一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法

本发明属于氢能源安全应用、感知系统优化布局及泄漏溯源预警领域，尤其涉及一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法。

背景技术：

1、发展氢能产业的基础和前提是保证氢能安全。但是近年来国内外接连发生数起氢能源安全事故，引发了国内外对氢能源安全的高度关注，这也是加氢站建设和运营安全面临的巨大挑战。2019年5月23日，韩国江原道江陵市的一个氢燃料储罐发生泄漏爆炸事故，导致2人死亡，另有6人出现轻重程度不同的受伤；2019年6月，美国加州圣塔克拉拉一家化工厂的储氢罐泄漏爆炸，导致当地氢燃料电池汽车的氢供应中断；2019月10日，挪威首都奥斯陆郊外的一处合营加氢站发生爆炸，造成严重经济损失。高压氢气泄漏事故接连发生不仅直接限制了氢能发展，不断为氢能行业敲响安全警钟，对氢能行业造成负面影响，还会引起氢能用户及群众的恐慌。

2、快速准确的推导泄漏发生的位置，能够帮助相关人员对氢泄漏行为向喷射火或爆炸事故发展进行断链处理，降低损失。但由于氢无色、无味、低密度、高扩散率等特性，导致一些手段难以准确监测到泄漏行为的发生，十分危险。

3、因此，开发一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法，能够在氢泄漏初期准确的预测泄漏位置，有利于我国加氢站实现本质化安全，降低损失，同时还有利于推动氢能源、气体扩散泄漏溯源领域的发展，对于利用氢能实现节能减排、环境友好具有现实意义。

技术实现思路

1、为克服现有的技术难题，本发明提出了一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法，对加氢站的氢泄漏危险行为感知系统布局进行优化，并对泄漏源开展定位和预警。本方法能够通过传感器收集到的数据准确预测出氢泄漏位置的空间坐标，降低了现场诊断耗时，为提高氢的安全应用水平提供技术支持。

2、本发明的技术方案：一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法，包括：

3、s1、基于加氢站氢泄漏场景的仿真模拟，获取氢泄漏浓度数据集；

4、s2、定义监测点离散空间，通过氢浓度数据集开展感知系统布局优化，获取感知系统的最优拓扑结构；

5、s3、基于感知系统的最优拓扑结构，提取氢浓度数据，训练深度学习模型，将传感器收集到的数据作为输入，预测泄漏源空间坐标。

6、优选的，基于加氢站氢泄漏场景的仿真模拟，获取氢泄漏浓度数据集，包括：

7、通过fluent软件构建基于真实三级加氢站的仿真模型；

8、设计不同的泄漏参数，主要包括涉氢装置常用工作压力、泄漏位置、泄漏孔径等能够直接影响氢泄漏扩散行为和后果的参数；

9、其中，泄漏位置主要考虑设置在密封处或管道连接处；

10、设计不同环境参数，主要包括环境风速和风向等能够氢泄漏扩散趋势的参数。

11、设置仿真模拟的求解器、边界和初始条件、材料属性等参数；

12、开展不同泄漏情况下加氢站氢泄漏的仿真模拟，获取不同泄漏场景的氢泄漏扩散随时空演变的浓度分布结果。

13、优选的，定义监测点离散空间，通过浓度数据集开展感知系统布局优化，获取感知系统的最优拓扑结构，包括：

14、考虑加氢站布局结构和可能泄漏位置的分布情况，确定所有传感器的可能布置点；

15、基于氢泄漏扩散随时空演变的浓度分布提取相应位置的监测结果；

16、将捕捉率(c)、传感器个数(n)、传感器间的平均距离(sd)和传感器与泄漏源之间的平均距离(sld)作为目标函数；

17、将所选择的传感器组合编码成“染色体”；

18、通过遗传算法的选择、交叉、变异操作对“染色体”的目标函数进行寻优处理，获取一定次迭代内传感器组合的最优解。具体的额，获取1000次迭代内传感器组合的最优解。

19、优选的，基于感知系统的最优拓扑结构，训练深度学习模型，将传感器收集到的数据作为输入，预测泄漏源空间坐标，包括：

20、基于感知系统拓扑优化结果提取氢浓度数据集，划分训练集和测试集；

21、开展基于降噪和归一化的数据预处理；

22、耦合风场信息(风速、风向)，使用拓展风场信息特征并与浓度信息进行拼接；

23、进一步的，使用全连接层拓展风场信息特征并与浓度信息进行拼接，包括：

24、使用全连接层和relu激活函数拓展风速、风场信息，方式如下：

25、w_extend＝dense(120,activation＝'relu')(wind1,wind2)

26、其中wind1为风速信息、wind2为风向信息；

27、与浓度信息的连接方式如下：

28、

29、其中，hi×j表示第i个传感器采集的第j个时间序列的氢气浓度值；w_extendi×j表示扩展风速和风向后的第j个数据。

30、构建时间卷积网络(tcn)模型；

31、具体的，通过使用扩张卷积来增加感受野，在卷积核的元素之间插入空白；

32、引入残差连接，通过将输入直接添加到卷积层的输出上，避免梯度爆炸；

33、引入adam优化器，选择均方误差mse作为数据驱动项损失函数其中，yi是真实值，是预测值；

34、定义物理约束项损失函数，将预测结果限制在涉氢装置和y坐标范围，其中，a、b、c、d是坐标x和y的约束范围；

35、物理约束项损失函数定义为lossphysical＝lossx(x′)+lossy(y′)，x′代表x轴坐标的损失函数值，y′代表y轴坐标的损失函数值，其中：

36、

37、

38、物理约束项损失函数中的indicator是一个指示函数，确保只有当x′或y′不在任何一个给定区间内时，损失才被计算。

39、通过训练集中的氢浓度数据训练tcn模型，以损失函数的最低值确定模型参数。

40、通过测试集中的氢浓度数据作为tcn模型的输入，验证tcn模型的准确度。

41、输入传感器的氢浓度数据，预测出对应的泄漏空间坐标。

42、本发明的有益效果包括：(1)通过仿真模拟获得了真实有效的加氢站氢泄漏浓度数据；(2)使用遗传算法开展氢泄漏感知系统布局优化及技术研究，有利于降低监测系统成本；(3)深度学习模型提供了准确的氢泄漏空间坐标，提高了应急响应能力，有望为推广氢能源应用、开发燃爆风险预警、安全防护与应急处置关键技术提供支撑，有望带来巨大的经济效益；(4)本发明的一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法能够用于其他危险气体或物质的定位预警应用，具有良好的工程应用价值。

技术特征：

1.一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的加氢站氢泄漏溯源定位方法，其特征在于，

3.根据权利要求2所述的加氢站氢泄漏溯源定位方法，其特征在于，所述泄漏参数包括涉氢装置常用工作压力、泄漏位置、泄漏孔径；

4.根据权利要求2所述的加氢站氢泄漏溯源定位方法，其特征在于，所述使用全连接层拓展风场信息特征并与浓度信息进行拼接，包括：

5.根据权利要求2所述的加氢站氢泄漏溯源定位方法，其特征在于，步骤s3中，通过使用扩张卷积来增加感受野，在卷积核的元素之间插入空白；

技术总结本发明公开了一种考虑感知系统布局优化的加氢站氢泄漏溯源定位方法，属于氢能源安全应用、感知系统优化布局及泄漏溯源预警领域。该方法通过CFD仿真构建了氢气泄漏基准数据集。遗传算法（GA）优化了传感器布局，以降低应用成本，同时提高监测效果。收集到的风速、风向和基于传感器的浓度数据经过多模态融合，帮助模型挖掘出更多潜在特征。所提出的方法可准确预测加氢站中泄漏源所在的空间坐标，大大缩短了实际应用中的诊断时间。它为氢能的安全应用和发展提供了可靠的支持，同时也是定位其他危险气体泄漏的基准。技术研发人员：毕钰帛,王石露,许磊,毕明树,董文辉受保护的技术使用者：大连理工大学技术研发日：技术公布日：2024/7/29