CN115830792A - 一种规模化电解水制氢安全监测系统 - Google Patents
一种规模化电解水制氢安全监测系统 Download PDFInfo
- Publication number
- CN115830792A CN115830792A CN202211511334.6A CN202211511334A CN115830792A CN 115830792 A CN115830792 A CN 115830792A CN 202211511334 A CN202211511334 A CN 202211511334A CN 115830792 A CN115830792 A CN 115830792A
- Authority
- CN
- China
- Prior art keywords
- analysis module
- safety
- detection
- smoke
- analysis
- 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.)
- Granted
Links
- 239000001257 hydrogen Substances 0.000 title claims abstract description 51
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 24
- 238000005868 electrolysis reaction Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 161
- 238000001514 detection method Methods 0.000 claims abstract description 90
- 239000000779 smoke Substances 0.000 claims abstract description 64
- 239000007789 gas Substances 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 15
- 238000011161 development Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 11
- 238000002329 infrared spectrum Methods 0.000 claims description 10
- 238000002211 ultraviolet spectrum Methods 0.000 claims description 10
- 239000002360 explosive Substances 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 239000013558 reference substance Substances 0.000 claims description 3
- 239000012491 analyte Substances 0.000 claims description 2
- 230000001737 promoting effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 8
- 150000002431 hydrogen Chemical class 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000003570 air Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Y02E60/36—Hydrogen production from non-carbon containing sources, e.g. by water electrolysis
Abstract
本发明提供了一种规模化电解水制氢安全监测系统，包括：安全分析监控系统和分布式设置的数个传感器和监控摄像装置。所述传感器包括：烟雾传感器、温度传感器、气体泄漏检测设备、火焰传感器。所述安全分析监控系统包括：气体泄漏检测分析模块、烟雾火焰检测分析模块、温度检测分析模块、安全预警分析模块。本发明从多个维度对厂区内的环境进行了安全监测，尤其是对火灾和氢气泄漏进行了重点监测。
Description
技术领域
本发明涉及生产安全技术领域，具体为一种规模化电解水制氢安全监测系统。
背景技术
可再生能源逐年成为我国重要的能源之一，其中氢能就是重要的绿色可再生能源。我国目前主要采用电解水制氢技术获取氢能源，但是氢气是一种易燃易爆的甲类可燃气体，它的着火、燃烧、爆炸性能是它的主要特性，氢气燃烧时，火焰呈浅蓝色，不易被人察觉，燃烧温度高可达2100℃以上，氢气和空气及氧气极易生成爆炸性混合气。
氢气生产安全隐患点多，人员、材料、产品、设备、生产环境连接错综复杂，仅依靠人为安全排查或单个设备的预警管控已经无法满足绿氢规模化生产要求，急需一种对规模化电解水制氢厂区进行智能安全监测的系统。
发明内容
本发明为弥补现有技术存在的不足，提供了一种规模化电解水制氢安全监测系统，包括：安全分析监控系统和分布式设置的数个传感器和监控摄像装置。所述传感器包括：烟雾传感器、温度传感器、气体泄漏检测设备、火焰传感器。所述安全分析监控系统包括：气体泄漏检测分析模块、烟雾火焰检测分析模块、温度检测分析模块、安全预警分析模块。
所述气体泄漏检测分析模块包括：获取传感器数据，分析是否存在气体泄漏区域，并将分析结果发送至安全预警分析模块。
所述烟雾火焰检测分析模块包括：获取传感器数据，分析是否存在着火点及着火点发展趋势，并将分析结果发送至安全预警分析模块。
所述温度检测分析模块包括：获取传感器数据，分析温度变化情况，判断是否存在火情，并将分析结果发送至安全预警分析模块。
所述安全预警分析模块根据气体泄漏检测分析模块、烟雾火焰检测分析模块、温度检测分析模块的分析结果启动对应的预警/报警/安全响应。
进一步的，所述气体泄漏检测分析模块包括：
S101：实时获取气体泄漏检测设备的数据，经过数据矫正后得到矫正数据。
S102：基于矫正数据分析目标设备处检测气体的浓度是否符合预设安全标准。
S103：将分析结果发送至安全预警分析模块。
进一步的，步骤S101的数据矫正方法为：获取检测点目标设备的检测压力，基于VL＝{ΔP/(TPo)}{Vw+(ΔV/ΔP)(1+Vw/Vs)(P+Po)}，消除由于压力变化引起的检测偏差。其中，VL为矫正数据、ΔP为检测时间内的差压，单位：Pa、T为检测时间、Po为大气压，取值：1.033*105Pa、Vw为被测物体积浓度，单位：ppm、Vs为基准物体积浓度，单位：ppm、ΔV/ΔP为检测设备系数，取值0.84*10-5ml/Pa。
进一步的，所述步骤102具体包括：
S1021：设定易爆浓度区间V＝{a，b}，当VL∈V时，向安全分析模块发送报警指令。
S1022：当
时，向安全分析模块发送VL。
进一步的，所述安全分析模块接收到报警指令时向用户发送报警信息。
所述安全分析模块接收到VL时，进行如下判断分析：
首先，设定K1＝{k1，a}、K2＝{k2，k1}、K3＝{k3，k2}...Kn＝{kn，kn-1}，M1＝{b，m1}、M2＝{m1，m2}、M3＝{m2，m3}...Mn＝{mn-1，mn}。
其次，对K1...Kn，M1...Mn设定对应的预警方式。
最后，判断VL是否落入K1...Kn，M1...Mn中的一个，如落入则向用户发送对应的预警，如没有落入则反馈为安全。
进一步的，所述烟雾火焰检测分析模块包括：烟雾预警分析，所述烟雾预警分析包括：
S201：获取烟雾传感器发出的烟雾检测数据，当其中有烟雾传感器的烟雾检测数据符合预设起火数据时，控制距离该烟雾传感器最近的监控摄像装置朝向该烟雾传感器的检测区域。
S202：对监控摄像装置获得的影像数据分为X*Y格。
S203：分析每一个格内当前是否存在火焰或烟雾，并根据存在火焰或烟雾格子数量-时间的变化曲线判断火情和火灾发展速度，向安全分析模块发送火情和火灾发展速度。
所述安全分析模块根据火情和火灾发展速度获取数据库内对应的响应决策并绑定区域信息后向用户发送。
进一步的，进行步骤S203时首先基于：
进一步的，步骤S203所述分析每一个格内当前是否存在火焰或烟雾的方法为：采用神经网络算法进行学习，并以准确率最高的模型为分析模型。当获取影像信息时，以获得的影像信息采用分析模型进行分析判断该格子内是否存在火焰或烟雾。
进一步的，所述烟雾火焰检测分析模块包括：火焰预警分析，所述火焰预警分析包括：
S301：获取目标区域的红外光谱信息和紫外光谱信息。
S302：当检测到4.35±0.15μm的红外光谱或180-260nm的紫外光谱信息时向安全分析模块发起预警指令。
S303：当同时检测到4.35±0.15μm的红外光谱和180-260nm的紫外光谱信息时，向安全分析模块发送提升预警等级指令。
所述安全分析模块根据指令向用户发送对应的预警信息。
进一步的，所述温度检测分析模块获取温度传感器发送的温度信息，当有温度信息接近火焰值时，向安全分析模块发送预警指令。所述安全分析模块根据指令向用户发送对应的预警信息。
本发明至少具有以下有益效果之一：
1.本发明从多个维度对厂区内的环境进行了安全监测，尤其是对火灾和氢气泄漏进行了重点监测。
2.本发明识别精度高，可有效消除由于数据误差导致的分析错误问题，显著降低误预警/报警可能性。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述。
实施例1
一种规模化电解水制氢安全监测系统，包括：安全分析监控系统和分布式设置的数个传感器和监控摄像装置。所述传感器包括：烟雾传感器、温度传感器、气体泄漏检测设备、火焰传感器。所述安全分析监控系统包括：气体泄漏检测分析模块、烟雾火焰检测分析模块、温度检测分析模块、安全预警分析模块。
所述气体泄漏检测分析模块包括：获取传感器数据，分析是否存在气体泄漏区域，并将分析结果发送至安全预警分析模块。
所述烟雾火焰检测分析模块包括：获取传感器数据，分析是否存在着火点及着火点发展趋势，并将分析结果发送至安全预警分析模块。
所述温度检测分析模块包括：获取传感器数据，分析温度变化情况，判断是否存在火情，并将分析结果发送至安全预警分析模块。
所述安全预警分析模块根据气体泄漏检测分析模块、烟雾火焰检测分析模块、温度检测分析模块的分析结果启动对应的预警/报警/安全响应。
对于氢制备技术领域，最主要的安全隐患在于氢气泄漏或由于其他问题导致的火灾问题。本发明通过气体泄漏检测设备，如气体检测仪，结合安全分析监控系统中的气体泄漏检测分析模块，可以实现对目标区域的氢气浓度进行实时分析，以便在发生氢气泄漏时，及时向用户，如：监管人员，发出预警，并在氢气泄漏情况严重时，直接发出报警信息。同时本发明通过烟雾传感器、温度传感器、监控摄像装置、火焰传感器，结合安全分析监控系统中的烟雾火焰检测分析模块、温度检测分析模块，分析产区内可能发生火灾的区域，并判断火灾的火情和火灾发展趋势，相适应的形成预警/报警/安全响应。
本发明从多个维度对生产安全全过程进行监督管控，尤其是对火灾和氢气泄漏进行了重点监测，实现安全事故提前预警，防患于未然，增加安全管控手段，提升了规模化电解水制氢安全管控级别。
实施例2
基于实施例1所述规模化电解水制氢安全监测系统，所述气体泄漏检测分析模块包括：
S101：实时获取气体泄漏检测设备的数据，经过数据矫正后得到矫正数据。
S102：基于矫正数据分析目标设备处检测气体的浓度是否符合预设安全标准。
S103：将分析结果发送至安全预警分析模块。
步骤S101的数据矫正方法为：获取检测点目标设备的检测压力，基于VL＝{ΔP/(TPo)}{Vw+(ΔV/ΔP)(1+Vw/Vs)(P+Po)}，消除由于压力变化引起的检测偏差。其中，VL为矫正数据、ΔP为检测时间内的差压，单位：Pa、T为检测时间、Po为大气压，取值：1.033*105Pa、Vw为被测物体积浓度，单位：ppm、Vs为基准物体积浓度，单位：ppm、ΔV/ΔP为检测设备系数，取值0.84*10-5ml/Pa。
对氢气浓度的精确检测是实现氢气泄漏安全预警/报警的重要前提，现有技术一般基于气体泄漏检测设备的直接检测数据进行分析，然而在实际工作中会因为目标设备内压力的变化影响检测的准确度，形成检测偏差，进而导致后期的分析出现误判的几率升高，如是安全情况误判为非安全情况，则会无谓的消耗企业救灾响应资源，如是非安全情况误判为安全情况，则会导致灾难性的后果。而采用本发明数据矫正方法，可以消除由于压力变化引起的检测偏差，从而提高检测数据的准确度，降低分析误差，进而降低误判可能。
所述步骤102具体包括：
S1021：设定易爆浓度区间V＝{a，b}，当VL∈V时，向安全分析模块发送报警指令。
S1022：当
时，向安全分析模块发送VL。
所述安全分析模块接收到报警指令时向用户发送报警信息。
所述安全分析模块接收到VL时，进行如下判断分析：
首先，设定K1＝{k1，a}、K2＝{k2，k1}、K3＝{k3，k2}...Kn＝{kn，kn-1}，M1＝{b，m1}、M2＝{m1，m2}、M3＝{m2，m3}...Mn＝{mn-1，mn}。
其次，对K1...Kn，M1...Mn设定对应的预警方式。
最后，判断VL是否落入K1...Kn，M1...Mn中的一个，如落入则向用户发送对应的预警，如没有落入则反馈为安全。
该方式可以根据氢气浓度的变化，形成多种预警响应，并在氢气浓度处于易爆浓度区间时，立刻启动报警响应。
例如：根据氢气常规易爆浓度，设定a＝40000ppm，b＝750000ppm，同时设定k1＝30000ppm，k2＝25000ppm，k3＝20000ppm，m1＝760000ppm，m2＝765000ppm，m3＝770000ppm。此时：K1＝{30000，40000}、K2＝{25000，30000}、K3＝{20000，25000}，M1＝{750000，760000}、M2＝{760000，765000}、M3＝{765000，770000}。
当40000≤VL≤750000时，判定当前氢气浓度处于易爆浓度范围，气体泄漏检测分析模块向安全分析模块发送报警信息。
当VL＜40000或VL＞750000，气体泄漏检测分析模块把VL发送至安全分析模块，安全分析模块根据设置的预警区间进行分级预警。例如：
K1和M1对应一级预警响应；
K2和M2对应二级预警响应；
K3和M3对应三级预警响应。
当VL＝23432ppm时，VL∈K3，则安全分析模块根启动三级预警响应。
一级预警响应可以是：自动拨打语言电话给设定的关键联络人及主要负责人，同时系统直接向接口集成的生产管理系统中的停车指令发出命令，并触发制氢设备生产线停车。
二级预警响应和三级预警响应可以是：发送移动消息给设定的直接负责人及相关责任人。
该方法可以根据当前氢气浓度，产生相应的预警响应或报警响应，使用户，如直接负责人及相关责任人，可以及时获取相关信息，并进行对应的应急处理。
实施例3
基于实施例1所述规模化电解水制氢安全监测系统，所述烟雾火焰检测分析模块包括：烟雾预警分析，所述烟雾预警分析包括：
S201：获取烟雾传感器发出的烟雾检测数据，当其中有烟雾传感器的烟雾检测数据符合预设起火数据时，控制距离该烟雾传感器最近的监控摄像装置朝向该烟雾传感器的检测区域。
S202：对监控摄像装置获得的影像数据分为X*Y格。
S203：分析每一个格内当前是否存在火焰或烟雾，并根据存在火焰或烟雾格子数量-时间的变化曲线判断火情和火灾发展速度，向安全分析模块发送火情和火灾发展速度。
所述安全分析模块根据火情和火灾发展速度获取数据库内对应的响应决策并绑定区域信息后向用户发送。
进行步骤S203时首先基于：
对格子内影像进行置信度判断，其中格子内存在目标对应时Pγ＝1，否则Pγ＝0。IoU表示预测边界框与真实边界框的重合。
步骤S203所述分析每一个格内当前是否存在火焰或烟雾的方法为：采用神经网络算法进行学习，并以准确率最高的模型为分析模型。当获取影像信息时，以获得的影像信息采用分析模型进行分析判断该格子内是否存在火焰或烟雾。
基于烟雾变化或是否产生烟雾或是否检测到烟雾中含有特定的成分都是现有技术中比较常用的用于判断是否发生火灾的技术手段，相比现有技术，本发明在现有技术的基础上增加了影像处理技术和人工智能技术，其中：影像处理技术包括了对格子内影像进行的置信度判断分析，置信度反映了网格单元中是否存在对象以及包含对象时预测边界框的准确性，当多个包围盒同时检测到同一目标时，网络将使用非最大抑制方法选择最佳包围盒，该方法可以显著提高影像处理技术的准确性。
同时，基于网格中出现火灾影像或烟雾影像的格子数量变化，可以直观的反应当前火灾情况，结合存在火焰或烟雾格子数量-时间的变化曲线，可以判断火灾发展的速度，上述信息均有助于系统和用户可以快速判断对应的火灾处置方式。此外，本发明还提供了基于人工智能技术的火灾分析判断方法，即：采用神经网络算法进行学习，并以准确率最高的模型为分析模型；当获取影像信息时，以获得的影像信息采用分析模型进行分析判断该格子内是否存在火焰或烟雾，从而可以在系统的不断运行过程中不断提升对火灾的分析判断准确性。
实施例4
基于实施例1所述规模化电解水制氢安全监测系统，所述烟雾火焰检测分析模块包括：火焰预警分析，所述火焰预警分析包括：
S301：获取目标区域的红外光谱信息和紫外光谱信息。
S302：当检测到4.35±0.15μm的红外光谱或180-260nm的紫外光谱信息时向安全分析模块发起预警指令。
S303：当同时检测到4.35±0.15μm的红外光谱和180-260nm的紫外光谱信息时，向安全分析模块发送提升预警等级指令。
所述安全分析模块根据指令向用户发送对应的预警信息。
该方法是一种基于光谱检测技术的快速预判方法，可以根据目标区域内红外光谱和紫外光谱的变化，快速预判目标区域内是否有发生火灾的可能性，可作为系统火灾预警判断的辅助分析模块，从而进一步提高系统对火灾预警判断的准确性。
实施例5
基于实施例1所述规模化电解水制氢安全监测系统，所述温度检测分析模块获取温度传感器发送的温度信息，当有温度信息接近火焰值时，向安全分析模块发送预警指令。所述安全分析模块根据指令向用户发送对应的预警信息。
基于温度变化是最能直观反应目标区域内是否有火灾隐患的分析判断方法，结合本发明实施例4的火焰预警分析，可以显著提高对火灾发生可能性的预判性分析，使得用户可以在火灾发生前进行相应的应急处理，以避免火灾的发生。
根据本发明的一个实施例，所述规模化电解水制氢安全监测系统还包括显示装置，显示装置可以可视化数据的形式展示安全分析监控系统各模块的分析结果，及厂区内各传感器数据信息及监控摄像装置的影像信息。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种规模化电解水制氢安全监测系统，包括：安全分析监控系统和分布式设置的数个传感器和监控摄像装置；所述传感器包括：烟雾传感器、温度传感器、气体泄漏检测设备、火焰传感器；其特征在于，所述安全分析监控系统包括：气体泄漏检测分析模块、烟雾火焰检测分析模块、温度检测分析模块、安全预警分析模块；
所述气体泄漏检测分析模块包括：获取传感器数据，分析是否存在气体泄漏区域，并将分析结果发送至安全预警分析模块；
所述烟雾火焰检测分析模块包括：获取传感器数据，分析是否存在着火点及着火点发展趋势，并将分析结果发送至安全预警分析模块；
所述温度检测分析模块包括：获取传感器数据，分析温度变化情况，判断是否存在火情，并将分析结果发送至安全预警分析模块；
所述安全预警分析模块根据气体泄漏检测分析模块、烟雾火焰检测分析模块、温度检测分析模块的分析结果启动对应的预警/报警/安全响应。
2.根据权利要求1所述规模化电解水制氢安全监测系统，其特征在于，所述气体泄漏检测分析模块包括：
S101：实时获取气体泄漏检测设备的数据，经过数据矫正后得到矫正数据；
S102：基于矫正数据分析目标设备处检测气体的浓度是否符合预设安全标准；
S103：将分析结果发送至安全预警分析模块。
3.根据权利要求2所述规模化电解水制氢安全监测系统，其特征在于，步骤S101的数据矫正方法为：获取检测点目标设备内的检测压力，基于VL＝{ΔP/(TPo)}{Vw+(ΔV/ΔP)(1+Vw/Vs)(P+Po)}，消除由于压力变化引起的检测偏差；其中，VL为矫正数据、ΔP为检测时间内的差压，单位：Pa、T为检测时间、Po为大气压，取值：1.033*105Pa、Vw为被测物体积浓度，单位：ppm、Vs为基准物体积浓度，单位：ppm、ΔV/ΔP为检测设备系数，取值0.84*10-5ml/Pa。
4.根据权利要求2所述规模化电解水制氢安全监测系统，其特征在于，所述步骤102具体包括：
S1021：设定易爆浓度区间V＝{a，b}，当VL∈V时，向安全分析模块发送报警指令；
S1022：当
时，向安全分析模块发送VL。
5.根据权利要求4所述规模化电解水制氢安全监测系统，其特征在于，所述安全分析模块接收到报警指令时向用户发送报警信息；
所述安全分析模块接收到VL时，进行如下判断分析：
首先，设定K1＝{k1，a}、K2＝{k2，k1}、K3＝{k3，k2}...Kn＝{kn，kn-1}，M1＝{b，m1}、M2＝{m1，m2}、M3＝{m2，m3}...Mn＝{mn-1，mn}；
其次，对K1...Kn，M1...Mn设定对应的预警方式；
最后，判断VL是否落入K1...Kn，M1...Mn中的一个，如落入则向用户发送对应的预警，如没有落入则反馈为安全。
6.根据权利要求1所述规模化电解水制氢安全监测系统，其特征在于，所述烟雾火焰检测分析模块包括：烟雾预警分析，所述烟雾预警分析包括：
S201：获取烟雾传感器发出的烟雾检测数据，当其中有烟雾传感器的烟雾检测数据符合预设起火数据时，控制距离该烟雾传感器最近的监控摄像装置朝向该烟雾传感器的检测区域；
S202：对监控摄像装置获得的影像数据分为X*Y格；
S203：分析每一个格内当前是否存在火焰或烟雾，并根据存在火焰或烟雾格子数量-时间的变化曲线判断火情和火灾发展速度，向安全分析模块发送火情和火灾发展速度；
所述安全分析模块根据火情和火灾发展速度获取数据库内对应的响应决策并绑定区域信息后向用户发送。
7.根据权利要求6所述规模化电解水制氢安全监测系统，其特征在于，进行步骤S203时首先基于：
Pγ(object)∈[0，1]对格子内影像进行置信度判断，其中格子内存在目标对应时Pγ＝1，否则Pγ＝0；IoU表示预测边界框与真实边界框的重合。
8.根据权利要求6所述规模化电解水制氢安全监测系统，其特征在于，步骤S203所述分析每一个格内当前是否存在火焰或烟雾的方法为：采用神经网络算法进行学习，并以准确率最高的模型为分析模型；当获取影像信息时，以获得的影像信息采用分析模型进行分析判断该格子内是否存在火焰或烟雾。
9.根据权利要求1所述规模化电解水制氢安全监测系统，其特征在于，所述烟雾火焰检测分析模块包括：火焰预警分析，所述火焰预警分析包括：
S301：获取目标区域的红外光谱信息和紫外光谱信息；
S302：当检测到4.35±0.15μm的红外光谱或180-260nm的紫外光谱信息时向安全分析模块发起预警指令；
S303：当同时检测到4.35±0.15μm的红外光谱和180-260nm的紫外光谱信息时，向安全分析模块发送提升预警等级指令；
所述安全分析模块根据指令向用户发送对应的预警信息。
10.根据权利要求1所述规模化电解水制氢安全监测系统，其特征在于，所述温度检测分析模块获取温度传感器发送的温度信息，当有温度信息接近火焰值时，向安全分析模块发送预警指令；所述安全分析模块根据指令向用户发送对应的预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211511334.6A CN115830792B (zh) | 2022-11-29 | 2022-11-29 | 一种规模化电解水制氢安全监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211511334.6A CN115830792B (zh) | 2022-11-29 | 2022-11-29 | 一种规模化电解水制氢安全监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115830792A true CN115830792A (zh) | 2023-03-21 |
| CN115830792B CN115830792B (zh) | 2024-02-13 |
Family
ID=85532615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211511334.6A Active CN115830792B (zh) | 2022-11-29 | 2022-11-29 | 一种规模化电解水制氢安全监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115830792B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1592848A (zh) * | 2001-11-27 | 2005-03-09 | 阿姆科技株式会社 | 压力测量方法及其装置 |
| CN110136389A (zh) * | 2019-06-19 | 2019-08-16 | 山东民安安防科技有限公司 | 一种中小场所火灾预警灭火联动系统 |
| CN110335444A (zh) * | 2019-05-14 | 2019-10-15 | 北京戴纳实验科技有限公司 | 一种实验室气体泄漏诊断装置 |
| JP2020042862A (ja) * | 2019-12-17 | 2020-03-19 | ホーチキ株式会社 | 火災報知システム及びその試験方法 |
| CN111408289A (zh) * | 2020-03-30 | 2020-07-14 | 山东重山光电材料股份有限公司 | 一种工业化连续高精度混合气体的方法及系统 |
| CN211121371U (zh) * | 2020-02-06 | 2020-07-28 | 上海神力科技有限公司 | 燃料电池发动机及氢系统实验室的安全联动系统 |
| US20210383666A1 (en) * | 2018-11-12 | 2021-12-09 | Nec Corporation | Fire detection system and fire detection method |
| CN113947860A (zh) * | 2021-10-16 | 2022-01-18 | 远景能源有限公司 | 一种火灾探测方法、装置及火灾探测器 |
| CN114995208A (zh) * | 2022-03-29 | 2022-09-02 | 浙江极氪智能科技有限公司 | 储能安全系统及储能安全系统的控制方法 |
| CN115294719A (zh) * | 2022-09-30 | 2022-11-04 | 山西诺达科技股份有限公司 | 一种楼宇安防监控系统 |
-
2022
- 2022-11-29 CN CN202211511334.6A patent/CN115830792B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1592848A (zh) * | 2001-11-27 | 2005-03-09 | 阿姆科技株式会社 | 压力测量方法及其装置 |
| US20210383666A1 (en) * | 2018-11-12 | 2021-12-09 | Nec Corporation | Fire detection system and fire detection method |
| CN110335444A (zh) * | 2019-05-14 | 2019-10-15 | 北京戴纳实验科技有限公司 | 一种实验室气体泄漏诊断装置 |
| CN110136389A (zh) * | 2019-06-19 | 2019-08-16 | 山东民安安防科技有限公司 | 一种中小场所火灾预警灭火联动系统 |
| JP2020042862A (ja) * | 2019-12-17 | 2020-03-19 | ホーチキ株式会社 | 火災報知システム及びその試験方法 |
| CN211121371U (zh) * | 2020-02-06 | 2020-07-28 | 上海神力科技有限公司 | 燃料电池发动机及氢系统实验室的安全联动系统 |
| CN111408289A (zh) * | 2020-03-30 | 2020-07-14 | 山东重山光电材料股份有限公司 | 一种工业化连续高精度混合气体的方法及系统 |
| CN113947860A (zh) * | 2021-10-16 | 2022-01-18 | 远景能源有限公司 | 一种火灾探测方法、装置及火灾探测器 |
| CN114995208A (zh) * | 2022-03-29 | 2022-09-02 | 浙江极氪智能科技有限公司 | 储能安全系统及储能安全系统的控制方法 |
| CN115294719A (zh) * | 2022-09-30 | 2022-11-04 | 山西诺达科技股份有限公司 | 一种楼宇安防监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115830792B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11736062B2 (en) | Method and apparatus for determining operating state of photovoltaic array, device and storage medium | |
| CN116246407B (zh) | 一种基于人工智能的农林区域火灾预警监管系统 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN113068144B (zh) | 一种环境监控物联网系统 | |
| KR20210097500A (ko) | 화재감지장치 및 이를 포함하는 화재감지시스템 | |
| CN112927461A (zh) | 一种新能源汽车充电桩预警决策方法及装置 | |
| CN103885406A (zh) | 基于多数据融合的工业制气设备故障智能诊断和监控系统 | |
| CN111127849B (zh) | 一种综合考虑气象及化工厂周边区域的事故预警方法 | |
| CN115240361A (zh) | 一种水泥生产线用安全监测预警管理系统 | |
| CN110930632B (zh) | 一种基于人工智能的预警系统 | |
| CN115830792B (zh) | 一种规模化电解水制氢安全监测系统 | |
| US20240005771A1 (en) | Methods and systems for gas leakage safety warning based on internet of things (iot) of smart gas | |
| CN114360194A (zh) | 一种多点监控可视化相阵式火灾报警系统 | |
| WO2023207679A1 (zh) | 酒精浓度检测方法和装置、可穿戴设备及存储介质 | |
| CN116665401A (zh) | 一种化工生产用防事故报警系统 | |
| CN117133107A (zh) | 一种火灾安防监控方法及系统 | |
| CN116149279A (zh) | 一种基于物联网的工业环境数据的智能处理分析系统 | |
| CN114882666B (zh) | 一种智能家居火灾预警方法、系统、终端设备及存储介质 | |
| CN115481941A (zh) | 一种多功能区联合的智能化安防管理方法及系统 | |
| CN114693153A (zh) | 一种基于无线物联网的变电站无尘化施工监测控制系统 | |
| CN116778192B (zh) | 一种基于空地设备协同的火灾安全预警系统 | |
| CN115240428B (zh) | 隧道运营异常的检测方法、装置、电子设备与存储介质 | |
| CN116978207B (zh) | 一种多功能的实验室安全监测与预警系统 | |
| CN105632069A (zh) | 一种智能建筑火灾探测系统 | |
| CN214409636U (zh) | 一种电子设备的控制装置 |
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 |