基于数据同化隧道火灾烟气顶棚射流发展预报方法及系统技术方案

本发明专利技术公开了一种基于数据同化隧道火灾烟气顶棚射流发展预报方法及系统，所述预报方法包括：温度传感器位置设置、将数据同化算法分别与火羽流模型、顶棚射流传播模型相结合，本方法用于对头部蔓延到当前温度传感器所在位置之后的各位置时的头部温度、头部传播速度和头部厚度进行超实时预报。所述系统包括依次连接的温度传感器、数据采集器、服务器、控制系统和设置在隧道内的消防装置。本发明专利技术基于数据同化，有效减小模型误差，使简单物理模型的预报结果更加可靠；基于简单物理模型，有效减少时间成本，实现对隧道火灾烟气顶棚射流发展的超实时预报，对不同隧道火灾场景具有适应性。对不同隧道火灾场景具有适应性。对不同隧道火灾场景具有适应性。

【技术实现步骤摘要】
基于数据同化隧道火灾烟气顶棚射流发展预报方法及系统


[0001]本专利技术涉及一种基于数据同化的隧道火灾烟气顶棚射流发展预报方法及系统，可以实现顶棚射流发展过程烟气参数的超实时预报。

技术介绍

[0002]隧道具有狭长结构，与外界的连通口较少，其火灾风险与处置难度比一般地面建筑大。高温、有毒烟气是隧道火灾致死致伤的主要因素。隧道火灾早期，烟气以顶棚射流的形式发展，提前获得顶棚射流动态发展过程中的关键参数，可为火灾早期人员疏散路线的及时选择、排烟及救援方案的高效制定提供依据，对于隧道火灾的正确处置及减少人员伤亡来说意义重大。
[0003]布置在隧道中的传感器虽然可监测火灾烟气发展的实时信息，但是并不具备对监测时刻之后的烟气发展过程进行预报的能力。CFD场模拟虽然可获得事先设定的火灾场景的烟气动态过程，但由于描述隧道火灾的数学模型很复杂，模拟隧道烟气发展动态过程往往需要耗费大量计算机资源，导致执行CFD场模拟所需时间长于烟气实际发展时间，目前还不能达到预报的目的。有学者通过智能算法学习大量CFD场模拟案例的数据结果，从而建立基于智能算法的快速预报模型。但事先通过CFD模拟结果构建的数据库庞大，且难以覆盖所有火灾场景，这导致这种方法不能灵活地应用于不同的隧道火灾场景中。
[0004]针对隧道火灾烟气顶棚射流，已经存在形式简单、计算效率很高的简单物理数学模型，能在很短的计算时间内获得烟气早期发展的动态信息，在效率上具备预报的潜力。但这类模型的预报精度却依赖于模型输入参数的准确性，在真实火灾场景中，这些参数难以被及时、准确地获取。输入参数的误差会转移到模型计算结果中，从而降低模型预报精度。另外，这些输入参数在顶棚射流发展过程中本身也是动态变化的，其影响因素多样且相互耦合。因此，单独使用简单模型很难保证预报精度，限制了其在实际隧道火灾中的应用。

技术实现思路

[0005]本专利技术的第一个目的在于提供一种基于数据同化的隧道火灾烟气顶棚射流发展预报方法，能够实现对隧道火灾早期顶棚射流阶段烟气发展的可靠预报。
[0006]本专利技术的第一个目的通过以下技术措施实现：一种基于数据同化的隧道火灾烟气顶棚射流发展预报方法，其特征在于具体包括以下步骤：
[0007]S1、沿隧道纵向中轴线布设若干个用于记录烟气温度数据的温度传感器，且温度传感器沿隧道整个长度方向布满；
[0008]S2、通过温度传感器响应时间对火源位置进行判断，即认为火源处于最早发生温度异常的两个温度传感器的正中间位置；
[0009]S3、利用蒙特卡洛方法生成火源的热释放速率，并将热释放速率代入火羽流模型，计算得到烟气初始头部质量流量和烟气初始头部温度，再利用同化算法集合卡尔曼滤波同化最早发生温度异常的两个温度传感器所记录的烟气温度数据的平均值，对热释放速率、
烟气初始头部质量流量和烟气初始头部温度进行校正；
[0010]S4、利用蒙特卡洛方法生成卷吸比率和换热修正系数，和校正后的烟气初始头部质量流量和烟气初始头部温度一起作为输入参数代入顶棚射流模型，实现对头部到达不同位置时的头部温度、头部传播速度和头部厚度的超实时预报。在头部蔓延过程中，利用同化算法集合卡尔曼滤波同化头部所达位置处温度传感器记录的烟气温度数据，实时校正卷吸比率、换热修正系数、头部温度和头部质量流量，再将这些校正参数作为输入参数代入顶棚射流模型中，重新对头部蔓延到当前温度传感器所在位置之后的各位置时的头部温度、头部传播速度和头部厚度进行超实时预报。
[0011]本专利技术通过基于集合卡尔曼滤波的数据同化算法将温度传感器数据与隧道火灾烟气顶棚射流阶段简单模型融合。简单模型的应用相比于CFD场模拟来说，保证了预报的时间提前量。本专利技术方法所需执行时间远小于CFD应用于长大隧道时的执行时间，同时远小于隧道火灾早期烟气实际蔓延所需时间，因此具备对烟气发展态势进行预报的能力；本预报方法相比于基于智能算法的快速预报方法，不依赖于提前构建的数据库，能够适用于更多的火灾场景；通过同化温度传感器数据对模型关键输入参数进行实时校正，利用少量传感器测量数据补充模型所需关键信息，使得模型输入参数更准确，对火场的变化响应更及时，大幅提高了简单模型的预报精度，也拓展了隧道内传感器的用途。因此，本专利技术能够实现对隧道火灾早期顶棚射流阶段烟气发展的可靠预报。
[0012]本专利技术所述步骤S3具体包括：
[0013](一)利用蒙特卡洛方法生成火源热释放速率的初始背景场：
[0014][0015]式中，代表热释放速率，代表参数集合应满足的正态分布，分别代表所给参数集合的期望与标准方差，下标j代表第j个集合成员，上标f代表预测值。
[0016](二)将由公式(1)生成的热释放速率集合成员分别代入火羽流模型的羽流流量计算公式得到火源处的羽流流量考虑火源上方的烟气在撞击顶棚后会均匀地流向隧道两侧，继而得到烟气初始头部质量流量：
[0017][0018][0019][0020][0021][0022]其中，为火源处的羽流流量，为总热释放速率，为对流热释放速率，一般取值范围为到h
t
为隧道高度，z0为虚点火源位置，为火焰平均高
度，D
′
为火源的当量直径，为顶棚射流质量流量，上标f代表预测值，下标j代表第j个集合成员；
[0023](三)将热释放速率和羽流流量代入火羽流模型的能量守恒公式，得到火源附近烟气温度，即为烟气初始头部温度：
[0024][0025]式中，T
s
是火源上方平均烟气温度，为对流热释放速率，C
p
为定压比热容(1004J/(kg
·
K))，为火源处的羽流流量，T0是环境温度，上标f代表预测值，下标j代表第j个集合成员，下标i代表头部到达第i个位置；
[0026](四)通过同化算法集合卡尔曼滤波同化最早发生温度异常两温度传感器所记录的烟气温度数据的平均值，得到热释放速率、初始头部质量流量以及初始头部温度的校正值：
[0027]X
a
＝X
f
+K
x，y
(y
‑
HX
f
)
[0028][0029][0030]X
f
＝[x
1f
，x
2f
，K，x
jf
，K，x
mf
][0031][0032][0033][0034]其中，X为m个向量组成的集合矩阵，H为观测算子，包含了观测值与预测值向量的相对位置关系，R为观测值误差，P为预测协方差矩阵，K
x，y
为卡尔曼增益矩阵，是由m个预报值向量组成的预报矩阵，x为预报值向量，y为传感器温度，T
s
是火源上方平均烟气温度，为顶棚射流质量流量，为总热释放速率，上标a代表同化值，上标f代表预测值，下标j代表第j个集合成员。
[0035]本专利技术所述步骤S4包括：
[0036]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据同化隧道火灾烟气顶棚射流发展预报方法，其特征在于，所述预报方法包括：S1、沿隧道纵向中轴线布设若干个用于记录烟气温度数据的温度传感器，且温度传感器沿隧道整个长度方向布满；S2、通过温度传感器响应时间对火源位置进行判断，即认为火源处于最早发生温度异常的两个温度传感器的正中间位置；S3、利用蒙特卡洛方法生成火源的热释放速率，并将热释放速率代入火羽流模型，计算得到烟气初始头部质量流量和烟气初始头部温度，再利用同化算法集合卡尔曼滤波同化最早发生温度异常的两个温度传感器所记录的烟气温度数据的平均值，对热释放速率、烟气初始头部质量流量和烟气初始头部温度进行校正；S4、利用蒙特卡洛方法生成卷吸比率和换热修正系数，和校正后的烟气初始头部质量流量和烟气初始头部温度一起作为输入参数代入顶棚射流模型，实现对头部到达不同位置时的头部温度、头部传播速度和头部厚度的超实时预报，在头部蔓延过程中，利用同化算法集合卡尔曼滤波同化头部所达位置处温度传感器记录的烟气温度数据，实时校正卷吸比率、换热修正系数、头部温度和头部质量流量，再将这些校正参数作为输入参数代入顶棚射流模型中，重新对头部蔓延到当前温度传感器所在位置之后的各位置时的头部温度、头部传播速度和头部厚度进行超实时预报。2.根据权利要求1所述的基于数据同化隧道火灾烟气顶棚射流发展预报方法，其特征在于，所述S3包括：(一)利用蒙特卡洛方法生成火源的热释放速率的初始背景场：式中，代表热释放速率，代表参数集合应满足的正态分布，分别代表所给参数集合的期望与标准方差，下标j代表第j个集合成员，上标f代表预测值；(二)将由公式(1)生成的热释放速率集合成员分别带入火羽流模型的羽流流量计算公式中得到火源处的羽流流量和烟气初始头部质量流量：和烟气初始头部质量流量：和烟气初始头部质量流量：和烟气初始头部质量流量：和烟气初始头部质量流量：其中，为火源处的羽流流量，为总热释放速率，为对流热释放速率，一般取值范围为到h
t
为隧道高度，z0为虚点火源位置，为火焰平均高度，D
′
为火源的当量直径，为顶棚射流质量流量，上标f代表预测值，下标j代表第j个集合成员；(三)将热释放速率和羽流流量代入火羽流模型的能量守恒公式得到烟气初始头部温度：
式中，T
s
是火源上方平均烟气温度，为对流热释放速率，C
p
为定压比热容(1004J/(kg
·
K))，为火源处的羽流流量，T0是环境温度，上标f代表预测值，下标j代表第j个集合成员，下标i代表头部到达第i个位置；(四)通过同化算法集合卡尔曼滤波同化最早发生温度异常两温度传感器所记录的烟气温度数据的平均值，得到热释放速率、烟气初始头部质量流量以及烟气初始头部温度的校正值：X
a
＝X
f
+K
x，y
(y
‑
HX
f
))X
f
＝[x
1f
，x
2f
，K，x
jf
，K，x
mf
]]]其中，X为m个向量组成的集合矩阵，H为观测算子，包含了观测值与预测值向量的相对位置关系，R为观测值误差，P为预测协方差矩阵，K
x，y
为卡尔曼增益矩阵，是由m个预报值向量组成的预报矩阵，x为预报值向量，y为传感器温度，T
s
是火源上方平均烟气温度，为顶棚射流质量流量，为总热释放速率，上标a代表同化值，上标f代表预测值，下标j代表第j个集合成员。3.根据权利要求2所述...

【专利技术属性】
技术研发人员：阳东，何苗，郭鑫，
申请(专利权)人：重庆大学，
类型：发明
国别省市：