Abstract: F. Dong, S. Chen, K. Demachi, M. Yoshikawa, A. Seki, S. Takaya (2023)

To ensure nuclear safety, timely and accurate anomaly detection is of utmost importance in the daily condition monitoring of Nuclear Power Plants (NPPs), as any slight anomaly in a plant may result in an irreversible and serious accident, as well as high costs of maintenance and management. Nevertheless, due to the unique inherent attributes of anomalies, the difficulty of automatic detection in NPPs is increased. Previous model -driven anomaly detection approaches required skilled priori knowledge, leading to their limited usability. Commonly adopted deep learning-based data-driven anomaly detection approaches may not easily acquire the most relevant features when dealing with sensor data containing redundant information with uneven distribution of anomalies. To alleviate these issues, this paper proposes an attention-based time series model for anomaly detection to ensure safety in NPPs. First, we employ one-dimension convolutional neural network (1D -CNN) backbone for feature extraction to preserve original inherent features of time series inputs. Subsequently, we originally adopt soft attention mechanism to automatically extract the most relevant temporal features considering the specificity of anomaly detection in NPPs. The performance of the proposed model was experimentally validated on the High Temperature Gas-cooled Reactor (HTGR) anomaly case dataset simulated using the analytical code. The experimental results indicate that the proposed model was capable of detecting anomalies in NPPs with superior performance to the baseline model, while ensuring fast detection at short time steps.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Attention-based time series analysis for data-driven anomaly detection in nuclear power plants