2020 Fiscal Year Annual Research Report
Real-time support for severe accident management using artificial intelligence
| 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, 講師 (10431842)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 原子力 / 過酷事故 / 事故対応 / スケジューリング / 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対応では、全くの想定外事象に対して、極高ストレス下で不完全・不確実な情報からプラントの状態を正しく認知した上で、極めて高度かつ迅速な意思決定をすることが求められる。本研究は、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た。
構築した人工知能モデルの有効性を明らかにするために、事故シナリオを想定して検証を行った。その際、最適なアクシデントマネジメント手順の導出を、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問題として捉え、数理計画法により定式化して人工知能モデルとの比較評価を試行した。そして、最適な過酷事故時対応方針の策定のために重要となる情報について検討した。
さらに、本研究で得られた成果の一部を、原子力発電所の保全スケジュール最適化問題へ応用し適用性を評価した。現在、保全スケジュールの作成は人の手により行われており、点検項目の数が膨大であることに加えて各点検項目に応じた制約条件を満たさなければならないなど複雑であることから、多大な時間を要するプロセスとなっている。本研究の成果の応用により、安全性と効率の両観点から経年化管理を最適化し、原子力発電所の合理的かつ効果的な保全を実現することが期待できる。
また、上記の成果の一部を国内外の会議、論文誌にて発表した。
|
