申请/专利权人：中国石油大学(华东)

申请日：2023-04-04

公开（公告）日：2024-04-05

公开（公告）号：CN116306377B

主分类号：G06F30/28

分类号：G06F30/28;G06F30/27;G06N3/08;G06N3/0442;G06F113/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.08.18#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种加氢站泄漏事故后果快速预测方法及系统，涉及加氢站事故安全管理技术领域，其技术方案要点是：通过数值仿真方法获得加氢站氢泄漏后果时空分布特征，构成训练数据集；基于加氢站氢泄漏事故后果数值仿真结果训练基于长短期记忆网络的后果预测代理模型；以加氢站现场氢浓度数据为输入，调用完成训练的后果预测代理模型，预测氢泄漏事故后果。本发明可在准确度相对可接受的范围内，实现加氢站泄漏事故后果的实时预测；为加氢站现场操作人员和应急救援人员制定应急措施方案和安全距离判定提供关键数据支持。

主权项：1.一种加氢站泄漏事故后果快速预测方法，其特征在于，包括：S1、获得训练数据集，搭建加氢站虚拟三维模型，确保包括加氢机、顶棚、站房、储氢罐、压缩机、输氢管道的关键部件几何尺寸与实际加氢站相符，使用CFD数值仿真方法获得该加氢站氢泄漏后氢气云浓度分布情况，并将若干高度处的氢气云浓度云图随时间变化的序列作为训练样本打包储存；S2、训练和保存代理模型，使用获得的训练数据集对基于长短期记忆网络并考虑物理损失项的深度学习代理模型进行训练，其中物理损失为基于氢气自由扩散过程物理约束的损失项，在加氢站氢气泄漏扩散过程中，氢气云边界处的浓度满足连续性方程，即其浓度变化为连续的且从泄漏点到气云边界处呈现正梯度下降，表示为其中Δi,t＝Yi,edge-1-Yi,edge，Δi,t为氢气云边界处与边界内侧的浓度差，ntr为训练样本数，nedge为氢气云边界处的浓度样本点数量，Yi,edge-1为氢气云边界内测的样本点浓度预测值，Yi,edge为氢气云边界处的样本点浓度预测值，在训练过程中神经网络将自动迭代寻找lossphy的最小值，即可实现提高气云边界处的预测精度；S3、基于保存的代理模型进行氢泄漏后果预测，读取加氢站现场氢浓度传感器数据，并将当前加氢站氢浓度分布情况导入完成训练的深度学习代理模型，使用代理模型预测下一时刻的氢气云分布情况，并将预测结果进行可视化呈现。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种加氢站泄漏事故后果快速预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD