CN108280849B - 一种综合管廊燃气泄漏浓度场预测矫正及泄漏率估计方法 - Google Patents
一种综合管廊燃气泄漏浓度场预测矫正及泄漏率估计方法 Download PDFInfo
- Publication number
- CN108280849B CN108280849B CN201810072744.2A CN201810072744A CN108280849B CN 108280849 B CN108280849 B CN 108280849B CN 201810072744 A CN201810072744 A CN 201810072744A CN 108280849 B CN108280849 B CN 108280849B
- Authority
- CN
- China
- Prior art keywords
- gas
- leakage
- diffusion
- leakage rate
- pipe rack
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公布一种综合管廊燃气泄漏浓度场预测矫正及泄漏率估计方法。该方法结合综合管廊舱内燃气传感器、风速风向传感器及温湿度传感器实时监测数据,通过构建综合管廊舱内燃气泄漏扩散的数值计算模型,运用数据同化算法进行燃气泄漏扩散过程及燃气管道泄漏率的预测估计。所述数据同化算法为改进的集合卡尔曼滤波算法,该算法的状态向量由燃气浓度值和泄漏率组成。本发明方法结合风速风向传感器和温湿度传感器的监测数据,对风流速度与扩散系数加入符合实际情况的噪声后,可抑制风流速度和扩散系数不确定性对结果的影响,在获得管廊内部燃气浓度分布情况的同时,能准确对燃气管道泄漏率进行反演估计,更加符合实际状况。
Description
技术领域
本发明属于城市公共安全领域,具体涉及一种综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计方法。
背景技术
城市地下综合管廊将设置在地面、地下或架空的各类公用类管线集中容纳于一体,充分利用了城市地下空间,避免了路面的反复开挖、确保了道路交通功能的充分发挥,创造了良好的市民生活环境。综合管廊的建设对充分地利用地下空间,节省投资,对拉动经济发展、改变城市面貌、保障城市安全都具有重要作用。但同时,在综合管廊内一种灾害的发生可能会招致其他类型灾害的发生,造成更大的危害,尤其是管廊内燃气管道的泄漏可能导致人员窒息伤亡和爆炸等事故,并可能引发一系列次生灾害,对城市的安全运行、公民的生命安全造成巨大威胁。目前,综合管廊内燃气管道发生泄漏后的主要应急措施为启动事故段及相邻段的通风设备,或紧急切断燃气管道分段阀门。因此,实现对燃气管道泄漏扩散浓度场的精准预测及泄漏率的估计对燃气泄漏后的应急处理十分关键。
发明内容
本发明的目的是提供一种综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计的技术方法,为城市地下综合管廊内燃气泄漏的应急处理与决策提供依据。为了快速、精确实现浓度场的预测矫正及泄漏率的估计,本发明制定了以下技术方案:
本发明通过数值模拟方法结合现场实际监测数据实现了对燃气在管廊内部的浓度分布及泄漏率的计算预测。使用的计算方法为燃气泄漏扩散模型和改进的集合卡尔曼滤波算法。现场实际监测的数据包括:
1.燃气探测器所监测的在探测器有效探测范围内的燃气浓度实时数据;
2.风速风向传感器所监测的管廊内部风速、风向信息;
3.温湿度传感器所监测的管廊内部空气的温度和湿度。
由于在本发明的数值模拟部分中使用改进的集合卡尔曼滤波算法将燃气探测器的实时监测数据作为观测值对燃气扩散浓度场的预测值进行更新,并对燃气管道泄漏率进行反演,因此数值模拟的预测效果将受到传感器精度的影响,并且会受到燃气探测器的布置位置和间距的影响。依据对燃气扩散浓度场和泄漏率的计算效果,合理的设计燃气探测器的布置位置与间隔,可达到本发明的最佳预测效果。
燃气在管廊内的浓度分布经过泄漏扩散模型初步计算后,借助改进的集合卡尔曼滤波算法利用实时燃气探测器监测数据进行数据同化更新后将得到燃气在管廊内部浓度场分布的准确预测值。由于各类传感器均存在一定误差,并且管廊内部空气流动为湍流,在风流速度和扩散系数上均存在很大的不确定性,本发明考虑了管廊内部风流速度和扩散系数的不确定性对燃气浓度场分布及泄漏率估计结果的影响,结合风速风向传感器和温湿度传感器的监测数据,在使用数值模拟部分时对风流速度与扩散系数加入符合实际情况的噪声,有效抑制了风流速度和扩散系数的不确定性对预测估计结果的影响。本发明可快速,精确的预测出燃气在管廊内的浓度分布并且可以实现对泄漏率的估计,这将大大提高管廊内燃气泄漏应急处理的效率和精确度。
附图说明
图1为本发明提出的实现管廊内部燃气管道泄漏扩散浓度场预测矫正及泄漏率估计的结构框图。
图2为本发明实施例提供的综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计方法传感器布置示意图。
图3为本发明提出的燃气扩散浓度场预测矫正及泄漏率估计数值计算模型的程序流程图。
图4为本发明实施例通过本发明方法预测矫正得到的450s时的燃气浓度场与真实燃气浓度场的对比情况。
具体实施方式
如图1本发明提出的管廊内部燃气管道泄漏扩散浓度场预测矫正及泄漏率估计的结构框图所示,本发明结合了数值模型计算与实时观测数据,将管廊内部燃气传感器实时监测数据 (包括燃气探测器有效探测范围内的燃气浓度、管廊内部的风速、风向信息、管廊内部空气温度和湿度信息)输入数值计算模型(包括燃气泄漏扩散模型和改进的集合卡尔曼滤波算法),进行数据同化计算后可以产生管廊内的燃气浓度分布情况以及泄漏率的预测估计结果。并且每进行一次数据同化将输出一次结果,该模型可连续进行模拟计算,直至使用者结束模拟计算。
图2具体展示了本发明的一个实施例,列出了综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计方法所使用的传感器布置。燃气探测器(2~10)从第20m处布置,间隔为 20m。13和14分别为燃气管道和管座(墩),15为综合管廊燃气仓的通风口,温湿度传感器 11和风速风向传感器12均布置在管廊燃气仓内部。假定燃气管道45m处有泄漏源1,泄漏率为0.147m3/s,下面详细阐述本发明的实施方式:
一维的对流扩散方程(ADE)作为该实施例燃气泄漏扩散模拟模型的控制方程;
式中,c表示管廊燃气仓断面的燃气平均浓度,u表示风速,Dx表示扩散系数,q表示源项。利用MATLAB编程,使用有限差分方法(FDM)对上述控制方程离散后显式求解,为了保证计算的稳定,时间步长将会自动调整,使柯郎数始终小于1。由该一维对流扩散模型得到的计算结果将作为改进的集合卡尔曼滤波算法的预测值。改进的集合卡尔曼滤波算法的预测过程如下:
当k时刻有观测值时,将利用观测值对集合中所有的状态进行更新:
Pe=X′X′T
式中,是k时刻状态集合中第i个状态分析值;Ke是增益矩阵;yi(tk)是k时刻的观测数据;H表示观测算子;ν是观测误差,Re是其协方差矩阵;Pe为状态集合的误差方差矩阵; x表示状态向量,下标i(i=1,2,…,N)表示每个状态向量在集合中的编号,N表示总集合数,在本实施例中N取60。本发明改进的集合卡尔曼滤波算法中状态向量x由两部分组成:
如图3本发明所构建的数值模拟模型的程序流程图所示,在本发明的方法中,第一次数据同化时的泄漏率由使用者完成初始化,在本实施例中泄漏率初始化为1m3/s,其标准差为 0.1m3/s,而后每个数据同化过程的泄漏率将由改进的集合卡尔曼滤波算法通过误差方差矩阵完成更新后自动产生。本发明的数值模拟模型的计算流程为:
1.使用者完成燃气泄漏扩散模型参数初始化和状态向量集合初始化,管廊断面的燃气平均浓度c初始化为0,风速u初始化为0.33m/s,扩散系数Dx初始化为0.0047m2/s,各状态向量初始化为:管廊各处的燃气浓度平均值均设为0,第一步数据同化的泄漏率y设为平均值为1m3/s,标准差为0.1m3/s的随机数。
2.燃气泄漏扩散模型向前计算,将依据温湿度传感器和风速风向传感器的监测数据所得出的添加有噪声的风流速度和扩散系数带入模型计算,在本实施例中风流速度为0.33m/s,添加符合N(1,0.1)分布的白噪声,扩散系数为0.0047m2/s,同样添加符合N(1,0.1)分布的白噪声,得出的计算结果将作为改进的集合卡尔曼滤波算法的预测值保存。此时若有燃气浓度的观测数据,便使用改进的集合卡尔曼滤波算法进行数据同化,经过算法更新状态向量后,便得到这一阶段数据同化的结果。若没有燃气浓度观测数据,则跳过改进的集合卡尔曼滤波算法部分,直接判断模拟是否结束。在本实施例中每30s取一组燃气探测器监测的燃气浓度值作为观测数据,观测误差ν设为观测值的百分之一。本实施例选取的第一组观测数据如下表:
表1第一组燃气探测器监测数据
3.数据同化后的结果将重新返回燃气泄漏扩散模型,用于下一步的向前模拟计算,即返回流程的第2步,如此循环直至模拟结束。
由此,每进行一次数据同化将产生一次浓度场预测矫正和泄漏率的估计结果,并且模拟的结果将随数据同化的次数增多越来越符合实际情况。如图4为本发明实施例通过15次数据同化预测矫正得到的450s时的燃气浓度场与真实燃气浓度场的对比情况。表2为本发明实施例经过30次数据同化后得出的泄漏率估计情况。
表2实施例经过30次数据同化后的泄漏率估计情况
上述仅对一维直线管廊燃气管道泄漏源定位及泄漏率估计方法流程进行了论述,对于复杂的二维管廊网络可将其控制方程改进,采用相同思路进行计算。
以上所述,仅为本发明一个具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计方法,其特征在于,运用构建的综合管廊燃气泄漏扩散的数值计算模型,结合改进的集合卡尔曼滤波算法,融合综合管廊内实时监测数据,实现综合管廊内燃气泄漏扩散过程的计算预测,有效抑制了管廊内风流速度和扩散系数不确定性对计算预测结果的影响,在获得管廊内部燃气浓度分布情况的同时,能准确对燃气管道泄漏率进行估计;其中,所述的改进的集合卡尔曼滤波算法的状态向量由燃气浓度值和泄漏率组成:
Pe=X′X′T
2.根据权利要求1所述的综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计方法,其特征在于,所述综合管廊内实时监测数据包括燃气传感器实时采集的燃气浓度信息和风速风向传感器所监测到的风向、风速信息以及管廊内的温度、湿度信息,燃气传感器实时采集的燃气浓度作为数据同化算法的观测值矫正燃气扩散浓度场并反演泄漏率,风速风向传感器所监测到的风向、风速信息以及管廊内的温度、湿度信息,用于准确地确定管廊内风速和管廊内燃气扩散系数。
3.根据权利要求1所述的综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计方法,其特征在于,所述综合管廊燃气泄漏扩散数值计算模型采用有限差分方法对燃气对流扩散控制方程进行离散求解,得到管廊内各处的燃气浓度预测值,而后运用改进的集合卡尔曼滤波算法结合管廊内部监测数据对预测值进行更新,得到更为准确的管廊内部燃气浓度分布情况,并且完成泄漏率的反演估计。
4.根据权利要求1所述的综合管廊燃气管道泄漏扩散浓度场预测矫正及泄漏率估计方法,其特征在于,所述抑制管廊内部风流速度和扩散系数不确定性对计算预测结果的影响的具体实现方法为:通过结合风速风向传感器和温湿度传感器的监测数据,对风流速度与扩散系数加入符合实际情况的噪声后,代入燃气泄漏扩散的数值计算模型,改进的集合卡尔曼滤波算法在利用燃气浓度观测值修正燃气浓度场的同时,可抑制风流速度和扩散系数不确定性对结果的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810072744.2A CN108280849B (zh) | 2018-01-23 | 2018-01-23 | 一种综合管廊燃气泄漏浓度场预测矫正及泄漏率估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810072744.2A CN108280849B (zh) | 2018-01-23 | 2018-01-23 | 一种综合管廊燃气泄漏浓度场预测矫正及泄漏率估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108280849A CN108280849A (zh) | 2018-07-13 |
CN108280849B true CN108280849B (zh) | 2021-11-16 |
Family
ID=62805077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810072744.2A Active CN108280849B (zh) | 2018-01-23 | 2018-01-23 | 一种综合管廊燃气泄漏浓度场预测矫正及泄漏率估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280849B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145439B (zh) * | 2018-08-20 | 2021-07-02 | 南京市锅炉压力容器检验研究院 | 一种基于罐车车载气体侦测装置的全智能危险介质泄漏过程实时动态预测方法 |
CN109140242B (zh) * | 2018-09-12 | 2020-04-24 | 哈尔滨工业大学 | 一种综合管廊燃气舱在线监测及通风联动控制方法 |
CN110162876A (zh) * | 2019-05-20 | 2019-08-23 | 中国矿业大学(北京) | 换流变火灾火源强度反演评估及温度场预测方法及系统 |
CN111062115B (zh) * | 2019-11-08 | 2022-08-19 | 国网江苏省电力有限公司盐城供电分公司 | 一种用于电力隧道的通风系统风机配置方法 |
CN110778923B (zh) * | 2019-11-11 | 2021-01-05 | 安徽恒宇环保设备制造股份有限公司 | 一种用于化工厂的气体泄漏点逆向寻源定位系统 |
CN111797572B (zh) * | 2020-07-06 | 2021-03-05 | 中国矿业大学(北京) | 一种城市事故灾害演化模拟及风险预测预警方法 |
CN113358825B (zh) * | 2021-06-02 | 2023-03-24 | 重庆大学 | 一种带同化算法的室内空气质量检测器 |
CN117034740A (zh) * | 2023-07-10 | 2023-11-10 | 重庆大学 | 隧道内可燃气体泄漏源定位与泄漏速率预测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590336A (zh) * | 2017-09-13 | 2018-01-16 | 哈尔滨理工大学 | 燃气管道泄漏对内部流场影响的数值模拟方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9970756B2 (en) * | 2015-10-06 | 2018-05-15 | Bridger Photonics, Inc. | High-sensitivity gas-mapping 3D imager and method of operation |
-
2018
- 2018-01-23 CN CN201810072744.2A patent/CN108280849B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590336A (zh) * | 2017-09-13 | 2018-01-16 | 哈尔滨理工大学 | 燃气管道泄漏对内部流场影响的数值模拟方法 |
Non-Patent Citations (2)
Title |
---|
地下综合管廊天然气管道泄漏扩散模拟研究;钱喜玲 等;《中国安全生产科学技术》;20171130;第13卷(第11期);第85-89页 * |
燃气长直管道泄漏检测及定位方法研究;侯庆民;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20141215(第12期);C038-141 * |
Also Published As
Publication number | Publication date |
---|---|
CN108280849A (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280849B (zh) | 一种综合管廊燃气泄漏浓度场预测矫正及泄漏率估计方法 | |
US20230325563A1 (en) | Target Available Model-Based Environment Prediction Method and Apparatus, Program, and Electronic Device | |
CN103914622A (zh) | 一种化学品泄漏快速预测预警应急响应决策方法 | |
KR20180059536A (ko) | 주유소 poi를 자동적으로 발견하는 방법, 장치, 저장 매체 및 기기 | |
CN111797572B (zh) | 一种城市事故灾害演化模拟及风险预测预警方法 | |
CN110147610A (zh) | 一种用于河流突发水污染事件的溯源方法 | |
KR20150031577A (ko) | 대기오염물질 배출량 역산출 방법 | |
CN105675448A (zh) | 一种面向水环境质量监测的动态模拟污染物扩散的方法 | |
CN109681786B (zh) | 一种危化品泄漏源定位方法 | |
CN105488316A (zh) | 用于预测空气质量的系统和方法 | |
CN110059355B (zh) | 基于浓度时间序列的泄漏源定位方法、装置和计算机设备 | |
CN104091001A (zh) | 一种用于气体泄露扩散的三维模拟方法及应急疏散方法 | |
Zhu et al. | A SLAM algorithm based on the central difference Kalman filter | |
KR101912361B1 (ko) | 물류 자동화를 위한 자율주행 로봇 및 상기 로봇의 환경인식 및 자기위치 추정 방법 | |
CN114198644B (zh) | 一种基于dma监测相关流量数据的供水管网探漏管控方法 | |
CN102750456B (zh) | 地震伤害评估系统 | |
CN105488317A (zh) | 用于预测空气质量的系统和方法 | |
CN104180800A (zh) | 基于ads-b系统航迹点的修正方法和系统 | |
CN104180801B (zh) | 基于ads‑b系统航迹点的预测方法和系统 | |
CN114492984A (zh) | 粉尘浓度的时空分布预测方法、装置、设备和存储介质 | |
JP5738140B2 (ja) | 物質の放出量推定装置及びその方法並びにプログラム | |
CN110110276B (zh) | 基于变步长递推轨迹的泄漏源定位方法和装置 | |
US8190376B2 (en) | System and method for source identification for a chemical release | |
Gu | On-demand data assimilation of large-scale spatial temporal systems using sequential Monte Carlo methods | |
CN107976515A (zh) | 一种城区机动车尾气污染物浓度分布预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |