Machine Learning-Based Prediction of Lightning Current Intensity (kA) for Optimal Sizing of Lightning Down Conductors in Nuclear Power Plants

기계학습 기반 낙뢰강도(kA) 예측을 통한 원자력발전소 낙뢰 보호 도체(Lightning Down Conductors)의 최적 굵기 선정 방안

기후변화로 인한 극한 기상현상의 증가로 낙뢰의 발생 빈도와 강도가 높아지면서 원자력발전소의 안전성 확보가 중요한 과제로 대두되고 있다. 현재 낙뢰 보호설계는 경험적 수식과 전기기하학적 이론에 기반하고 있으나, 실제 기상 조건과 지형적 요소를 충분히 반영하지 못하는 한계가 있다. 본 연구는 기상청의 LINET 낙뢰관측시스템과 종관기상관측(ASOS) 데이터를 바탕으로, 기계학습(Random Forest, XGBoost, SVM) 기법을 활용하여 낙뢰강도(kA)를 예측하고, 이를 통해 낙뢰 보호 도체의 최적 굵기를 산정하는 새로운 방법을 제시한다. 제안된 접근은 기존의 과도하거나 부족할 수 있는 설계 방식에서 벗어나, 실제 기상 데이터를 반영한 정량적이고 비용 효율적인 설계 기준 마련에 기여할 수 있다.