CN108122051B - 一种基于无人机探测的危险介质泄漏过程实时动态预测方法 - Google Patents

Abstract

本发明涉及一种基于无人机探测的危险介质泄漏过程实时动态预测方法，属于危险介质连续泄漏的扩散过程预测领域。危险介质出现连续泄漏后，在泄漏源尺寸未知的情况下，利用泰勒公式及多项式展开等数值计算方法改进高斯模型原始算法，得到一种基于无人机探测数据的可实时动态显示预测结果的新预测方法。该方法可根据无人机探测处于泄漏范围空间内的任意两点的介质浓度及三维坐标位置数据，实时预测危险介质泄漏范围。

Description

一种基于无人机探测的危险介质泄漏过程实时动态预测方法

技术领域：

本发明属于危险介质连续泄漏的扩散过程预测领域。具体而言，危险介质出现连续泄漏后，在泄漏源尺寸未知的情况下，利用泰勒公式及多项式展开等数值计算方法改进高斯模型原始算法，得到一种基于无人机探测数据的可实时动态显示预测结果的新预测方法。该方法可根据无人机探测处于泄漏范围空间内的任意两点的介质浓度及三维坐标位置数据，实时预测危险介质泄漏范围。

背景技术：

在工业，尤其是在承压特种设备行业中，易燃、易爆及有毒有害物质在生产、储存及运输过程中易于发生泄漏事故，为有效开展事故应急救援、控制和降低泄漏事故的后果，国内外学者在泄漏扩散模拟及危害评估方面做了大量研究，主要分非重气扩散模型和重气扩散模型两大类，重气扩散模型中典型代表是三维扩散模型，如计算流体力学(CFD)方法，该方法预测精度高，具有较好的准确性，但由于其计算复杂度过大，计算时间过长，在实际工业应用中，并不适用；非重气扩散模型中，高斯模型由于提出时间早，研究较为成熟，且模型简单，运算量较小，能更好的兼顾计算复杂度和准确度，更适合实际的工业应用，尤其对时间要求较高的突发事故的应急处置，高斯模型得到广泛的应用，很多相关标准的制定都以该模型为基础。

然而由于该模型自身存在的限制性：(1)在预测时无法显示实时泄漏情况，预测结果不能随时间动态变化；(2)通常情况下，泄漏事故发生后完全通过实地探测的方法对事故现场有毒物质泄漏源强进行全面了解是不可能或无法实现的，使用泄漏孔径的估算值进行浓度分布的预测，所取估算值的误差量会使预测结果产生不可避免的固有误差；(3)当现场情况不同，估算人员经验丰富程度不一，则预测取值准确度不同，因此，对泄漏孔洞面积进行预测的方法，预测精度及可靠性，稳定性均无法得到有效保证。

因此，基于原有高斯烟羽模型对危险介质泄漏过程进行预测，仿真效果往往不够准确和直观，且不具有时效性，导致对突发事故应急处置的指挥调度、救援等工作的指导意义不大。

发明内容：

鉴于以上所述现有模型的缺点，本发明的目的在于提供一种基于无人机探测数据的危险介质泄漏过程实时动态探测方法，用于解决现有技术中通过原高斯烟羽模型预测精度不高及不具有时效性的问题。

为实现上述目的，本发明提供一种基于无人机探测的危险介质泄漏过程实时动态预测方法，包括以下步骤：

步骤S10，基于式(1)所示高斯烟羽模型，输入已知参数，并根据所述的已知参数初始化相关参数；

所述已知参数包括危险介质类别、风速、风向、天气情况、泄漏位置地点等；

步骤S20，根据实际天气、泄漏情况确定扩散系数；所述的实际天气诸如:地面风速、日照强度、大气稳定度；

步骤S30：无人机任意选定两个不同位置(x₁,y₁,z₁)，(x₂,y₂,z₂)，测得污染毒物的浓度分别为C₁(x₁,y₁,z₁),C₂(x₂,y₂,z₂)，则由式(1)得到式(5、6)：

步骤S40：对exp(-m²)在0点用6阶泰勒公式展开，并化简为式(12)；

m＝d(H-z) (13)

n＝d(H+z) (14)

步骤S50：用Matlab的符号工具箱symboltoolbox中的函数expand(f’,H’)把多项式展开并化简，将(5)(6)表示成该多项式化简形式，得到式(20、21)，求解H²和Q后，再化简得到式(24)：

C1(x₁,y₁,z₁)＝a₁×Q×(p₁H²+q₁)² (20)

C2(x₂,y₂,z₂)＝a₂×Q×(p₂H²+q₂)² (21)

求得，

步骤S60：选定某个地面浓度值<C>^*(x,y,0)，将得到的公式(24)代入原等浓度曲线(26)进行化简，得到最终的新预测模型，通过式(27)来计算地面等浓度线.

其中：C为空间任意一点(x、y、z)在t时刻空气中有毒物质的质量浓度，单位为mg/m³；σ_x、σ_y、σ_z分别为水平竖轴、水平横轴和垂直向上的扩散参数；x、y、z分别为下风向距离、侧风向距离、垂直风向距离，单位为m；

由于实际事故中，警戒浓度<C>^*(x,y,0）＝k(定值)

可得到式(27)：

步骤S70：通过式(27)的模型，结合无人机探测数据，可得泄漏物任意t时刻，任意固定浓度C，任意高度为z处对应平面的等浓度曲线。

有益效果：本发明的新预测方法的预测精度及稳定性，可靠性均显著高于原模型，无人机每探测一组数据任意两点C₁(x₁,y₁,z₁)，C₂(x₂,y₂,z₂),均能根据本申请的修正预测方法得到对应时刻的危险介质泄漏扩散情况，有助于实时更新最新事故情况，对应急处置的指挥调度、救援等工作的指导意义较大，因而具有高度的应用价值。

附图说明：

图1显示为本发明的实施例公开的一种基于无人机探测的危险介质泄漏过程实时动态预测方法的流程示意图。

图2为泄漏源强计算参数示意图。

图3为取不同泄漏孔径大小(6mm、9mm、12mm时)、及采用本文修正的预测方法等不同情况下，液氨储罐泄漏后，某一t时刻，30mg/m³等浓度曲线预测对比图。

具体实施方式：

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书内容轻易的了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

实施例1

一种持续泄漏扩散的动态模拟方法，具体如图1所示，包括如下步骤：

步骤S10，输入已知参数，并根据该已知参数初始化相关参数，所述已知参数包括危险介质类别、风速、风向、天气情况、泄漏位置地点等；

根据高斯烟羽模型(连续点源高斯模型)，泄漏范围内任意点实际污染物浓度如式(1)所示：

根据此模型可以求出下风向任一点的泄漏物浓度：

其中，地面浓度(z＝0)为：

下风向云羽中心线地面投影浓度(y＝z＝0)为:

式(4)中，Q：泄漏源强，单位kg/s；C_D：泄漏系数，无量纲，可查；A：孔洞截面积，单位为m²；ρ：密度，单位kg/m³；z：相对高度，单位m；g：重力加速度，9.8m/s²；h：孔口上方液面高度，m；P：泄漏孔内压强，单位Pa；P₀:泄漏孔外压强，单位Pa，通常为大气压；M:气体摩尔质量，kg/mol，可查；R_g:理想气体常数，8.314J/(kg·mol)；H：有效源高，m；u:风速，m/s。x轴指向风向，y轴表示在水平面内与风向垂直的方向，z轴表示与水平面垂直的方向。σ_y、σ_z：泄漏扩散系数；

步骤S20，确定扩散系数，根据表1-3所提供的实际天气、泄漏情况确定：

表1大气稳定度的确定

表2日照强度的确定

表3连续泄漏扩散系数计算公式

步骤S30，无人机任意选定两个不同位置(x₁,y₁,z₁），(x₂,y₂,z₂)测得污染毒物的浓度分别为C₁(x₁,y₁,z₁),C₂(x₂,y₂,z₂)；

步骤S40：对exp(-m²)在0点用6阶泰勒公式展开，并化简；

假设z！＝0，exp(-m²)取值在(0,1)的区间，m接近0的时候取最大值1，对exp(-m²)在0点用6阶泰勒公式展开得：

令C(x,y,z)＝a×Q×(exp(-m²)+exp(-n²)) (8)

此处

可以简化为：

m＝d(H-z) (13)

n＝d(H+z) (14)

其中，

步骤S50：用Matlab的符号工具箱symboltoolbox中的函数expand(f’,H’)把H的多项式展开，并化简，得到：

C(x,y,z)＝a×Q×(d⁴H⁴+(6d⁴z²-2d²)H²+d⁴z⁴-2d²H²+2) (16)

令C(x,y,z)＝a×Q×(pH²+q)² (17)

p＝d² (18)

q＝3d²z²-1 (19)

将式(5)、(6)用式(16)的多项式形式展开，得到：

C1(x₁,y₁,z₁)＝a₁×Q×(p₁H²+q₁)² (20)

C2(x₂,y₂,z₂)＝a₂×Q×(p₂H²+q₂)² (21)

式(20)和式(21)相比，得：

将(23)代入(3)得：

步骤S60：选定某个地面浓度值<C>^*(x,y,0)，将得到的公式进行化简，得到最终的新预测模型；

将(2)式和(3)式相比得：

对于一个给定地面浓度值<C>^*(x,y,0)，可以将式(25)变形为式(26)：

其中：C为空间任意一点(x、y、z)在t时刻空气中有毒物质的质量浓度，单位为mg/m3；σ_x、σ_y、σ_z分别为水平竖轴、水平横轴和垂直向上的扩散参数；x、y、z分别为下风向距离、侧风向距离、垂直风向距离，单位为m。

t时刻，根据任意选定的两点，可以推算出t时刻任意位置的地面浓度<C>(x,0,0,t)和x轴浓度<C>(x,y,0,t)。

设实际事故中，警戒浓度<C>^*(x,y,0)＝k(定值)

将式(24)代入式(26)得：

式中H见式(22)；式中p、q见(18)、(19)；式中a、d见(8)、(13)；

步骤S70：通过式(27)模型，结合实例中无人机探测数据，可得泄漏物任意t时刻，任意固定浓度C，任意高度为z处对应平面的等浓度曲线。

实施例2

为了更清楚地说明本发明，本实施例将初始参数设置为：

表4初始参数

其他条件相同的情况下，若发生事故时，泄漏孔径尺寸未知，分别取泄漏孔半径为6mm、9mm、12mm，则30mg/m³时等浓度曲线对比图如图3所示，图中原模型1为泄漏孔径估值为12mm时的等浓度曲线，图中原模型2为泄漏孔径为估值为实际尺寸9mm时的等浓度曲线，图中原模型3为泄漏孔径估值为6mm时的等浓度曲线。X轴表示下风向危险介质扩散距离。

采用相同的实际案例，取任意两点C₁(60,12.809，0)，C₂(80，19.155)，两点处的浓度分别为C₁：553mg/m³，C₂：140mg/m³，根据修正模型计算，则t时刻时，等浓度曲线如图3所示，图中修正模型曲线为该预测曲线。

图3中，原模型2为假设的准确预测范围。原模型1为预测泄漏孔洞半径取12mm(准确值9mm，正误差+3mm)时的预测结果。原模型3为预测泄漏孔洞半径取6mm(准确值9mm，负误差-3mm)时的预测结果。修正模型为使用本案新预测方法的预测结果。4条预测曲线的泄漏区域预测面积，具体见表5，经分析可得：当泄漏孔洞面积未知的情况下，使用原模型进行预测，在本实施例中当估算半径误差±3mm，泄漏区域预测面积误差为(-63％～112％)，而使用新预测方法得到的修正模型进行预测，误差为2％。可见本发明的新预测方法的预测精度及稳定性，可靠性均显著高于原模型。

表5泄漏区域预测面积

且每无人机每探测一组数据任意两点C₁(x₁,y₁,z₁)，C₂(x₂,y₂,z₂),均能根据该修正预测方法得到对应时刻的危险介质泄漏扩散情况，应急救援时，有助于实时更新最新事故情况，对应急处置的指挥调度、救援等工作的指导意义较大，因而具有高度的应用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (3)

1.一种基于无人机探测的危险介质泄漏过程实时动态预测方法，包括以下步骤：

步骤S10，基于式(1)所示高斯烟羽模型，输入已知参数，并根据所述的已知参数初始化相关参数；

步骤S20，根据实际天气、泄漏情况确定扩散系数；

步骤S30：无人机任意选定两个不同位置(x₁,y₁,z₁)，(x₂,y₂,z₂)，测得污染毒物的浓度分别为C₁(x₁,y₁,z₁),C₂(x₂,y₂,z₂)，则由式(1)得到式(5、6)：

步骤S40：对exp(-m²)在0点用6阶泰勒公式展开，并化简为式(12)；

m＝d(H-z) (13)

n＝d(H+z) (14)

步骤S50：用Matlab的符号工具箱symboltoolbox中的函数expand(f’,H’)把多项式展开，并化简，将(5)(6)表示成该多项式化简形式，得到式(20、21)，求解H²和Q后，再化简得到式(24)：

C1(x₁,y₁,z₁)＝a₁×Q×(p₁H²+q₁)² (20)

C2(x₂,y₂,z₂)＝a₂×Q×(p₂H²+q₂)² (21)

求得，

步骤S60：选定某个地面浓度<C>^*(x,y,0)，将得到的公式(24)代入原等浓度曲线(26)进行化简，得到最终的新预测模型，通过式(27)来计算地面等浓度曲线，

其中：C为空间任意一点(x、y、z)在t时刻空气中有毒物质的质量浓度，单位为mg/m³；σ_x、σ_y、σ_z分别为水平竖轴、水平横轴和垂直向上的扩散参数；x、y、z分别为下风向距离、侧风向距离、垂直风向距离，单位为m；

由于实际事故中，地面浓度<C>^*(x,y,0)＝k，k为定值

可得到式(27)：

步骤S70：通过式(27)的模型，结合无人机探测数据，可得泄漏物任意t时刻，任意地面浓度C，任意高度为z处对应平面的等浓度曲线

<C>^*：地面浓度；

Q：泄漏源强，单位kg/s；

H：有效源高，m；

u:风速，m/s；

a见式(9)、p见式(18)

p＝d² (18)

q＝3d²z²-1 (19)

其中，

σ_y、σ_z：泄漏扩散系数。

2.根据权利要求1所述的基于无人机探测的危险介质泄漏过程实时动态预测方法，其特征在于，所述已知参数是危险介质类别、泄漏源总容量、风速、风向、天气情况、泄漏位置地带、温度和压力。

3.根据权利要求1所述的基于无人机探测的危险介质泄漏过程实时动态预测方法，其特征在于扩散系数的确定需结合已知的大气稳定度的确定表、日照强度确定表、连续泄漏扩散系数计算公式表，泄漏发生时的天气情况和泄漏位置地带。

Images