격납건물은 원자력 발전소의 중대 사고 발생시 방사성 물질의 외부 방출을 막는 심층 방어 체계 중 마지막 방벽이다. 중대사고 발생시 격납건물 내부에선 노심 융해와 수소 발생으로 인한 내압 상승과 증기 폭발로 인한 구조적 손상이 일어나며, 이에 대한 구조적 건전성을 평가하기 위해 격납건물에 대 한 극한 내압 성능 평가를 실시한다. 극한 내압 성능 평가 방법 중 확률론적 평가시 현실적인 제약으 로 인해 고신뢰도 유한요소해석 모델을 이용하며 이때에 불확실성 인자들의 확률 분포 특성을 고려한 데이터 셋을 샘플링 기법을 이용하여 구성한 후 비선형 해석을 실시한다. 도출된 비선형 해석 결과는 취약도 곡선을 도출에 사용되며, 취약도 곡선을 이용하여 확률론적인 평가가 실시된다. 샘플링 기법에 따라 적절한 표본 크기가 아닌 데이터셋을 구성하게 되면 통계적 불확실성으로 인한 취약성 분석의 오차가 증대된다. 하지만 유한요소해석시 발생하는 막대한 계산 비용으로 인하여 기존의 방식은 적절 한 샘플링 크기 선정 및 부적절한 샘플링 크기 선정으로 인한 확률론적인 성능평가에 대한 영향에 대 한 정량화 및 평가를 제한적으로 수행하였다. 따라서 본 연구에서는 격납건물의 재료적 특성 및 내압 으로 인한 변위 데이터를 기반으로 생성한 인공신경망 모델을 통해 유한요소 해석에 대한 대리모델을 생성한다. 이후 생성한 대리모델을 기반으로 일반적인 불확실성 분포 샘플링에 사용되는 Monte Carlo method, latin hypercube sampling, Sobol sequence을 이용하여 표본 크기에 따른 격납건물 확률론적 인 극한내압성능 평가에 대한 영향을 정량화 및 평가를 실시하겠다. 이를 통해 제한적으로 탐색되었던 불확실성 공간에 대하여, 그 통계적 불확실성 및 전방위적인 탐색이 가능해 질것으로 기대한다.

In our previous study, we developed a CFD thermal analysis model for a CANDU spent fuel dry storage silo. The purpose of this model is to reasonably predict the thermal behavior within the silo, particularly Peak Cladding Temperature (PCT), from a safety perspective. The model was developed via two steps, considering optimal thermal analysis and computational efficiency. In the first step, we simplified the complex geometry of the storage basket, which stored 2,220 fuel rods, by replacing it with an equivalent heat conductor with effective thermal conductivity. Detailed CFD analysis results were utilized during this step. In the second step, we derived a thermal analysis model that realistically considered the design and heat transfer mechanisms within the silo. We developed an uncertainty quantification method rooted in the widely adopted Best Estimate Plus Uncertainty (BEPU) method in the nuclear industry. The primary objective of this method is to derive the 95/95 tolerance limits of uncertainty for critical analysis outcomes. We initiated by assessing the uncertainty associated with the CFD input mesh and the physical model applied in thermal analysis. And then, we identified key parameters related to the heat transfer mechanism in the silo, such as thermal conductivity, surface emissivity, viscosity, etc., and determined their mean values and Probability Density Functions (PDFs). Using these derived parameters, we generated CFD inputs for uncertainty quantification, following the principles of the 3rd order Wilks’ formula. By calculating inputs, A database could be constructed based on the results. And this comprehensive database allowed us not only to quantify uncertainty, but also to evaluate the most conservative estimates and assess the influence of parameters. Through the aforementioned method, we quantified the uncertainty and evaluated the most conservative estimates for both PCT and MCT. Additionally, we conducted a quantitative evaluation of parameter influences on both. The entire process from input generation to data analysis took a relatively short period of time, approximately 5 days, which shows that the developed method is efficient. In conclusion, our developed method is effective and efficient tool for quantifying uncertainty and gaining insights into the behavior of silo temperatures under various conditions.

기존 기후변화 영향평가에서 발생하는 불확실성에 대한 연구들은 전체과정에서 총 불확실성과 그 전파에 대한 것보다 각 단계별 불확실성에 초점을 맞추어 연구가 진행되었다. 따라서 본 연구에서는 first-order Taylor series expansion에 기반하여 전망의 분산을 이용하는 Uncertainty Delta Method (UDM)를 제안하였으며, 이 방법은 각 단계별 불확실성 정량화와 증감정도, 단계별 불확실성 비율, 총 불확실성의 전파 과정 제시가 가능 하다. 본 연구에서는 기후변화 영향평가 과정의 단계별 불확실성 정량화와 전파과정 분석을 위해 미래 2030년부터 2059년까지를 대상으로 2개 배출 시나리오, 3개 GCM, 2개 상세화기법, 2개 수문모형을 사용하였다. 결과를 분석하면, UDM을 이용한 총 불확실성은 5.45(배출시나리오: 4.45, 상세화기법: 0.45, 상세화기법: 0.27, 수문모형: 0.28)이며, 배출 시나리오의 불확실성(4.45)이 가장 크게 나타났다. 불확실성은 각 단계를 거칠수록 증가하는 것으로 나타났다. 이러한 결과는 어떠한 배출시나리오를 선정하느냐에 따라 미래 수자원전망이 매우 달라질 수 있음을 의미한다. 다음으로 Hawkins and Sutton (2009)가 제안한 Fractional Uncertainty Method (FUM)을 이용한 기후변화 영향평가 불확실성 분석에서 가장 불확 실성이 큰 요인은 배출 시나리오(FUM 불확실성: 0.52)이며, 이 결과는 UDM 결과와 동일하게 나타났다. 따라서 이 연구에서 제안한 UDM은 기후 변화 영향평가에서의 불확실성 이해와 적합한 분석 및 미래 기후변화 대비 보다 나은 수자원 전망이 가능하도록 기여할 것으로 판단된다.

급격히 발전하는 도시지역 및 산업단지의 경우 불투수지역이 대부분이며, 이로 인해 유출이 증가함에 따라 내수침수가 발생할 확률이 높아지고 있다. 도시지역의 유출해석은 대부분 SWMM모형을 이용하여 강우-유출해석을 수행하고 있으나 이러한 모형은 실제 자연 현상을 해석하는데 한계가 있으며, 모형 자체도 불확실성을 가지고 있어 정확한 유출해석을 하는데 어려움이 있다. 따라서 본 연구에서는 모형의 매개변수를 조사하고 불확실성을 가지는 매개변수를 선정한 후 매개변 수의 불확실성 정도를 불확실성 정량화 지수를 이용하여 정량화하였다. 수행 결과 관조도계수의 불확실성이 가장 크며, 유출량에 미치는 영향도 가장 컸다. 그러므로 우수관거 설계 시 관조도계수 추정을 보다 정확히 산정하여야 하며, 불확실성 정도를 예측하여 유출해석에 반영하고, 각 매개변수가 가지는 특성을 파악한다면 내수 침수를 예방하는데 큰 기여를 할 것으로 판단된다.