CN110705842A - 基于多源数据融合的化工园区危险态势感知方法及系统 - Google Patents
基于多源数据融合的化工园区危险态势感知方法及系统 Download PDFInfo
- Publication number
- CN110705842A CN110705842A CN201910869455.XA CN201910869455A CN110705842A CN 110705842 A CN110705842 A CN 110705842A CN 201910869455 A CN201910869455 A CN 201910869455A CN 110705842 A CN110705842 A CN 110705842A
- Authority
- CN
- China
- Prior art keywords
- risk
- source
- danger
- chemical industry
- grid point
- 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.)
- Withdrawn
Links
- 239000000126 substance Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004927 fusion Effects 0.000 title claims abstract description 33
- 238000013210 evaluation model Methods 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000004880 explosion Methods 0.000 claims description 31
- 238000009792 diffusion process Methods 0.000 claims description 29
- 230000008447 perception Effects 0.000 claims description 19
- 230000035939 shock Effects 0.000 claims description 18
- 231100001261 hazardous Toxicity 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims 1
- 239000007789 gas Substances 0.000 description 40
- 239000007788 liquid Substances 0.000 description 12
- 238000002485 combustion reaction Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 7
- 239000002360 explosive Substances 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及基于多源数据融合的化工园区危险态势感知方法及系统，其方法包括，对化工园区进行网格化分割，形成多个网格点；基于实际距离、事故后果计算模型和相对危险程度，构建化工园区内各个危险源与任一网格点之间的危险系数评估模型；根据各个危险源的危险品实时监测数据和预设报警阈值确定各个危险源在任一所述网格点处的危险系数的权重；根据权重将各个危险源在任一网格点处的危险系数进行加权叠加，得到化工园区内任一网格点的危险态势。本发明不仅可对是否发生危险进行感知，同时可对发生危险时化工园区危险程度的分布进行感知，可以提高化工园区在危险态势、危险区域分布方面的感知能力，防止发生危险。
Description
技术领域
本发明涉及化工园区危险态势分析领域，具体涉及基于多源数据融合的化工园区危险态势感知方法及系统。
背景技术
化工园区危险态势分析是化工园区安全的保障，现有的化工园区危险态势分析主要采用以下三种方法进行：1、通过传感器报警阈值进行预警分析；2、通过气体扩散模型估计浓度进行分析；3、通过爆炸模型估计破坏力进行分析，其中：
1、通过传感器报警阈值进行预警分析
该技术方案通过化工园区在危险品存储区域安装的传感器(例如：压力传感器、液位传感器、温度传感器)的监测值进行安全预警，通常根据传感器的报警阈值进行危险等级划分，根据传感器是否报警来监控园区的安全态势。
2、通过气体扩散模型估计浓度进行分析
该技术方案通过气体在空气中的扩散模型，即高斯扩散模型来估计当化学气体发生泄漏时扩散至化工园区某一位置的气体浓度，高斯扩散公式如下：
式中，C为任意点的化学气体浓度，单位：mg/m3或g/m3；Q为源强，单位时间内污染物的排放量，单位：mg/s或g/s；σy为侧向扩散系数；σz为竖向扩散系数；为泄漏点处的平均风速，单位：m/s；H为有效源高，即泄漏点垂直地面的高度，单位：m；x为泄漏点至下风向上任意点的距离，单位：m；y为烟气的中心轴在直角水平方向上到任意点的距离，单位：m；z为从地表到任意点的高度，单位：m。
3、通过爆炸模型估计破坏力进行分析
该技术方案通过爆炸模型估计化工园区内危险品发生化学爆炸时冲击波的超压大小，从而判断危害程度，不同物质形态的爆炸模型不同，这里以液体为例。当介质全为液体时，通常将液体加压时所作的功作为常温液体压力容器爆炸时释放的能量，计算公式如下：
式中，EL为常温液体压力容器爆炸时释放的能量，单位：kJ；p为液体的压力(绝)，单位：Pa-1；V为器的体积，单位：m3；βt为液体在压力p和温度T下的压缩系数，单位：Pa-1。
现有技术缺点如下：
a危险态势感知方式单一；例如，通过传感器报警阈值进行危险态势感知时，园区管理者只能通过传感器获取园区内是否存在危险的信息，而无法对危险源可能造成的危害程度有更为直观的认知。当通过气体扩散模型或爆炸模型估计危害范围，由于两个模型估计值量纲的不同，不能基于模型输出值综合考虑两者同时作用时的危害程度。
b关注的危险源单一；化工园区往往只关注园区内存储危险品的区域，对于园区内的用于运输危险品的运输车辆只是“有或没有”的概念，没有考虑运输车辆在某一区域聚集或车辆靠近园区存储危险品区域时带来的潜在危险。
发明内容
本发明所要解决的技术问题是提供基于多源数据融合的化工园区危险态势感知方法及系统，不同模型的估计值可以叠加，基于模型输出值综合考虑两者同时作用时的危害程度，融合了化工园区多种实时数据，可实现整个园区危险态势的动态感知。
本发明解决上述技术问题的技术方案如下：基于多源数据融合的化工园区危险态势感知方法，包括以下步骤，
对化工园区进行网格化分割，形成多个网格点；
基于实际距离、事故后果计算模型和相对危险程度，构建所述化工园区内各个危险源与任一所述网格点之间的危险系数评估模型，并利用所述危险系数评估模型计算各个所述危险源在任一所述网格点处的危险系数；
根据各个所述危险源的危险品实时监测数据和预设报警阈值确定各个所述危险源在任一所述网格点处的危险系数的权重；
根据所述权重将各个所述危险源在任一所述网格点处的危险系数进行加权叠加，得到所述化工园区内任一所述网格点的危险态势。
本发明的有益效果是：本发明融合了多源数据构建用于感知化工园区危险态势的算法模型，相比于传统的基于传感器报警阈值进行危险感知的方法，本发明不仅可对是否发生危险进行感知，同时可对发生危险时化工园区危险程度的分布进行感知，提高园区数据的利用率；另外，本发明提出一种相对危险系数的概念对不同模型的估计值进行加权叠加，从而评估出多个危险源作用下，园区各网格点处的危险系数，从而实现园区安全态势的感知，可以提高化工园区在危险态势、危险区域分布方面的感知能力，防止发生危险。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述危险系数基于所述相对危险程度定义。
进一步，所述危险源包括固定危险源和移动危险源；
构建所述固定危险源与任一所述网格点之间的危险系数评估模型具体为，基于实际距离、事故后果计算模型和相对危险程度，并根据所述固定危险源的基础数据建立所述固定危险源与任一所述网格点之间的危险系数评估模型；
构建所述移动危险源与任一所述网格点之间的危险系数评估模型具体为，基于实际距离、事故后果计算模型和相对危险程度，并根据所述移动危险源的基础数据和实时地理位置数据建立所述移动危险源与任一所述网格点之间的危险系数评估模型。
采用上述进一步方案的有益效果是：本发明综合考虑了固定危险源(园区危险品存储区域)以及移动危险源(危险品运输车辆)的危险性，在关注化工园区危险品存储区域和危险品运输车辆危险性的同时，还关注两者共同作用下的危险性，可以提高化工园区对运输车辆聚集程度及车辆发生危险时引起的危险态势、危险区域分布的感知能力，通过对聚集车辆的调度，从而防止由车辆引起的危险及减小危险作用的范围。
进一步，所述事故后果计算模型包括气体扩散模型和危险品爆炸模型，所述危险系数评估模型包括气体扩散危险系数评估模型和危险品爆炸危险系数评估模型；
所述气体扩散危险系数评估模型具体为，
其中，c(d)为气体扩散模型，α为气体浓度阈值；
所述危险品爆炸危险系数评估模型具体为，
其中，g(d)为危险品爆炸模型中距离与冲击波超压的关系，β为冲击波超压阈值。
进一步，所述权重的计算公式为，
其中，v为危险源处的危险品实时监测数据，vT为危险源处最高报警等级对应的阈值。
进一步，所述化工园区内任一所述网格点的危险态势的计算公式为，
其中，N为所述化工园区内危险源的总数，ui，j为所述化工园区的第(i，j)个所述网格点，
为第(i，j)个所述网格点在t时刻的总危险系数，wk(t)为t时刻第k危险源在第(i，j)个所述网格点处的危险系数的权重，Lk为第k危险源在第(i，j)个所述网格点处的危险系数。
基于上述基于多源数据融合的化工园区危险态势感知方法，本发明还提供基于多源数据融合的化工园区危险态势感知系统。
基于多源数据融合的化工园区危险态势感知系统，包括以下模块，
网格划分模块，其用于对化工园区进行网格化分割，形成多个网格点；
危险系数评估模块，其用于基于实际距离、事故后果计算模型和相对危险程度，构建所述化工园区内各个危险源与任一所述网格点之间的危险系数评估模型，并利用所述危险系数评估模型计算各个所述危险源在任一所述网格点处的危险系数；
危险系数权重计算模块，其用于根据各个所述危险源的危险品实时监测数据和预设报警阈值确定各个所述危险源在任一所述网格点处的危险系数的权重；
危险态势分析模块，根据所述权重将各个所述危险源在任一所述网格点处的危险系数进行加权叠加，得到所述化工园区内任一所述网格点的危险态势。
本发明的有益效果是：本发明融合了多源数据构建用于感知化工园区危险态势的算法模型，相比于传统的基于传感器报警阈值进行危险感知的方法，本发明不仅可对是否发生危险进行感知，同时可对发生危险时化工园区危险程度的分布进行感知，提高园区数据的利用率；另外，本发明提出一种相对危险系数的概念对不同模型的估计值进行加权叠加，从而评估出多个危险源作用下，园区各网格点处的危险系数，从而实现园区安全态势的感知，可以提高化工园区在危险态势、危险区域分布方面的感知能力，防止发生危险。
基于上述基于多源数据融合的化工园区危险态势感知方法，本发明还提供基于多源数据融合的化工园区危险态势感知装置。
基于多源数据融合的化工园区危险态势感知装置，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现上述所述的方法步骤。
基于上述基于多源数据融合的化工园区危险态势感知方法，本发明还提供一种计算机存储介质。
一种计算机存储介质，所述计算机存储介质包括至少一个指令，在所述指令被执行时实现上述所述的方法步骤。
附图说明
图1为本发明基于多源数据融合的化工园区危险态势感知方法的流程图；
图2为化工园区网格化示意图；
图3为气体高斯扩散示意图；
图4为发明基于多源数据融合的化工园区危险态势感知系统的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，基于多源数据融合的化工园区危险态势感知方法，包括以下步骤，
对化工园区进行网格化分割，形成多个网格点；
基于实际距离、事故后果计算模型和相对危险程度，构建所述化工园区内各个危险源与任一所述网格点之间的危险系数评估模型，并利用所述危险系数评估模型计算各个所述危险源在任一所述网格点处的危险系数；
根据各个所述危险源的危险品实时监测数据和预设报警阈值确定各个所述危险源在任一所述网格点处的危险系数的权重；
根据所述权重将各个所述危险源在任一所述网格点处的危险系数进行加权叠加，得到所述化工园区内任一所述网格点的危险态势。
其中，网格化是根据园区边界经纬度将园区细分为若干个面积相同的小矩形区域，通常采用等间隔网格化园区，即每个小区域为一个正方形。危险品实时监测数据是通过危险源处传感器实时采集的，预设报警阈是危险源处传感器的报警阈值。
在本发明中，所述危险系数基于所述相对危险程度定义。
具体的：所述危险源包括固定危险源和移动危险源；
构建所述固定危险源与任一所述网格点之间的危险系数评估模型具体为，基于实际距离、事故后果计算模型和相对危险程度，并根据所述固定危险源的基础数据建立所述固定危险源与任一所述网格点之间的危险系数评估模型；
构建所述移动危险源与任一所述网格点之间的危险系数评估模型具体为，基于实际距离、事故后果计算模型和相对危险程度，并根据所述移动危险源的基础数据和实时地理位置数据建立所述移动危险源与任一所述网格点之间的危险系数评估模型。
在本具体实施例中：本发明假设固定危险源和移动危险源(统称为危险源)以当前状态发生气体扩散或爆炸时，通过模型计算园区内任意位置的气体浓度或冲击波超压，但由园区边界点所确定区间内的数值个数是无穷的，实际中无法计算任意一点的浓度或超压，因此根据园区边界经纬度信息将园区分割成若干个边长相同的网格(即网格化化工园区)，在网格化的基础上计算危险源扩散至网格点的浓度或超压，随着园区网格化粒度越细，园区安全态势分布情况越精确，如图2所示。
在本具体实施例中：所述事故后果计算模型包括气体扩散模型和危险品爆炸模型。
气体扩散危险系数评估模型
本发明对存储气体、液化气体的危险源采用气体扩散模型(具体为高斯扩散模型；高斯扩散模型是一种常用的气体扩散模型，用来预测大气中气团扩散浓度的数学模型，是目前大气环境影响评价中最常用的一种方法)估计发生危险时的危险程度。无风时水平面上的气体扩散模型可以表示为：
式(1)中，C为任意点的化学气体浓度，单位：mg/m3或g/m3；Q为源强，单位时间内危险气体的泄漏量，单位：mg/s或g/s；σ为气体扩散系数；d为烟气的中心轴在直角水平方向上到任意点的距离，单位：m。
式(1)表明，当气体发生泄漏时，泄漏点中心的气体浓度值最大，随着与泄漏点中心的距离的增大，气体浓度逐渐减小，其危险系数也逐渐减小，气体浓度和距离之间的关系如图3所示。通常气体浓度值越大，其危险性越高，本发明设定一个浓度阈值，该阈值根据使用者对气体浓度的关注程度而设定，当浓度大于或等于该阈值时表示危险程度最高，用数值1表示。当发生泄漏时，通过泄漏至园区网格点处的气体浓度值与设定的气体浓度值阈值的比值来评估网格点处的(相对)危险系数，可表示为：
式(2)中，c(d)为气体扩散模型，α为气体浓度阈值；
上述模型(式(2))适用于装有气体或液化气体的固定危险源和移动危险源。
危险品爆炸危险系数评估模型
本发明对存储易燃、易爆的液体、固体危险源采用爆炸模型(爆炸模型是用来估计物质爆炸时产生能量的模型，通过与当量TNT产生爆炸能量的关系，可以推算出爆炸物冲击波的作用半径，从而评估出爆炸产生的危害)估计发生危险时危险品产生的燃烧热，将上述燃烧热转换为TNT炸药爆炸时产生相同燃烧热时所需的当量，根据上述当量TNT炸药爆炸时产生的冲击波(冲击波是一种不连续峰在介质中的传播，这个峰导致介质的压强、温度、密度等物理性质的跳跃式改变。在自然界，所有的爆发情况都伴有冲击波，冲击波总是在物质膨胀速度变得大于局域声速时发生)波阵面超压(超压为冲击波波阵上的最大压力)来估计危险品的危险系数，液体爆炸产生燃烧热的计算公式如下：
式(3)中，EL为常温液体压力容器爆炸时释放的能量，kJ；p为液体的压力(绝)，Pa-1；V为容器的体积，m3；βt为液体在压力p和温度T下的压缩系数，Pa-1。
易燃易爆的固体危险品的燃烧热可根据GB16483-2000中的附录C查询。根据式(3)计算或查询出的燃烧热根据下式：
式(4)中，qTNT为1000kgTNT爆炸时产生的燃烧热，取4500kJ/kg，转换为等量燃烧热的TNT炸药当量，并根据下式计算1000kg TNT爆炸试验中的当量距离d0
式(5)中，d为距离爆炸中心的距离，单位：m；q为等量燃烧热TNT的当量，单位：kg，由式(4)计算得出。
根据1000kg TNT爆炸时产生的冲击波超压和距离关系表，建立冲击波超压和当量距离d0的插值函数Δp＝f(d0)，通常超压值越大，其危险性越高，本发明设定一个超压阈值，该阈值根据使用者对超压的关注程度而设定，当超压大于或等于该阈值时表示危险程度最高，用数值1表示。则发生爆炸时，通过园区网格点处的冲击波超压值与设定的冲击波超压值的阈值的比值来评估网格点处的(相对)危险系数，所述危险品爆炸危险系数评估模型具体为：
式(6)中，g(d)为危险品爆炸时距离与冲击波超压的关系，即β为冲击波超压阈值。
当传感器采集值高于最高报警阈值时，气体发生泄漏的可能性最高，本发明假设危险源传感器监测值大于或等于报警阈值时，该危险源中心呈现出最高危险态势，并随距离危险系数向外递减，而当传感器监测值小于报警阈值时危险源中心的危险系数应当减小，因此根据传感器实时监测值与传感器报警阈值的比值作为危险系数的权重对危险系数进行缩放。所述权重的计算公式为，
式(7)中，v为危险源处的危险品实时监测数据(即传感器实时监测值)，vT为危险源处最高报警等级对应的阈值(即传感器最高报警等级对应阈值)。
综上，t时刻化工园区各网格点处的综合危险系数可表示为，
式(8)中，N为所述化工园区内危险源的总数，假设化工园区被网格化为p×q的网格，则i＝1,2,…,p，j＝1,2,…,q；ui，j为所述化工园区的第(i，j)个所述网格点，其中，第(i，j)个所述网格点具体为网格中第i行第j列的网格点；
为第(i，j)个所述网格点在t时刻的总危险系数；wk(t)为t时刻第k危险源在第(i，j)个所述网格点处的危险系数的权重；Lk为第k危险源在第(i，j)个所述网格点处的危险系数。
下面以某化工园区为例，阐述本发明的方法：
S1，按本发明方法所述，根据园区边界经纬度对园区进行网格化，则园区内的每个网格点在园区内的位置都以经纬度的形式给出。并且根据园区固定危险源传感器位置数据将两点之间经纬度差转换为实际距离(单位：m)，并且根据危险品运输车辆实时位置数据计算车辆与园区网格点之间的实际距离。
S2，根据危险品物质分类及基本参数，按照气体扩散危险系数评估模型和危险品爆炸危险系数评估模型计算发生报警发生时化工园区内危险源至各网格点的危险系数，并采用双三次样条插值算法对网格点之间的值进行插入。
S3，根据危险源传感器、车辆实时数据动态更新园区危险态势。
本发明融合了化工园区危险品存储区域以及危险品运输车辆上传的实时数据、危险品基础数据，基于这些数据构建一种用于感知化工园区危险态势的算法模型，相比于传统的基于传感器报警阈值进行危险感知的方法；本发明不仅可对是否发生危险进行感知，同时可对发生危险时化工园区危险程度的分布进行感知；本发明提出一种相对危险系数的概念对不同模型的估计值进行叠加，从而评估出多个危险源作用下，园区各网格点处的危险系数；本发明融合了运输车辆实时数据，对于运输车辆在园区内的调度具有指导意义，防止扩大危险发生时的危害面积；通过数据建立模型，提高了化工园区数据的利用率。
相比于通过园区危险源传感器对危险源是否报警的感知方式，本发明不仅可以对园区是否存在危险进行感知，同时还可以感知园区内不同位置的危险程度。相比于通过气体扩散模型或爆炸模型进行危险态势感知的方式，本发明通过相对危险程度结合了两种模型，更加逼近危险发生时的真实场景。相比于只考虑园区危险品存储区域或危险品运输车辆的危险性，本发明综合考虑了园区危险品存储区域以及危险品运输车辆的危险性，在关注园区危险品存储区域和危险品运输车辆危险性的同时，还关注两者共同作用下的危险性。本发明融合了化工园区多种实时数据，可实现整个园区危险态势的动态感知。
基于上述基于多源数据融合的化工园区危险态势感知方法，本发明还提供基于多源数据融合的化工园区危险态势感知系统。
如图4所示，基于多源数据融合的化工园区危险态势感知系统，包括以下模块，
网格划分模块，其用于对化工园区进行网格化分割，形成多个网格点；
危险系数评估模块，其用于基于实际距离、事故后果计算模型和相对危险程度，构建所述化工园区内各个危险源与任一所述网格点之间的危险系数评估模型，并利用所述危险系数评估模型计算各个所述危险源在任一所述网格点处的危险系数；
危险系数权重计算模块，其用于根据各个所述危险源的危险品实时监测数据和预设报警阈值确定各个所述危险源在任一所述网格点处的危险系数的权重；
危险态势分析模块，根据所述权重将各个所述危险源在任一所述网格点处的危险系数进行加权叠加，得到所述化工园区内任一所述网格点的危险态势。
在本具体实施例中，基于多源数据融合的化工园区危险态势感知系统工作的原理如基于多源数据融合的化工园区危险态势感知方法所述。
本发明融合了多源数据构建用于感知化工园区危险态势的算法模型，相比于传统的基于传感器报警阈值进行危险感知的方法，本发明不仅可对是否发生危险进行感知，同时可对发生危险时化工园区危险程度的分布进行感知，提高园区数据的利用率；另外，本发明提出一种相对危险系数的概念对不同模型的估计值进行加权叠加，从而评估出多个危险源作用下，园区各网格点处的危险系数，从而实现园区安全态势的感知，可以提高化工园区在危险态势、危险区域分布方面的感知能力，防止发生危险。
基于上述基于多源数据融合的化工园区危险态势感知方法，本发明还提供基于多源数据融合的化工园区危险态势感知装置。
基于多源数据融合的化工园区危险态势感知装置，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现上述所述的方法步骤。
基于上述基于多源数据融合的化工园区危险态势感知方法，本发明还提供一种计算机存储介质。
一种计算机存储介质，所述计算机存储介质包括至少一个指令，在所述指令被执行时实现上述所述的方法步骤。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.基于多源数据融合的化工园区危险态势感知方法，其特征在于：包括以下步骤，
对化工园区进行网格化分割，形成多个网格点；
基于实际距离、事故后果计算模型和相对危险程度，构建所述化工园区内各个危险源与任一所述网格点之间的危险系数评估模型，并利用所述危险系数评估模型计算各个所述危险源在任一所述网格点处的危险系数；
根据各个所述危险源的危险品实时监测数据和预设报警阈值确定各个所述危险源在任一所述网格点处的危险系数的权重；
根据所述权重将各个所述危险源在任一所述网格点处的危险系数进行加权叠加，得到所述化工园区内任一所述网格点的危险态势。
2.根据权利要求1所述的基于多源数据融合的化工园区危险态势感知方法，其特征在于：所述危险系数基于所述相对危险程度定义。
3.根据权利要求1或2所述的基于多源数据融合的化工园区危险态势感知方法，其特征在于：所述危险源包括固定危险源和移动危险源；
构建所述固定危险源与任一所述网格点之间的危险系数评估模型具体为，基于实际距离、事故后果计算模型和相对危险程度，并根据所述固定危险源的基础数据建立所述固定危险源与任一所述网格点之间的危险系数评估模型；
构建所述移动危险源与任一所述网格点之间的危险系数评估模型具体为，基于实际距离、事故后果计算模型和相对危险程度，并根据所述移动危险源的基础数据和实时地理位置数据建立所述移动危险源与任一所述网格点之间的危险系数评估模型。
4.根据权利要求1或2所述的基于多源数据融合的化工园区危险态势感知方法，其特征在于：所述事故后果计算模型包括气体扩散模型和危险品爆炸模型，所述危险系数评估模型包括气体扩散危险系数评估模型和危险品爆炸危险系数评估模型；
所述气体扩散危险系数评估模型具体为，
其中，c(d)为气体扩散模型，α为气体浓度阈值；
所述危险品爆炸危险系数评估模型具体为，
其中，g(d)为危险品爆炸模型中距离与冲击波超压的关系，β为冲击波超压阈值。
5.根据权利要求1或2所述的基于多源数据融合的化工园区危险态势感知方法，其特征在于：所述权重的计算公式为，
其中，v为危险源处的危险品实时监测数据，vT为危险源处最高报警等级对应的阈值。
6.根据权利要求5所述的基于多源数据融合的化工园区危险态势感知方法，其特征在于：所述化工园区内任一所述网格点的危险态势的计算公式为，
其中，N为所述化工园区内危险源的总数，ui，j为所述化工园区的第(i，j)个所述网格点，为第(i，j)个所述网格点在t时刻的总危险系数，wk(t)为t时刻第k危险源在第(i，j)个所述网格点处的危险系数的权重，Lk为第k危险源在第(i，j)个所述网格点处的危险系数。
7.基于多源数据融合的化工园区危险态势感知系统，其特征在于：包括以下模块，
网格划分模块，其用于对化工园区进行网格化分割，形成多个网格点；
危险系数评估模块，其用于基于实际距离、事故后果计算模型和相对危险程度，构建所述化工园区内各个危险源与任一所述网格点之间的危险系数评估模型，并利用所述危险系数评估模型计算各个所述危险源在任一所述网格点处的危险系数；
危险系数权重计算模块，其用于根据各个所述危险源的危险品实时监测数据和预设报警阈值确定各个所述危险源在任一所述网格点处的危险系数的权重；
危险态势分析模块，根据所述权重将各个所述危险源在任一所述网格点处的危险系数进行加权叠加，得到所述化工园区内任一所述网格点的危险态势。
8.基于多源数据融合的化工园区危险态势感知装置，其特征在于：包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现如权利要求1至6任一项权利要求所述的方法步骤。
9.一种计算机存储介质，其特征在于：所述计算机存储介质包括至少一个指令，在所述指令被执行时实现如权利要求1至6任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910869455.XA CN110705842A (zh) | 2019-09-16 | 2019-09-16 | 基于多源数据融合的化工园区危险态势感知方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910869455.XA CN110705842A (zh) | 2019-09-16 | 2019-09-16 | 基于多源数据融合的化工园区危险态势感知方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110705842A true CN110705842A (zh) | 2020-01-17 |
Family
ID=69195155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910869455.XA Withdrawn CN110705842A (zh) | 2019-09-16 | 2019-09-16 | 基于多源数据融合的化工园区危险态势感知方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110705842A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113115225A (zh) * | 2021-04-09 | 2021-07-13 | 国能智慧科技发展(江苏)有限公司 | 基于危险源监测与人员定位的电子围栏区域生成系统 |
| CN113361070A (zh) * | 2021-04-29 | 2021-09-07 | 鑫安利中（北京）科技有限公司 | 一种区域安全风险叠加运算模型的构建方法及建模系统 |
| CN116384255A (zh) * | 2023-05-11 | 2023-07-04 | 四川新迎顺信息技术股份有限公司 | 一种基于多源数据融合的园区危险态势感知方法及系统 |
-
2019
- 2019-09-16 CN CN201910869455.XA patent/CN110705842A/zh not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113115225A (zh) * | 2021-04-09 | 2021-07-13 | 国能智慧科技发展(江苏)有限公司 | 基于危险源监测与人员定位的电子围栏区域生成系统 |
| CN113115225B (zh) * | 2021-04-09 | 2022-07-15 | 国能智慧科技发展(江苏)有限公司 | 基于危险源监测与人员定位的电子围栏区域生成系统 |
| CN113361070A (zh) * | 2021-04-29 | 2021-09-07 | 鑫安利中（北京）科技有限公司 | 一种区域安全风险叠加运算模型的构建方法及建模系统 |
| CN113361070B (zh) * | 2021-04-29 | 2023-11-14 | 鑫安利中（北京）科技有限公司 | 一种区域安全风险叠加运算模型的构建方法及建模系统 |
| CN116384255A (zh) * | 2023-05-11 | 2023-07-04 | 四川新迎顺信息技术股份有限公司 | 一种基于多源数据融合的园区危险态势感知方法及系统 |
| CN116384255B (zh) * | 2023-05-11 | 2023-08-11 | 四川新迎顺信息技术股份有限公司 | 一种基于多源数据融合的园区危险态势感知方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110705842A (zh) | 基于多源数据融合的化工园区危险态势感知方法及系统 | |
| Middha et al. | Validation of CFD-model for hydrogen dispersion | |
| Le et al. | Safety investigation of hydrogen energy storage systems using quantitative risk assessment | |
| CN104897853B (zh) | 基于塔式扩散模型的火电厂污染物排放监测显示方法 | |
| CN112966378B (zh) | 一种基于安全评价模型的氢泄露的预测方法及系统 | |
| Schulz et al. | Sea-salt aerosol source functions and emissions | |
| Massoli et al. | Aerosol optical and hygroscopic properties during TexAQS‐GoMACCS 2006 and their impact on aerosol direct radiative forcing | |
| CN114936501B (zh) | 针对立式储油罐在风压下的填充度评估方法及装置 | |
| CN108122051A (zh) | 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 | |
| CN115436573A (zh) | 一种大气污染源智能监测方法及装置 | |
| Lee et al. | Modeling ozone plumes observed downwind of New York City over the North Atlantic Ocean during the ICARTT field campaign | |
| KR101788389B1 (ko) | 가스 확산 모델링 장치 및 방법 | |
| CN112989717B (zh) | 一种加氢站火灾事故热辐射评估方法及系统 | |
| CN115952926B (zh) | 危险气体扩散范围预测方法、系统、电子设备及存储介质 | |
| CN107871025B (zh) | 基于改进人工蜂群算法的气体传感器优化部署方法及系统 | |
| CN114781936B (zh) | 一种氢气泄漏风险预警方法及系统 | |
| MacPhee et al. | Impact of air quality and site selection on gas turbine engine performance | |
| Mangia et al. | A numerical study of the effect of sea breeze circulation on photochemical pollution over a highly industrialized peninsula | |
| CN116187033A (zh) | 一种长输天然气管道泄漏定位方法、计算机设备及计算机可读存储介质 | |
| Sun et al. | Investigation on the concentration prediction model and personnel hazard range of LNG leakage from tankers in the tunnel | |
| Pei et al. | Impacts of wind speed and leakage height on chlorine leakage diffusion | |
| CN114023043A (zh) | 一种泄露气体安全预警方法 | |
| CN113673109A (zh) | 一种多潜在气体爆炸源耦合的气云爆炸评估方法及系统 | |
| Fatahian et al. | Numerical investigation of hazardous gas dispersion over obstacles and residential Areas | |
| Fan et al. | Simulation study on consequence of leakage accident of liquid chlorine storage tank |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200117 |
|
| WW01 | Invention patent application withdrawn after publication |