▲ 지진 사후 원자력 발전소 보조 건물 모니터링 비교 / (좌측) 건물 내에 설치된 물리적 센서를 통해 가속도 응답을 직접 측정하는 기존 방식. (우측) 딥러닝 기반 가상 센서(Virtual sensors)를 이용해 가속도 응답을 실시간으로 추정함으로써 물리적 센서를 대체하거나 보완하는 방식. 센서 설치 및 유지 비용을 절감하고, 더 많은 위치에서 구조 응답을 실시간으로 추정할 수 있는 원전 점검 효율을 높일 수 있다.(그림 및 설명=UNIST)   © 특허뉴스

원자력발전소 보조 건물에는 배전반과 비상발전기 등 전기 설비가 밀집해 있다. 이 설비들은 지진에 취약해, 2016년 경주 지진 때처럼 건물 구조체는 멀쩡해도 설비 점검을 위해 가동을 멈춰야 하는 일이 반복돼 왔다. 

UNIST 이영주 교수팀과 한국표준과학연구원(표준연) 이재범 박사팀은 이 문제를 정면으로 겨냥해, 센서 한 개가 측정한 지진파만으로 건물 내부 139개 지점의 지진 가속도 응답을 0.07초 안에 추정하는 인공지능 모델을 개발했다. 보수가 필요한 구역을 신속히 가려내 점검·복구의 우선순위를 즉시 제시함으로써, 원전의 불필요한 정지와 유지·보수 비용을 획기적으로 줄일 수 있는 길을 연 것이다.

연구팀의 핵심은 ‘가상 센서(virtual sensor)’ 개념을 구현한 여섯 단계(블록) 구조의 AI다. 느린 흔들림부터 빠른 떨림까지 다양한 주파수 대역의 진동 패턴을 학습하도록 설계해, 보조건물 전체의 전반적 진동은 물론 특정 설비 주변에서 증폭되는 국부 진동까지 정밀하게 재현한다. 실제로 139개 지점을 일일이 계측하려면 수백 대의 센서가 필요하지만, 이번 모델은 단일 실측 센서가 ‘수백 대’를 대체하는 효과를 낸다.

정확도와 견고성도 입증됐다. 잡음이 없는 조건에서 예측 오차는 0.44~0.59%, 잡음을 인위적으로 섞은 10 dB 환경에서도 약 4% 수준을 유지했다. 또한 실제 지진 기록 데이터셋인 NGA-West2를 활용해 한국과 미국 원전의 설계 안전 기준에 해당하는 강진 조건에서도 신뢰할 수 있는 추정치를 산출했다. 

연구팀은 “방사선 통제구역인 원전 내부는 센서 설치와 유지보수가 제한적이고 비용이 크다”며 “가상 센서 AI는 이러한 제약을 근본적으로 완화해, 사고 이후 점검 시간 단축과 재가동 가속에 크게 기여할 것”이라고 설명했다.

성과의 국제적 인정도 따랐다. 제1저자 이진구 연구원은 이번 연구로 제28회 원자로 구조역학 국제학회(SMiRT) ‘Shitaba Award’ 젊은 연구자상 부문에서 입선(honorable mention)을 수상했다. 해당 연구논문은 토목공학 분야 권위지 'Computer-Aided Civil and Infrastructure Engineering'에 9월 1일 온라인 게재됐다. 

향후 연구팀은 원전뿐 아니라 대형 사회기반시설의 디지털 트윈 기반 모니터링과 재난 대응 의사결정 지원으로 응용 범위를 넓힐 계획이다.

논문명은 Virtual sensing of seismic floor responses for rapid prioritization of critical equipment inspection in nuclear power plants이다.