一种基于5G技术的氢油氨区智能监测预警及风险隐患识别方法技术

本发明专利技术公开了一种基于5G技术的氢油氨区智能监测预警及风险隐患识别方法，利用各类传感器终端形成的感知节点结合NB

【技术实现步骤摘要】
一种基于5G技术的氢油氨区智能监测预警及风险隐患识别方法

：
[0001]本专利技术应用于火电厂氢油氨区等重大危险源的监测预警，具体涉及一种基于5G技术的氢油氨区智能监测预警及风险隐患识别方法。

技术介绍
：
[0002]随着火电厂当前精细化管理的逐步提升，对于安全管控、监测预警、应急处置方面的工作内容要求也逐步深入，能源局及国务院要求安全整治三年计划，重点要求加强隐患及风险双治理，但是目前在火电厂氢油氨区的监测预警方面，信息孤岛现象较为明显，并且基于物联网的通信方式不断发展，随着基于5G窄带物联网技术的发展，给以监测信息的采集带来新的应用模式，而基于5G窄带物联网技术的监测预警及隐患识别领域相关的国内研究尚处于起步阶段，目前电力智慧应急指挥系统的研究和应用主要集中在政府及电网企业，在火电厂方面研究较少，火电厂事故监测预警及隐患智能识别的研究更少。
[0003]因此，开展基于5G火电厂重大危险源的智能安全管控及预警技术的研究与开发，结合NB
‑
IOT技术，对进一步安全智能管控，提高火电厂安全管控和风险预警能力，降低电厂事故中的人员伤亡和财产损失，都有重要的理论意义和现实意义。

技术实现思路
：
[0004]本专利技术为了解决上述问题，提出了一种基于5G技术的氢油氨区智能监测预警及风险隐患识别方法，结合NB
‑
IOT技术，对火电厂的工程车辆作业、火灾火情、氢油氨区等重大危险源数据以及人员、资源、环境等信息进行立体的智能感知和数据接入，具备较高的容错和纠错能力，提高了现场数据采集的准确性，提高了火电厂安全管控和风险预警能力。
[0005]本专利技术为解决以上技术问题提出了一种基于5G技术的氢油氨区智能监测预警及风险隐患识别方法，具体为：
[0006]步骤1，采用NB
‑
IoT技术的数据采集监测设备对火电厂的厂区基本数据进行采集；
[0007]步骤2，将采集完成的数据进行数据预处理以及多源融合；
[0008]步骤3，构建火电厂氢油氨区长时空风险异兆识别预警模型；
[0009]步骤4，利用火电厂氢油氨区长时空风险异兆识别预警模型，通过5G网络将实时监控数据和异常识别信息发送到服务器，确定预警结果；
[0010]步骤5，通过预警结果进行风险等级评估；
[0011]步骤6，根据风险等级评估结果通过5G网络进行生产区域的预警发布；
[0012]步骤7，通过5G网络进行信息推送。
[0013]进一步地，步骤1中，其中数据类型分为四类：火电厂现场数据，包括设备名称、设备位置、设备数量、设备容量；气象环境数据，包括火电厂现场风速、风向、温湿度、气压；气体浓度信息，包括氢气、氨气气体浓度以及氧气、二氧化碳气体浓度；压力压强数据，包括储油储气罐体、阀门的压力压强数据。
[0014]进一步地，步骤1中，由于火电厂厂区通常比较大，为了更准确的采集气象环境数据，根据火电厂厂区的布局，将其划分为N个不重叠的区域，其中N>1；每个区域设置多个采集设备，利用NB
‑
IoT技术将区域内的采集设备进行组网连接，形成N个采集网，不同的采集网之间同样采用NB
‑
IoT技术进行互联，其中每个采集网对应一个区域，负责采集本区域内的气象环境数据；根据区域大小，为不同区域的气象环境采集设备设置不同的权重k
n
，计算出火电厂厂区内气象环境参数M，其中气象环境参数M表示火电厂厂区的气象环境是否达到安全生产的标准；
[0015]M＝∑(k
n
·
M
n
)，其中n∈N；
[0016]M
n
＝α
·
S+(1
‑
R)+β
·
(100
‑
T)+1/(Pa
‑
1000)；
[0017]M
n
为第n个区域内的气象环境参数，其中S表示风速，R表示区域内的湿度，T表示区域内的温度，Pa表示区域内气压大小，α、β分别为调整系数，根据生产季节进行不同的调整。
[0018]进一步地，步骤2中，数据预处理的方法包括首对火电厂现场数据、火电厂现场数据、气象环境数据、气体浓度信息和压力压强数据进行数据校准，然后转换数据格式，将所有数据全部转换成可用模式。
[0019]进一步地，步骤3中，根据事故案例集和专业工程师、检修人员在日常工作实践中积累的经验，把理论和经验相结合分析得出火电厂氢油氨区长时空风险异兆识别预警模型；通过对典型火电厂氢油氨区长时空风险异兆识别预警模型的分析，把事故案例分析结论和专业工程师、检修人员的隐患判断量化为数值和计算公式，明确预警准则，建立起一套完整的预警机制。
[0020]进一步地，步骤4中，通过步骤3的火电厂氢油氨区长时空风险异兆识别预警技术，对自动采集的实时数据进行存储，结合专家知识库及常见隐患数据库，再根据火电厂氢油氨区长时空风险异兆识别预警模型中建立维护的隐患预警准则进行计算和分析，用以判断预警准则是否成立，通过5G网络将实时监控、火源识别和设备异常识别的信息发送到服务器，确定预警结果。
[0021]进一步地，步骤5中，根据预警结果确定风险指数，风险指数RPN的确定基于对风险出现的可能性P1、结果严重性P2和风险可识别性P3，具体为：RPN＝P1
×
P2
×
P3；根据风险指数的高低确定风险等级。
[0022]进一步地，步骤6中，基于5G网络的快速低时延特性，综合利用数据挖掘算法、人工智能技术以及视频图像识别分析系统，获取隐患风险识别预警信息，根据预警信息，实时监控查看氢油氨区可能发生风险隐患的观测点，并通过查看发生警示的设备，确定是否是其上游设备的异常导致，以及是否会影响到其下游设备的运行，并结合基于人工智能的生产区域烟感温度预警技术，实现生产区域的风险隐患提前规避，降低人员设备的损失；对氢油氨等重点防护危险区域实行安全管理，实现安全全域定期监测排查，构建重点防范安全区域。
[0023]进一步地，步骤7中，进行信息推送具体为，利用物联网技术，基于火灾位置信息和泄漏点信息进行影响分析，并通过5G网络推送给PC端或移动APP端的管理人员，进行预警提示，提示管理人员及时进行应急处理，动态分析应急物资需求，实现应急资源的快速调度和应急处置，保障火电厂的生产安全。
[0024]本专利技术的优点在于：
[0025]本专利技术利用各类传感器终端形成的感知节点，利用NB
‑
IoT等5G技术，通过分区域采集，网格化管理，所有区域协同处理，提高了现场数据采集的准确性，使用临近区域相似计算算法，及时获得故障区域的采集数据，提高了系统的容错率，对火电厂的火灾火情、氢油氨区等重大危险源数据以及人员、资源、环境等信息进行立体的智能感知和数据接入，具备较高的容错和纠错能力，将采集的数据规范化和可视化处理，实现多平台多业务对接、科本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于5G技术的氢油氨区智能监测预警及风险隐患识别方法，其特征在于，包括如下步骤：步骤1，采用NB
‑
IoT技术的数据采集监测设备对火电厂的厂区基本数据进行采集，其中数据类型分为四类：火电厂现场数据、气象环境数据、气体浓度信息和压力压强数据；步骤2，将采集完成的数据进行数据预处理以及多源融合；数据预处理的方法包括首对火电厂现场数据、气象环境数据、气体浓度信息和压力压强数据进行数据校准，然后转换数据格式，将所有数据全部转换成可用模式；步骤3，构建火电厂氢油氨区长时空风险异兆识别预警模型；步骤4，利用火电厂氢油氨区长时空风险异兆识别预警模型，通过5G网络将实时监控数据和异常识别信息发送到服务器，确定预警结果；步骤5，通过预警结果进行风险等级评估；步骤6，根据风险等级评估结果通过5G网络进行生产区域的预警发布；步骤7，通过5G网络进行信息推送。2.如权利要求1所述的基于5G技术的氢油氨区智能监测预警及风险隐患识别方法，其特征在于：步骤1中，根据火电厂厂区的布局，将其划分为N个不重叠的区域，其中N>1；每个区域设置多个采集设备，利用NB
‑
IoT技术将区域内的采集设备进行组网连接，形成N个采集网，不同的采集网之间同样采用NB
‑
IoT技术进行互联，其中每个采集网对应一个区域，负责采集本区域内的气象环境数据；根据区域大小，为不同区域的气象环境采集设备设置不同的权重k
n
，计算出火电厂厂区内气象环境参数M，其中气象环境参数M表示火电厂厂区的气象环境是否达到安全生产的标准；M＝∑(k
n
·
M
n
)，其中n∈N；M
n
＝α
·
S+(1
‑
R)+β
·
(100
‑
T)+1/(Pa
‑
1000)；M
n
为第n个区域的气象环境参数，其中S表示风速，R表示区域内的湿度，T表示区域内的温度，Pa表示区域内气压大小，α、β分别为调整系数，根据生产季节的不同进行适应性调整。3.根据权利要求1所述的基于5G技术的氢油氨区智能监测预警及风险隐患识别方法，其特征在于：步骤2中，数据融合还包括：数据融合操作时借助图像处理手段来对预处理过的多种数据进行融合，采用...

【专利技术属性】
技术研发人员：崔艾敏，邓国强，李现州，袁轶男，于学魁，
申请(专利权)人：山东联安信息科技有限责任公司，
类型：发明
国别省市：