 관점에서 주어진다:
Figure pct00013
이 예에서,
Figure pct00014
는, 각각이 세트 크기 m인 xi의 n개의 표본 세트들의 중첩된 합산 함수(nested summation function)를 나타낸다.
특정한 모델 파라미터들의 불확실성 기여를 정량화하는 것은 총 분산 측정을 분해하는 것을 포함할 수 있다. 총 분산 측정의 분해는 단계적 회귀 접근법에 의해 달성될 수 있고, 이것은 복수의 변수로의 곡선 맞춤(curve-fitting)의 적용을 확장한다. 단계적 회귀의 한 예시적인 실시예에서, 다음과 같이, 종속 변수 x0과 2개 이상의 독립 변수 xi 사이에 선형 관계가 존재한다는 가정이 적용될 수 있다,
Figure pct00015
각각의 회귀 함수, 예를 들어, fct(x1)은, 종속 변수가 각각의 모델 파라미터에 따라 어떻게 변하는지를 나타내는 경험적인 관계일 수 있다. 다중-회귀 모델에서 회귀 계수들에 대한 직접적인 솔루션은 최소-제곱 기법을 적용하여 평가할 수 있다; 그러나, 한 예시적인 실시예에서, 모델의 연속적인 단계적 평가는 모델을 해결하기 위한 제한된 정보를 제공하는 작은 데이터세트로 인해 유익할 수 있다. 또한, 연속적 평가 방법은, 최소-제곱 기법으로부터 도출된 가능한 추정기 함수들 중에서의 선택을 허용할 수 있다. 추정기 함수들 중에서 선택하는데 있어서, 단순한 형식이 실제 기대치와 가장 잘 일치할 수 있다, 예를 들어, 선형 또는 2차 다항식 맞춤이 단일 모델 파라미터의 변화에 대한 성능 지수의 물리적 변화를 반영하기에 충분할 수 있다. 일부 예시적인 실시예에서, 선형 종속성은, 특히 분석 모델이 섭동 이론에 의해 잘 기술될 수 있는, 비교적 작은 범위의 불확실성에 대해 가장 가능성이 있다. 컴퓨팅 디바이스는, 다음과 같이 표현된 결정의 계수에 기초하여 선형 또는 2차 다항식 회귀 함수를 이용하는 것을 구별할 수 있다:
Figure pct00016
수학식 (8)에서의 분자는 잔차 제곱합(residual sum of squares)이며, 여기서, yi는 표본 성능 지수 값이며
Figure pct00017
는 평균이다; 분모는 총 제곱합(total sum of the squares)이고, 여기서, (xi)는 회귀 함수로부터의 성능 지수의 추정값이다. 도시된 예에서 선형 대 2차 다항식 사이의 천이는 0.7이다; 그러나, 비교적 단순한 회귀 형태가 적용된다면, 천이는, 0.5, 0.6, 0.8 등의 다른 값일 수 있고, 규칙에 대한 결과 민감도는 미미하다.
컴퓨팅 디바이스는 중요한 표본추출된 모델 파라미터를 식별하는데 유용한 척도 및 모델을 해결하기 위한 데이터의 유용성이 고갈되는 때를 식별하기 위한 척도를 정의할 수 있다. 중요한 표본추출된 모델 파라미터를 식별하는데 유용한 척도와 관련하여, 표준화된 순위 회귀 계수(Standardized Rank Regression Coefficient), 순위 상관 계수(Rank Correlation Coefficient) 및 상관 비율(Correlation Ratio) 등의 민감도 분석으로부터의 수 개의 순위 및 상관식이 이용될 수 있다. "순위" 방법들은 데이터를 대응하는 순위와 대체하여, 데이터에서 정보를 제거할 수 있다. 대조적으로, 표본 상관 계수 r은 정보를 보유하므로, 더 바람직한 분석 결과를 생성할 수 있다. 표본 상관 계수는 다음과 같이 표현될 수 있다:
Figure pct00018
이 예에서, 관심대상 상관관계는 표본추출된 모델 파라미터와 분석 측정 결과 사이에 있다. 비교적 작은 표본 크기와 함께, 상관되지 않은 파라미터들의 표본 세트는 중요한 상관관계를 가질 수 있다. 단계적 다중 회귀에 연관된 또 다른 목적은 상관관계가 단순히 우연이 아니라는 높은 확신이 있는 표본 상관 유의성 임계값(sample correlation significance threshold)을 식별하는 것일 수 있다. 이것은, 작은 표본 세트가 있는 예에서와 같이, 회귀 모델을 완전하게 설명하기에는 정보가 충분하지 않을 수 있다는 것을 인정할 수 있다. 모델에 대한 더 이상의 정보를 알아낼 수 없는 임계값을 식별하기 위해, 임계값 테스트가 정의될 수 있다. 임계값 테스트는 상관 계수의 표본추출 분포로부터 도출될 수 있다. 모델 파라미터들이 독립적으로 표본추출된 예시적인 실시예에서, 표본추출 분포는 Student t-분포에 대응할 수 있다. 구체적으로는, 통계 커버리지(tp)는 다음과 같이 수학식에서 n개 표본에 대한 상관 계수와 관련될 수 있다.
Figure pct00019
원하는 결과는 상관 계수 임계값, rmin일 수 있다. 이전의 수학식은 r을 풀기 위해 다음과 같이 재배열될 수 있다:
Figure pct00020
곡선 맞춤은 이 해를 단순화할 수 있다. n = 2에서 10,000,000까지의 표본들에 대해 확인된 한 예시적인 곡선 맞춤은, 역 Student-T 분포 함수를 이용하여 경험적으로 도출된, 다음과 같은 다항식 함수가 될 수 있고, 수학식 (11)을 근사화할 수 있다,
Figure pct00021
수학식 (12)는 예시적인 목적을 위한 것이다; 본 기술분야의 통상의 기술자라면 대안적인 곡선 맞춤이 이용될 수 있고 동일한 기능을 제공한다는 것을 즉시 이해할 것이다.
단계적 다중 회귀에서 주요 표본추출된 모델 파라미터 통계치(dominant sampled model parameter statistics)를 특성기술하는 것은, 표본추출된 모델 파라미터 세트 중 한 표본추출된 모델 파라미터와 관심대상 분석 척도 사이의 가장 큰 상관관계가 rmin보다 작은 경우에 종료될 수 있다. 상관 계수의 선택과 유의 수준(significance threshold)의 식별에 의해, 시스템 안전성 분석 평가의 정량화 프로세스와 현상학적 유의 부분이 진행될 수 있다.
초기의 중요한 표본추출된 모델 파라미터는 표본추출된 모델 파라미터와 종속 분석 척도 사이의 가장 큰 상관관계에 의해 식별될 수 있으며, 유의 수준보다 큰 적어도 하나의 모델 파라미터가 있다고 가정한다. 컴퓨팅 디바이스는 우선, 성능 지수 표본 벡터
Figure pct00022
와 제1 불확실성 기여자 표본 벡터
Figure pct00023
사이의 관계를 추정하는 회귀 함수 fct(x1)을 평가함으로써 그 제1 개별 불확실성 기여자의 분산 값을 결정할 수 있다. 제1 불확실성 기여자
Figure pct00024
에 따라 달라지는 성능 지수 표본 벡터
Figure pct00025
의 대응하는 컴포넌트만을 기술하는 새로운 표본 벡터 fct(x1)가 평가될 수 있다. 분산
Figure pct00026
Figure pct00027
에 대한 추정치를 나타낸다.
분산의 평가에 이어, 표준 편차는 제곱근으로부터 결정될 수 있다. 이 표준 편차는, 특정한 표본추출된 모델 파라미터의 표본추출 변화로부터의 종속 변수의 민감도(예를 들어, 분석 성능 지수)로서 표현되는, 중요도 척도로서 해석될 수 있다. 독립 표본추출된 모델 파라미터의 추가 해결은, 이전에 평가된 중요한 표본추출 모델 파라미터의 기능적 추정치에 의해 변환된 종속 변수와 함께 단계적 방식으로 계속될 수 있다. 예를 들어, 회귀 및 제2 불확실성 기여자 표본 벡터
Figure pct00028
는 제1 불확실성 기여자
Figure pct00029
의 성능 지수 표본 벡터
Figure pct00030
사이의 관계, 즉,
Figure pct00031
-
Figure pct00032
를 추정하는 영향 함수 fct(x2)(즉, 성능 지수와 성능 지수에 대한 제1 개별 불확실성 기여자에 대해 도출된 곡선 맞춤 추정치 사이의 오차)를 제거함으로써 발견된다. 제2 불확실성 기여자 x2에 따라 변하는, 성능 지수 표본 벡터
Figure pct00033
의 컴포넌트만을 기술하는 표본 벡터 fct(x2)가 컴퓨팅 디바이스에 의해 평가될 수 있다. 전술된
Figure pct00034
와 유사하게, 분산
Figure pct00035
Figure pct00036
에 대한 추정치를 나타낸다.
한 예시적인 실시예에서, fct(xk)는, 다음과 같이 표현된,
Figure pct00037
와 성능 지수 표본 벡터
Figure pct00038
의 쌍을 이룬 세트로부터 도출된 k번째 추정치로부터 이전에 평가된 항들을 뺀 값에 대한 회귀 함수일 수 있다:
Figure pct00039
유사하게,
Figure pct00040
회귀는, 특정한 불확실성 기여자와 분석 측정 값 사이의 표본 상관관계의 세트가 유의 수준 기준을 만족하지 못할 때까지 반복될 수 있다. 나머지 분산은 결과의 정밀도에서 측정불가능한 성능 저하없이는 더 이상 분해될 수 없다. 한 예시적인 실시예에서, 더 큰 분해능은, 더 많은 데이터를 추가함으로써, 예를 들어, 더 많은 표본 계산을 통해, 또는 주요 불확실성 기여자에 대한 확실성을 도입하는 새로운 분석을 통해 달성될 수 있다. 나머지 분산 또는 잔차는 덜 중요한 현상들의 집합의 영향에 대한 불확실성 모델을 정의하는 지식 컴포넌트일 수 있다.
컴퓨팅 디바이스는, 허용 기준 한계를 초과하지 않는 높은 확률로 이어지는 최소 계산 횟수에 기초한 불확실성 모델(312)의 도출로부터 도출된 성능 지수를 조성할 수 있다. 불확실성 모델은, 정의 또는 초기 모델 x0을 제외하고 평균 0을 갖는, 평균 및 표준 편차 쌍일 수 있다. 표준 편차는, 추정된 불확실성의 콘볼루션, (즉, 개개의 분산의 합계의 제곱근)으로서 등가적으로 기술될 수 있는, 크기별로 정렬되고 누적 합산될 수 있으며; 다음과 같이 표현된다:
Figure pct00041
여기서 m은 분석에서 식별된 중요한 불확실성 기여자의 수이다(n보다 작음). 총계에 대한 합계의 비율이 계산될 수 있다. 누적 합계가, 0.9, 0.85, 0.95 등의 원하는 임계값을 초과할 때, 개개의 분산은 "중요한 모델 파라미터들"의 세트로서 지정될 수 있다. 중요한 모델 파라미터 세트는, 초기 RG 1.203 단계들의 검증을 지원하는 안전성 분석 지식 컴포넌트일 수 있다. 중요한 모델 파라미터 세트는 > 2σ에서 평가되어(314) 성능 지수를 최소화하거나 최대화하기 위한 목적에 관하여 커버리지 공간을 결정론적으로 제한할 수 있다. 이들 값들은 이 RG 1.203 단계에서 찾은 대안적인 코드 바이어스를 나타낸다.
후처리(316) 함수는 계산 결과 및 불확실성 모델을 필터링하거나 조성할 수 있다. SSC 설계 입력, 계산 매트릭스, 이벤트 도메인 표본, 계산 성능 지수, 평가 판정, 설계 안전범위, 제한 시나리오, 안전성 마진 등은, 한 예시적인 실시예에서, 표, 그래프, 산포도 등의, 다양한 보고서(320)로 출력될 수 있다.
계산 결과 및 불확실성 모델은 지식 컴포넌트로서 추가 변환을 수신할 수 있다. 이들은, 평가 판정, 설계 안전범위, 및 하나 이상의 제한 시나리오를 포함한다. 정성적 평가 판정(306)은 하나 이상의 상관 임계값의 초과에 기초하여 알고리즘적으로 결정된다. 평가 판정(306)은 벤치마킹 또는 콘볼루션 분석에 이용되는 입력 데이터의 양호성에 대한 정성적 결정이다. 시간에 따라 변할 수도 있고 변하지 않을 수도 있는 한 세트의 분석 성능 지수는 설계 안전범위를 정의한다(310). 하나 이상의 제한 시나리오(318)는 중요한 모델 파라미터의 바이어스를 정량화함으로써 정의될 수 있다.
평가 모델 적합성을 입증하는데 유용한 지식 컴포넌트는, 허용 기준에 대한 불확실성 모델의 "양호성"을 정성적으로 결정하는 평가 판정(306)에 관련된다. 양호성을 결정하는데 이용되는 평가 판정(306)은 "우수한" 또는 "합리적" 등의 정성적 진술일 수 있다. 이러한 평가 판정은 규제 당국의 의사 결정에 관한 유용성의 측면에서 코드 성능을 나타내는 것으로 간주된다.
정량적 접근법은 양호성의 정성적 평가 판정(306)을 돕도록 정의될 수 있다. 정량적 접근법은, 추정된 불확실성과, 계산된 결과와 측정된 결과 사이의 차이를 활용할 수 있다. 계산에서 각각의 지정된 시점에서의 절대 오차는, 계산된 파라미터와 측정된 파라미터 사이의 차이의 절대 값에 기초하여 계산될 수 있다. 그 다음, 절대 오차를 추정된 불확실성으로 나눔으로써 정규화된 오차가 획득될 수 있다. 표준화된 오차가 주어진 인자보다 작은 시점들의 부분이 결정될 수 있다.
일부 예시적인 실시예에서, 컴퓨팅 디바이스는 정규화된 오차가 주어진 인자보다 작은 시간의 비율(fraction)을, 우수한, 합리적인, 최소 등의 하나 이상의 미리결정된 양호성 임계값과 비교하여 평가 판정(306)을 결정할 수 있다. 한 예시적인 실시예에서, 우수한이라는 평가 판정(306)은, 계산된 파라미터가 시간의 불확실성 90% 내에 있는 것에 대응하는, 정규화된 오차의 적어도 90%가 1보다 작아야 하는 경우에 결정될 수 있다. 한 예시적인 실시예에서, 합리적이라는 평가 판정(306)은, 계산된 파라미터가 시간의 불확실성 70%의 3배 내에 있는 것에 대응하는, 지점들의 적어도 70%가 불확실성의 3배 내에 있어야 하는 경우에 결정될 수 있다. 인자 3은, RG 1.203에서의 "합리적"의 정의에서 이용된 것처럼, "근접한"의 의미를 정량화하고 100-70 = 30%는 "빈번하게"를 정량화한다.
일부 예시적인 실시예에서, 평가 판정(306)은 또한 사용자 판정, 예를 들어, 공학 판정을 포함할 수 있다. 공학 판정은 분석을 통한 측정 불확실성 분산 및/또는 독립된 측정의 분산을 보상할 수 있다. 일부 예시적인 실시예에서, 공학 판정은 또한 시간 상의 오프셋을 보상하는데 이용될 수 있다. 예를 들어, 시간 오프셋은 계산된 파라미터가 불확실성 범위를 훨씬 벗어나게 할 수 있고, 이것은, 우수한 또는 합리적인의 평가 판정(306)으로 이어지는, 추세, 기울기, 최대 값, 및 최소값 모두가 잘 예측될 때, 최소 또는 불충분의 평가 판정(306)으로 이어질 수 있다.
한 예시적인 실시예에서, 컴퓨팅 시스템은 동작 파라미터의 결정에서 평가 판정(306)을 이용할 수 있다. 한 이러한 실시예에서, 컴퓨팅 시스템은 동작 파라미터의 결정에서 우수한 또는 합리적인의 평가 판정(306)과 연관된 모델 데이터를 이용할 수 있다.
한 예시적인 실시예에서, 설계 안전범위(310)의 평가는 시뮬레이션 결과와 허용 기준 사이의 비교로부터 도출될 수 있다. 작은 세트의 성능 지수와 함께, 설계 안전범위는 허용 기준에 대한 성능 지수 측정치를 반영하는 통계적 진술일 수 있다. 벤치마킹 분석에서, 설계 안전범위는 시뮬레이션의 견고성(robustness)에 대한 진술일 수 있다. 콘볼루션 분석에서, 설계 안전범위(310)는 시스템 설계의 견고성에 대한 진술일 수 있다.
콘볼루션 분석을 이용하는 한 예시적인 실시예에서, 이벤트 도메인의 콘볼루션은 표본 세트 내의 특정한 무작위 표본에 관한 통계적 진술을 구하는 Monte-Carlo 표본추출 접근법에 의존할 수 있다. 예시적인 측정치는 수학식 (1) 및 수학식 (2)로부터 도출될 수 있다.
수학식 (1) 및 수학식 (2)로부터의 정량화된 측정치를 이용하여, 이벤트 도메인에 관한 통계적 진술, 예를 들어, 규제 고려사항을 위한 안전성 마진을 식별하는 안전성 분석 목적에 관련된 "설계 안전범위"의 식별(310)이 이루어질 수 있다. 설계 안전범위는, 표본들의 허용오차 영역 모음, 예를 들어, 바람직하게는, 확립된 허용 기준 내에 포함된, 표본들에서의 파라미터들의 바이어스 및/또는 불확실성의 허용 오차일 수 있다. 동일한 수의 표본들을 포함하는 대안적인 영역들은 통계적으로 동등할 수 있다.
한 예시적인 실시예에서, 컴퓨팅 디바이스는, 모델 파라미터 벡터일 수 있는, 제한 시나리오를 정의(318)하는 바이어스들을 정량화할 수 있다. 도출된 불확실성 모델들의 모음은 평가되어, 기대치에 따라, 하나 이상의 성능 지수의 대응하는 최소 또는 최대 값을 찾는다. 원하는 기준에 가장 근접한, 파라미터의 공칭 값들 및 바이어스들을 포함하는, 표본은, 제한 시나리오 모델 파라미터 벡터에서 하나의 요소로서 정의된다. 일부 실시예에서, 수학식 (1)은 제한 시나리오에 적용되어 계산 매트릭스의 커버리지의 통계적 진술과 결과의 신뢰성을 결정할 수 있다. 특히, 최소 표본 크기 59(m=1) 모델 파라미터 파일들에 대한 수학식 (2)에 기초하여, 제한 시나리오 표본은 95% 커버리지/95% 신뢰도
Figure pct00042
를 초과하는 객관적 진술 표현을 지원하지만, 수학식 (3)으로부터 도출된 다른 조합들이 동등한-값의 측정치로서 역할할 수도 있다.
원자력 안전성 규제 조사를 다루기 위해, 일시적 또는 우발적 거동 전의 원자력 발전 장비의 경계 조건을 기술하는 정량화된 바이어스의 모음은, 후처리(316)에서 시스템에 대한 동작 파라미터를 결정하는데 있어서 엔지니어 또는 규제자에 의해 이용될 수 있다. 컴퓨팅 디바이스는, 미리결정된 수의 온도, 파운드 압력, 또는 동작 범위의 백분율 등의, 하나 이상의 허용 기준(311)을 수신할 수 있다. 허용 기준(311)은, 규제자, 고객, 사용자 등으로부터 수신될 수 있고, 후처리(316) 동안에 이용된다.
일부 예시적인 실시예에서, 컴퓨팅 디바이스는, 제한 시나리오(318) 모델 파라미터 벡터 및/또는 안전성 마진, 예를 들어, 냉각재 온도 대역 또는 최대 온도, 냉각재 루프 압력 또는 가압된 압력 대역 또는 최대 압력, 핫 레그 온도 로드 삽입, 전력 대 흐름 스크램 한계, 압력 방출 설정점 등의 안전성 시스템 설정점에 기초하여 시스템에 대한 하나 이상의 동작 파라미터를 결정할 수 있다. 동작 파라미터는 추가적으로 동작 마진, 코어 수명 및 시스템 수명 고려사항, 의도된 이용 등에 의존할 수 있다.
일부 예시적인 실시예에서, 컴퓨팅 디바이스는, 평가 판정(306), 설계 안전범위(310), 및 제한 시나리오(318)에 기초하여 시공 설계에 대한 SSC 파라미터 및 불확실성을 결정할 수 있다. 이러한 점에서, 예를 들어, 설계 안전범위는 우수한 또는 합리적인이라는 평가 판정으로 상기 분석을 거친 SSC와 연관된 공칭 값 및 불확실성을 가질 수 있으며, 불확실성보다 작거나 같은 공칭 분산을 갖는 SSC 파라미터 값이 시공 설계에 대해 결정될 수 있다. SSC가 벤더 모델 또는 명세일 수 있는 일부 실시예에서, 컴퓨팅 시스템은 시공 설계에 대한 불확실성 내의 분산을 포함하는 하나 이상의 SSC를 선택할 수 있다.
도 4 내지 도 8은 본 발명의 한 예시적인 실시예에 따른 사용자 인터페이스 디스플레이를 나타낸다; 안전성 분석 엔지니어 등의 사용자는 테스트 입력 파일에 액세스할 수 있다. 테스트 입력 파일은, 저장 디바이스(54) 또는 데이터베이스 서버(42) 등의 메모리로부터 임포트될 수 있다. 테스트 입력은 분석을 위해 원하는 포맷일 수 있거나, 분석을 위해 필요에 따라 변환될 수 있다. 테스트 입력은 SSC 분석 모델 및/또는 불확실성으로 구성될 수 있다. 일부 예시적인 실시예에서, 테스트 입력은 사용자 인터페이스(60) 등의 사용자 인터페이스를 이용하여 입력될 수 있다. 테스트 입력에 오류 체킹 규칙이 적용되어, 주 입력 모델 디스플레이 화면 상에 오류 또는 복제내용을 디스플레이함으로써 모델 개발 디버깅을 간소화할 수 있다. 오류 체킹 규칙은, 입면 폐쇄(열-유압 시스템 코드에 대한 요건) 등의 시뮬레이션 엔진의 규칙과 시뮬레이션 엔진에 의해 허용되지만 회피되어야 하는 입력(예를 들어, 1 미만의 길이 대 직경비를 갖는 체적)의 식별 등의 실시의 규칙 양쪽 모두를 포함할 수 있다. 오류의 식별은, 사용자가 분석을 시작하기 전에 오류를 정정하고 모델 결함을 검토하는 것을 허용할 수 있다.
도 5에 도시된 바와 같이, 모델 파라미터 데이터베이스(301)는, 그래픽 사용자 인터페이스(GUI)의 좌측에 시뮬레이션 엔진 입력 모델 문서의 개요로서 나타날 수 있다. 이 개요는 원자력 발전 설비의 설계(및 모델링)와 연관된 시스템, 구조 및 컴포넌트에 관련된 입력의 범주를 나타내도록 조직화될 수 있다. 각각의 항목 아래에 데이터 입력 필드를 가진 모델 명세의 하나 이상의 레벨이 제공되어, 도시된 바와 같이 우측에 나타난다.
추가로 또는 대안적으로, 2개의 다른 프리젠테이션 스타일, 컴포넌트 다이어그램 및 파이핑 다이어그램이 모델 피처들 사이의 관계를 나타내기 위해 제공될 수 있다. 도 6에 도시된 컴포넌트 다이어그램에서, 명시된 컴포넌트로부터의 최대 3개 레벨 등의, 다른 컴포넌트들에 관련된 한 컴포넌트의 레이아웃이 용이하게 및 선형적으로 디스플레이될 수 있다. 한 예시적인 실시예에서, 사용자는 컴포넌트 아이콘을 선택하여, 선택된 컴포넌트 상에서 데이터 형태가 프리젠팅되고 확장되게 할 수 있다. 도 7에 도시된 파이핑 다이어그램에서, 사용자는 모델 파라미터를 스크롤할 수 있다. 제어 볼륨, 예를 들어, 선택된 모델 파라미터는, 디스플레이 필드에서 강조표시함으로써 예시될 수 있고, 제어 볼륨에 관한 정보는 별도의 상태 디스플레이 필드에 나타난다.
도 8은, 계산 매트릭스(302) 및 계산 매트릭스(304) 정의 등의, 시스템 안전성 분석 평가를 지원하는데 이용될 수 있는 GUI를 나타낸다.
시뮬레이션 엔진에 의해 도출되는 제한 조건은, 그래프, 산포도 등을 이용하여 분석 또는 규제 검토를 위한 문서를 준비할 목적으로 시각화될 수 있다. 위에서 논의된 특정한 비모수적 접근법은, 모델 파라미터 변환에 대해 성능 지수를 관련시키는 2차원 산포도로 예시될 수 있는 성능 지수 불확실성 도메인을 채우는 데이터를 제공할 수 있다. 시뮬레이션 엔진 계산의 완료에 이어, 시뮬레이션 엔진의 후속 출력 파일들이 판독되고 그 결과가 보고서(320)에 프리젠팅될 수 있다. 그래프 및 산포도 외에도, "이벤트들의 시퀀스" 테이블이 생성될 수 있다. 이벤트 테이블의 시퀀스는, 시뮬레이션 과정 동안 발생하는 주목할만한 이정표를 보고하기 위해 모델 파라미터 데이터베이스(301)에 첨부된 규칙 세트 등의 규칙에 의해 시뮬레이션 엔진 결과를 분석할 수 있다. 표 2는 보고서(320)에 나타날 수 있는 전형적인 PWR 테스트 사례에 대한 이벤트 테이블의 예시적인 시퀀스이다.
Figure pct00043
전형적인 가압수형 원자로 표본 문제를 계속하면, 콘볼루션 분석 결과에 기초하여, 상관관계 및 중요도 모델이 성능 지수 결과 및 모수 값과 관련하여 특성기술되었다. 각각의 상관관계는 독립 변수와 종속 변수 사이의 근사 비교에 기초한 크기의 정도를 나타낼 수 있다. 상관관계는 사용자 정의된 규칙에 기초하여 일시적 거동에 걸친 임의의 주어진 시간에서 도출될 수 있다. 전형적인 가압수형 원자로 표본 문제에서, 도 9에 도시되고 보고서(320)에 나타날 수 있는 바와 같이, 최대 피복재 온도(peak clad temperature)(PCT)와 표본추출된 중단 영역 사이에 강한 상관관계가 식별되었다. 결과적으로, 중단 크기가 클수록, 중단을 통해 손실된 재고량(inventory)에 기인한 결과적 PCT가 높아진다.
표 3은, 보고서(320)에 나타날 수 있는 바와 같이, 콘볼루션 분석, 불확실성 모델(312)의 도출, 및 >2σ에서의 평가(314)로부터 구축된, 표본 문제 중요도 분석으로부터의 전체 결과를 요약한다. 이 표의 첫 번째 엔트리는 PCT와 LOCA 계산 표본들의 표준 편차를 포함한다. 중단 영역 후에, 단계적 다중 회귀 실행으로부터의 중요도의 순서대로 2개의 다른 중요한 모델 파라미터가 식별된다. 제2 열에 나타나는 모델 파라미터와는, 표본추출된 모델 파라미터와, 그 특정한 모델 파라미터에 관한 PCT 데이터의 도출된 표준 편차 추정치(수학식 (14)의 제곱근) 사이의 표본 상관 계수가 연관된다. 표본 상관관계의 부호는 모델 파라미터가 관심대상 분석 출력 측정치에 직접적으로 관련되는지 또는 역으로 관련되는지를 나타낸다는 점에서 주목할 가치가 있다. 제3 열에서, 제한 시나리오 파라미터 바이어스가, 도출된 상관관계(즉, 회귀 함수)로부터 평가되는 제한 조건에 가장 가까운 표본 값을 반영하는 도출된 표본들로부터 유도된다.
이 절차의 완전성은 수학식 (15)에서 정의되었다. 전형적인 가압수형 원자로 표본 문제에서, PCT 불확실성은 201.8 F로서 보고된다. 수학식 (15)로부터의 식별된 중요도 파라미터들의 콘볼루션은 188.63 F로서, 3개의 모델 파라미터들의 조합이, 성능 지수에 미치는 영향의 대략 93.5%를 제공한다는 것을 보여준다. 이들 결과는 표 3에서 별개의 행에 도시된다.
Figure pct00044
예시적인 시스템 안전성 분석 평가 플로차트
기술적 관점에서, 전술된 안전성 분석 모듈(44)은 전술된 동작들의 일부 또는 전부를 지원하는데 이용될 수 있다. 따라서, 도 2에서 설명된 플랫폼은 수 개의 컴퓨터 프로그램 및/또는 네트워크 통신 기반의 상호작용의 구현을 용이하게 하는데 이용될 수 있다. 한 예로서, 도 10은 본 발명의 한 예시적인 실시예에 따른 방법 및 프로그램 제품의 플로차트이다. 플로차트의 각각의 블록 및 플로차트 내의 블록들의 조합은, 하드웨어, 펌웨어, 프로세서, 회로 및/또는 하나 이상의 컴퓨터 프로그램 명령어를 포함하는 소프트웨어의 실행과 연관된 기타의 디바이스 등의, 다양한 수단들에 의해 구현될 수 있다는 것이 이해될 것이다. 예를 들어, 전술된 절차들 중 하나 이상은 컴퓨터 프로그램 명령어에 의해 구현될 수 있다. 이와 관련하여, 전술된 절차를 구현하는 컴퓨터 프로그램 명령어는, 사용자 단말기(예를 들어, 클라이언트(20), 애플리케이션 서버(40) 등)의 메모리 디바이스에 의해 저장되고 사용자 단말기 내의 프로세서에 의해 실행될 수 있다. 이해하겠지만, 임의의 이러한 컴퓨터 프로그램 명령어는, 컴퓨터 또는 기타의 프로그램가능한 장치(예를 들어, 하드웨어)에 로딩되어, 컴퓨터 또는 기타의 프로그램가능한 장치 상에서 실행되는 명령어들이 플로차트 블록(들)에 명시된 기능들을 구현하기 위한 수단을 생성하게 하는 머신을 생성할 수 있다. 이들 컴퓨터 프로그램 명령어는 또한, 컴퓨터 판독가능한 메모리에 저장된 명령어들이 플로차트 블록(들)에 명시된 기능을 구현하는 제품을 생성하도록 하는 특정한 방식으로 기능하도록 컴퓨터 또는 기타의 프로그램가능한 데이터 처리 장치에게 지시할 수 있는 컴퓨터-판독가능한 메모리에 저장될 수 있다. 컴퓨터 프로그램 명령어는 또한, 컴퓨터 또는 기타의 프로그램가능한 장치에 로딩되어 컴퓨터 또는 기타의 프로그램가능한 장치에서 일련의 동작들이 수행되게 하여 컴퓨터 또는 기타의 프로그램가능한 장치에서 실행되는 명령어들이 플로차트 블록(들)에 명시된 기능들을 구현하게 하도록 하는 컴퓨터에 의해 구현되는 프로세스를 생성하게 할 수 있다.
따라서, 플로차트 내의 블록들은 명시된 기능들을 수행하기 위한 수단들의 조합, 및 명시된 기능들을 수행하기 위한 동작들의 조합을 지원한다. 플로차트의 하나 이상의 블록, 및 플로차트 내의 블록들의 조합은, 명시된 기능을 수행하는 특별 목적 하드웨어-기반의 컴퓨터 시스템, 또는 특별 목적 하드웨어 및 컴퓨터 명령어들의 조합에 의해 구현될 수 있다는 점을 역시 이해할 것이다.
이와 관련하여, 본 발명의 한 실시예에 따른 방법이 도 10에 도시된다. 이 방법은 시스템 안전성 분석 평가를 위해 이용될 수 있다. 이 방법은, 동작 406에서, 시스템에 대한 공칭 값 및 시험 값들을 정의하는 계산 매트릭스를 생성하는 단계를 포함할 수 있다. 이 방법은 또한, 동작 408에서, 공칭 값 및 시험 값들의 표본을 포함하는 계산 매트릭스에 기초하여 복수의 모델을 생성하는 단계를 포함할 수 있다. 동작 410에서, 이 방법은 모델 파라미터와 성능 지수 사이의 상관관계를 정의하는 복수의 모델의 벤치마크 또는 콘볼루션 분석을 수행하는 단계를 포함할 수 있다. 이 방법은, 동작 412에서, 벤치마크 또는 콘볼루션 분석에 기초하여 설계 안전범위를 식별하는 단계, 동작 414에서, 벤치마크 또는 콘볼루션 분석에 기초하여 불확실성 모델을 도출하는 단계, 및 동작 420에서, 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하는 단계를 포함한다. 동작 422에서, 이 방법은, 설계 안전범위 및 허용 기준에 기초하여 하나 이상의 제한 시나리오를 정의하는 단계, 및 동작 424에서, 설계 안전범위 및 허용 기준에 기초하여 시스템에 대한 적어도 하나의 성능 지수에 대한 안전성 마진을 결정하는 단계를 포함할 수 있다.
한 예시적인 실시예에서, 이 방법은 점선 박스로 표시된 바와 같이, 하나 이상의 분석 모델로부터 SSC 입력을 수신하는 동작 402를 임의로 포함할 수 있다. 이 방법은, 임의로, 동작 404에서, 하나 이상의 시험 값을 SSC 입력에 적용하는 단계를 포함할 수 있다. 동작 416에서, 이 방법은, 임의로, >2σ에서 이들 불확실성 모델을 평가하는 단계를 포함할 수 있다. 동작 418에서, 이 방법은, 임의로, 적어도 하나의 성능 지수 허용 기준을 수신하는 단계를 포함할 수 있다. 동작 426에서, 이 방법은, 임의로, 적어도 하나의 성능 지수에 기초하여 시스템의 안전성 마진을 측정하는 단계를 포함할 수 있다.
한 예시적인 실시예에서, 도 10의 방법을 수행하기 위한 장치는, 전술된 동작들(402 내지 426) 중 일부 또는 각각을 수행하도록 구성된 프로세서(예를 들어, 프로세서(52)) 또는 처리 회로를 포함할 수 있다. 프로세서는, 예를 들어, 하드웨어 구현된 논리 기능을 수행하거나, 저장된 명령어를 실행하거나, 또는 동작들을 각각을 수행하기 위한 알고리즘을 실행함으로써, 동작들(402 내지 426)을 수행하도록 구성될 수 있다. 일부 실시예에서, 프로세서 또는 처리 회로는 또한, 추가적인 동작 또는 동작들(402 내지 426)에 대한 임의적 수정을 위해 구성될 수 있다. 이와 관련하여, 예를 들어 한 예시적인 실시예에서, 처리 회로는 또한, 하나 이상의 분석 모델로부터 구조, 시스템 또는 컴포넌트(SSC) 입력을 수신하고 하나 이상의 시험 값을 SSC 입력에 적용하도록 구성된다. 계산 매트릭스를 생성하는 것은 SSC 입력 및 시험 값에 기초한다. 한 예시적인 실시예에서, 계산 매트릭스는 공칭 값 및 시험 값 범위 세트를 정의하고, 공칭 값은 SSC 입력을 포함하며, 시험 값 범위는 분석적 불확실성 입력을 포함한다. 일부 예시적인 실시예에서, 처리 회로는 또한, 적어도 하나의 성능 지수 허용 기준을 수신하도록 구성되고, 허용 기준은 적어도 하나의 성능 지수 허용 기준을 포함한다. 일부 예시적인 실시예에서, 안전성 마진을 결정하는 것은 또한, 평가 판정에 기초한다. 한 예시적인 실시예에서, 처리 회로는 또한, >2σ에서 불확실성 모델을 평가하도록 구성된다. 하나 이상의 제한 시나리오를 정의하는 것은 이들 불확실성 모델의 평가에 기초한다. 일부 예시적인 실시예들에서, 적어도 하나의 성능 지수는 시스템 안전성 마진을 측정하는데 이용된다. 한 예시적인 실시예에서, 시스템은 열 또는 유압 시스템이다. 한 예시적인 실시예에서, 열 또는 유압 시스템은 원자로 설비의 일부이다.
여기서 개시된 본 발명의 많은 수정 및 다른 실시예들이, 전술된 설명 및 연관된 도면에 제시된 교시의 혜택을 받는 본 발명이 속하는 기술분야의 통상의 기술자에게는 용이하게 떠오를 것이다. 따라서, 본 발명은 개시된 특정한 실시예들로 제한되지 않아야 하며 수정 및 다른 실시예들은 첨부된 청구항들의 범위 내에 포함되어야 한다는 것을 이해해야 한다. 게다가, 전술된 설명 및 연관된 도면들은 요소들 및/또는 기능들의 소정의 예시적인 조합의 정황에서 예시적인 실시예를 기술하지만, 대안적 실시예들에 의해 첨부된 청구항들의 범위로부터 벗어나지 않고 요소들 및/또는 기능들의 상이한 조합들이 제공될 수 있다. 이와 관련하여, 예를 들어, 명시적으로 전술된 것들 이외의 요소들 및/또는 기능들의 상이한 조합들도 역시, 첨부된 청구항들의 일부에 개시될 수 있는 것으로 생각해 볼 수 있다. 이점들, 혜택들 또는 문제에 대한 솔루션들이 본 명세서에서 설명되었지만, 이러한 이점들, 혜택들 또는 문제에 대한 솔루션들은, 반드시 모든 예시적인 실시예들이 아니라, 일부 예시적인 실시예들에 적용될 수 있다는 것을 이해해야 한다. 따라서, 본 명세서에서 설명된 임의의 이점들, 혜택들 또는 솔루션들은 모든 실시예들 또는 본원에서 청구되는 실시예에 대해 결정적이거나, 요구되거나, 필수적인 것으로 간주되어서는 안 된다. 특정한 용어들이 본 명세서에서 이용되었지만, 이들은 총칭적이고 설명적 의미로만 사용될 뿐이며 제한의 목적을 위한 것은 아니다.

Claims (20)

  1. 처리 회로를 포함하는 시스템 안전성 분석 평가를 위한 장치로서,
    상기 처리 회로는:
    시스템 안전성 분석을 위한 계산 매트릭스를 생성하고;
    상기 계산 매트릭스에 기초하여 복수의 모델을 생성하며;
    상기 복수의 모델의 벤치마킹 또는 콘볼루션 분석을 수행하고;
    상기 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위(design envelope)를 식별하며;
    벤치마킹 또는 콘볼루션 분석으로부터 하나 이상의 불확실성 모델(uncertainty model)을 도출하고;
    상기 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하며;
    상기 설계 안전범위에 기초하여 하나 이상의 제한 시나리오를 정의하고;
    상기 설계 안전범위 및 상기 허용 기준에 기초하여 상기 시스템에 대한 적어도 하나의 성능 지수(figure-of-merit)에서의 안전성 마진을 결정하도록
    구성되는, 시스템 안전성 분석 평가를 위한 장치.
  2. 제1항에 있어서, 상기 처리 회로는 추가로:
    하나 이상의 분석 모델로부터 구조, 시스템 또는 컴포넌트(structure, system, or component)(SSC) 입력들을 수신하고;
    하나 이상의 SSC 입력에 시험 값(trial value)들을 적용하도록
    구성되고, 상기 계산 매트릭스를 생성하는 것은 상기 SSC 입력 및 상기 시험 값들에 기초하는, 시스템 안전성 분석 평가를 위한 장치.
  3. 제2항에 있어서, 상기 계산 매트릭스는 공칭 값(nominal value)들 및 시험 값 범위들의 세트들을 정의하고, 상기 공칭 값들은 상기 SSC 입력들을 포함하며, 상기 시험 값 범위들은 분석적 불확실성 입력들을 포함하는, 시스템 안전성 분석 평가를 위한 장치.
  4. 제1항에 있어서, 상기 처리 회로는 추가로:
    적어도 하나의 성능 지수 허용 기준을 수신하도록 구성되고;
    상기 허용 기준은 상기 적어도 하나의 성능 지수 허용 기준을 포함하는, 시스템 안전성 분석 평가를 위한 장치.
  5. 제1항에 있어서,
    적어도 하나의 성능 지수에서의 상기 안전성 마진을 결정하는 것은 상기 평가 판정에 추가로 기초하는, 시스템 안전성 분석 평가를 위한 장치.
  6. 제1항에 있어서, 상기 처리 회로는 추가로:
    > 2σ에서 상기 불확실성 모델들을 평가하도록 구성되고,
    상기 하나 이상의 제한 시나리오를 정의하는 것은 상기 불확실성 모델들의 평가에 기초하는, 시스템 안전성 분석 평가를 위한 장치.
  7. 제1항에 있어서, 상기 적어도 하나의 성능 지수는 시스템 안전성 마진을 측정하는데 이용되는, 시스템 안전성 분석 평가를 위한 장치.
  8. 제6항에 있어서, 상기 시스템은 열 또는 유압 시스템(thermal or hydraulic system)인, 시스템 안전성 분석 평가를 위한 장치.
  9. 제7항에 있어서, 상기 열 유압 시스템은 원자로 설비(nuclear reactor plant)의 일부인, 시스템 안전성 분석 평가를 위한 장치.
  10. 처리 회로를 포함하는 시스템 안전성 분석 평가를 위한 장치로서,
    상기 처리 회로는:
    원자로 시스템 안전성 분석을 위한 공칭 값들 및 시험 값들을 정의하는 계산 매트릭스를 생성하고;
    상기 공칭 값들 및 시험 값들의 표본 세트들로 구성된 상기 계산 매트릭스에 기초하여 복수의 모델을 생성하며;
    모델 파라미터와 성능 지수 사이의 상관관계를 정의하는 상기 복수의 모델의 벤치마킹 또는 콘볼루션 분석을 수행하고;
    상기 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위 - 상기 설계 안전범위는 상기 원자로 시스템 동작에 상관된 성능 지수 값들의 세트를 포함함 - 를 식별하며;
    벤치마킹 또는 콘볼루션 분석으로부터 하나 이상의 불확실성 모델을 도출하고;
    상기 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하며;
    상기 설계 안전범위에 기초하여 하나 이상의 제한 시나리오를 정의하고;
    상기 설계 안전범위 및 상기 허용 기준에 기초하여 상기 원자로 시스템에 대한 적어도 하나의 성능 지수에서의 안전성 마진을 결정하도록
    구성되고, 상기 적어도 하나의 성능 지수는 상기 원자로 시스템의 상기 안전성 마진을 측정하는데 이용되는, 시스템 안전성 분석 평가를 위한 장치.
  11. 제10항에 있어서, 상기 처리 회로는 추가로:
    하나 이상의 분석 모델로부터 구조, 시스템 또는 컴포넌트(SSC) 입력들을 수신하고;
    하나 이상의 SSC 입력에 시험 값 범위들을 적용하도록
    구성되고, 상기 공칭 값들은 SSC 입력들을 포함하며, 상기 시험 값 범위들은 분석적 불확실성 입력들을 포함하는, 시스템 안전성 분석 평가를 위한 장치.
  12. 제10항에 있어서, 상기 처리 회로는 추가로:
    적어도 성능 지수 허용 기준을 수신하도록 구성되고;
    상기 허용 기준은 상기 적어도 하나의 성능 지수 허용 기준을 포함하는, 시스템 안전성 분석 평가를 위한 장치.
  13. 제10항에 있어서,
    적어도 하나의 성능 지수에서의 상기 안전성 마진을 결정하는 것은 상기 모델의 평가 판정에 추가로 기초하는, 시스템 안전성 분석 평가를 위한 장치.
  14. 제10항에 있어서, 상기 처리 회로는 추가로:
    >2σ에서 상기 불확실성 모델들을 평가하도록 구성되고,
    상기 하나 이상의 제한 시나리오를 정의하는 것은 >2σ에서의 상기 불확실성 모델들의 평가에 기초하는, 시스템 안전성 분석 평가를 위한 장치.
  15. 시스템 안전성 분석 평가를 위한 방법으로서,
    시스템 안전성 분석을 위한 계산 매트릭스를 생성하는 단계;
    상기 계산 매트릭스에 기초하여 복수의 모델을 생성하는 단계;
    상기 복수의 모델의 벤치마킹 또는 콘볼루션 분석을 수행하는 단계;
    상기 벤치마킹 또는 콘볼루션 분석에 기초하여 설계 안전범위를 식별하는 단계;
    벤치마킹 또는 콘볼루션 분석으로부터 하나 이상의 불확실성 모델을 도출하는 단계;
    상기 설계 안전범위 및 허용 기준에 기초하여 평가 판정을 도출하는 단계;
    상기 설계 안전범위에 기초하여 하나 이상의 제한 시나리오를 정의하는 단계; 및
    상기 설계 안전범위 및 상기 허용 기준에 기초하여 상기 시스템에 대한 적어도 하나의 성능 지수에서 안전성 마진을 결정하는 단계
    를 포함하는 시스템 안전성 분석 평가를 위한 방법.
  16. 제15항에 있어서,
    하나 이상의 분석 모델로부터 구조, 시스템 또는 컴포넌트(SSC) 입력들을 수신하는 단계; 및
    하나 이상의 SSC 입력에 시험 값들을 적용하는 단계
    를 포함하고, 상기 계산 매트릭스를 생성하는 단계는 상기 SSC 입력들 및 상기 시험 값들에 기초하는, 시스템 안전성 분석 평가를 위한 방법.
  17. 제15항에 있어서,
    적어도 하나의 성능 지수 허용 기준을 수신하는 단계를 더 포함하고;
    상기 허용 기준은 상기 적어도 하나의 성능 지수 허용 기준을 포함하는, 시스템 안전성 분석 평가를 위한 방법.
  18. 제15항에 있어서, 적어도 하나의 성능 지수에서의 상기 안전성 마진을 결정하는 단계는 상기 모델의 평가 판정에 추가로 기초하는, 시스템 안전성 분석 평가를 위한 방법.
  19. 제15항에 있어서, 상기 적어도 하나의 성능 지수는 상기 시스템의 안전성 마진을 측정하는데 이용되는, 시스템 안전성 분석 평가를 위한 방법.
  20. 제15항에 있어서, 상기 시스템은 원자로 설비의 열 또는 유압 시스템인, 시스템 안전성 분석 평가를 위한 방법.
KR1020187020650A 2015-12-22 2016-12-09 데이터 구동형 작업흐름에서 안전성 분석 평가를 위한 장치 및 방법 KR20180096709A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/978,931 US10990714B2 (en) 2015-12-22 2015-12-22 Apparatus and method for safety analysis evaluation with data-driven workflow
US14/978,931 2015-12-22
PCT/US2016/065709 WO2017112428A1 (en) 2015-12-22 2016-12-09 Apparatus and method for safety analysis evaluation with data-driven workflow

Publications (1)

Publication Number Publication Date
KR20180096709A true KR20180096709A (ko) 2018-08-29

Family

ID=59065155

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187020650A KR20180096709A (ko) 2015-12-22 2016-12-09 데이터 구동형 작업흐름에서 안전성 분석 평가를 위한 장치 및 방법

Country Status (7)

Country Link
US (2) US10990714B2 (ko)
EP (1) EP3394691A4 (ko)
JP (1) JP7287780B2 (ko)
KR (1) KR20180096709A (ko)
CN (1) CN109074063A (ko)
CA (1) CA3009654A1 (ko)
WO (1) WO2017112428A1 (ko)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102061096B1 (ko) * 2014-03-05 2020-02-17 삼성전자 주식회사 Fqam을 위한 전송 다양화 방법 및 그 장치
WO2017170086A1 (ja) * 2016-03-31 2017-10-05 日本電気株式会社 情報処理システム、情報処理装置、シミュレーション方法およびシミュレーションプログラムが記録された記録媒体
CN109800458B (zh) * 2018-12-17 2020-10-09 中国原子能科学研究院 一种评估反应堆安全运行的方法
CN109783970B (zh) * 2019-01-29 2021-01-15 北京航空航天大学 一种面向电子产品可靠性仿真分析的热分析方法
DE102019207059A1 (de) * 2019-05-15 2020-11-19 Siemens Aktiengesellschaft Verfahren zur Validierung von Systemparametern eines Energiesystems, Verfahren zum Betrieb eines Energiesystems sowie Energiemanagementsystem für ein Energiesystem
CN110362886B (zh) * 2019-06-26 2020-12-18 浙江大学 一种基于不确定性分析的城镇砌体住宅安全评估方法
CN110717265B (zh) * 2019-09-30 2022-06-14 中国人民解放军海军工程大学 一种对数正态型单元的备件需求量近似计算方法及装置
CN111176253B (zh) * 2019-12-18 2022-04-19 中国航空工业集团公司成都飞机设计研究所 一种基于蒙特卡洛的飞行控制律自动评估方法
US20210365471A1 (en) * 2020-05-19 2021-11-25 Business Objects Software Ltd. Generating insights based on numeric and categorical data
CN111724052B (zh) * 2020-06-12 2023-12-05 大连海事大学 一种船舶轮机模拟器智能评估系统
CN116348406B (zh) * 2020-10-30 2024-03-08 三菱电机楼宇解决方案株式会社 电梯的故障诊断装置
CN112528417B (zh) * 2020-12-18 2024-05-10 北京机电工程研究所 一种飞行器半实物仿真的评估方法
CN112668200B (zh) * 2021-01-06 2023-08-29 西安理工大学 一种特种设备安全性分析的方法及系统
CN112906130A (zh) * 2021-02-04 2021-06-04 天津科技大学 一种基于小样本数据的结构可靠性评估方法
US11693879B2 (en) * 2021-05-19 2023-07-04 Business Objects Software Ltd. Composite relationship discovery framework
CN114139902B (zh) * 2021-11-22 2022-06-21 军事科学院系统工程研究院后勤科学与技术研究所 基于敏感性分析的航空装备人员搜救体系贡献度评估方法
CN115495954A (zh) * 2022-09-29 2022-12-20 江苏大学 一种联合收获机不等容数据建模方法与装置
CN115510663B (zh) * 2022-10-08 2023-05-02 哈尔滨工程大学 一种基于模型的核动力装置评估仿真方法及系统
CN115907484B (zh) * 2023-03-09 2023-06-02 泰安市特种设备检验研究院 一种承压特种设备安全状态在线评估方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2683192A (en) 1991-09-17 1993-04-27 General Physics International Engineering & Simulation, Inc. Real time analysis of power plant thermohydraulic phenomenon
MXPA03011912A (es) 2001-07-05 2004-03-26 Gen Electric Metodo y sistema para realizar un analisis de seguridad de un reactor nuclear de agua hirviendo.
US6785633B2 (en) 2001-12-28 2004-08-31 General Electric Company Method and apparatus for assessing performance of combined cycle power-plants
AU2003237891A1 (en) 2002-05-17 2003-12-02 The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Portland Processing radioactive materials with hydrogen isotope nuclei
KR100681487B1 (ko) * 2002-10-30 2007-02-09 한국전력공사 원자력발전소 안전해석을 위한 최적평가체계
JP2004341814A (ja) 2003-05-15 2004-12-02 Toshiba Corp SIL(Safety−IntegrityLevels)モニタ、およびSILモデルを用いた設計支援装置
RU2005116169A (ru) 2005-05-20 2006-11-27 Вадим Игоревич Дунаев (RU) Способ и система анализа и оценки безопасности технологического процесса
US20140324520A1 (en) * 2005-05-20 2014-10-30 Diakont Advanced Technologies, Inc. Method for deterministic safety analysis in non-stationary high risk system, control method and control system using thereof
US7480536B2 (en) 2006-09-21 2009-01-20 General Electric Company Method for assessing reliability requirements of a safety instrumented control function
US7685079B2 (en) 2006-12-21 2010-03-23 Global Nuclear Fuel - Americas, Llc Methods for evaluating robustness of solutions to constraint problems
JP5642460B2 (ja) 2010-09-03 2014-12-17 三菱重工業株式会社 限界熱流束予測装置、限界熱流束予測方法、安全評価システム及び炉心燃料評価監視システム
EP2643781B1 (en) 2010-11-23 2017-06-21 Westinghouse Electric Company LLC Full spectrum loca evaluation model and analysis methodology
WO2012071483A2 (en) 2010-11-23 2012-05-31 Westinghouse Electric Company Llc Full spectrum loca evaluation model and analysis methodology
JP2013019728A (ja) 2011-07-08 2013-01-31 Toshiba Corp 原子炉の核熱水力安定性監視装置、方法、及びプログラム
US20140031060A1 (en) * 2012-07-25 2014-01-30 Aro, Inc. Creating Context Slices of a Storyline from Mobile Device Data

Also Published As

Publication number Publication date
JP2019503002A (ja) 2019-01-31
CA3009654A1 (en) 2017-06-29
EP3394691A4 (en) 2019-08-28
WO2017112428A1 (en) 2017-06-29
US11562114B2 (en) 2023-01-24
CN109074063A (zh) 2018-12-21
US10990714B2 (en) 2021-04-27
EP3394691A1 (en) 2018-10-31
US20170177756A1 (en) 2017-06-22
US20210326499A1 (en) 2021-10-21
JP7287780B2 (ja) 2023-06-06

Similar Documents

Publication Publication Date Title
US11562114B2 (en) Apparatus and method for safety analysis evaluation with data-driven workflow
Sakurahara et al. Simulation-informed probabilistic methodology for common cause failure analysis
Ikonen Comparison of global sensitivity analysis methods–application to fuel behavior modeling
Kang et al. Development of a Bayesian belief network model for software reliability quantification of digital protection systems in nuclear power plants
Martin et al. Progress in international best estimate plus uncertainty analysis methodologies
Antoniano‐Villalobos et al. Which parameters are important? Differential importance under uncertainty
Cai et al. Quantitative software reliability assessment methodology based on Bayesian belief networks and statistical testing for safety-critical software
Mandelli et al. A flooding induced station blackout analysis for a pressurized water reactor using the RISMC toolkit
Zio Risk importance measures
Szilard et al. Industry application emergency core cooling system cladding acceptance criteria early demonstration
Messner et al. Inelastic analysis procedure based on the Grade 91 unified viscoplastic constitutive model for ASME implementation
Wang et al. Seismic probabilistic risk analysis and application in a nuclear power plant
Borgonovo Epistemic uncertainty in the ranking and categorization of probabilistic safety assessment model elements: Issues and findings
JP2013020386A (ja) 品質評価装置および品質評価方法
Zhang et al. Uncertainties associated with the reliability of thermal-hydraulic nuclear passive systems
Kee et al. Unanticipated protection failure scenarios optimistically bias reactor safety metrics
Mandelli et al. Cost Risk Analysis Framework (CRAFT): An Integrated Risk Analysis Tool and Its Application in an Industry Use Case
Krueger Importance of Code and Solution Verification in Credible Simulations
Rocchetta et al. Effect of load-generation variability on power grid cascading failures
Boafo et al. Stochastic uncertainty quantification for safety verification applications in nuclear power plants
Rocquigny Quantifying uncertainty in an industrial approach: an emerging consensus in an old epistemological debate
Choi Technical maturity assessment of risk-informed safety analysis tools
Tolo et al. Uncertainty in digital reactor design
Bodda Risk informed validation framework using Bayesian approach
SAMPATH An Advanced Simulation based 3D Framework and Toolkit for Fire Protection and Fire Probabilistic Risk Analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal