딥러닝 모델을 활용한 원자력발전소 계측기 데이터의 오신호 검출 연구

다국어 초록 (Multilingual Abstract)

Instrumentation data in Nuclear Power Plants(NPPs) is vital for facility monitoring and integrity assessment. However, factors such as sensor aging and noise can generate error signals, compromising data reliability and decision-making. It is essential to effectively detect these error signals to enhance instruments data reliability.
In this study, I propose a 1D CNN-LSTM deep learning model combined with an attention mechanism. Focal Loss was applied to address the class imbalance. By visually identifying critical time points throughout the entire period via the analysis of attention weights, this study aims to reduce the workload of experts required for data verification and contribute to the improvement of data quality.

국문 초록 (Abstract)

원자력발전소에서 계측기를 통해 수집되는 데이터는 설비 상태 모니터링 및 건전성 평가 등에 핵심적인 자료로 활용된다. 그러나 계측기 노후화, 노이즈, 정비불량 등의 원인으로 오신호가 발생하며, 이는 데이터 분석의 신뢰도를 저해하고 잘못된 의사결정으로 이어질 수 있다. 이에 따라 계측기 데이터 오신호를 효과적으로 검출하여 데이터 신뢰도를 제고할 필요가 있다.
본 연구에서는 원자력발전소 계측기 오신호 검출을 위해 어텐션 메커니즘을 결합한 1D CNN-LSTM 딥러닝 모델을 제안한다. 정상 데이터 대비 오신호가 적은 클래스 불균형을 해결하기 위해 focal loss를 적용하여 학습 성능을 최적화하였다. 딥러닝 모델의 어텐션 가중치 분석을 통해 전체 기간 중에서 주요 시점을 시각적으로 도출함으로써, 데이터 검증에 소요되는 전문가의 작업량을 줄이고 데이터 품질 향상에 기여하고자 한다.