CN112819097B - 一种加氢站中氢能设备的风险评价方法 - Google Patents
一种加氢站中氢能设备的风险评价方法 Download PDFInfo
- Publication number
- CN112819097B CN112819097B CN202110220402.2A CN202110220402A CN112819097B CN 112819097 B CN112819097 B CN 112819097B CN 202110220402 A CN202110220402 A CN 202110220402A CN 112819097 B CN112819097 B CN 112819097B
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- control system
- hydrogen energy
- equipment
- storage tank
- 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
- 239000001257 hydrogen Substances 0.000 title claims abstract description 333
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 333
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 331
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 claims abstract description 79
- 238000005984 hydrogenation reaction Methods 0.000 claims abstract description 68
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000013486 operation strategy Methods 0.000 claims abstract description 7
- 125000004435 hydrogen atom Chemical group [H]* 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 8
- 230000006835 compression Effects 0.000 description 8
- 238000007906 compression Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C13/00—Details of vessels or of the filling or discharging of vessels
- F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C13/00—Details of vessels or of the filling or discharging of vessels
- F17C13/12—Arrangements or mounting of devices for preventing or minimising the effect of explosion ; Other safety measures
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C7/00—Methods or apparatus for discharging liquefied, solidified, or compressed gases from pressure vessels, not covered by another subclass
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
- F17C2260/00—Purposes of gas storage and gas handling
- F17C2260/04—Reducing risks and environmental impact
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/32—Hydrogen storage
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Filling Or Discharging Of Gas Storage Vessels (AREA)
Abstract
本发明涉及一种加氢站中氢能设备的风险评价方法,方法包括:控制系统获取加氢站中各氢能设备的运行参数,所述运行参数包括:压缩机的运行参数,储氢罐、加氢机和加注枪的运行参数,以及任意相邻两个氢能设备之间的连接管道的运行参数;所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算策略,确定整个加氢站是否存在氢气泄露;所述控制系统若存在氢气泄露,按照相邻监测点的数据信息,确定存在氢气泄露的位置信息。本发明的方法充分考虑了可用性和可靠性,保证了氢能设施的安全性和可靠性。
Description
技术领域
本发明涉及安全评估系统,尤其涉及一种加氢站中氢能设备的风险评价方法。
背景技术
加氢站是燃料电池汽车推广应用的必备基础设施,也是氢能产业的重要组成部分。目前,全球共有200座以上加氢站具备70MPa加氢能力。然而,对加氢站故障种类和事故严重程度进行统计,加氢机故障占比35%,压缩机故障占比21%,是加氢站系统主要产生故障的设备。由于其故障,导致其氢气泄漏事故和临近事故的占比达到50%以上,存在较大的危险隐患。针对压缩机和加氢机的应用,在设计阶段实现一种方式的氢安全风险评价,但是在使用阶段如何精准化的对各氢能设备进行监控,判断是否发生氢气泄露,以更加精确判断加氢站的氢安全风险,使加氢站的氢安全评价更精准,保护人身和财产安全。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种加氢站中氢能设备的风险评价方法。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种加氢站中氢能设备的风险评价方法,加氢站包括:至少一台压缩机,与所有压缩机进行管道连接的储氢罐,管道连接储氢罐的加氢机,每一加氢机管道连接有多个用于给氢能源车进行加注氢气的加注枪,所述风险评价方法包括:
控制系统获取加氢站中各氢能设备的运行参数,所述运行参数包括:压缩机的运行参数,储氢罐、加氢机和加注枪的运行参数,以及任意相邻两个氢能设备之间的连接管道的运行参数;
所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算策略,确定整个加氢站是否存在氢气泄露;
所述控制系统若存在氢气泄露,按照相邻监测点的数据信息,确定存在氢气泄露的位置信息;
其中,有效使用的氢能数据为所有加注枪中流量计记录的加注到氢能源车中的数据。
可选地,所述方法还包括:
所述压缩机、储氢罐和加氢机所在位置的预设范围内设置有多个氢气监测仪,所述氢气监测仪实时向控制系统发送监测信息;
所述控制系统根据所述监测信息确定加氢站是否存在氢气泄露;
或者,
所述压缩机、储氢罐和加氢机所在位置的预设范围内根据高斯正态分布的方式在每一设备的范围内设置多个氢气监测仪,且该设备处于正态分布的中心;
所有的氢气监测仪向控制系统发送监测信息,该监测信息中携带所述氢气监测仪的标识及所对应监测的设备的标识;
所述控制系统针对同一时间接收的所有监测信息,将同一设备对应的监测信息中的监测参数进行放大处理,并滤除噪声,进而滤除噪声后的监测参数乘以各自的调整因子并相加获取第一结果;所述控制系统判断第一结果是否大于预设阈值,若是则向该设备的智能电磁阀发送关闭指令,使得该智能电磁阀关闭当前设备;
其中,距离监测设备30cm范围内各监测仪的调整因子为1,距离监测设备31cm至100cm范围内各监测仪的调整因子为0.5,距离监测设备101cm至200cm范围内各监测仪的调整因子为0.2。
可选地,所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算策略,确定整个加氢站是否存在氢气泄露,包括:
所述控制系统将同一时间段内各个氢能设备发送的运行参数进行归一化处理,并获取每一氢能设备在该时间段内的变化量;
所述控制系统根据每一设备的变化量,与监测的该设备的进出流量净值是否匹配;
若匹配,且所述监测信息中未监测到氢气时,则确定当前加氢站未发生氢气泄露;即∑ΔNi-∑ΔPi≈0,ΔNi表示为第i设备的流入流量即增加的流量,ΔPi表示为第i设备的流出流量即减少的流量;
否则,对所有氢能设备中相邻两个设备之间的变化量进行分析,确定氢气泄露的位置信息。
可选地,控制系统获取加氢站中各氢能设备的运行参数,包括:
所述控制系统借助于设置在压缩机上的智能电磁阀获取压缩机的第一运行参数,所述第一运行参数包括:压力、温度、体积和/或流量;
所述控制系统借助于设置在储氢罐上的电磁阀获取储氢罐的第二运行参数,所述第二运行参数包括:压力、温度和/或流量;
所述控制系统借助于加氢机内的控制芯片获取加氢机的第三运行参数,所述第三运行参数包括:温度、压力、功率和/或、流量、电量;
所述控制系统借助于加注枪的控制阀获取加注枪的第四运行参数,所述第四运行参数包括:开启时间、结束时间、加注时的温度、加注的压力和加注过程的流量;
所述控制系统通过各连接管道起始位置和结束位置的自动控制阀获取每一连接管道起始位置和结束位置的第五运行参数,所述第五运行参数包括:温度、流量和/或压力。
可选地,所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算模型,确定整个加氢站是否存在氢气泄露,还包括:
所述控制系统根据所述加注枪周期性上传的第四运行参数,确定在第一预设时间段内加注枪的加氢量;
所述控制系统根据加氢机周期性上传的第三运行参数,确定在第一预设时间段内加氢机的输出氢气的输出流量净值;
所述控制系统判断所述加氢量和输出流量净值的差值是否在预设范围内,若是,则确定加注枪及加氢机、加氢机与加注枪之间的连接管道未发生氢气泄露;
所述控制系统根据储氢罐周期性上传的第二运行参数,确定第一预设时间段内储氢罐的输出氢气的输出量净值;
所述控制系统判断所述输出量净值和所述加氢机内的输入量净值的差值是否在预设范围内,若是,则确定加氢机与储氢罐,加氢机与储氢罐之间的连接管道未发生氢气泄露。
可选地,所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算模型,确定整个加氢站是否存在氢气泄露,还包括:
在压缩机与储氢罐之间的无任何流量,且无新氢气量加入时,获取压缩机间隔多次发送的第二运行参数,将压缩机的各运行参数进行归一化处理,并判断压缩机多次发送时间段之间是否存在氢气泄露。
可选地,采用下述公式一计算各个设备中存储的有效的氢能数据;
m=PV/(TR+1.8922*10-6RP) 公式一
式中R=4124.18Nm/kg.k,V为待计算设备中的水容积,P为待计算设备内氢气的压力,T为待计算设备内氢气的温度,m为待计算设备的储气质量。
可选地,所述控制系统位于云端服务器内;
和/或,所述方法还包括:
在确定氢气泄露的位置信息之后,所述控制系统向该位置信息临近的电磁阀或控制阀发送关闭指令,以关闭氢气泄露的设备或管道。
可选地,所述方法还包括:
所述控制系统还用于获取加氢站中各氢能设备的基本属性参数,判断各氢能设备的使用期限,确定是否发出用于更换设备的预警信息。
(三)有益效果
本发明的有益效果是:本发明的方法通过实时获取各氢能设备的运行参数,根据流量平衡原理,确定是否发生氢气泄露,保证了设备使用过程中的安全性和可靠性。同时,充分考虑实际情况的基础上,可使得氢能设施无故障地持续运行,保障各氢能设备随时都可以安全使用。
此外,本申请中设置的氢能设备均可自动与控制系统连通,能够实时获取各个设备节点的数据,使得后台可以实时监控各个氢能设备的风险。
附图说明
图1是本发明一实施例提供的加氢站的结构示意图;
图2是本发明一实施例提供的加氢站中氢能设备的风险评价方法的流程示意图;
图3是本发明一实施例提供的电子设备的结构示意图;
图4是本发明中氢气压缩因子与温度的关系曲线图;
图5是本发明中氢气压缩因子与压力的关系曲线图;
图6是温度在298K下Z的NIST数据拟合结果的对比示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一
如图1所示,图1示出了本发明一种实施例示出的加氢站的结构示意图,本实施例的加氢站可包括:至少一台压缩机,与所有压缩机进行管道连接的储氢罐,管道连接储氢罐的加氢机,每一加氢机管道连接有多个用于给氢能源车进行加注氢气的加注枪。
本实施例中的储氢罐为98MPa高压储氢罐,压缩机为90MPa压缩机,即排气压力90MPa,功率18.5kW;加氢机为70MPa加氢机,加注压力70MPa,预设温度:-40℃。
在实际应用中,管束车运输氢气至加氢站,对压缩机中对应的缓冲瓶充装氢气,并通过压缩机对缓冲瓶的氢气进行压缩处理,进而压缩处理后的氢气流通到储氢罐中,实现对氢气的存储,每一储氢罐可对应两个以上的加氢机,用于实现对氢能源小汽车或氢能源大巴车的充气。
另外,还可以预先获取压缩机内的压力值,根据所述压力值对连接压缩其的各储氢罐进行分组,并确定能充气的储氢罐的数量,对压缩机压缩处理后的请求充装到储氢罐中,在充装完成后,获取各个储氢罐的压力值,以实时监测储氢罐的使用信息。
本实施例中,压缩机和储氢罐及压缩机与储氢罐的管道均周期性/实时向控制系统或云服务器发送监测信息,该监测信息可包括:压力值、温度值等。
在本实施例中,压缩机及缓冲瓶的密封盖中设置有控制打开或关闭的电磁阀即智能电磁阀,该电磁阀受控制系统的控制,并实时或周期性的相控制系统发送所属设备的参数,如电磁阀为缓冲瓶的电磁阀时,可发送缓冲瓶中压力、温度、体积、电磁阀状态等。在电磁阀状态为开启状态时,还需要向控制系统反馈流量信息。
另外,任意两个设备之间的连接管道的起始端和结束端均设置有自动控制阀门,该自动控制阀门与控制系统电连接,用于实时或周期性向控制系统发送监测参数。
在实际应用中,控制系统通过自动控制阀门控制各管道的流通或关闭。
基于上述图1所示的加氢站的氢能设备,下述提供氢能设备的风险评价方法。
如图2所示,图2示出了本发明一实施例提供的加氢站中氢能设备的风险评价方法的流程示意图,本实施例的方法的执行主体可为任一的电子设备或计算机设备,本实施例的方法可包括下述步骤:
201、控制系统获取加氢站中各氢能设备的运行参数,所述运行参数包括:压缩机的运行参数,储氢罐、加氢机和加注枪的运行参数,以及任意相邻两个氢能设备之间的连接管道的运行参数;
202、控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算策略,确定整个加氢站是否存在氢气泄露。
在本实施例中,所述控制系统将同一时间段内各个氢能设备发送的运行参数进行归一化处理,并获取每一氢能设备在该时间段内的变化量;
所述控制系统根据每一设备的变化量,与监测的该设备的进出流量净值是否匹配;若匹配,且所述监测信息中未监测到氢气时,则确定当前加氢站未发生氢气泄露。
在本实施例中,控制系统将各个氢能设备发送的运行参数进行归一化处理。
另外,可采用下述公式一计算各个设备中存储的有效的氢能数据;
m=PV/(TR+1.8922*10-6RP) 公式一
式中R=4124.18Nm/kg.k,V为待计算设备中的水容积,P为待计算设备内氢气的压力,T为待计算设备内氢气的温度,m为待计算设备的储气质量。
本实施例的待计算设备可以是长管拖车、压缩机、储氢罐、加氢机等。
203、控制系统若存在氢气泄露,按照相邻监测点的数据信息,确定存在氢气泄露的位置信息;
其中,有效使用的氢能数据为所有加注枪中流量计记录的加注到氢能源车中的数据。
本实施例中检测到氢气泄露浓度在1%时发出报警信息,监测到氢气泄露的浓度为3%时,自动关闭所有设备的电磁阀或控制阀。
在实际应用中,图2所示的方法还包括下述的步骤204:
204、压缩机、储氢罐和加氢机所在位置的预设范围内设置有多个氢气监测仪,所述氢气监测仪实时向控制系统发送监测信息;所述控制系统根据所述监测信息确定加氢站是否存在氢气泄露。
举例来说,所述压缩机、储氢罐和加氢机所在位置的预设范围内根据高斯正态分布的方式在每一设备的范围内设置多个氢气监测仪,且该设备处于正态分布的中心;
所有的氢气监测仪向控制系统发送监测信息,该监测信息中携带所述氢气监测仪的标识及所对应监测的设备的标识;
所述控制系统针对同一时间接收的所有监测信息,将同一设备对应的监测信息中的监测参数进行放大处理,并滤除噪声,进而滤除噪声后的监测参数乘以各自的调整因子并相加获取第一结果;所述控制系统判断第一结果是否大于预设阈值,若是则向该设备的智能电磁阀发送关闭指令,使得该智能电磁阀关闭当前设备;
其中,距离监测设备30cm范围内各监测仪的调整因子为1,距离监测设备31cm至100cm范围内各监测仪的调整因子为0.5,距离监测设备101cm至200cm范围内各监测仪的调整因子为0.2。
另外,针对上述步骤202中,本实施例中为更好的进行有效氢能的计算,说明如下:
处于高压状态下的氢气,使用理想气体状态方程即克拉伯龙方程容易带来很大的误差,在计算一定容积的压力容器储氢量时,需要使用真实气体状态方程,该方程与压力、环境温度、储氢量均相关。
为此,本实施例中在储氢容量匹配计算时,对理想气体状态方程进行了修正,采用了带有压缩因子的真实气体状态方程来计算。真实气体状态方程描述如下公式(1):
PV=ZmRT 公式(1)
其中:P表示储气压力,单位pa,V表示储气容积,单位m3,Z表示压缩因子,m表示储气质量,单位kg,R表示气体常数,氢气为4214J/(kg·K),T表示储气温度,单位K。
氢气的压缩因子Z是压力P和温度T的函数(如图4、图5所示),Z=f(P,T)=1+αP/T,该公式中α为常数。
本实施例中,选取1MPa-100MPa和223K-373K这一氢气常用温度压力范围内的数据进行拟合,数据采用美国国家标准技术所(NIST)材料性能数据库提供的真实氢气性能数据,如下表1。
表1:常用范围内氢气压缩因子数据
223K | 248K | 273K | 298K | 323K | 348K | 373K | |
1MPa | 1.0069 | 1.0070 | 1.0060 | 1.0060 | 1.0060 | 1.0060 | 1.0060 |
3MPa | 1.0207 | 1.0199 | 1.0190 | 1.0182 | 1.0173 | 1.0166 | 1.0158 |
5MPa | 1.0350 | 1.0334 | 1.0319 | 1.0303 | 1.0288 | 1.0274 | 1.0260 |
10MPa | 1.0727 | 1.0688 | 1.0649 | 1.0613 | 1.0579 | 1.0548 | 1.0519 |
15MPa | 1.1127 | 1.1056 | 1.0990 | 1.0929 | 1.0875 | 1.0825 | 1.0780 |
20MPa | 1.1543 | 1.1435 | 1.1338 | 1.1252 | 1.1175 | 1.1106 | 1.1043 |
25MPa | 1.1972 | 1.1823 | 1.1693 | 1.1579 | 1.1479 | 1.1389 | 1.1309 |
30MPa | 1.2412 | 1.2218 | 1.2053 | 1.1909 | 1.1783 | 1.1673 | 1.1574 |
35MPa | 1.2859 | 1.2619 | 1.2415 | 1.2241 | 1.2091 | 1.1958 | 1.1841 |
40MPa | 1.3310 | 1.3022 | 1.2780 | 1.2574 | 1.2398 | 1.2243 | 1.2107 |
45MPa | 1.3763 | 1.3427 | 1.3147 | 1.2909 | 1.2706 | 1.2529 | 1.2373 |
50MPa | 1.4218 | 1.3833 | 1.3513 | 1.3244 | 1.3014 | 1.2814 | 1.2638 |
60MPa | 1.5128 | 1.4645 | 1.4247 | 1.3913 | 1.3630 | 1.3384 | 1.3169 |
70MPa | 1.6035 | 1.5454 | 1.4976 | 1.4579 | 1.4241 | 1.3950 | 1.3696 |
80MPa | 1.6934 | 1.6257 | 1.5702 | 1.5241 | 1.4849 | 1.4514 | 1.4219 |
90MPa | 1.7824 | 1.7053 | 1.6421 | 1.5897 | 1.5398 | 1.5071 | 1.4738 |
100MPa | 1.8562 | 1.7839 | 1.7132 | 1.6546 | 1.6049 | 1.5623 | 1.5252 |
由此,本实施例中可以获取拟合结果为:
Z=1+1.8922*10-6P/T
为更好的验证,如图6所示的温度为298K下NIST数据与拟合结果对比的示意图,从图6中可以看出,拟合结果和实验数据具有较好的一致习惯,误差在1.2%范围内。
由此,将Z=1+1.8922*10-6P/T代入到公式(1)中,得到公式(3)
m=PV/(TR+1.8922*10-6RP) 公式(3)
式中R=4124.18Nm/kg.k,V为储氢瓶组的水容积,P为储氢瓶组内氢气的压力,T为储氢瓶组内氢气的温度,m表示储气质量。
利用公式(3),可以从三个压力等级的高压储氢储氢瓶组来进行计算,容量的计算与匹配兼顾了高压储氢瓶的产品参数。
在实际应用中,可根据公式(3)计算单个设备中各个设备中有效的氢能数据。
在本实施例中,空气中,氢气爆炸极限是4.0%~75.6%(体积浓度),即如果氢气在空气中的体积浓度在4.0%~75.6%之间时,遇火源就会爆炸,而当氢气浓度小于4.0%或大于75.6%时,即使遇到火源,也不会爆炸。本实施例中通过氢气监测仪监测空气中氢气的体积浓度,控制系统根据氢气监测仪监测的信息,发出不同的预警信息。
本实施例的方法通过实时获取各氢能设备的运行参数,根据流量平衡原理,确定是否发生氢气泄露,保证了设备使用过程中的安全性和可靠性。
实施例二
本发明一实施例提供的加氢站中氢能设备的风险评价方法的流程示意图,本实施例的方法的执行主体可为任一的电子设备或计算机设备,本实施例的方法可包括下述的图中未示出的步骤:
S1、所述控制系统借助于设置在压缩机上的电磁阀获取压缩机的第一运行参数,所述第一运行参数包括:压力、温度、体积和/或流量;
所述控制系统借助于设置在储氢罐上的电磁阀获取储氢罐的第二运行参数,所述第二运行参数包括:压力、温度和/或流量;
所述控制系统借助于加氢机内的控制芯片获取加氢机的第三运行参数,所述第三运行参数包括:温度、压力、功率和/或、流量、电量;
所述控制系统借助于加注枪的控制阀获取加注枪的第四运行参数,所述第四运行参数包括:开启时间、结束时间、加注时的温度、加注的压力和加注时的流量;
所述控制系统通过各连接管道起始位置和结束位置的自动控制阀获取每一连接管道起始位置和结束位置的第五运行参数,所述第五运行参数包括:温度、流量和/或压力。
S2、所述控制系统将同一时间段内各个氢能设备发送的运行参数进行归一化处理,并获取每一氢能设备在该时间段内的变化量;
所述控制系统根据每一设备的变化量,与监测的该设备的进出流量净值是否匹配;
若匹配,且所述监测信息中未监测到氢气时,则确定当前加氢站未发生氢气泄露;
否则,对所有氢能设备中相邻两个设备之间的变化量进行分析,确定氢气泄露的位置信息。
S3、所述控制系统根据所述加注枪周期性上传的第四运行参数,确定在第一预设时间段内加注枪的加氢量;
所述控制系统根据加氢机周期性上传的第三运行参数,确定在第一预设时间段内加氢机的输出氢气的输出流量净值;
所述控制系统判断所述加氢量和输出流量净值的差值是否在预设范围内,若是,则确定加注枪及加氢机、加氢机与加注枪之间的连接管道未发生氢气泄露;
所述控制系统根据储氢罐周期性上传的第二运行参数,确定第一预设时间段内储氢罐的输出氢气的输出量净值;
所述控制系统判断所述输出量净值和所述加氢机内的输入量净值的差值是否在预设范围内,若是,则确定加氢机与储氢罐,加氢机与储氢罐之间的连接管道未发生氢气泄露。
在实际应用中,在压缩机与储氢罐之间的无任何流量,且无新氢气量加入时,获取压缩机间隔多次发送的第二运行参数,将压缩机的各运行参数进行归一化处理,并判断压缩机多次发送时间段之间是否存在氢气泄露。
本实施例的方法充分考虑实际情况的基础上,可使得氢能设施无故障地持续运行,保障各氢能设备随时都可以安全使用。
另外,在其他实施例中,针对本申请实施例中加氢站的各个氢能设备,在使用之前还需要进行如下的风险评估和故障分析:
M1、针对待设计的加氢站,采用大数据仿真方式对超高压高通量压缩机、储氢罐、加氢机和加注枪的设计结构和流量进行评估,获取安全评估结果;
M2、基于安全评估结果,对所述超高压高通量压缩机、储氢罐、加氢机和加注枪的设计结构和流量进行处理,使得处理后的超高压高通量压缩机、储氢罐、加氢机和加注枪的设计结构和流量的安全评估结果达到第一预设阈值以上。
本实施例中的储氢罐为98MPa高压储氢罐,压缩机为90MPa压缩机,即排气压力90MPa,功率18.5kW;加氢机为70MPa加氢机,加注压力70MPa,预设温度:-40℃。
M3、周期性获取超高压高通量压缩机、储氢罐、加氢机和加注枪的运行参数。
举例来说,本实施例中在氢气站的各设备即,容器中均设置有监测仪,进而在使用过程中,可将实时获取的监测信息发送控制系统。
M4、根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算策略,确定整个加氢站是否存在设备故障信息;
本实施例中通过分析研究数据之间的时序性和关联性,以及对过程监控分析,确定设备使用信息及预先预警设备故障信息等。
控制系统根据一段时间内获取的运行参数和有效使用的氢能数据,并结合氢气站的分布结构,并预先建立的故障分析模型,基于可靠性分析方法进行分析,确定整个加氢站是否存在氢气泄露。
在本实施例中建立故障分析模型;并采用历史时间段内存在故障数据的数据训练故障分析模块,且该故障分析模型中能够输出是否故障的信息,以及故障的类别等信息。
可预先根据获取的其他加氢站中历史应用数据,获取样本数据,采用随机森林算法和支持向量机的分类方法对样本数据进行训练,建立故障分析模型。
进而在使用中将所有氢能设备的运行参数和有效使用的氢能数据输入到故障分析模型中,确定是否存在故障及故障类别等信息。
本实施例中通过实时获取各氢能设备的运行参数,根据流量平衡原理,确定是否发生故障或氢气泄露,保证了设备使用过程中的安全性和可靠性。同时,充分考虑实际情况的基础上,可使得氢能设施无故障地持续运行,保障各氢能设备随时都可以安全使用。
实施例三
本实施例的控制系统可以设置在控制室中,也可以设置在云端服务器中,本实施例中不限制控制系统的具体位置,根据实际需要进行配置。
本实施例的控制系统在确定氢气泄露的位置信息之后,向该位置信息临近的电磁阀或控制阀发送关闭指令,以关闭氢气泄露的设备或管道。
进一步地,控制系统还用于获取加氢站中各氢能设备的基本属性参数,判断各氢能设备的使用期限,确定是否发出用于更换设备的预警信息。
需要说明的是,本实施例的控制系统可为一个控制程序,其存储在存储器,处理器执行存储器中的程序,实现执行上述任一实施例的方法。
本发明实施例还提供一种电子设备,该电子设备可集成有控制系统,其用于执行上述的方法。本实施例的电子设备可包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时,实现如上任意所述的方法。
如图3所示,图3所示的电子设备可包括:至少一个处理器41、至少一个存储器42、至少一个网络接口44和/或其他的用户接口43。仿真设备中的各个组件通过总线系统45耦合在一起。可理解,总线系统45用于实现这些组件之间的连接通信。总线系统45除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线系统45。用户接口43可以包括显示器、键盘或者点击设备(例如,鼠标或者触感板等)。
可以理解,本实施例中的存储器42可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(ProgrammableROM,PROM)、可擦除可编程只读存储器(ErasablePROM,EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(StaticRAM,SRAM)、动态随机存取存储器(DynamicRAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM,DRRAM)。本文描述的存储器42旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器42存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统421和应用程序422。
其中,操作系统421,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序422,包含各种应用程序,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序422中。
在本发明实施例中,处理器41通过调用存储器42存储的程序或指令,具体的,可以是应用程序422中存储的程序或指令,处理器41用于执行第一方面所提供的方法步骤。
上述本发明实施例揭示的方法可以应用于处理器41中,或者由处理器41实现。处理器41可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成,以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器42,处理器41读取存储器42中的信息,结合其硬件完成上述方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (8)
1.一种加氢站中氢能设备的风险评价方法,其特征在于,加氢站包括:至少一台压缩机,与所有压缩机进行管道连接的储氢罐,管道连接储氢罐的加氢机,每一加氢机管道连接有多个用于给氢能源车进行加注氢气的加注枪,所述风险评价方法包括:
控制系统获取加氢站中各氢能设备的运行参数,所述运行参数包括:压缩机的运行参数,储氢罐、加氢机和加注枪的运行参数,以及任意相邻两个氢能设备之间的连接管道的运行参数;
所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算策略,确定整个加氢站是否存在氢气泄露;
所述控制系统若存在氢气泄露,按照相邻监测点的数据信息,确定存在氢气泄露的位置信息;
其中,有效使用的氢能数据为所有加注枪中流量计记录的加注到氢能源车中的数据;
所述方法还包括:
所述压缩机、储氢罐和加氢机所在位置的预设范围内设置有多个氢气监测仪,所述氢气监测仪实时向控制系统发送监测信息;
所述控制系统根据所述监测信息确定加氢站是否存在氢气泄露;
或者,
所述压缩机、储氢罐和加氢机所在位置的预设范围内根据高斯正态分布的方式在每一设备的范围内设置多个氢气监测仪,且该设备处于正态分布的中心;
所有的氢气监测仪向控制系统发送监测信息,该监测信息中携带所述氢气监测仪的标识及所对应监测的设备的标识;
所述控制系统针对同一时间接收的所有监测信息,将同一设备对应的监测信息中的监测参数进行放大处理,并滤除噪声,进而滤除噪声后的监测参数乘以各自的调整因子并相加获取第一结果;所述控制系统判断第一结果是否大于预设阈值,若是则向该设备的智能电磁阀发送关闭指令,使得该智能电磁阀关闭当前设备;
其中,距离监测设备30cm范围内各监测仪的调整因子为1,距离监测设备31cm至100cm范围内各监测仪的调整因子为0.5,距离监测设备101cm至200cm范围内各监测仪的调整因子为0.2。
2.根据权利要求1所述的风险评价方法,其特征在于,所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算策略,确定整个加氢站是否存在氢气泄露,包括:
所述控制系统将同一时间段内各个氢能设备发送的运行参数进行归一化处理,并获取每一氢能设备在该时间段内的变化量;
所述控制系统根据每一设备的变化量,与监测的该设备的进出流量净值是否匹配;
若匹配,且所述监测信息中未监测到氢气时,则确定当前加氢站未发生氢气泄露;即∑ΔNi-∑ΔPi≈0,ΔNi表示为第i设备的流入流量即增加的流量,ΔPi表示为第i设备的流出流量即减少的流量;
否则,对所有氢能设备中相邻两个设备之间的变化量进行分析,确定氢气泄露的位置信息。
3.根据权利要求1或2所述的风险评价方法,其特征在于,控制系统获取加氢站中各氢能设备的运行参数,包括:
所述控制系统借助于设置在压缩机上的智能电磁阀获取压缩机的第一运行参数,所述第一运行参数包括:压力、温度、体积和/或流量;
所述控制系统借助于设置在储氢罐上的电磁阀获取储氢罐的第二运行参数,所述第二运行参数包括:压力、温度和/或流量;
所述控制系统借助于加氢机内的控制芯片获取加氢机的第三运行参数,所述第三运行参数包括:温度、压力、功率和/或、流量、电量;
所述控制系统借助于加注枪的控制阀获取加注枪的第四运行参数,所述第四运行参数包括:开启时间、结束时间、加注时的温度、加注的压力和加注过程的流量;
所述控制系统通过各连接管道起始位置和结束位置的自动控制阀获取每一连接管道起始位置和结束位置的第五运行参数,所述第五运行参数包括:温度、流量和/或压力。
4.根据权利要求3所述的风险评价方法,其特征在于,所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算模型,确定整个加氢站是否存在氢气泄露,还包括:
所述控制系统根据所述加注枪周期性上传的第四运行参数,确定在第一预设时间段内加注枪的加氢量;
所述控制系统根据加氢机周期性上传的第三运行参数,确定在第一预设时间段内加氢机的输出氢气的输出流量净值;
所述控制系统判断所述加氢量和输出流量净值的差值是否在预设范围内,若是,则确定加注枪及加氢机、加氢机与加注枪之间的连接管道未发生氢气泄露;
所述控制系统根据储氢罐周期性上传的第二运行参数,确定第一预设时间段内储氢罐的输出氢气的输出量净值;
所述控制系统判断所述输出量净值和所述加氢机内的输入量净值的差值是否在预设范围内,若是,则确定加氢机与储氢罐,加氢机与储氢罐之间的连接管道未发生氢气泄露。
5.根据权利要求3所述的风险评价方法,其特征在于,所述控制系统根据所有氢能设备的运行参数和有效使用的氢能数据,按照氢能运算模型,确定整个加氢站是否存在氢气泄露,还包括:
在压缩机与储氢罐之间的无任何流量,且无新氢气量加入时,获取压缩机间隔多次发送的第二运行参数,将压缩机的各运行参数进行归一化处理,并判断压缩机多次发送时间段之间是否存在氢气泄露。
6.根据权利要求1所述的方法,其特征在于,采用下述公式一计算各个设备中存储的有效的氢能数据;
m=PV/(TR+1.8922*10-6RP) 公式一
式中R=4124.18Nm/kg.k,V为待计算设备中的水容积,P为待计算设备内氢气的压力,T为待计算设备内氢气的温度,m为待计算设备的储气质量。
7.根据权利要求1所述的方法,其特征在于,所述控制系统位于云端服务器内;
和/或,所述方法还包括:
在确定氢气泄露的位置信息之后,所述控制系统向该位置信息临近的电磁阀或控制阀发送关闭指令,以关闭氢气泄露的设备或管道。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
所述控制系统还用于获取加氢站中各氢能设备的基本属性参数,判断各氢能设备的使用期限,确定是否发出用于更换设备的预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110220402.2A CN112819097B (zh) | 2021-02-26 | 2021-02-26 | 一种加氢站中氢能设备的风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110220402.2A CN112819097B (zh) | 2021-02-26 | 2021-02-26 | 一种加氢站中氢能设备的风险评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819097A CN112819097A (zh) | 2021-05-18 |
CN112819097B true CN112819097B (zh) | 2022-07-26 |
Family
ID=75864131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110220402.2A Active CN112819097B (zh) | 2021-02-26 | 2021-02-26 | 一种加氢站中氢能设备的风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819097B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113212251A (zh) * | 2021-06-22 | 2021-08-06 | 北京亿华通科技股份有限公司 | 一种燃料电池车辆的故障诊断和上报方法 |
CN113625601B (zh) * | 2021-07-22 | 2023-02-28 | 上海氢枫能源技术有限公司 | 加氢站的车站气联动控制系统及方法 |
CN113606489B (zh) * | 2021-08-13 | 2022-07-15 | 上海氢枫能源技术有限公司 | 加氢站氢气综合管理方法及系统 |
CN113648802B (zh) * | 2021-09-10 | 2024-01-09 | 南方电网电力科技股份有限公司 | 一种火电机组的烟气脱硫诊断方法及装置 |
CN114912372B (zh) * | 2022-06-17 | 2024-01-26 | 山东黄金矿业科技有限公司充填工程实验室分公司 | 一种基于人工智能算法的高精度充填管路故障预警方法 |
CN116256470B (zh) * | 2023-01-16 | 2023-11-28 | 南京市燃气工程设计院有限公司 | 一种基于加氢站的氢气质量在线分析系统 |
CN116608904B (zh) * | 2023-07-19 | 2023-09-26 | 尚宁智感(北京)科技有限公司 | 一种储氢罐安全状态实时监控方法及系统 |
CN117252556B (zh) * | 2023-11-15 | 2024-02-27 | 北京海德利森科技有限公司 | 一种加氢站安全评估方法及系统 |
CN117516818B (zh) * | 2024-01-04 | 2024-03-22 | 成都渝能能源设备有限公司 | 一种大型储氢罐防泄漏的浓度多向检测系统及其检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005227127A (ja) * | 2004-02-13 | 2005-08-25 | Toyota Motor Corp | ガス漏れ判定装置 |
JP3147413U (ja) * | 2008-10-16 | 2008-12-25 | 功 村上 | 水素貯蔵ステーションにおける水素ガス漏洩検知装置 |
CN105135217A (zh) * | 2015-08-16 | 2015-12-09 | 东北石油大学 | 一种改进的基于小波分析的石油管道泄漏检测方法 |
CN109441547A (zh) * | 2018-12-29 | 2019-03-08 | 煤炭科学技术研究院有限公司 | 一种采掘工作面煤与瓦斯突出实时监测预警系统及方法 |
CN110348094A (zh) * | 2019-07-01 | 2019-10-18 | 中国人民解放军国防科技大学 | 基于影响网络的石油管道泄漏检测方法及系统 |
CN110413030A (zh) * | 2019-08-02 | 2019-11-05 | 上海舜华新能源系统有限公司 | 一种加氢站主控柜的管理系统 |
CN111853535A (zh) * | 2020-07-24 | 2020-10-30 | 上海舜华新能源系统有限公司 | 一种集约式加氢站控制系统及控制方法 |
CN111915850A (zh) * | 2020-06-16 | 2020-11-10 | 西安交通大学 | 一种检测氢气泄露的报警系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180284735A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection in a network sensitive upstream oil and gas environment |
-
2021
- 2021-02-26 CN CN202110220402.2A patent/CN112819097B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005227127A (ja) * | 2004-02-13 | 2005-08-25 | Toyota Motor Corp | ガス漏れ判定装置 |
JP3147413U (ja) * | 2008-10-16 | 2008-12-25 | 功 村上 | 水素貯蔵ステーションにおける水素ガス漏洩検知装置 |
CN105135217A (zh) * | 2015-08-16 | 2015-12-09 | 东北石油大学 | 一种改进的基于小波分析的石油管道泄漏检测方法 |
CN109441547A (zh) * | 2018-12-29 | 2019-03-08 | 煤炭科学技术研究院有限公司 | 一种采掘工作面煤与瓦斯突出实时监测预警系统及方法 |
CN110348094A (zh) * | 2019-07-01 | 2019-10-18 | 中国人民解放军国防科技大学 | 基于影响网络的石油管道泄漏检测方法及系统 |
CN110413030A (zh) * | 2019-08-02 | 2019-11-05 | 上海舜华新能源系统有限公司 | 一种加氢站主控柜的管理系统 |
CN111915850A (zh) * | 2020-06-16 | 2020-11-10 | 西安交通大学 | 一种检测氢气泄露的报警系统及方法 |
CN111853535A (zh) * | 2020-07-24 | 2020-10-30 | 上海舜华新能源系统有限公司 | 一种集约式加氢站控制系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112819097A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819097B (zh) | 一种加氢站中氢能设备的风险评价方法 | |
Correa-Jullian et al. | Data requirements for improving the Quantitative Risk Assessment of liquid hydrogen storage systems | |
CN112484935B (zh) | 车辆加注氢气的泄漏检测系统和方法 | |
CN112966378B (zh) | 一种基于安全评价模型的氢泄露的预测方法及系统 | |
Yu et al. | An integrated gas supply reliability evaluation method of the large-scale and complex natural gas pipeline network based on demand-side analysis | |
CN210719584U (zh) | 车载氢系统检测及加注装置 | |
CN202012742U (zh) | 一种压缩天然气的多级调温调压装置 | |
CN113944888B (zh) | 燃气管道泄漏检测方法、装置、设备和存储介质 | |
KR102329911B1 (ko) | 가스 저장시 사용하기 위한 압력 방출 검출 | |
Galassi et al. | Onboard compressed hydrogen storage: Fast filling experiments and simulations | |
CN116611820B (zh) | 基于智慧燃气物联网的管线故障评估方法与系统 | |
CN113419180A (zh) | 氢燃料电池汽车安全检测方法、设备、存储介质及装置 | |
Uhrig et al. | Reliability of liquid organic hydrogen carrier‐based energy storage in a mobility application | |
CN117495356A (zh) | 基于人机联动的智慧燃气管道维修方法和物联网系统 | |
Kawatsu et al. | Trade-off study between risk and benefit in safety devices for hydrogen refueling stations using a dynamic physical model | |
Klopčič et al. | Modelling hydrogen storage and filling systems: a dynamic and customizable toolkit | |
Hartmann et al. | Hydrogen component leak rate quantification for system risk and reliability assessment through QRA and PHM frameworks | |
Yang et al. | Supply reliability analysis of natural gas pipeline network based on demand-side economic loss risk | |
Oh et al. | Dynamic simulation and optimization of hydrogen fueling operated by n-bank cascade fueling method | |
Zhu et al. | On the hazards of proton exchange membrane (PEM) water electrolysis systems using system theoretic process analysis (STPA) | |
CN111307442A (zh) | 一种减压阀耐久性能测试设备、方法及系统 | |
Pambour et al. | SAInt-a simulation Tool for analyzing the consequences of Natural Gas Supply Disruptions | |
Tian et al. | Optimal operation of water distribution networks under local pipe failures | |
Jinqiu et al. | Accident probability estimation of process safety based on scale effect | |
Matsuk et al. | Regularities of safe control of piston compressor units of mobile compressor stations |
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 |