CN113591624A - 一种基于统计分析的lng卸车风险预测方法及评估系统 - Google Patents

一种基于统计分析的lng卸车风险预测方法及评估系统 Download PDF

Info

Publication number
CN113591624A
CN113591624A CN202110803874.0A CN202110803874A CN113591624A CN 113591624 A CN113591624 A CN 113591624A CN 202110803874 A CN202110803874 A CN 202110803874A CN 113591624 A CN113591624 A CN 113591624A
Authority
CN
China
Prior art keywords
risk
unloading
lng
tank car
value
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
Application number
CN202110803874.0A
Other languages
English (en)
Inventor
梁雪
褚洪涛
宋志豪
王家超
孙吉
童随兵
周顺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao New Austrian Jiaonan Gas Co ltd
Original Assignee
Qingdao New Austrian Jiaonan Gas Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao New Austrian Jiaonan Gas Co ltd filed Critical Qingdao New Austrian Jiaonan Gas Co ltd
Priority to CN202110803874.0A priority Critical patent/CN113591624A/zh
Publication of CN113591624A publication Critical patent/CN113591624A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Filling Or Discharging Of Gas Storage Vessels (AREA)

Abstract

本发明提供了一种基于统计分析的LNG卸车风险预测方法及评估系统，涉及数据处理和风险预测技术领域。该方法包括：确定安全卸车规范操作的环节，从LNG卸车视频监控系统的动作视频中进行抽帧处理，得到卸车风险事件的图片数据，利用图片对LNG卸车风险评估模型进行训练，并优化风险识别模型；确定卸车风险中瞬态风险因子和稳态风险因子导致LNG泄漏，进而引发槽车爆炸事故的风险值，并计算总风险值；根据总风险值判断卸车风险等级，根据风险等级采取风险干预措施。该方法应用于LNG卸车的视频监控系统中，有利于LNG卸车风险的管控，实现了风险量化分析，为卸车风险的预防和干预提供了依据，另外该方法还具有科学、精准、高效等优点。

Description

一种基于统计分析的LNG卸车风险预测方法及评估系统
技术领域
本发明涉及数据处理和风险预测技术领域，尤其是一种基于统计分析的LNG卸车风险预测方法及评估系统。
背景技术
液化天然气(LNG)作为一种高效的清洁能源，受到工业和民用领域的广泛重视与发展。近年来，LNG产业迎来了高速发展的机遇，LNG虽然具有很多使用优势，但因LNG具有易燃、易爆的危险属性，导致它在生产、存储和运输过程中会对相关人员和周围环境带来诸多潜在的安全隐患。尤其是LNG在转储过程中的卸车环节极易因为人为不当操作导致LNG泄漏，进而引发槽车爆炸事故。因此，在LNG卸车过程中对其卸车风险进行量化、评估和预测具有十分重要的意义。
随着液化天然气的广泛使用，LNG卸车场站日益增多，但LNG卸车场站的设计与运行还处于起步阶段。卸车场站的卸车设备、槽车车况及相关卸车技术和卸车安全评价机制等方面的发展还很不成熟，LNG卸车操作标准很不规范。另外，由于LNG卸车场站一般位于车流密集、交通便利的场所，周围人员流动性大，LNG卸车风险管理不到位，极易发生泄漏事故，严重时还会造成重大人员伤亡和财产损失。目前，城市燃气企业的LNG卸车风险主要依靠人员巡检和卸车动作拍照上传的方式加以管控。这种监管方式具有随意性、落后性和滞后性，很难实时地约束规范的LNG卸车操作。
发明内容
为了，方便LNG卸车风险的管控，实现了卸车过程中的风险量化分析，可靠的约束规范LNG卸车操作，本发明提供了一种基于统计分析的LNG卸车风险预测方法及评估系统，具体的技术方案如下。
一种基于统计分析的LNG卸车风险预测方法，步骤包括：
S1.确定安全卸车规范操作的环节，以及LNG卸车过程中的卸车风险因子；
S2.对LNG卸车的动作视频中进行抽帧处理，得到卸车风险事件的图片数据；
S3.利用图片数据对LNG卸车风险评估模型进行训练，并优化风险识别模型；
S4.确定卸车风险中瞬态风险因子和稳态风险因子导致LNG泄漏，进而引发槽车爆炸事故的风险值，并计算总卸车风险值；
S5.根据总风险值判断卸车风险等级，根据风险等级采取风险干预措施。
优选的是，安全卸车规范操作的环节包括：槽车进站，槽车停放，卸车作业，卸车完成，槽车出站。
优选的是，卸车风险因子中的关键卸车事件包括：
A1槽车进站，检测槽车是否进入槽车停车位；
B1槽车出站，检测槽车是否驶出槽车停车位；
C1车牌识别，识别停车位内槽车车牌号码；
D1对接软管，安装槽车出液管、增压气相管及液相管；
E1拆卸软管，拆下槽车出液管、增压气相管及液相管。
还优选的是，卸车风险因子中的卸车人员的作业习惯事件包括：
A2人员防护，B2垫三角木，C2收车钥匙，D2立警示牌，E2静电接地，F2管漏检测，G2软管收纳。
还优选的是，卸车风险因子中司机的行为习惯事件包括：A3人证合一，B3车门检测，C3司机守护；卸车风险因子中的槽车设备状况事件包括：A4车漏检测，B4仪表检测。
进一步优选的是，卸车风险中瞬态风险因子包括：B2垫三角木，C2收车钥匙，D2立警示牌，E2静电接地，F2管漏检测，A3人证合一，G2软管收纳，A4车漏检测，A2人员防护；
瞬态风险因子引发槽车爆炸事故的风险值分别为：
没有垫三角木的风险概率值为PB2，没有收车钥匙的风险概率值为PC2，没有立警示牌的风险概率值为PD2，没有静电接地的风险概率值为PE2，无管漏检测的风险概率值PF2，人证不一致的风险概率值为PA3，无软管收纳的风险概率值为PG2，没有进行车漏检测的风险概率值为PA4，卸车人员没有穿防护服的风险值为PA21，卸车人员没有戴安全帽的风险值为PA22，卸车人员没有戴手套导致冻伤的风险值为PA23。
进一步优选的是，卸车风险中的稳态风险因子包括：B3车门检测，C3司机守护；其中槽车司机多次开门的风险值计算具体为：第一次开门风险值为SB3＝PB3，第二次开门的风险值为SB3＝(1-PB3)PB3＝PB3-PB3 2，第三次开门的风险值为SB3＝[1-(1-PB3)PB3]PB3＝PB3-PB3 2-PB3 3；第n次开门的风险值为
Figure BDA0003165570790000021
其中槽车司机离岗的的风险值计算具体为：
Figure BDA0003165570790000022
其中t1表示司机离开槽车尾部的时间，tC3表示司机回到槽车尾部的时间，pC3(t)表示待拟合的风险函数。
进一步优选的是，总卸车风险值为p＝1-ΠSB3*SC3*pB2*pC2…*pA23；根据总卸车风险值将卸车风险等级划分为一级事故，二级事故和三级事故，事故等级破坏性依次降低。
进一步优选的是，卸车风险包括三个风险源：卸车人员作业习惯、司机行为习惯和卸车设备状况；分别计算三个风险源的风险值：
卸车人员作业习惯的风险值p1＝1-pA2*pB2*pC2*pD2*pE2*pF2*pG2；
司机行为习惯的风险值p2＝1-pA3*pB3*pC3；
卸车设备状况的风险值p3＝1-pA4*pB4*pC4。
一种基于统计分析的LNG卸车风险预测评估系统，包括监控单元和计算机单元，监控单元包括监控视频，监控视频将监控信息传输至计算机单元；计算机单元包括存储器和处理器，所述储存器用于存储计算机程序和统计数据，所述处理器用于执行所述计算机程序时实现上述一种基于统计分析的LNG卸车风险预测方法的各个步骤。
本发明提供的一种基于统计分析的LNG卸车风险预测方法及评估系统有益效果包括：
(1)该方法对LNG卸车规范的步骤进行了总结梳理，确定了可能导致LNG泄露、槽车爆炸和人身伤害的卸车风险因子，并将其量化，方便了总卸车风险值的计算。
(2)LNG卸车风险评估模型根据瞬态风险因子和稳态风险因子对卸车风险进行判断，建模并对模型进行训练和优化，利用该模型直接对监控视频中的卸车风险进行预测，并可以根据预测采取相应的风险干预措施。
(3)该方法将LNG卸车风险因子为三类：卸车员作业相关风险因子，槽车司机行为习惯相关卸车风险因子，以及卸车设备状况相关风险因子。并对三类卸车风险分别计算其卸车风险值，这为卸车风险干预措施提供了理论依据。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是安全卸车规范操作流程图；
图2是LNG卸车风险组成示意图。
具体实施方式
结合图1和图2所示，对本发明提供的一种基于统计分析的LNG卸车风险预测方法及评估系统具体实施方式进行说明。
一种基于统计分析的LNG卸车风险预测方法，步骤包括：
S1.确定安全卸车规范操作的环节，以及LNG卸车过程中的卸车风险因子。
其中安全卸车规范操作的环节包括：槽车进站，槽车停放，卸车作业，卸车完成，槽车出站；各个卸车环节的卸车动作按时间先后顺序依次进行。具体的是：槽车进站，槽车司机出示各类证件信息是否符合规范，同时填写进站危险化学品运算车辆检查及安全协议书，随后卸车人员穿好防护服、带好防护面罩和手套准备卸车。槽车停放，卸车人员在槽车两侧前后车轮垫放三角木，防止卸车过程中因槽车滑行而引发LNG泄漏风险；随后卸车人员收取槽车司机的车钥匙并在车头放置“静止启动”警示牌，从树立卸车警示牌到卸车软管拆除期间，系统实时检测司机是否守在车尾、车门是否打开。卸车作业，开始卸车作业后系统检测卸车员是否对槽车做静电接地、检测槽车阀门及安全阀是否泄漏液化气；槽车司机需要依次拆除槽车盲板、启动LNG泄漏报警器；卸车人员依次拆除软管盲板、装出液管、增压气相、液相管，开启增压液相阀门、开启放散、增压预冷、观察槽车LNG压力是否在0.5-0.6MPa、开启卸车进液阀门；最后卸车员开启出液阀门开始卸液。卸车完成，卸车人员将依次关闭槽车出液阀门、关闭进液管道阀门、对槽车出液管道放散排压、开启BOG管道阀门、启动BOG压缩机对槽车进行余压回收、观察槽车压力是否下降到0.3MPa左右，拆下槽车出液管、增压气相及液相管；然后卸车员将出液软管放入收纳盒内。槽车出站，完成LNG卸车操作后，槽车司机驾驶槽车出站离开。
卸车风险因子中的关键卸车事件包括：
A1槽车进站，检测槽车是否进入槽车停车位；
B1槽车出站，检测槽车是否驶出槽车停车位；
C1车牌识别，识别停车位内槽车车牌号码；
D1对接软管，安装槽车出液管、增压气相管及液相管；
E1拆卸软管，拆下槽车出液管、增压气相管及液相管。
卸车风险因子中的卸车人员的作业习惯事件包括：A2人员防护，B2垫三角木，C2收车钥匙，D2立警示牌，E2静电接地，F2管漏检测，G2软管收纳。
卸车风险因子中司机的行为习惯事件包括：A3人证合一，B3车门检测，C3司机守护；卸车风险因子中的槽车设备状况事件包括：A4车漏检测，B4仪表检测。
S2.对LNG卸车的动作视频中进行抽帧处理，得到卸车风险事件的图片数据。
其中为了规范LNG卸车场站及各类安全卸车动作，安装LNG卸车视频监控系统，采集LNG卸车现场动作视频，对视频进行抽帧，进而获取到各类卸车风险事件的图片数据。
S3.利用图片数据对LNG卸车风险评估模型进行训练，并优化风险识别模型。
具体是利用获得的卸车风险事件图片数据对卸车监控系统用到的OCR识别、人脸识别与通用目标检测算法模型进行训练，采用优化后的模型识别卸车风险事件。
S4.确定卸车风险中瞬态风险因子和稳态风险因子导致LNG泄漏，进而引发槽车爆炸事故的风险值，并计算总卸车风险值。
S5.根据总风险值判断卸车风险等级，根据风险等级采取风险干预措施。
卸车风险中瞬态风险因子包括：B2垫三角木，C2收车钥匙，D2立警示牌，E2静电接地，F2管漏检测，A3人证合一，G2软管收纳，A4车漏检测，A2人员防护；
根据LNG卸车风险因子可能产生的不良后果，对其风险程度进行数学建模，各类卸车风险因子待拟合的风险值与风险函数进行定义。其中，瞬态风险因子引发槽车爆炸事故的风险值分别为：
没有垫三角木的风险概率值为PB2，没有收车钥匙的风险概率值为PC2，没有立警示牌的风险概率值为PD2，没有静电接地的风险概率值为PE2，无管漏检测的风险概率值PF2，人证不一致的风险概率值为PA3，无软管收纳的风险概率值为PG2，没有进行车漏检测的风险概率值为PA4，卸车人员没有穿防护服的风险值为PA21，卸车人员没有戴安全帽的风险值为PA22，卸车人员没有戴手套导致冻伤的风险值为PA23。
卸车风险中的稳态风险因子包括：B3车门检测，C3司机守护；其中槽车司机多次开门的风险值计算具体为：第一次开门风险值为SB3＝PB3，第二次开门的风险值为SB3＝(1-PB3)PB3＝PB3-PB3 2，第三次开门的风险值为SB3＝[1-(1-PB3)PB3]PB3＝PB3-PB3 2-PB3 3；第n次开门的风险值为
Figure BDA0003165570790000051
其中槽车司机离岗的的风险值计算具体为：
Figure BDA0003165570790000052
其中t1表示司机离开槽车尾部的时间，tC3表示司机回到槽车尾部的时间，pC3(t)表示待拟合的风险函数。
总卸车风险值为p＝1-ΠSB3*SC3*pB2*pC2…*pA23；根据总卸车风险值将卸车风险等级划分为一级事故，二级事故和三级事故，事故等级破坏性依次降低。其中具体的是：一级事故，该类事故主要指卸车过程中由于违规操作导致LNG泄漏，进而引起槽车爆炸，导致人员死亡的特大卸车事故。二级事故，该类事故主要指卸车过程中由于违规操作导致LNG泄漏，进而引发火灾或槽车爆炸，造成一定的经济损失，但未引起人员死亡的重大卸车事故。三级事故，该类事故主要指卸车过程中由于违规操作导致LNG泄漏和人员受伤的卸车事故。
依据LNG卸车风险因子的根本来源对其进行归类，LNG卸车风险包括三个风险源：卸车人员作业习惯、司机行为习惯和卸车设备状况；其中分别计算三个风险源的风险值：
卸车人员作业习惯的风险值p1＝1-pA2*pB2*pC2*pD2*pE2*pF2*pG2；
司机行为习惯的风险值p2＝1-pA3*pB3*pC3；
卸车设备状况的风险值p3＝1-pA4*pB4*pC4。
一种基于统计分析的LNG卸车风险预测评估系统，包括监控单元和计算机单元，监控单元包括监控视频，监控视频将监控信息传输至计算机单元；计算机单元包括存储器和处理器，所述储存器用于存储计算机程序和统计数据，所述处理器用于执行所述计算机程序时实现上述一种基于统计分析的LNG卸车风险预测方法的各个步骤。利用上述方法分别计算不同来源卸车风险因子的风险值，据此对卸车员的作业习惯、司机的行为习惯和卸车设备状况进行针对性的干预，降低LNG卸车的总体风险。该系统不同于传统的LNG卸车场站安全管理过程中所采用的人工巡检、定性风险分析的粗放式管控方式。
该方法对LNG卸车规范的步骤进行了总结梳理，确定了可能导致LNG泄露、槽车爆炸和人身伤害的卸车风险因子，并将其量化，方便了总卸车风险值的计算。LNG卸车风险评估模型根据瞬态风险因子和稳态风险因子对卸车风险进行判断，建模并对模型进行训练和优化，利用该模型直接对监控视频中的卸车风险进行预测，并可以根据预测采取相应的风险干预措施。另外，该方法将LNG卸车风险因子为三类：卸车员作业相关风险因子，槽车司机行为习惯相关卸车风险因子，以及卸车设备状况相关风险因子。并对三类卸车风险分别计算其卸车风险值，这为卸车风险干预措施提供了理论依据。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (10)

1.一种基于统计分析的LNG卸车风险预测方法，其特征在于，步骤包括：
S1.确定安全卸车规范操作的环节，以及LNG卸车过程中的卸车风险因子；
S2.对LNG卸车的动作视频中进行抽帧处理，得到卸车风险事件的图片数据；
S3.利用图片数据对LNG卸车风险评估模型进行训练，并优化风险识别模型；
S4.确定卸车风险中瞬态风险因子和稳态风险因子导致LNG泄漏，进而引发槽车爆炸事故的风险值，并计算总卸车风险值；
S5.根据总风险值判断卸车风险等级，根据风险等级采取风险干预措施。
2.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述安全卸车规范操作的环节包括：槽车进站，槽车停放，卸车作业，卸车完成，槽车出站。
3.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述卸车风险因子中的关键卸车事件包括：
A1槽车进站，检测槽车是否进入槽车停车位；
B1槽车出站，检测槽车是否驶出槽车停车位；
C1车牌识别，识别停车位内槽车车牌号码；
D1对接软管，安装槽车出液管、增压气相管及液相管；
E1拆卸软管，拆下槽车出液管、增压气相管及液相管。
4.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述卸车风险因子中的卸车人员的作业习惯事件包括：
A2人员防护，B2垫三角木，C2收车钥匙，D2立警示牌，E2静电接地，F2管漏检测，G2软管收纳。
5.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述卸车风险因子中司机的行为习惯事件包括：
A3人证合一，B3车门检测，C3司机守护；
所述卸车风险因子中的槽车设备状况事件包括：A4车漏检测，B4仪表检测。
6.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述卸车风险中瞬态风险因子包括：B2垫三角木，C2收车钥匙，D2立警示牌，E2静电接地，F2管漏检测，A3人证合一，G2软管收纳，A4车漏检测，A2人员防护；
所述瞬态风险因子引发槽车爆炸事故的风险值分别为：
没有垫三角木的风险概率值为PB2，没有收车钥匙的风险概率值为PC2，没有立警示牌的风险概率值为PD2，没有静电接地的风险概率值为PE2，无管漏检测的风险概率值PF2，人证不一致的风险概率值为PA3，无软管收纳的风险概率值为PG2，没有进行车漏检测的风险概率值为PA4，卸车人员没有穿防护服的风险值为PA21，卸车人员没有戴安全帽的风险值为PA22，卸车人员没有戴手套导致冻伤的风险值为PA23。
7.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述卸车风险中的稳态风险因子包括：B3车门检测，C3司机守护；
其中槽车司机多次开门的风险值计算具体为：第一次开门风险值为SB3＝PB3，第二次开门的风险值为SB3＝(1-PB3)PB3＝PB3-PB3 2，第三次开门的风险值为SB3＝[1-(1-PB3)PB3]PB3＝PB3-PB3 2-PB3 3；第n次开门的风险值为
Figure FDA0003165570780000021
其中槽车司机离岗的的风险值计算具体为：
Figure FDA0003165570780000022
其中t1表示司机离开槽车尾部的时间，tC3表示司机回到槽车尾部的时间，pC3(t)表示待拟合的风险函数。
8.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述总卸车风险值为p＝1-ΠSB3*SC3*pB2*pC2…*pA23；
根据总卸车风险值将卸车风险等级划分为一级事故，二级事故和三级事故，事故等级破坏性依次降低。
9.根据权利要求1所述的一种基于统计分析的LNG卸车风险预测方法，其特征在于，所述卸车风险包括三个风险源：卸车人员作业习惯、司机行为习惯和卸车设备状况；
分别计算三个风险源的风险值：
卸车人员作业习惯的风险值p1＝1-pA2*pB2*pC2*pD2*pE2*pF2*pG2；
司机行为习惯的风险值p2＝1-pA3*pB3*pC3；
卸车设备状况的风险值p3＝1-pA4*pB4*pC4。
10.一种基于统计分析的LNG卸车风险预测评估系统，其特征在于，包括监控单元和计算机单元，监控单元包括监控视频，监控视频将监控信息传输至计算机单元；
计算机单元包括存储器和处理器，所述储存器用于存储计算机程序和统计数据，所述处理器用于执行所述计算机程序时实现如权利要求1至9任一项所述一种基于统计分析的LNG卸车风险预测方法的各个步骤。
CN202110803874.0A 2021-07-16 2021-07-16 一种基于统计分析的lng卸车风险预测方法及评估系统 Pending CN113591624A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110803874.0A CN113591624A (zh) 2021-07-16 2021-07-16 一种基于统计分析的lng卸车风险预测方法及评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110803874.0A CN113591624A (zh) 2021-07-16 2021-07-16 一种基于统计分析的lng卸车风险预测方法及评估系统

Publications (1)

Publication Number Publication Date
CN113591624A true CN113591624A (zh) 2021-11-02

Family

ID=78247682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110803874.0A Pending CN113591624A (zh) 2021-07-16 2021-07-16 一种基于统计分析的lng卸车风险预测方法及评估系统

Country Status (1)

Country Link
CN (1) CN113591624A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606021A (zh) * 2013-12-05 2014-02-26 中国海洋石油总公司 一种lng接收站动态现货预测调度方法
CN104500966A (zh) * 2014-12-25 2015-04-08 成都华气厚普机电设备股份有限公司 集装箱式lng加气装置及站控方法
KR20160059212A (ko) * 2014-11-18 2016-05-26 대우조선해양 주식회사 영상 기반의 배관온도 측정장치 및 그 제어방법
CN107194537A (zh) * 2017-03-27 2017-09-22 中山大学 一种lng港口安全风险评估系统
CN109409683A (zh) * 2018-09-28 2019-03-01 北京图安世纪科技股份有限公司 快速动态的城市安全风险等级评估方法
CN110245856A (zh) * 2019-06-06 2019-09-17 中山大学 一种基于贝叶斯网络的lng安全风险评估系统
CN211232396U (zh) * 2019-07-17 2020-08-11 陕西液化天然气投资发展有限公司 一种液化天然气lng卸车系统
CN111612301A (zh) * 2020-04-17 2020-09-01 北京市燃气集团有限责任公司 基于权重自调节的燃气埋地管道泄漏风险评估方法及装置
CN112183979A (zh) * 2020-09-18 2021-01-05 浙江省安全生产科学研究院 一种基于多源信息融合的危化品装卸安全风险评估方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606021A (zh) * 2013-12-05 2014-02-26 中国海洋石油总公司 一种lng接收站动态现货预测调度方法
KR20160059212A (ko) * 2014-11-18 2016-05-26 대우조선해양 주식회사 영상 기반의 배관온도 측정장치 및 그 제어방법
CN104500966A (zh) * 2014-12-25 2015-04-08 成都华气厚普机电设备股份有限公司 集装箱式lng加气装置及站控方法
CN107194537A (zh) * 2017-03-27 2017-09-22 中山大学 一种lng港口安全风险评估系统
CN109409683A (zh) * 2018-09-28 2019-03-01 北京图安世纪科技股份有限公司 快速动态的城市安全风险等级评估方法
CN110245856A (zh) * 2019-06-06 2019-09-17 中山大学 一种基于贝叶斯网络的lng安全风险评估系统
CN211232396U (zh) * 2019-07-17 2020-08-11 陕西液化天然气投资发展有限公司 一种液化天然气lng卸车系统
CN111612301A (zh) * 2020-04-17 2020-09-01 北京市燃气集团有限责任公司 基于权重自调节的燃气埋地管道泄漏风险评估方法及装置
CN112183979A (zh) * 2020-09-18 2021-01-05 浙江省安全生产科学研究院 一种基于多源信息融合的危化品装卸安全风险评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
史大鹏: "LNG气化站槽车卸车过程风险识别研究", 《大科技》, no. 40, pages 259 - 260 *
姜雯、宋文华、宋相杰、段继伟: "基于三维风险函数的石化企业装卸站台风险评价", 《南开大学学报（自然科学版）》, pages 101 - 106 *
林现喜、杨勇、裴存峰: "基于风险管控的LNG槽车安全管理体系及其实践", 《油气储运》, vol. 40, no. 5 *

Similar Documents

Publication Publication Date Title
CN107153914B (zh) 一种汽车运行风险的评价系统及方法
CN111445106B (zh) 一种用电采集设备故障处理作业现场安全控制方法及系统
CN110929923A (zh) 基于数字孪生技术的城市安全风险管控系统
CN111598040A (zh) 一种建筑工人身份识别及安全帽佩戴检测方法及系统
CN110217238A (zh) 一种行车风险等级判断优化方法
CN113591634A (zh) 一种基于深度学习的lng卸车风险监控系统及方法
CN101846987A (zh) 一种将rfid和传感器技术应用于安全设备监管的方法
CN106055803B (zh) 考虑条件风险值的炼油装置气体检测报警仪选址优化方法
Pate-Cornell Risk analysis and risk management for offshore platforms: lessons from the Piper Alpha accident
CN105956796A (zh) 电力作业风险评估方法和系统
CN112905666A (zh) 一种公共安全领域基于异常数据解析的应急预测管理系统
TW202101344A (zh) 用於計算車輛的駕駛人的責任的系統和方法
CN108763966B (zh) 一种尾气检测作弊监管系统及方法
CN116010886B (zh) 安全监测方法、装置、电子设备和存储介质
CN114926028A (zh) 一种隧道火灾风险评估方法
CN117391870B (zh) 船舶保险风险识别方法、装置、电子设备和可读储存介质
CN113591624A (zh) 一种基于统计分析的lng卸车风险预测方法及评估系统
CN114387662A (zh) 煤矿井下人员不安全行为识别方法
CN113777994A (zh) 一种高寒地域公共车智慧监控服务系统及方法
CN112801466A (zh) 一种加油站卸油作业违规操作预警方法及系统
CN115601927B (zh) 一种基于算法模型的煤矿报警事件决策方法及系统
CN116701866A (zh) 一种基于物联网设备的园区事件联动处理方法
CN111553199A (zh) 一种基于计算机视觉的机动车交通违法行为自动检测技术
CN115571196A (zh) 一种基于规则引擎的正线故障智能处置方法及系统
CN115909191A (zh) 一种加气站操作人员气体泄露检测行为的分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination