CN113095552B - 一种海洋平台泄漏可燃气云团体积预测方法及系统 - Google Patents
一种海洋平台泄漏可燃气云团体积预测方法及系统 Download PDFInfo
- Publication number
- CN113095552B CN113095552B CN202110332667.1A CN202110332667A CN113095552B CN 113095552 B CN113095552 B CN 113095552B CN 202110332667 A CN202110332667 A CN 202110332667A CN 113095552 B CN113095552 B CN 113095552B
- Authority
- CN
- China
- Prior art keywords
- leakage
- cloud cluster
- ocean platform
- volume
- combustible
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 86
- 239000007789 gas Substances 0.000 claims abstract description 73
- 239000003345 natural gas Substances 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 238000009792 diffusion process Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000003062 neural network model Methods 0.000 claims description 17
- 239000012530 fluid Substances 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000000149 penetrating effect Effects 0.000 claims description 4
- 238000004880 explosion Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
本发明涉及一种海洋平台泄漏可燃气云团体积预测方法，其特征在于，包括以下内容：1)获取待预测泄漏点的泄漏角度、风速和泄漏质量速率；2)将获取的待预测泄漏点的泄漏角度、风速和泄漏质量速率输入至预先构建的泄漏天然气云团体积预测模型中，得到对应泄漏扩散工况下的可燃气云团体积，其中，泄漏天然气云团体积预测模型根据设定的关键泄漏参数及其模拟得到的可燃气云团体积构建而成，本发明能够获取泄漏天然气云团体积值，进而预测工况范围内任一组合工况条件下的泄漏天然气云团体积值，可以广泛应用于可燃气云团体积预测领域中。
Description
技术领域
本发明涉及一种预测方法及系统，具体是关于一种海洋平台泄漏可燃气云团体积预测方法及系统，属于海洋石油工业安全生产领域。
背景技术
海洋石油工业是中国石油工业的重要组成部分，随着不断加大海洋油气的开发力度，海洋油气产量逐渐成为中国油气产量的重要来源。海洋平台是海洋油气开发的重要装备，据统计，火灾爆炸是海洋平台最严重的事故类型之一。因此，开展海洋平台火灾、爆炸定量风险评价是海洋平台基本设计中重要的安全工作之一。泄漏的可燃气形成的气云是火灾爆炸事故的物质基础，其形成、扩散及其运移对火灾爆炸后果有重要的影响，可燃气云团体积及其分布是开展火灾爆炸事故的基础输入，对火灾爆炸后果有重要的影响。因此，获取泄漏的天然气云团体积是进行火灾爆炸定量后果计算的关键。
目前，在多泄漏扩散工况组合条件下主要采用数值模拟方法获取。但是，目前关于如何获取泄漏天然气云团体积的方法并没有获得统一，很多的模拟方法，以泄漏方向竖直向上为准，然后再设置某风速和方向进行模拟，而其中最大的问题就是没有考虑泄漏方向在水平面上时的情形，使得获取的可燃气云团体积存在不全面和不准确的情况。由于可燃气泄漏的初始动量对可燃气云团体积和分布有重要的影响，泄漏方向与风向就成为影响可燃气云团体积及分布结果的重要影响，而这并没在目前可燃气云团体积的模拟计算中得到很好的应用。因此，需要一种预测方法来获取准确的可燃气云团体积预测值，为潜在火灾爆炸事故定量风险评价提供基础数据。
发明内容
针对上述问题，本发明的目的是提供一种海洋平台泄漏可燃气云团体积预测方法及系统，能够获取准确的可燃气云团体积预测值。
为实现上述目的，本发明采取以下技术方案：一种海洋平台泄漏可燃气云团体积预测方法，包括以下内容：
1)获取待预测泄漏点的泄漏角度、风速和泄漏质量速率；
2)将获取的待预测泄漏点的泄漏角度、风速和泄漏质量速率输入至预先构建的泄漏天然气云团体积预测模型中，得到对应泄漏扩散工况下的可燃气云团体积，其中，泄漏天然气云团体积预测模型根据设定的关键泄漏参数及其模拟得到的可燃气云团体积构建而成。
进一步地，所述步骤2)中泄漏天然气云团体积预测模型的构建过程为：
a)构建海洋平台的二维坐标系；
b)基于构建的二维坐标系，设定关键泄漏参数，并采用计算流体模拟方法，根据设定的关键泄漏参数，模拟得到不同泄漏扩散工况下的可燃气云团体积；
c)根据设定的关键泄漏参数和模拟得到的可燃气云团体积，构建泄漏天然气云团体积预测模型。
进一步地，所述步骤a)的具体过程为：
3.1)以可燃气泄漏点所在的海洋平台层位高程为基准，构建海洋平台的x-y二维坐标系，并选择海洋平台的几何中心为坐标原点O(0,0)；
3.2)将可燃气泄漏点在构建的x-y二维坐标系上进行投影，得到泄漏点坐标P(x0,y0)，并将泄漏点坐标P与坐标原点O连接，得到一条穿过海洋平台中心的线段。
进一步地，所述步骤b)的具体过程为：
4.1)将指向坐标原点O的风向视为最大风向；
4.2)设定风向为该海上平台的主风向，并通过设定不同x和y的坐标值，基于工程精度计算需求，得到可燃气泄漏点的泄漏方向与主风向之间的泄漏角度θ；
4.3)根据海上平台海域的风速范围，设定不同的风速v；
4.4)根据工程实际需求，设定不同的泄漏质量速率Q：
其中，Q为泄漏质量速率；ρ为天然气的密度；v为风速；A为泄漏孔面积即泄漏面积；CD为孔口流量系数；为流速系数；γ为气体的绝热指数；R为理想气体常数；T0为天然气温度；M为天然气分子的摩尔质量；p1为泄漏小孔处天然气压力；p0为泄漏小孔外大气压力；
4.5)采用计算流体模拟方法，根据设定的关键泄漏参数，模拟计算得到不同泄漏扩散工况下的可燃气云团体积V。
进一步地，所述步骤c)的具体过程为：
5.1)将步骤b)中设定的泄漏角度θ、风速v和泄漏质量速率Q作为输入层，模拟得到的可燃气云团体积V作为输出层，构建BP神经网络模型；
5.2)设定构建的BP神经网络模型的计算误差和计算步长，得到泄漏天然气云团体积预测模型。
进一步地，所述步骤5.1)中BP神经网络模型输入层的输入量n为3，BP神经网络模型输出层的参数量m为1，隐含层的节点数h为：
其中，a为常数。
一种海洋平台泄漏可燃气云团体积预测系统，包括：
数据获取模块，用于获取待预测泄漏点的泄漏角度、风速和泄漏质量速率；
可燃气云团体积预测模块，用于将获取的待预测泄漏点的泄漏角度、风速和泄漏质量速率输入至预先构建的泄漏天然气云团体积预测模型中，得到对应泄漏扩散工况下的可燃气云团体积。
进一步地，所述可燃气云团体积预测模块包括：
坐标系构建单元，用于构建海洋平台的二维坐标系；
数据模拟单元，用于基于构建的二维坐标系，设定关键泄漏参数，并采用计算流体模拟方法，根据设定的关键泄漏参数，模拟得到不同泄漏扩散工况下的可燃气云团体积；
模型构建单元，用于根据设定的关键泄漏参数和模拟得到的可燃气云团体积，构建泄漏天然气云团体积预测模型。
一种处理器，包括计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述海洋平台泄漏可燃气云团体积预测方法对应的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述海洋平台泄漏可燃气云团体积预测方法对应的步骤。
本发明由于采取以上技术方案，其具有以下优点：本发明通过有限次的数值模拟，能够获取泄漏天然气云团体积值，进而预测工况范围内任一组合工况条件下的泄漏天然气云团体积值，能够避免每次均开展数值建模、模拟计算等繁琐的工作，大大地减少工作量的同事又能够满足工作要求，极大地提升工作效率，可以广泛应用于海洋石油工业安全生产领域中。
附图说明
图1是本发明一实施例提供的构建的二维坐标系的示意图；
图2是本发明一实施例提供的构建的BP神经网络模型的模型结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，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方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，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。
应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。
尽管可以在文中使用术语第一、第二、第三等来描述多个元件、部件、区域、层和/或部段，但是，这些元件、部件、区域、层和/或部段不应被这些术语所限制。这些术语可以仅用来将一个元件、部件、区域、层或部段与另一区域、层或部段区分开。除非上下文明确地指出，否则诸如“第一”、“第二”之类的术语以及其它数字术语在文中使用时并不暗示顺序或者次序。因此，以下讨论的第一元件、部件、区域、层或部段在不脱离示例实施方式的教导的情况下可以被称作第二元件、部件、区域、层或部段。
为了便于描述，可以在文中使用空间相对关系术语来描述如图中示出的一个元件或者特征相对于另一元件或者特征的关系，这些相对关系术语例如为“内部”、“外部”、“内侧”、“外侧”、“下面”、“上面”等。这种空间相对关系术语意于包括除图中描绘的方位之外的在使用或者操作中装置的不同方位。
本发明实施例提供的海洋平台泄漏可燃气云团体积预测方法及系统通过获取不同泄漏方向与风向夹角、风速、泄漏质量速率、泄漏时长等泄漏扩散关键因素条件下的可燃气云团体积值数据库，引入BP神经网络算法预测任一工况条件下的可燃气云团体积，并结合风频数据，获取可燃气云团体积的分布频率，为海洋平台火灾/爆炸后果定量评价提供基础输入。
实施例1
本实施例提供一种海洋平台泄漏可燃气云团体积预测方法，包括以下步骤：
1)构建海洋平台的二维坐标系，具体为：
1.1)以可燃气泄漏点所在的海洋平台层位高程为基准，构建海洋平台的x-y二维坐标系，将海洋平台的形状近似为矩形，选择海洋平台的几何中心为坐标原点O(0,0)。
1.2)如图1所示，将可燃气泄漏点在构建的x-y二维坐标系上进行投影，得到泄漏点坐标P(x0,y0)，并将泄漏点坐标P与坐标原点O连接，得到一条穿过海洋平台中心的线段，该线段所在的直线则为穿心线。
2)基于构建的二维坐标系，设定关键泄漏参数，并采用计算流体模拟方法，根据设定的关键泄漏参数，模拟得到不同泄漏扩散工况下的可燃气云团体积，其中，关键泄漏参数包括泄漏角度、风速和泄漏质量速率，具体为：
2.1)将指向坐标原点O的风向视为最大风向。最大风向可以这么理解，从理论上看，可燃气云团沿着穿心线方向运动，扫掠过海洋平台的范围和面积最大，因此，在指向坐标原点O的风向上，可燃气云团会最大程度地扩散到海洋平台上。
2.2)设定风向为该海上平台的主风向(主风向即为主导风向，是一年中来风时间累计最长的方向，可以通过海域的气象数据获取)，并通过设定不同x和y坐标值(忽略z轴方向上的坐标值)，基于工程精度计算需求，得到可燃气泄漏点的泄漏方向与主风向之间的夹角即泄漏夹角θ，可燃气的泄漏夹角范围为[0°,360°]。根据工程精度计算需求，将泄漏夹角θ的最大值均等分，以泄漏夹角θ的等份额为45°为例，可将泄漏夹角θ分别设定为0°、45°、90°、180°、135°、225°、270°和315°。
2.3)根据海上平台海域的风速范围进行等差选取，设定不同的风速v。以海上平台常见的风速范围[1m/s,15m/s]为例，可将风速v分别设定为1m/s、3m/s、5m/s、7m/s、9m/s、11m/s、13m/s和15m/s。
2.4)根据工程实际需求，设定不同的泄漏质量速率Q。以海上平台可燃气泄漏量的泄漏质量流量范围[0kg/s,128kg/s]为例,可将泄漏质量流量分别设定为4kg/s、8kg/s、16kg/s、32kg/s、48kg/s、64kg/s、92kg/s和128kg/s。其中，泄漏质量速率Q为：
其中，Q为质量流量即泄漏质量速率，单位为kg/s；ρ为天然气的密度，单位为kg/m3；A为泄漏孔面积即泄漏面积，单位为m2；CD为孔口流量系数，一般流量系数取值范围在0.6～1.0之间，按照泄漏孔的形状可分为圆形孔：CD＝1.0，三角孔CD＝0.95，长形孔CD＝0.90，当孔口为内层腐蚀形成的渐缩孔(钝角入口)时0.9<CD<1.0，当孔口为外力机械损伤形成渐扩孔(钝角入口)时0.6<CD<0.9；为流速系数，为实际流速与理论流速之比，一般取值为0.97～0.9；γ为气体的绝热指数，即定压热容与定容热容之比；R为理想气体常数，单位为J/(mol·℃)；T0为天然气温度，单位为℃；M为天然气分子的摩尔质量，单位为kg/mol；p1为泄漏小孔处天然气压力，单位为Pa；p0为泄漏小孔外大气压力，单位为Pa。
2.5)采用计算流体模拟方法，根据设定的关键泄漏参数，模拟计算得到不同泄漏扩散工况(即关键泄漏参数排列组合工况)下的可燃气云团体积V，其中，计算流体模拟方法可以采用现有技术公开的方法或系统，例如KFX软件，具体过程在此不多做赘述。
3)根据上述模拟得到的可燃气云团体积，构建可燃气云团值数据库，通过该数据库，可以获取既定的一组泄漏扩散工况下的可燃气云团体积V。
4)根据步骤2)中设定的关键泄漏参数和模拟得到的可燃气云团体积，构建泄漏天然气云团体积预测模型，以对泄漏夹角、风速、泄漏质量流量等关键泄漏参数取值范围内的任一泄漏扩散工况下的可燃气云团体积进行预测，具体为：
4.1)将步骤2)中设定的泄漏角度θ、风速v和泄漏质量速率Q作为输入层，模拟得到的可燃气云团体积V作为输出层，构建BP神经网络模型，其中，BP神经网络模型输入层的输入量n为3，BP神经网络模型输出层的参数量m为1，隐含层的节点数h为：
其中，a为常数，取值为1～10，可以根据实际情况进行设定，但是一般隐含层数大于输入层数，例如a为3。
因此，构建的BP神经网络模型的网络结构为(3,5,1)，模型结构如图2所示。
4.2)设定构建的BP神经网络模型的计算误差(例如10-3级别)和计算步长，得到稳定的BP神经网络模型的网络结构，形成一定预测精度的泄漏天然气云团体积预测模型。
5)获取待预测泄漏点的泄漏角度θ、风速v和泄漏质量速率Q并输入至预先构建的泄漏天然气云团体积预测模型中，得到对应泄漏扩散工况下的可燃气云团体积V。另外，海洋的风速和风向呈现明显的季节性特征，具有一定的分布频率，结合海洋平台所在海域的风玫瑰图、风速和风向等统计数据，可以得到特定泄漏扩散工况条件下可燃气云团体积V的频率分布情况。
实施例2
本实施例提供一种海洋平台泄漏可燃气云团体积预测系统，包括：
数据获取模块，用于获取待预测泄漏点的泄漏角度、风速和泄漏质量速率。
可燃气云团体积预测模块，用于将获取的待预测泄漏点的泄漏角度、风速和泄漏质量速率输入至预先构建的泄漏天然气云团体积预测模型中，得到对应泄漏扩散工况下的可燃气云团体积。
在一个优选的实施例中，可燃气云团体积预测模块包括：
坐标系构建单元，用于构建海洋平台的二维坐标系。
数据模拟单元，用于基于构建的二维坐标系，设定关键泄漏参数，并采用计算流体模拟方法，根据设定的关键泄漏参数，模拟得到不同泄漏扩散工况下的可燃气云团体积。
模型构建单元，用于根据设定的关键泄漏参数和模拟得到的可燃气云团体积，构建泄漏天然气云团体积预测模型。
实施例3
本实施例提供一种与本实施例1所提供的海洋平台泄漏可燃气云团体积预测方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在处理器上运行的计算机程序，处理器运行计算机程序时执行本实施例1所提供的海洋平台泄漏可燃气云团体积预测方法。
在一些实现中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实现中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。
实施例4
本实施例1的海洋平台泄漏可燃气云团体积预测方法可被具体实现为一种计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的海洋平台泄漏可燃气云团体积预测方法的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (5)
1.一种海洋平台泄漏可燃气云团体积预测方法，其特征在于，包括以下内容：
1)获取待预测泄漏点的泄漏角度、风速和泄漏质量速率；
2)将获取的待预测泄漏点的泄漏角度、风速和泄漏质量速率输入至预先构建的泄漏天然气云团体积预测模型中，得到对应泄漏扩散工况下的可燃气云团体积，其中，泄漏天然气云团体积预测模型根据设定的关键泄漏参数及其模拟得到的可燃气云团体积构建而成；
所述步骤2)中泄漏天然气云团体积预测模型的构建过程为：
a)构建海洋平台的二维坐标系，具体过程为：
3.1)以可燃气泄漏点所在的海洋平台层位高程为基准，构建海洋平台的x-y二维坐标系，并选择海洋平台的几何中心为坐标原点O(0,0)；
3.2)将可燃气泄漏点在构建的x-y二维坐标系上进行投影，得到泄漏点坐标P(x0,y0)，并将泄漏点坐标P与坐标原点O连接，得到一条穿过海洋平台中心的线段；
b)基于构建的二维坐标系，设定关键泄漏参数，并采用计算流体模拟方法，根据设定的关键泄漏参数，模拟得到不同泄漏扩散工况下的可燃气云团体积，具体过程为：
4.1)将指向坐标原点O的风向视为最大风向；
4.2)设定风向为该海洋平台的主风向，并通过设定不同x和y的坐标值，基于工程精度计算需求，得到可燃气泄漏点的泄漏方向与主风向之间的泄漏角度θ；
4.3)根据海洋平台海域的风速范围，设定不同的风速v；
4.4)根据工程实际需求，设定不同的泄漏质量速率Q：
其中，Q为泄漏质量速率；ρ为天然气的密度；v为风速；A为泄漏孔面积即泄漏面积；CD为孔口流量系数；为流速系数；γ为气体的绝热指数；R为理想气体常数；T0为天然气温度；M为天然气分子的摩尔质量；p1为泄漏小孔处天然气压力；p0为泄漏小孔外大气压力；
4.5)采用计算流体模拟方法，根据设定的关键泄漏参数，模拟计算得到不同泄漏扩散工况下的可燃气云团体积V；
c)根据设定的关键泄漏参数和模拟得到的可燃气云团体积，构建泄漏天然气云团体积预测模型，具体过程为：
5.1)将步骤b)中设定的泄漏角度θ、风速v和泄漏质量速率Q作为输入层，模拟得到的可燃气云团体积V作为输出层，构建BP神经网络模型；
5.2)设定构建的BP神经网络模型的计算误差和计算步长，得到泄漏天然气云团体积预测模型。
2.如权利要求1所述的一种海洋平台泄漏可燃气云团体积预测方法，其特征在于，所述步骤5.1)中BP神经网络模型输入层的输入量n为3，BP神经网络模型输出层的参数量m为1，隐含层的节点数h为：
其中，a为常数。
3.一种海洋平台泄漏可燃气云团体积预测系统，其特征在于，包括：
数据获取模块，用于获取待预测泄漏点的泄漏角度、风速和泄漏质量速率；
可燃气云团体积预测模块，用于将获取的待预测泄漏点的泄漏角度、风速和泄漏质量速率输入至预先构建的泄漏天然气云团体积预测模型中，得到对应泄漏扩散工况下的可燃气云团体积，其中，泄漏天然气云团体积预测模型根据设定的关键泄漏参数及其模拟得到的可燃气云团体积构建而成；
所述可燃气云团体积预测模块包括：
坐标系构建单元，用于构建海洋平台的二维坐标系，具体过程为：
以可燃气泄漏点所在的海洋平台层位高程为基准，构建海洋平台的x-y二维坐标系，并选择海洋平台的几何中心为坐标原点O(0,0)；
将可燃气泄漏点在构建的x-y二维坐标系上进行投影，得到泄漏点坐标P(x0,y0)，并将泄漏点坐标P与坐标原点O连接，得到一条穿过海洋平台中心的线段；
数据模拟单元，用于基于构建的二维坐标系，设定关键泄漏参数，并采用计算流体模拟方法，根据设定的关键泄漏参数，模拟得到不同泄漏扩散工况下的可燃气云团体积，具体过程为：
将指向坐标原点O的风向视为最大风向；
设定风向为该海洋平台的主风向，并通过设定不同x和y的坐标值，基于工程精度计算需求，得到可燃气泄漏点的泄漏方向与主风向之间的泄漏角度θ；
根据海洋平台海域的风速范围，设定不同的风速v；
根据工程实际需求，设定不同的泄漏质量速率Q：
其中，Q为泄漏质量速率；ρ为天然气的密度；v为风速；A为泄漏孔面积即泄漏面积；CD为孔口流量系数；为流速系数；γ为气体的绝热指数；R为理想气体常数；T0为天然气温度；M为天然气分子的摩尔质量；p1为泄漏小孔处天然气压力；p0为泄漏小孔外大气压力；
采用计算流体模拟方法，根据设定的关键泄漏参数，模拟计算得到不同泄漏扩散工况下的可燃气云团体积V；
模型构建单元，用于根据设定的关键泄漏参数和模拟得到的可燃气云团体积，构建泄漏天然气云团体积预测模型，具体过程为：
将步骤b)中设定的泄漏角度θ、风速v和泄漏质量速率Q作为输入层，模拟得到的可燃气云团体积V作为输出层，构建BP神经网络模型；
设定构建的BP神经网络模型的计算误差和计算步长，得到泄漏天然气云团体积预测模型。
4.一种处理器，其特征在于，包括计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1-2中任一项所述的海洋平台泄漏可燃气云团体积预测方法对应的步骤。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1-2中任一项所述的海洋平台泄漏可燃气云团体积预测方法对应的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110332667.1A CN113095552B (zh) | 2021-03-29 | 2021-03-29 | 一种海洋平台泄漏可燃气云团体积预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110332667.1A CN113095552B (zh) | 2021-03-29 | 2021-03-29 | 一种海洋平台泄漏可燃气云团体积预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113095552A CN113095552A (zh) | 2021-07-09 |
| CN113095552B true CN113095552B (zh) | 2023-12-26 |
Family
ID=76670578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110332667.1A Active CN113095552B (zh) | 2021-03-29 | 2021-03-29 | 一种海洋平台泄漏可燃气云团体积预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113095552B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116797051B (zh) * | 2023-08-24 | 2023-11-14 | 青岛海洋地质研究所 | 基于多距离空间聚类分析的海洋碳泄漏点数量的评估方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914622A (zh) * | 2014-04-04 | 2014-07-09 | 清华大学 | 一种化学品泄漏快速预测预警应急响应决策方法 |
| CN106934524A (zh) * | 2017-02-15 | 2017-07-07 | 中国石油化工股份有限公司 | 一种海洋油气平台爆炸事故后果量化评估方法 |
| CN109190828A (zh) * | 2018-09-07 | 2019-01-11 | 苏州大学 | 泄漏气体浓度分布确定方法、装置、设备及可读存储介质 |
| CN109359833A (zh) * | 2018-09-27 | 2019-02-19 | 中国石油大学(华东) | 一种基于abc-brann模型的海洋平台燃爆风险分析方法 |
| CN110398320A (zh) * | 2019-07-09 | 2019-11-01 | 北京讯腾智慧科技股份有限公司 | 一种易于持续优化的燃气泄漏检测定位方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190303648A1 (en) * | 2018-04-02 | 2019-10-03 | QRI Group, LLC | Smart surveillance and diagnostic system for oil and gas field surface environment via unmanned aerial vehicle and cloud computation |
-
2021
- 2021-03-29 CN CN202110332667.1A patent/CN113095552B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914622A (zh) * | 2014-04-04 | 2014-07-09 | 清华大学 | 一种化学品泄漏快速预测预警应急响应决策方法 |
| CN106934524A (zh) * | 2017-02-15 | 2017-07-07 | 中国石油化工股份有限公司 | 一种海洋油气平台爆炸事故后果量化评估方法 |
| CN109190828A (zh) * | 2018-09-07 | 2019-01-11 | 苏州大学 | 泄漏气体浓度分布确定方法、装置、设备及可读存储介质 |
| CN109359833A (zh) * | 2018-09-27 | 2019-02-19 | 中国石油大学(华东) | 一种基于abc-brann模型的海洋平台燃爆风险分析方法 |
| CN110398320A (zh) * | 2019-07-09 | 2019-11-01 | 北京讯腾智慧科技股份有限公司 | 一种易于持续优化的燃气泄漏检测定位方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张忆 ; 龚志千.基于BP神经网络的气体管道泄漏检测方法.《 电子设计工程》.2020,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113095552A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657418B (zh) | 一种基于mike21的湖泊水环境容量计算方法 | |
| CN104834017A (zh) | 一种有毒有害气体泄漏扩散事故源定位方法 | |
| CN106875488A (zh) | 一种反射面天线面板风压系数数值模拟方法 | |
| CN112711899B (zh) | 一种蒸发波导高度的融合预测方法 | |
| CN108920786B (zh) | 一种基于切比雪夫多项式拟合的区间不确定性分析方法 | |
| CN104933291B (zh) | 基于网函数插值的卫星测高数据平均海面高产品制作方法 | |
| CN108805350A (zh) | 基于多维蒙特卡洛理论的搜救范围预测方法 | |
| CN113532397B (zh) | 一种基于扩展算法的分区域高程异常拟合方法 | |
| CN113095552B (zh) | 一种海洋平台泄漏可燃气云团体积预测方法及系统 | |
| CN103278115A (zh) | 一种基于dem计算淤地坝淤积量的方法及系统 | |
| CN110569514A (zh) | 一种危化品泄漏污染范围的确定方法 | |
| CN114936501B (zh) | 针对立式储油罐在风压下的填充度评估方法及装置 | |
| CN115238553B (zh) | 一种地埋管线渗漏浸蚀的危险区域划分方法和系统 | |
| CN110377953B (zh) | 一种基于并行模式下的风暴潮精细化模拟方法 | |
| Wang et al. | Three-dimensional flood routing of a dam break based on a high-precision digital model of a dense urban area | |
| CN110135069A (zh) | 输水隧洞输水时的泥沙特征获取方法、装置、计算机设备 | |
| GB2472675A (en) | Virtual reservoir sensor | |
| de Macêdo Wahrhaftig et al. | Using computational fluid dynamics to improve the drag coefficient estimates for tall buildings under wind loading | |
| Pérez-Ortiz et al. | A systematic approach to undertake tidal energy resource assessment with Telemac-2D | |
| CN110378023B (zh) | 屋面降雨径流模拟方法、装置、计算机设备和存储介质 | |
| CN117114755A (zh) | 站场选址优化方法、装置、计算机设备及可读存储介质 | |
| CN109241579B (zh) | 一种考虑流体附加质量多维空间瞬变特性的快速建模方法 | |
| CN111079330A (zh) | 一种考虑流固耦合效应的大跨度膜结构抗风设计方法 | |
| CN113837451B (zh) | 油气管道的数字孪生体构建方法、装置、设备及存储介质 | |
| Puente et al. | Automatic shape optimization of a hydraulic turbine draft tube |
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 |