2018 Fiscal Year Research-status Report
| Project/Area Number |
17K14912
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
鈴木 正昭 東京理科大学, 理工学部経営工学科, 助教 (10431842)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 原子力 / 過酷事故 / 事故対応 / アクシデントマネジメント / 人工知能 / 機械学習 / リスク / レジリエンス |
|---|
| Outline of Annual Research Achievements |
原子力発電所の過酷事故時に、プラントの機能喪失状態とその時点で活用可能な設備・要員の情報から、それ以降の最適なアクシデントマネジメント手順をリアルタイムで提示できる人工知能システムを開発することを目的としている。2018年度は前年度に構築した人工知能システムの基本モデルをより現実的な問題へと拡張し、さらに、高速化することで実用性を向上した。
「(3) 確率論的に推定されるプラント状態に対する最適アクシデントマネジメント手順の導出手法の開発」：2017年度に「(2) 確定的なプラント状態に対する最適アクシデントマネジメント手順の導出手法の開発」で構築した人工知能システムの基本モデルを拡張して、モニタリング情報の不完全性・不確実性を考慮した最適アクシデントマネジメント手順を導出するモデルを構築した。
「(4) 確率論的に推定されるプラント状態に対する最適アクシデントマネジメント手順のリアルタイム導出手法の開発」：上記(3)で構築した人工知能システムのモデルを高速化して、過酷事故時に実用的な時間内にリアルタイムで最適アクシデントマネジメント手順を導出するためのプロトタイプシステムを構築した。
さらに、教師データの高品質化・データ拡張の観点から、数理計画法による対応手順の算出について適用性を評価した。ここではまず確定論に基づき、いつ、どの順序で、どの機器でどのような作業を行うかを決定するスケジューリングを数理計画問題として定式化し、手順作成を試行した。
また、上記の成果の一部を、国内の学会や海外の国際会議、論文誌にて発表して関連研究者と議論することができ、2019年度以降の研究課題・論点が明確になった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「(3) 確率論的に推定されるプラント状態に対する最適アクシデントマネジメント手順の導出手法の開発」：2017年度に構築した人工知能システムの基本モデルをより現実的な問題へ拡張することが目標であり、モニタリング情報の不完全性・不確実性を考慮した最適アクシデントマネジメント手順を導出するモデルを構築した。
「(4) 確率論的に推定されるプラント状態に対する最適アクシデントマネジメント手順のリアルタイム導出手法の開発」：上記(3)で構築した人工知能システムのモデルを高速化して実用性を向上することが目標であり、過酷事故時に実用的な時間内にリアルタイムで最適アクシデントマネジメント手順を導出するためのプロトタイプシステムを構築した。
さらに、教師データの高品質化・データ拡張の観点から、数理計画法による対応手順の算出について適用性を評価した。
また、上記の成果の一部を、国内の学会や海外の国際会議、論文誌にて発表した。
|
| Strategy for Future Research Activity |
前年度までに構築した人工知能システムの有効性を検証するために、福島事故を模擬したシナリオ等を用いて、人工知能の提示したアクシデントマネジメント手順と既存のアクシデントマネジメント手順とを比較する。その際、リスク、レジリエンス、アクシデントマネジメント設備の整備コスト等の観点から評価する。また、コンピュータ上で様々な事故状態を発生させ、人工知能に仮想的に事故対応させることで、プラントの様々な事故状態とそれらに対する最適なアクシデントマネジメント手順を明らかにする。その上で、事故状態の特徴と、対応する最適アクシデントマネジメント手順の特徴との関係性を抽出する。さらに、現在のアクシデントマネジメント策では対応できず、かつ想定が必要な事象を見出し、新たに機器整備・教育・訓練が必要なアクシデントマネジメント手順を明らかにする。最終的に、人工知能による支援を含めた、最適な過酷事故時対応方針を提案する。
|
| Causes of Carryover |
多量のデータを人工知能に学習させるために大規模並列学習計算環境を構築する予定であったが、現有データに対しては比較的小～中規模の計算環境による学習が可能であったため、未使用額が生じた。 しかし、次年度は様々な事故状態に対するアクシデントマネジメント手順の網羅的な検討に伴い大規模並列学習計算環境の構築が必要と見込まれるため、未使用額はその経費に充てることとしたい。
|
