CN112070273A - 一种燃气扩散预测方法、智能终端及存储介质 - Google Patents
一种燃气扩散预测方法、智能终端及存储介质 Download PDFInfo
- Publication number
- CN112070273A CN112070273A CN202010802423.0A CN202010802423A CN112070273A CN 112070273 A CN112070273 A CN 112070273A CN 202010802423 A CN202010802423 A CN 202010802423A CN 112070273 A CN112070273 A CN 112070273A
- Authority
- CN
- China
- Prior art keywords
- gas
- gas diffusion
- data
- model
- prediction method
- 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.)
- Pending
Links
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/16—Combustible gas alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/24—Fluid dynamics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Emergency Management (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种燃气扩散预测方法、智能终端及存储介质,所述方法包括:所述方法包括:获取待监测区域的空间数据、环境数据和工艺数据;根据所述空间数据,创建对应的场景模型;根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型;根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测。本发明能够实现对燃气泄漏后的扩散情况进行精准预测,当燃气发生泄漏时,可提前进行爆炸预警。
Description
技术领域
本发明涉及燃气泄漏预警技术领域,尤其涉及一种燃气扩散预测方法、智能终端及存储介质。
背景技术
燃气用具投入使用时,因外界因素,可能出现穿孔,断裂等现象。燃气作为一种可燃物质,若用户未及时发现,可能会引发爆炸或火灾。而在日常生活中,室内燃气泄漏较为常见,一旦发生了燃气泄漏,可能会导致爆炸,造成严重的人员伤害和财产损失。
市面上也有很多针对室内燃气泄漏的报警器,当室内的燃气浓度达到一定值时会进行报警。而现今房屋之间距离紧密,例如握手楼,而并非每家每户都会使用燃气,就更不用说安装燃气报警器,除住宅内存在泄漏的可能,泄漏也可能发生住宅间的燃气管道,而燃气具有很强的扩散性,一旦一个住宅发生了燃气泄漏,很可能会扩散到其他住宅,存在安全隐患。因此,若室内发生了燃气泄漏,需要对其泄漏后的扩散进行一定的预测,以提醒用户或消防人员注意其他区域可能存在的爆炸。然而目前缺乏有效的燃气泄漏后扩散情况预测的有效手段。
发明内容
本发明的主要目的在于提供一种燃气扩散预测方法、智能终端及存储介质,旨在解决现有技术中目前缺乏有效的燃气泄漏后扩散情况预测的有效手段。
为实现上述目的,本发明提供一种燃气扩散预测方法,所述燃气扩散预测方法包括如下步骤:
获取待监测区域的空间数据、环境数据和工艺数据;
根据所述空间数据,创建对应的场景模型;
根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型;
根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测。
可选地,所述的燃气扩散预测方法,其中,所述空间数据包括初始点云数据,所述根据所述空间数据,创建对应的场景模型具体包括:
对所述初始点云数据进行降噪,生成第一点云数据;
对所述第一点云数据进行关键点提取和特征描述,生成第二点云数据;
对所述第二点云数据进行配准,生成所述目标点云数据;
对所述目标点云数据进行三维重建,生成所述待监测区域对应的场景模型。
可选地,所述的燃气扩散预测方法,其中,所述工艺数据包括管道压力、初始湍流强度、燃气泄漏口径、燃气泄漏方向和湍流长度尺寸;所述环境数据包括环境压力、环境温度、环境风速和环境风向。
可选地,所述的燃气扩散预测方法,其中,所述根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型,具体包括:
根据预设的网格参数,对所述场景模型进行网格划分,生成网格模型;
将所述环境数据和所述工艺数据作为边界条件,确定对应的限制方程;
根据所述限制方程,生成所述网格模型对应的燃气扩散模型。
可选地,所述的燃气扩散预测方法,其中,所述网格参数包括网格大小,所述网格大小为0.04米。
可选地,所述的燃气扩散预测方法,其中,所述根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测,具体包括:
根据所述燃气扩散模型,计算不同监测时刻,各个所述监测点对应的燃气浓度值;
对同一所述监测点对应的燃气浓度值进行拟合,生成燃气浓度变化函数;
根据所述燃气浓度变化函数,计算各个所述监测点在预设的预测时刻的燃气预测值。
可选地,所述的燃气扩散预测方法,其中,所述监测点包括同一监测地点在不同水平线上的空间点。
可选地,所述的燃气扩散预测方法,其中,所述根据所述燃气浓度变化函数,计算各个所述监测点在预设的预测时刻的燃气预测值之后,还包括:
判断所述燃气预测值是否大于预设的燃气浓度风险值,其中,所述燃气浓度风险值包括燃气预警值和燃气爆炸值;
若是,则基于所述场景模型,生成燃气浓度分布图。
此外,为实现上述目的,本发明还提供一种智能终端,其中,所述智能终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的燃气扩散预测程序,所述燃气扩散预测程序被所述处理器执行时实现如上所述的燃气扩散预测方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,其中,所述存储介质存储有燃气扩散预测程序,所述燃气扩散预测程序被处理器执行时实现如上所述的燃气扩散预测方法的步骤。
本发明首先根据待监测区域的空间数据创建场景模型,然后根据该区域的环境数据和工艺数据进行模拟工况,生成燃气扩散模型,最后根据燃气扩散模型对监测点进行燃气扩散预测。由于本发明兼顾了待监测区域结构、环境和泄漏的燃气设备的工艺,因此能够更为精准地预测燃气泄漏后扩散的情形,提高燃气扩散预测结果的精确性,减少发生爆炸的可能。
此外,为提高创建的场景模型的精确度,本发明采用点云数据作为空间数据。在计算燃气扩散模型时,采用经过多次实验结果后验证的网格参数和边界条件,从而生成燃气扩散模型的速度和准确度。此外,基于燃气扩散模型,可实现对待监测区域的多个监测点进行燃气浓度的预测和曲线拟合,从而可精准地计算预测时刻下燃气浓度变化。本发明还提供基于燃气浓度风险值的燃气浓度分布图,从而可直观向用户提示可能发生爆炸的区域。
附图说明
图1是本发明燃气扩散预测方法提供的较佳实施例的流程图;
图2是本发明燃气扩散预测方法的较佳实施例中步骤S200的流程图;
图3是本发明燃气扩散预测方法的较佳实施例中步骤S300的流程图;
图4是本发明燃气扩散预测方法的较佳实施例中步骤S400的流程图;
图5是本发明燃气扩散预测方法的较佳实施例中以餐厅为监测点,生成的燃气浓度变化函数图;
图6是本发明燃气扩散预测方法的较佳实施例中所述监测点包含多个空间点的示意图;
图7是本发明燃气扩散预测方法的较佳实施例中步骤S400之后的流程图;
图8是本发明燃气扩散预测方法的较佳实施例中以1%为燃气浓度风险值,预测时刻为240秒的燃气浓度分布图;
图9是本发明燃气扩散预测方法的较佳实施例中以1%为燃气浓度风险值,预测时刻为900秒的燃气浓度分布图;
图10为本发明智能终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明较佳实施例所述的燃气扩散预测方法,如图1所示,所述燃气扩散预测方法包括以下步骤:
步骤S100,获取待监测区域的空间数据、环境数据和工艺数据。
在本实施例中,所述待监测区域为握手楼的住宅,所述空间数据是指住宅的结构,例如住宅的形状、高度、方向、窗户和门的位置、燃气设备摆放位置等。由于燃气扩散跟环境因素关联度很高,例如强风环境下的燃气扩散速度比无风环境下燃气扩散速度要慢。所述工艺数据是指与泄漏的燃气设备直接相关的数据,例如泄漏口的直径,燃气在管道内的流速等。因此,为准确模拟燃气泄露后扩散的情形,预先采集所述空间数据、所述环境数据和所述工艺数据。所述空间数据可以是通过三维激光扫描技术获取的初始点云数据,也可以是通过人工测绘得到的空间结构数据。
步骤S200,根据所述空间数据,创建对应的场景模型。
本实施例中,若所述空间数据为初始点云数据,则采用点云建模的方式,创建对应的场景模型;若为人工测绘的空间数据,可通过3D模拟软件创建对应的场景模型。
进一步地,参阅图2,所述空间数据包括初始点云数据,步骤S200包括:
步骤S210,对所述初始点云数据进行降噪,生成第一点云数据。
具体地,所述空间数据为通过三维激光扫描技术获取的初始点云数据,三维激光扫描技术是通过记录被测物体表面大量密集点位的三维坐标、反射率和纹理等信息,快速复建被测目标的三维模型及线、面、体等图件数据。由于点云数据在采集过程中可能因为空气中的颗粒等原因,存在散列点、孤立点,因此需要对采集到的初始点云数据进行降噪,降噪可通过双边滤波、高斯滤波、条件滤波、直通滤波和随机采样一致性滤波等实现。
步骤S220,对所述第一点云数据进行关键点提取和特征描述,生成第二点云数据。
具体地,关键点提取和特征描述都是为了对三维点云进行精确的描述。例如采集到的某个点云来源于房屋的转角,则将该点云作为关键点,后续可用于描述房屋的转角位置。关键点提取的方法包括NARF(Normal Aligned Radial Feature,法线对齐的径向特征)算法等,特征描述可采用法线和曲率计算、特征值分析等。对所述第一点云数据进行关键点提取和特征描述后,生成所述第二点云数据。
步骤S230,对所述第二点云数据进行配准,生成所述目标点云数据。
具体地,点云的配准是为了求解除同一坐标下不同姿态点云的变换矩阵,由于点云数据并非一次性就能采集,而所有的点云数据都要用于搭建同一场景模型,因此需要对所述第二点云数据进行配准,从而获得完整的数字模型。预先创建一个空间坐标系,然后基于所述空间坐标系,采用配准算法对所述第二点云数据进行配准,从而生成所述目标点云数据。其中,所述配准算法包括ICP(Iterative Closest Point,迭代最近点)算法等。
步骤S240,对所述目标点云数据进行三维重建,生成所述待监测区域对应的场景模型。
具体地,生成所述目标点云数据后,采用泊松重建等方式,对所述目标点云数据进行三维重建,将所述目标点云数据中孤立的点云进行连接,从而形成平滑或平整的面,最终生成所述场景模型。
此外,初始点云数据的前期处理,如降噪、关键点提取等,可通过点云处理软件ScanMaster实现,该软件具有强大的3D点云数据处理功能,可以自动处理海量的点云数据,通过对点云进行拼接、降噪、抽样等处理,提高数据的可操作性,最终生成的.rcp或者.rcs格式数据格式可导入专业建模软件做进一步处理。而生成场景模型可采用三维建模软件Revit实现,该软件具有丰富的建构筑物族系统,可以直接将点云数据转换成实体模型。
步骤S300,根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型。
具体地,所述环境数据指当前环境的气温、风速等影响燃气扩散的因素的数据,所述工艺数据为发生泄漏的燃气成分、管道压力等。根据所述环境数据和所述工艺数据,计算对应的燃气泄漏的方程,然后结合所述场景模型,即可确定所述场景模型中燃气扩散的燃气扩散模型。
进一步地,所述工艺数据包括管道压力、初始湍流强度、燃气泄漏口径、燃气泄漏方向和湍流长度尺寸;所述环境数据包括环境压力、环境温度、环境风速和环境风向。
具体地,所述管道压力为燃气设备的燃气运输管道的压力,压力越大,则燃气发生泄漏时,燃气溢出的速率越高。所述初始湍流强度为燃气管道内燃气速度脉动程度,燃气泄漏口径即燃气设备泄漏的口径大小,常规的有5mm、10mm和15mm。燃气的泄露方向也用作后续燃气扩散预测的指标。所述湍流长度尺寸指湍流气团,本实施例为燃气,翻滚脉动一个周期所扫过的距离。
所述环境数据具体包括当前的大气压,也就是所述环境压力、所述环境温度、当前的风速,也就是所述环境风速和当前风的走向,即所述环境风向。
此外,提到的燃气泄漏口径为5mm、10mm和15mm是基于目前厨房燃气用具所用的连接软管直径约为10mm,户外管道内径约为15mm所提出的数值,分别代表连接软管部分破损、连接软管完全破损和户外管道完全破损所提出的,并不是仅局限于这三个数值。
本实施例为更好说明实现细节,提供工艺数据和环境数据参考值,所述管道压力为2500Pa5,所述环境压力为1.0barg,所述环境温度为20.0℃,所述环境风速为0,所述环境风向为无,所述泄漏口径为5mm,所述泄漏方向为垂直向下,所述初始湍流强度为0.1,所述湍流长度尺度为0.1D。
进一步地,参阅图3,步骤S300包括:
步骤S310,根据预设的网格参数,对所述场景模型进行网格划分,生成网格模型。
具体地,在计算流体动力学中,按照一定规律分布于流场中的离散点的集合叫做网格(Grid),分布这些网格节点的过程叫网格生成(Grid Generation)。本实施例中,将所述场景模型作为物理区域按照不同的空间拓扑结构分成若干区域块,并生成网格模型。
在本实施例中,所述住在的面积为79.95m2,厨房面积为7.58m2,卫生间面积6.51m2,楼层高度为3.2m,开放式厨房(厨房与餐厅、客厅无隔断),厨房无窗户。建立对应的场景模型后,采用大小为0.04m的网格对所述场景模型进行网格划分,生成网格模型。
步骤S320,将所述环境数据和所述工艺数据作为边界条件,确定对应的限制方程。
具体地,边界条件是指求解区域边界上所求解的变量或其导数随时间和地点的变化规律。边界条件是控制方程有确定解的前提,对于任何问题,都需要给定边界条件。通过预设的边界条件,结合所述环境数据和所述工艺数据,可确定对应的限制方程。
燃气泄漏和扩散过程中遵循的控制方程主要是质量守恒方程、动量守恒发成和能量守和方程,这三个方程是扩散预测的基础。本方案所采用的方程如下:
其中,t为时间,s;ρ为密度,g/L;体积孔隙度βv表示每个计算单元的开放体积与总体积的比率,并在相应的定义网格参数的网格单元中心定义;面积孔隙度βj表示2个相邻小区中心之间的预计开放面积与各自控制体积面的总面积的比率;uj为j方向的速度分量,m/s;V表示燃气的体积;m表示燃气的质量。
其中,t为时间,s;体积孔隙度βv表示每个计算单元的开放体积与总体积的比率;uj为j方向的速度分量,m/s;ui为i方向的速度分量,m/s;xi是i方向的坐标;ρ为密度,g/L;面积孔隙度βj表示2个相邻小区中心之间的预计开放面积与各自控制体积面的总面积的比率;Fw,i是由壁面产生的流动阻力;Fo,i是由亚网格阻碍产生的流动阻力;σij是应力张力,计算表达式为 其中,μeff为总有效黏性,k为湍流动能,单位为J;gi为重力加速度。
湍流动能PK=s+ω+b+o;其中,Gs为流体剪切应力,Gb是浮力,σb是常数0.9;Go为亚网格目标产生的力,其中,CO是模型常数,fi是与亚网格目标相关的参数,是uij的平均数;Gω是壁面剪切应力;其他参数与上述一致。
步骤S330,根据所述限制方程,生成所述网格模型对应的燃气扩散模型。
具体地,根据所述限制方程,可计算所述网格模型中各个网格点的燃气变化情况,从而生成所述燃气扩散模型。
进一步地,所述网格参数包括网格大小,所述网格大小为0.04米。
进一步地,经过大量的数据分析发现,在燃气预测方面,将网格大小设置为0.04米时,建立燃气扩散模型的速度和效果是最好的。此外,若场景模型的过大或过小,可在0.04米的基础上进行适应性调整。
步骤S400,根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测。
具体地,预先设置不同的监测点,例如卧室、厨房。所述监测点在所述网格模型中都有确定的位置坐标,因此根据所述燃气扩散模型和所述监测点的位置坐标,可计算所述监测点在不同时刻的燃气浓度,从而实现对所述监测点的燃气扩散预测。
进一步地,参阅图4和图5,步骤S400包括:
步骤S410,根据所述燃气扩散模型,计算不同监测时刻,各个所述监测点对应的燃气浓度值。
具体地,由于燃气扩散跟时间存在关系,例如燃气刚刚开始扩散的时刻和燃气扩散60s的时刻,燃气浓度是存在差异的。燃气由厨房进出口不断向外泄漏扩散,由于厨房、餐厅、客厅及卧室连廊之间均无隔断,泄漏出来的燃气先后扩散至餐厅、卧室连廊、客厅。在泄漏初期,燃气同时受到向前的射流作用力和向上的浮力,因此呈向前、向上扩散状态。随着泄漏持续,燃气主要受浮力作用沿吊顶向四周扩散。同时,室内的桌椅、沙发等障碍物对燃气扩散过程产生影响。先根据所述燃气扩散模型,计算不同监测时刻,各个所述监测点对应的燃气值,然后根据所述燃气值,计算对应的燃气浓度值。图5为本实施例中的燃气浓度变换图,其中横坐标为燃气扩散时间,纵坐标为燃气浓度,图中斜线代表随着燃气扩散时间的变化,燃气浓度的变化。
步骤S420,对同一所述监测点对应的燃气浓度值进行拟合,生成燃气浓度变化函数。
具体地,以分布于餐厅的某个监测点为例,该监测点的燃气浓度值均可视作“线性增长”。对同一监测点的燃气浓度值进行拟合,可生成该监测点对应的燃气浓度变化函数,本实施例中,分布于卧室的某个监测点的燃气浓度变化函数为y=3.29×10-4t+9.23×10-3。
步骤S430,根据所述燃气浓度变化函数,计算各个所述监测点在预设的预测时刻的燃气预测值。
具体地,获得各个监测点对应的燃气浓度变化函数后,将预设的预测时刻代入所述燃气浓度变化函数中,即可得到燃气预测值,如所述预测时刻为100s,对应的燃气预测值为4.213%。
值得注意的是,本实施例采用的燃气浓度值为百分数,因为燃气的危险指标是基于燃气在空气中分布的百分比计算的,但本方案并不局限于此,还可采用具体的燃气质量等数值作为燃气浓度值。
进一步地,参阅图5和图6,所述监测点包括同一监测地点在不同水平线上的空间点。
具体地,为更好地预测某一检测地点的燃气值变化情况,所述监测点包括同一监测地点在不同水平线上的空间点,如空间点包括地板上方0.4m、0.8m、1.2m、1.6m、2.0m和吊顶下方0.3m处。可对每个空间点进行燃气浓度值的拟合,如图5所示,不同的空间点所对应的燃气浓度变化曲线也存在不同,由于燃气较轻,因此对不同水平线上的空间点的燃气浓度预测具有更好的预警作用。
进一步地,参阅图7、图8和图9,步骤S400之后,还包括:
步骤S510,判断所述燃气预测值是否大于预设的燃气浓度风险值。
具体地,燃气监测一般有一个爆炸上限和爆炸下限,爆炸上限是指当气体浓度高过某一数值时不会发生爆炸,而爆炸下限则相反,常规的家用燃气报警装置的报警浓度为20%,但是燃气中的气体成分复杂,而目前的燃气报警装置只能针对部分类型的燃气进行报警,而不同的燃气类型的爆炸上限和爆炸下限又存在不同,因此目前的燃气报警装置不具有普遍性。在本实施例中,由于燃气扩散模型是根据燃气类型进行确定的,甲烷、氢气等气体的质量、密度等物理因素都存在不同,因此对应的燃气扩散模型也不同,可根据燃气中气体的类型确定不同的爆炸下限作为燃气浓度风险值,并判断预测时刻时,所有所述燃气预测值是否大于预设的燃气浓度风险值。此外,一般的家用燃气是多种气体的混合,本实施例中搭建的燃气扩散模型可基于混杂气体计算生成,因此更具普遍性和实用性。
步骤S520,若是,则基于所述场景模型,生成燃气浓度分布图。
具体的,若所述燃气预测值大于所述燃气浓度风险值,则说明存在爆炸的可能,将大于所述燃气浓度风险值的燃气预测值对应的监测点筛选出来,并根据所述监测点的分布,生成燃气浓度分布图,以方便用户或消防人员判断什么区域存在爆炸的可能,以及时做好通风工作。图8和图9是以1%为燃气浓度风险值,预测时刻分别为240秒和900秒的燃气浓度分布图,图中右边的柱图的颜色即1%燃气浓度在分布图中代表色,从图8和图9可看出,当预测时刻为240秒时,1%燃气浓度的燃气主要分布在厨房,但当900秒时,所有房间都已经被1%燃气浓度的燃气所覆盖,因此用户可通过燃气浓度分布图直观看出不同浓度的燃气分布情况。
进一步地,如图10所示,基于上述燃气扩散预测方法,本发明还相应提供了一种智能终端,所述智能终端包括处理器10、存储器20及显示器30。图10仅示出了智能终端的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述智能终端的内部存储单元,例如智能终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能终端的外部存储设备,例如所述智能终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器20还可以既包括所述智能终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能终端的应用软件及各类数据,例如所述安装智能终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有燃气扩散预测程序40,该燃气扩散预测程序40可被处理器10所执行,从而实现本申请中燃气扩散预测方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行所述存储器20中存储的程序代码或处理数据,例如执行所述燃气扩散预测方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。所述显示器30用于显示在所述智能终端的信息以及用于显示可视化的用户界面。所述智能终端的部件10-30通过系统总线相互通信。
在一实施例中,当处理器10执行所述存储器20中燃气扩散预测程序40时实现以下步骤:
获取待监测区域的空间数据、环境数据和工艺数据;
根据所述空间数据,创建对应的场景模型;
根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型;
根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测。
其中,所述空间数据包括初始点云数据,所述根据所述空间数据,创建对应的场景模型具体包括:
对所述初始点云数据进行降噪,生成第一点云数据;
对所述第一点云数据进行关键点提取和特征描述,生成第二点云数据;
对所述第二点云数据进行配准,生成所述目标点云数据;
对所述目标点云数据进行三维重建,生成所述待监测区域对应的场景模型。
其中,所述工艺数据包括管道压力、初始湍流强度、燃气泄漏口径、燃气泄漏方向和湍流长度尺寸;所述环境数据包括环境压力、环境温度、环境风速和环境风向。
其中,所述根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型,具体包括:
根据预设的网格参数,对所述场景模型进行网格划分,生成网格模型;
将所述环境数据和所述工艺数据作为边界条件,确定对应的限制方程;
根据所述限制方程,生成所述网格模型对应的燃气扩散模型。
其中,所述网格参数包括网格大小,所述网格大小为0.04米。
其中,所述根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测,具体包括:
根据所述燃气扩散模型,计算不同监测时刻,各个所述监测点对应的燃气浓度值;
对同一所述监测点对应的燃气浓度值进行拟合,生成燃气浓度变化函数;
根据所述燃气浓度变化函数,计算各个所述监测点在预设的预测时刻的燃气预测值。
其中,所述监测点包括同一监测地点在不同水平线上的空间点。
其中,所述根据所述燃气浓度变化函数,计算各个所述监测点在预设的预测时刻的燃气预测值之后,还包括:
判断所述燃气预测值是否大于预设的燃气浓度风险值,其中,所述燃气浓度风险值包括燃气预警值和燃气爆炸值;
若是,则基于所述场景模型,生成燃气浓度分布图。
本发明还提供一种存储介质,其中,所述存储介质存储有燃气扩散预测程序,所述燃气扩散预测程序被处理器执行时实现如上所述的燃气扩散预测方法的步骤。
综上所述,本发明提供一种燃气扩散预测方法、智能终端及存储介质,所述方法包括:获取待监测区域的空间数据、环境数据和工艺数据;根据所述空间数据,创建对应的场景模型;根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型;根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测。本发明能够实现对燃气泄漏后的扩散情况进行精准预测,减少爆炸的可能。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种燃气扩散预测方法,其特征在于,所述燃气扩散预测方法包括:
获取待监测区域的空间数据、环境数据和工艺数据;
根据所述空间数据,创建对应的场景模型;
根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型;
根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测。
2.根据权利要求1所述的燃气扩散预测方法,其特征在于,所述空间数据包括初始点云数据,所述根据所述空间数据,创建对应的场景模型,具体包括:
对所述初始点云数据进行降噪,生成第一点云数据;
对所述第一点云数据进行关键点提取和特征描述,生成第二点云数据;
对所述第二点云数据进行配准,生成所述目标点云数据;
对所述目标点云数据进行三维重建,生成所述待监测区域对应的场景模型。
3.根据权利要求1所述的燃气扩散预测方法,其特征在于,所述工艺数据包括管道压力、初始湍流强度、燃气泄漏口径、燃气泄漏方向和湍流长度尺寸;所述环境数据包括环境压力、环境温度、环境风速和环境风向。
4.根据权利要求1所述的燃气扩散预测方法,其特征在于,所述根据所述场景模型,计算所述环境数据和所述工艺数据对应的燃气扩散模型,具体包括:
根据预设的网格参数,对所述场景模型进行网格划分,生成网格模型;
将所述环境数据和所述工艺数据作为边界条件,确定对应的限制方程;
根据所述限制方程,生成所述网格模型对应的燃气扩散模型。
5.根据权利要求4所述的燃气扩散预测方法,其特征在于,所述网格参数包括网格大小,所述网格大小为0.04米。
6.根据权利要求1所述的燃气扩散预测方法,其特征在于,所述根据所述燃气扩散模型,对预先设定的监测点进行燃气扩散预测,具体包括:
根据所述燃气扩散模型,计算不同监测时刻,各个所述监测点对应的燃气浓度值;
对同一所述监测点对应的燃气浓度值进行拟合,生成燃气浓度变化函数;
根据所述燃气浓度变化函数,计算各个所述监测点在预设的预测时刻的燃气预测值。
7.根据权利要求1所述的燃气扩散预测方法,其特征在于,所述监测点包括同一监测地点在不同水平线上的空间点。
8.根据权利要求6所述的燃气扩散预测方法,其特征在于,所述根据所述燃气浓度变化函数,计算各个所述监测点在预设的预测时刻的燃气预测值之后,还包括:
判断所述燃气预测值是否大于预设的燃气浓度风险值,其中,所述燃气浓度风险值包括燃气预警值和燃气爆炸值;
若是,则基于所述场景模型,生成燃气浓度分布图。
9.一种智能终端,其特征在于,所述智能终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的燃气扩散预测程序,所述燃气扩散预测程序被所述处理器执行时实现如权利要求1-8任一项所述的燃气扩散预测方法的步骤。
10.一种存储介质,其特征在于,所述存储介质存储有燃气扩散预测程序,所述燃气扩散预测程序被处理器执行时实现如权利要求1-8任一项所述的燃气扩散预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802423.0A CN112070273A (zh) | 2020-08-11 | 2020-08-11 | 一种燃气扩散预测方法、智能终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802423.0A CN112070273A (zh) | 2020-08-11 | 2020-08-11 | 一种燃气扩散预测方法、智能终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070273A true CN112070273A (zh) | 2020-12-11 |
Family
ID=73662604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010802423.0A Pending CN112070273A (zh) | 2020-08-11 | 2020-08-11 | 一种燃气扩散预测方法、智能终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070273A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966378A (zh) * | 2021-03-04 | 2021-06-15 | 浙大城市学院 | 一种基于安全评价模型的氢泄露的预测方法及系统 |
CN113124327A (zh) * | 2021-04-14 | 2021-07-16 | 云南云能科技有限公司 | 一种天然气管道的监测方法、装置及监测调度系统 |
CN113188053A (zh) * | 2021-04-15 | 2021-07-30 | 云南云能科技有限公司 | 基于管道地理特点的管道故障调度方法、装置及系统 |
CN113506025A (zh) * | 2021-07-27 | 2021-10-15 | 中国科学院计算机网络信息中心 | 一种管道数字化管理的方法及系统 |
CN114117732A (zh) * | 2021-10-20 | 2022-03-01 | 北京市燃气集团有限责任公司 | 燃气管道泄漏后爆炸模拟方法及装置 |
CN114239193A (zh) * | 2021-10-20 | 2022-03-25 | 北京市燃气集团有限责任公司 | 燃气管道泄漏仿真模拟方法及装置 |
CN115330361A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 基于户内安全的燃气泄漏预测方法及智慧燃气物联网系统 |
CN117255123A (zh) * | 2023-11-17 | 2023-12-19 | 山东智慧燃气物联网技术有限公司 | 一种基于物联网云平台的燃气安全监管方法及装置 |
US12033487B2 (en) | 2022-10-14 | 2024-07-09 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for gas leakage emergency treatment based on indoor safety and smart gas internet of things systems |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170040908A (ko) * | 2015-10-06 | 2017-04-14 | 사단법인 한국선급 | 확률적 가스폭발 시나리오 산출 시스템 및 이를 사용한 확률적 가스폭발 시나리오 산출 방법 |
KR20170124124A (ko) * | 2016-04-29 | 2017-11-10 | 중앙대학교 산학협력단 | 밀폐공간에서 발생되는 가스 누출 농도 예측 방법 |
-
2020
- 2020-08-11 CN CN202010802423.0A patent/CN112070273A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170040908A (ko) * | 2015-10-06 | 2017-04-14 | 사단법인 한국선급 | 확률적 가스폭발 시나리오 산출 시스템 및 이를 사용한 확률적 가스폭발 시나리오 산출 방법 |
KR20170124124A (ko) * | 2016-04-29 | 2017-11-10 | 중앙대학교 산학협력단 | 밀폐공간에서 발생되는 가스 누출 농도 예측 방법 |
Non-Patent Citations (8)
Title |
---|
刘延雷;秦永泉;盛水平;陈海云;王兵;: "燃料车内氢气泄漏扩散数值模拟研究", 中国安全生产科学技术, no. 05 * |
吴建松: "基于OpenFOAM的综合管廊舱内燃气泄漏扩散数值模拟", 中国安全生产科学技术, vol. 16, no. 2, pages 1 - 2 * |
王丽;: "接收站泄漏LNG气化及扩散规律研究", 消防科学与技术, no. 12 * |
王志寰;李成兵;周宁;: "大型LNG接收站泄漏事故灾害效应分析与预测", 天然气工业, no. 05 * |
罗明伟;段枷亦;汪双星;: "基于FLUENT的城镇燃气管道泄漏扩散模拟研究", 山东化工, no. 23 * |
董龙伟;: "室内燃气稳态泄漏数值模拟", 辽宁石油化工大学学报, no. 02 * |
隋冰;: "乡村燃气管道泄漏扩散模拟分析", 石油化工安全环保技术, no. 02 * |
颜峻;左哲;: "CFD方法对突发性化学事故中危险物质泄漏范围的确定", 中国安全科学学报, no. 01 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966378B (zh) * | 2021-03-04 | 2023-12-29 | 浙大城市学院 | 一种基于安全评价模型的氢泄露的预测方法及系统 |
CN112966378A (zh) * | 2021-03-04 | 2021-06-15 | 浙大城市学院 | 一种基于安全评价模型的氢泄露的预测方法及系统 |
CN113124327B (zh) * | 2021-04-14 | 2022-11-25 | 云南云能科技有限公司 | 一种天然气管道的监测方法、装置及监测调度系统 |
CN113124327A (zh) * | 2021-04-14 | 2021-07-16 | 云南云能科技有限公司 | 一种天然气管道的监测方法、装置及监测调度系统 |
CN113188053A (zh) * | 2021-04-15 | 2021-07-30 | 云南云能科技有限公司 | 基于管道地理特点的管道故障调度方法、装置及系统 |
CN113188053B (zh) * | 2021-04-15 | 2022-11-25 | 云南云能科技有限公司 | 基于管道地理特点的管道故障调度方法、装置及系统 |
CN113506025A (zh) * | 2021-07-27 | 2021-10-15 | 中国科学院计算机网络信息中心 | 一种管道数字化管理的方法及系统 |
CN114239193B (zh) * | 2021-10-20 | 2023-02-03 | 北京市燃气集团有限责任公司 | 燃气管道泄漏仿真模拟方法及装置 |
CN114239193A (zh) * | 2021-10-20 | 2022-03-25 | 北京市燃气集团有限责任公司 | 燃气管道泄漏仿真模拟方法及装置 |
CN114117732A (zh) * | 2021-10-20 | 2022-03-01 | 北京市燃气集团有限责任公司 | 燃气管道泄漏后爆炸模拟方法及装置 |
CN114117732B (zh) * | 2021-10-20 | 2024-04-05 | 北京市燃气集团有限责任公司 | 燃气管道泄漏后爆炸模拟方法及装置 |
CN115330361A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 基于户内安全的燃气泄漏预测方法及智慧燃气物联网系统 |
US11776378B2 (en) | 2022-10-14 | 2023-10-03 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for predicting gas leakage based on indoor safety and smart gas Internet of Things systems |
US12033487B2 (en) | 2022-10-14 | 2024-07-09 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for gas leakage emergency treatment based on indoor safety and smart gas internet of things systems |
CN117255123A (zh) * | 2023-11-17 | 2023-12-19 | 山东智慧燃气物联网技术有限公司 | 一种基于物联网云平台的燃气安全监管方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112070273A (zh) | 一种燃气扩散预测方法、智能终端及存储介质 | |
Wang et al. | Advances in building simulation and computational techniques: A review between 1987 and 2014 | |
CN115330957B (zh) | 建筑物内部火灾烟气模拟扩散的方法及应急方案调用方法 | |
Lloyd | I—Elisabeth A. Lloyd: Varieties of support and confirmation of climate models | |
Węgrzyński et al. | Wind and fire coupled modelling—Part II: Good practice guidelines | |
Bre et al. | A cloud-based platform to predict wind pressure coefficients on buildings | |
CN111881621A (zh) | 一种城市综合管廊电力舱火灾数值模拟方法及系统 | |
Jiang et al. | Side ratio effects on flow and pollutant dispersion around an isolated high-rise building in a turbulent boundary layer | |
Kim et al. | Development of a VR simulator for educating CFD-computed internal environment of piglet house | |
CN114841031A (zh) | 一种三维虚拟训练环境中模拟有毒有害气体扩散浓度的计算方法 | |
Wang et al. | Evaluation of the Alberta air infiltration model using measurements and inter-model comparisons | |
Moody et al. | QES-Fire: a dynamically coupled fast-response wildfire model | |
McKinnon et al. | Validation of CFD fire model pressure predictions for modern residential style structures | |
CN117010187A (zh) | 一种传统乡村火灾防控设施分析系统 | |
KR101537478B1 (ko) | 주거시설 화재 감식 시뮬레이션 방법 | |
Liu et al. | Estimating and visualizing thermal comfort level via a predicted mean vote in a BIM system | |
Chow et al. | Scale modeling on natural smoke filling in an atrium | |
CN105718688A (zh) | 一种室内空气中多氯联苯迁移转化的分析方法 | |
CN112101723B (zh) | 一种基于不同户型的燃气安装风险评估方法和智能终端 | |
Deza et al. | High fidelity CFD modeling of natural ventilation in a solar house | |
Qu | Three-dimensional modeling of radiative and convective exchanges in the urban atmosphere | |
JP2009193551A (ja) | 建造物内における火災及び有毒物質拡散のシミュレーション技術 | |
Wang et al. | Simulation analysis and freshness prediction of eggs laid at room temperature | |
KR102538320B1 (ko) | 환기 가이드 장치, 애플리케이션 및 방법 | |
CN116934983B (zh) | 一种火场环境模拟与虚拟构造方法及系统 |
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 |