一种氢气浓度分布预测方法技术

本发明专利技术公开了一种氢气浓度分布预测方法

【技术实现步骤摘要】
一种氢气浓度分布预测方法、装置、设备及存储介质


[0001]本专利技术涉及工程安全领域，特别涉及一种氢气浓度分布预测方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]近年来随着全球范围内氢能逐渐应用，加氢站作为氢能应用的基础设施也开始了快速建设
。
由于氢气易燃易爆的高危险性，加氢站在运营使用过程中，氢能事故时常发生且造成严重后果，加氢站氢能应用安全问题引起了广泛关注
。
加氢站氢气事故的发生通常是从氢气泄漏开始，因此研究加氢站氢气泄漏后果，获取泄漏后氢气浓度分布特征对预防事故发生，控制事故扩大以及应急响应具有重要意义
。
[0003]现有研究加氢站高压氢气泄漏浓度分布方法主要是通过计算流体动力学
(Computational Fluid Dynamics
，
CFD)
模拟方法，
CFD
方法在模拟泄漏扩散后果时需要几个小时以上的时间，在紧急场景下，例如泄漏事故发生时，无法快速获取流场浓度分布结果，效率低
。

技术实现思路

[0004]本专利技术的目的在于提供一种方法
、
装置
、
设备及存储介质，应用于领域，该方法通过
[0005]为解决上述技术问题，本专利技术提供一种氢气浓度分布预测方法，包括：
[0006]构建加氢站的氢气泄漏场景，确定所述氢气泄漏场景下的各模拟工况数据；
[0007]根据各所述模拟工况数据获取对应的氢气浓度分布数据；
[0008]基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型；
[0009]基于训练完成的所述数据回归模型及所述氢气泄漏场景下的待预测工况数据获取预测氢气浓度分布数据
。
[0010]可选的，所述基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型，包括：
[0011]将所述氢气浓度分布数据进行数据降维及数据重构，得到降维重构分布数据；
[0012]基于所述模拟工况数据及所述降维重构分布数据训练所述数据回归模型；
[0013]相应的，所述基于训练完成的所述数据回归模型及所述氢气泄漏场景下的待预测工况数据获取预测氢气浓度分布数据，包括：
[0014]将所述氢气泄漏场景下的所述待预测工况数据输入所述数据回归模型获取预测氢气浓度分布特征数据；
[0015]将所述预测氢气浓度分布特征数据进行数据重构得到所述预测氢气浓度分布数据
。
[0016]可选的，所述将所述氢气浓度分布数据进行数据降维及数据重构，得到降维重构分布数据，包括：
[0017]将
CAE
模型中的解码器作为
DCGAN
模型中的生成器构建
DCGAN
‑
CAE
模型；
[0018]使用所述
DCGAN
‑
CAE
模型将所述氢气浓度分布数据进行数据降维及数据重构，得到所述降维重构分布数据；
[0019]相应的，所述将所述预测氢气浓度分布特征数据进行数据重构得到所述预测氢气浓度分布数据，包括：
[0020]使用所述
DCGAN
‑
CAE
模型将所述预测氢气浓度分布特征数据进行数据重构得到所述预测氢气浓度分布数据
。
[0021]可选的，所述基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型，包括：
[0022]将所述模拟工况数据与所述氢气浓度分布数据进行归一化处理得到归一化模拟工况数据及归一化氢气浓度分布数据；
[0023]基于所述归一化模拟工况数据与所述归一化氢气浓度分布数据训练所述数据回归模型
。
[0024]可选的，所述基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型，包括：
[0025]将所述氢气浓度分布数据进行数据裁剪得到增强氢气浓度分布数据；
[0026]基于所述模拟工况数据与所述增强氢气浓度分布数据训练所述数据回归模型
。
[0027]可选的，所述根据各所述模拟工况数据获取对应的氢气浓度分布数据，包括：
[0028]通过计算流体动力学对各所述模拟工况数据进行模拟获取对应的所述氢气浓度分布数据
。
[0029]可选的，该方法还包括：
[0030]当接收到评估指令时，通过
R
方决定系数评价所述数据回归模型的数据回归效果，得到评价值；
[0031]当所述评价值低于评价阈值时，构建新的训练集重新训练所述数据回归模型
。
[0032]为解决上述技术问题，本专利技术提供一种氢气浓度分布预测方法，包括：
[0033]第一模块，用于构建加氢站的氢气泄漏场景，确定所述氢气泄漏场景下的各模拟工况数据；
[0034]第二模块，用于根据各所述模拟工况数据获取对应的氢气浓度分布数据；
[0035]第三模块，用于基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型；
[0036]第四模块，用于基于训练完成的所述数据回归模型及所述氢气泄漏场景下的待预测工况数据获取预测氢气浓度分布数据
。
[0037]为解决上述技术问题，本专利技术提供一种氢气浓度分布预测设备，包括：
[0038]存储器，用于储存计算机程序；
[0039]处理器，用于执行所述计算机程序时实现任一项所述氢气浓度分布预测方法
。
[0040]为解决上述技术问题，本专利技术提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时，实现任一项所述氢气浓度分布预测方法
。
[0041]可见，本专利技术方法通过构建加氢站的氢气泄漏场景，确定氢气泄漏场景下的各模
拟工况数据；根据各模拟工况数据获取对应的氢气浓度分布数据；基于模拟工况数据与氢气浓度分布数据训练数据回归模型；基于训练完成的数据回归模型及氢气泄漏场景下的待预测工况数据获取预测氢气浓度分布数据
。
本专利技术方法通过氢气泄漏场景下的模拟工况数据与氢气浓度分布数据训练数据回归模型，基于数据回归模型实现氢气浓度分布预测，相比于现有技术中通过计算流体力学模拟方法获取泄漏场景下的预测氢气浓度数据，节省大量时间，提高了预测效率
。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图
。
[0043]图1为本专利技术实施例所提供的一种氢气浓度分布预测方法的流程图；
[0044]图2为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种氢气浓度分布预测方法，其特征在于，包括：构建加氢站的氢气泄漏场景，确定所述氢气泄漏场景下的各模拟工况数据；根据各所述模拟工况数据获取对应的氢气浓度分布数据；基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型；基于训练完成的所述数据回归模型及所述氢气泄漏场景下的待预测工况数据获取预测氢气浓度分布数据
。2.
根据权利要求1所述氢气浓度分布预测方法，其特征在于，所述基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型，包括：将所述氢气浓度分布数据进行数据降维及数据重构，得到降维重构分布数据；基于所述模拟工况数据及所述降维重构分布数据训练所述数据回归模型；相应的，所述基于训练完成的所述数据回归模型及所述氢气泄漏场景下的待预测工况数据获取预测氢气浓度分布数据，包括：将所述氢气泄漏场景下的所述待预测工况数据输入所述数据回归模型获取预测氢气浓度分布特征数据；将所述预测氢气浓度分布特征数据进行数据重构得到所述预测氢气浓度分布数据
。3.
根据权利要求2所述氢气浓度分布预测方法，其特征在于，所述将所述氢气浓度分布数据进行数据降维及数据重构，得到降维重构分布数据，包括：将
CAE
模型中的解码器作为
DCGAN
模型中的生成器构建
DCGAN
‑
CAE
模型；使用所述
DCGAN
‑
CAE
模型将所述氢气浓度分布数据进行数据降维及数据重构，得到所述降维重构分布数据；相应的，所述将所述预测氢气浓度分布特征数据进行数据重构得到所述预测氢气浓度分布数据，包括：使用所述
DCGAN
‑
CAE
模型将所述预测氢气浓度分布特征数据进行数据重构得到所述预测氢气浓度分布数据
。4.
根据权利要求1所述氢气浓度分布预测方法，其特征在于，所述基于所述模拟工况数据与所述氢气浓度分布数据训练数据回归模型，...

【专利技术属性】
技术研发人员：刘义，何中旭，李伟，刘强，李冰，刘涛，李凯，张奎同，戚萌，王明清，王目周，王荟钦，郭本陆，王目海，
申请(专利权)人：中国石油大学，
类型：发明
国别省市：