[發明專利]一種化學品泄漏快速預測預警應急響應決策方法

有效

• 申請號: 201410136961.5
• 申請日: 2014-04-04
• 公開（公告）號: CN103914622B
• 公開（公告）日: 2017-07-07
• 發明（設計）人: 趙勁松;王冰;陳丙珍
• 申請（專利權）人: 清華大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 西安智大知識產權代理事務所61215
• 代理人: 賈玉健

1.一種化學品泄漏快速預測預警應急響應決策方法，包括風險因素識別、情景數值模擬、模擬結果篩選、神經網絡訓練以及訓練結果與傳感器系統集成共五個階段：

風險因素識別包括：識別化工園區的風險因素，量化各個風險要素并根據識別的風險要素及其取值范圍，合理取值并組合各種可能發生的泄露情景；

情景數值模擬階段包括：將園區風險因素識別步驟中組成的所有可能發生的泄露情景進行模擬，以獲得不同泄露情景下泄露氣體的影響范圍；

模擬結果篩選包括：

對一種包括4個氣體傳感器的布局方案中的關鍵參數進行優化，利用模擬得到的泄露氣體濃度分布進行簡單優化，得到最適傳感器布局；

根據確定的傳感器布局方案，提取在傳感器布局可測量風向范圍內的虛擬探測數據以及與之匹配的環境敏感點泄漏氣體擴散數據，按照神經網絡的訓練邏輯準備訓練數據和校驗數據；

神經網絡訓練步驟包括：

建立用于函數擬合的前向神經網絡，將準備好的訓練數據作為神經網絡訓練的輸入輸出，計算網絡參數；

將檢驗數據輸入部分輸入神經網絡，結果部分與神經網絡預測結果對比，評估預測精度；

神經網絡與傳感器和園區控制系統集成步驟：

將各個風險源的模擬分析以及訓練結果與風險源和環境敏感點的地理位置信息以數據庫和調用程序的形式結合，并提供與傳感器系統的數據接口，實現從事故發生—傳感器報警—模型快速預測—輔助決策的工作流程；

其特征在于，所述神經網絡與傳感器系統集成部分包括如下步驟：

步驟一、建立單一風險源與主導風向下風向的環境敏感點的區域地圖；

步驟二、對某單一風險源進行風險分析，識別可能的泄露情景并對泄露情景進行模擬；

步驟三、執行數據篩選步驟的傳感器布局優化，獲得該傳感器布局在主導風向下風向的最大適用角度；

步驟四、對該風險源主導風向下風向最大使用角度范圍內的所有環境敏感點進行數據篩選，得到一組神經網絡訓練的輸入輸出矩陣；

步驟五、使用數據篩選得到的神經網絡輸入輸出矩陣進行訓練和預測精度評估；

步驟六、將訓練得到的神經網絡參數制作成能夠自動調用的應用程序，使傳感器的DCS數據能夠通過數據接口采集并使用應用程序計算；

步驟七、真實事故發生時，傳感器報警—啟動預制好的應用程序—預測泄露擴散對環境敏感點的影響—決策人員判斷是否需要疏散。

2.根據權利要求1所述的化學品泄漏快速預測預警應急響應決策方法，其特征在于，所述園區風險因素識別部分由以下步驟組成：

步驟一、利用風險評估識別風險因子及事故情景因素并判定可能發生的各類泄漏情景的必備要素，包括風險要素和事故情景要素；

步驟二、分別確定各個風險因子以及事故情境因素的取值范圍，在各個因素的取值范圍內分別以一定步長劃分數值序列，其中步長不得超過該因素取值范圍的10％，最后將不同的風險因子/事故情景因素的各個取值組合成大量的可能發生的泄露情景，當共有n種風險因素時，各個風險因素有N_i種取值，其中N_i≥1，且N_i為整數，則共有種泄露情景。

3.根據權利要求2所述的化學品泄漏快速預測預警應急響應決策方法，其特征在于，所述情景數值模擬階段使用的數值模型包括：高斯及類高斯擴散模型(Gaussian Plume Model)、計算流體力學(CFD)模型以及PHAST、FLACS、SLAB、ALOHA以及HGSYSTEM整合模型，最后得到J種泄露情景模擬結果。