【技术实现步骤摘要】
本专利技术涉及氢能安全，特别是涉及一种氢气泄漏浓度预测方法及系统。
技术介绍
1、氢能作为关键能源，在交通、储能及工业领域加速应用，但其低密度、高扩散性与易燃爆特性导致高压储运场景下的泄漏风险尤为突出。氢气扩散路径由泄漏的浓度梯度场动态形成，其空间分布和演化规律直接体现为浓度梯度场的时间序列数据。通过实时预测氢气泄漏浓度并精准定位泄漏源，能够在泄漏初期触发靶向应急措施，如局部通风和快速堵漏，有效避免火焰传播或爆炸风险，同时减少因盲目处置导致的资源浪费，为氢能设施的安全运维与规模化应用提供核心保障。
2、传统cfd仿真工具基于流体力学方程（如navier-stokes方程）虽能精确模拟氢气扩散过程，获取对应的氢气泄漏浓度，但因依赖网格离散与迭代求解，单次仿真耗时数小时至数天，无法满足应急响应的实时性需求。
技术实现思路
1、基于上述现有技术存在的缺陷，本专利技术提供了一种氢气泄漏浓度预测方法及系统，解决了现有基的问题。
2、本专利技术采用以下技术方案：
3...
【技术保护点】
1.一种氢气泄漏浓度预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种氢气泄漏浓度预测方法，其特征在于，所述对输入向量进行特征提取，得到空间关联特征；对空间关联特征进行映射，包括：
3.如权利要求2所述的一种氢气泄漏浓度预测方法，其特征在于，所述全连接神经网络模型还包括第二分支模块，所述第二分支模块用于对空间关联特征进行泄漏源回归，得到预测泄漏源位置，所述第二分支模块包括两个隐藏层，第一个隐藏层学习空间关联特征中的泄漏源的空间特征，第二个隐藏层关联空间特征与泄漏源参数，生成泄漏源位置。
4.如权利要求3所述的一种氢气泄...
【技术特征摘要】
1.一种氢气泄漏浓度预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种氢气泄漏浓度预测方法，其特征在于，所述对输入向量进行特征提取，得到空间关联特征；对空间关联特征进行映射，包括：
3.如权利要求2所述的一种氢气泄漏浓度预测方法，其特征在于，所述全连接神经网络模型还包括第二分支模块，所述第二分支模块用于对空间关联特征进行泄漏源回归，得到预测泄漏源位置，所述第二分支模块包括两个隐藏层，第一个隐藏层学习空间关联特征中的泄漏源的空间特征，第二个隐藏层关联空间特征与泄漏源参数，生成泄漏源位置...
【专利技术属性】
技术研发人员：张永海，杨荣玺，李俊磊，杨会龙，
申请(专利权)人：西安交通大学，
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。