【技术实现步骤摘要】
一种蒸馏装置的事故应急处置方案生成方法、装置和系统
[0001]本专利技术属于蒸馏装置事故处理
，更具体地，涉及一种蒸馏装置的事故应急处置方案生成方法、装置和系统。
技术介绍
[0002]成品油混油蒸馏装置事故的应急处置涉及到复杂的化工系统特性，事故的发展趋势难以预测，容易引起次生衍生事故，破坏性严重。对于家庭、企业乃至整个社会，这些事故所带来的破坏都是巨大的，事故应急管理工作逐渐成为企业和国家关注的重点。当前对于蒸馏装置生产安全事故的应对，主要为应急处置人员通过自身经验进行主观应急处置或者参照既定应急处置方案进行相应处理，现有蒸馏装置事故应急处置方案都是针对单一事故，而且涉及的应急处置较为笼统，增加了应急处置工作的难度。
[0003]专利CN104268710A公开了一种轨道交通路网应急处置方案生成方法，其通过分析文本预案进行处置要点抽离，再将处置要点按照事件特征维度、时间特征维度、地点特征维度等赋予处置要点属性信息，并存储为处置要点库，将突发事件信息与处置要点进行匹配，提取匹配度较高的处置并生成处置方案。论...
【技术保护点】
【技术特征摘要】
1.一种蒸馏装置的事故应急处置方案生成方法，其特征在于，包括：S1：对蒸馏装置进行全流程动态模拟，以构建所述蒸馏装置对应的原始机理环境模型；S2：构建应急处置人员对应的智能体，并设定所述智能体的深度学习框架，包括定义智能体状态、应急任务奖励函数和深度神经网络模型；S3：控制当前智能体状态下的智能体选择并执行当前应急处置行为，并将其输入所述原始机理环境模型从而利用所述应急任务奖励函数计算奖励信息，再更新智能体状态；将所述当前智能体状态、所述当前应急处置行为、所述奖励信息和更新后的智能体状态作为经验数据存入经验池；S4：从所述经验池中随机抽取所述经验数据输入至所述深度神经网络进行学习训练，直至所述智能体的应急任务奖励对应的叠加值收敛；S5：根据待处理的事故场景更新所述原始机理环境模型中的参数得到目标机理环境模型；基于所述目标机理模型和训练好的深度神经网络模型获取对应的多个应急处置行为；将多个所述应急处置行为进行拼接得到所述蒸馏装置事故的应急处置方案。2.如权利要求1所述的蒸馏装置的事故应急处置方案生成方法，其特征在于，所述原始机理环境模型包括：蒸馏装置动态模型和故障处置模型；所述S1包括：S11：通过流程模拟建立所述蒸馏装置的全流程稳态模型；基于所述全流程稳态模型、所述蒸馏装置的设备尺寸数据和控制器参数，构建所述蒸馏装置动态模型；S12：围绕常见应急处置行为建立故障处置模型，利用所述故障处置模型进行应急处置仿真，从而获取当前应急处置行为与所述蒸馏装置动态模型中变量之间的映射关系。3.如权利要求1所述的蒸馏装置的事故应急处置方案生成方法，其特征在于，所述S2中定义的智能体状态包括：事故信息、运行状态信息、操作状态信息和目标信息；其中，所述事故信息包含事故类型、事故发生的位置和设备故障信息；所述运行状态信息包括各工艺参数的变化情况；所述操作状态信息包含：智能体的位置和其所携带的消防器材；所述目标信息是指所述智能体要前往的目前区域。4.如权利要求1所述的蒸馏装置的事故应急处置方案生成方法，其特征在于，所述S2中定义的应急任务奖励函数为：r＝r
time
+r
para
+r
result
；其中，r
time
为应急处置执行时间对应的奖励，k为正的常量；[t
i,1
,t
i,2
]为第i项应急处置的时间窗，t
i
为执行该应急处置的时间；r
para
为蒸馏装置的工艺参数最大偏差对应的奖励，r
para
定义如下：c为参数最大偏差大于10％的惩罚；r
result
为智能体处置不当导致的危害对应的奖励，r
result
包括冲塔、淹塔、泄漏、火灾和爆炸各自对应的事故危害指数。5.如权利要求1所述的蒸馏装置的事故应急处置方案生成方法，其特征在于，所述深度
神经网络模型包括：预测网络和目标网络；所述S3包括：S31：利用贪心算法控制当前智能体状态s下的智能体以ε的概率随机选取应急处置行为并执行，以1
‑
ε的概率选取最大Q值的应急处置行为并执行；Q值为将所述当前智能体状态s输入所述预测网络得到的结果；S32：将执行的应急处置行为a输入所述原始机理环境模型得到后果数据，利用所述后果数据和所述应急任务奖励函数计算所述应急处置行为...
【专利技术属性】
技术研发人员：陈曦，谭南鑫，曾俊逸，宋安驰，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。