CN115860415A - 一种油气输送管道事故应急辅助模型 - Google Patents
一种油气输送管道事故应急辅助模型 Download PDFInfo
- Publication number
- CN115860415A CN115860415A CN202211664282.6A CN202211664282A CN115860415A CN 115860415 A CN115860415 A CN 115860415A CN 202211664282 A CN202211664282 A CN 202211664282A CN 115860415 A CN115860415 A CN 115860415A
- Authority
- CN
- China
- Prior art keywords
- accident
- emergency
- plan
- oil
- rescue
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种油气输送管道事故应急辅助模型，涉及油气管道应急救援技术领域，通过设置事故影响评估模块利用深度学习及时对油气数艘管道内的事故影响范围以及严重程度进行分析评估；设置预案智能匹配模块在发生事故时，根据事故类型以及事故影响范围以及严重程度，关联系统预设的预案响应标准，自动生成应急救援方案；设置应急资源分析模块根据救援方案实时分析事故发生周边的应急资源；设置资源信息可视化模块将最近的资源信息向相关救援人员进行可视化展示；保证了在事故发生时，快速做好救援前的所有准备，极大的提高了救援效率，并降低了事故造成的破坏性。
Description
技术领域
本发明属于油气管道领域，涉及事故应急响应技术，具体是一种油气输送管道事故应急辅助模型。
背景技术
近年来，压力管道事故呈明显上升趋势，管道事故发生率很高。管道作为全世界第五大运输工具，具有点多、线长、面广的特点，绵延数千公里，沿途环境复杂，频繁穿越城市人口密集区、河流、公路、铁路，安全风险管控难度大，一旦发生事故极易造成重大人员伤亡，处理不及时会污染水源和自然环境，产生较大的社会负面影响。
目前能贴合实际需要可进行油气输送管道事故应急辅助决策的系统较为罕见，普遍做法是根据管道企业上报的报警信息，风险信息，管道基础数据，借助案例文件和一般的事故管理系统人为进行事故发展情况推演，无法及时准确评估事故可能造成的影响；另外，针对管道特定事故类型的救援方案需要人为介入分析判断才能制定，耗费时间较多，往往因此错失处理事故的最佳时机；事故附近的应急资源位置需要借助地图软件、与横向部门的联系沟通才能了解确认，过程节点较多；
为此，提出一种油气输送管道事故应急辅助模型。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种油气输送管道事故应急辅助模型，该一种油气输送管道事故应急辅助模型通过预先对各类事故的影响范围以及严重程度进行深度学习模型的训练，用于对实时发生的事故的影响范围以及严重程度进行预估；进一步的，对于每种程度的影响范围以及严重程度，自动生成对应的救援方案，再根据救援方案中的应急策略，向相关救援人员进行应急资源的可视化展示；在事故发生时，即做好救援前的所有准备，极大的提高了救援效率，并降低了事故造成的破坏性。
为实现上述目的，根据本发明的第一方面的实施例提出一种油气输送管道事故应急辅助模型，包括事故影响评估模块、预案智能匹配模块、应急资源分析模块以及资源信息可视化模块；其中，各个模块之间通过电气和/或无线网络方式连接；
其中，所述事故影响评估模块主要用于对油气数艘管道内的事故影响范围以及严重程度进行分析评估；
可以理解的是，油气管道内的事故包括气体泄露事故、液体泄露事故、火灾事故以及爆炸事故；
在一个优选的实施例中，所述事故影响评估模块对事故影响范围以及严重程度进行分析评估包括以下步骤：
步骤S1：预先收集历史上每次气体泄露事故、液体泄露事故、火灾事故以及爆炸事故所需要的训练特征以及影响范围和严重程度；
步骤S2：将每类事故的训练特征以及影响范围和严重程度分别进行量化，并分别以量化后的训练特征作为深度学习模型的输入，量化后的影响范围以及严重程度作为深度学习模型的预测目标；对深度学习模型进行训练；
步骤S3：在油气输送管道实时发生事故时，根据事故类型，通过预先安装的各项获取训练特征的监测设备获取对应事故类型的各项训练特征；
步骤S4：将各项训练特征进行量化，并输入至对应事故类型的深度学习模型中，获得对应的影响范围以及严重程度的输出；
所述事故影响评估模块将输出的事故影响范围以及严重程度发送至预案智能匹配模块；
其中，所述预案智能匹配模块主要用于在发生事故时，关联系统预设的预案响应标准，自动生成应急救援方案；
所述预案智能匹配模块根据事故发生的影响范围、严重程度自动匹配系统中相关联的应急救援预案；所述应急救援预案根据系统中根据实际经验预先设定的预案响应标准，系统触发预案启用提醒，自动匹配预案中的指标；
所述预案智能匹配模块结合应急救援预案，根据响应等级，匹配应急响应措施、需要采取的行动、关联相关指挥部成员，自动生成相应救援方案；
所述救援方案包括事件信息、指挥组织结构与职责和应急处置措施；所述事件信息，包括事件标题、上报人、上报机构、联系方式、事发时间、事发地点、最新伤亡情况、事发原因、事态详情；所述指挥组织结构与职责，指预案中需要参与处置的成员单位、负责人及职务、联系电话、主要职责；所述应急处置措施，指针对这次事故需要采取的建议措施和注意事项；
所述预案智能匹配模块将生成的相应救援方案发送至应急资源分析模块；
其中，所述应急资源分析模块主要用于根据救援方案分析事故发生周边的应急资源；
所述应急资源分析模块分析事故发生周边的应急资源包括以下步骤：
步骤P1：预先收集油气输送管道周边的所有待命的应急资源位置；优选的，所述应急资源包括维抢修队伍、医疗救护机构、消防救援队伍、公安交通队伍；
步骤P2：根据事故实际发生地址，以及事故应急救援方案的建议措施中的建议调用的应急资源类型，调取最近的应急资源信息；
所述应急资源分析模块将最近的应急资源信息发送至资源信息可视化模块；
其中，所述资源信息可视化模块主要用于将最近的资源信息向相关救援人员进行可视化展示；
所述资源信息可视化模块包括相关救援人员携带的移动智能终端，在移动智能终端中通过图形化的方式向相关救援人员可视化展示每项应急资源的基础信息。
与现有技术相比，本发明的有益效果是：
本发明通过预先对各类事故的影响范围以及严重程度进行深度学习模型的训练，用于对实时发生的事故的影响范围以及严重程度进行预估；进一步的，对于每种程度的影响范围以及严重程度，自动匹配系统中相关联的应急救援预案；所述应急救援预案根据系统中根据实际经验预先设定的预案响应标准，系统触发预案启用提醒，自动匹配预案中的指标；从而自动生成对应的救援方案，再根据救援方案中的应急策略，向相关救援人员进行应急资源的可视化展示；在事故发生时，即做好救援前的所有准备，极大的提高了救援效率，并降低了事故造成的破坏性。
附图说明
图1为本发明的原理图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种油气输送管道事故应急辅助模型，包括事故影响评估模块、预案智能匹配模块、应急资源分析模块以及资源信息可视化模块；其中，各个模块之间通过电气和/或无线网络方式连接；
需要理解的是，油气输送压力管道中发生事故后，往往会造成即为严重的后果；因此，需要在事故发生时，第一时间发现事故，及时通知相关安全监控人员，并及时生成事故应对方案；
其中，所述事故影响评估模块主要用于对油气数艘管道内的事故影响范围以及严重程度进行分析评估；
可以理解的是，油气管道内的事故包括气体泄露事故、液体泄露事故、火灾事故以及爆炸事故；
在一个优选的实施例中，所述事故影响评估模块对事故影响范围以及严重程度进行分析评估包括以下步骤：
步骤S1：预先收集历史上每次气体泄露事故、液体泄露事故、火灾事故以及爆炸事故所需要的训练特征以及影响范围和严重程度；
优选的，气体泄露事故的训练特征可以包括管线实时压力、温度和环境参数、气体泄漏路径，评估影响范围、消散时间、事故发生位置、事发物质特性、风向、风速、温度以及湿度；
液体泄露事故的训练特征可以包括事故发生位置、溢漏类型、漏孔口面积、溢漏时间、孔口液体流速、管道液体流速以及孔口流量系数；
火灾事故的训练特征可以包括油气管道破裂孔径、运行参数、物料特性、气象信息，评估事故的热辐射范围、轻伤半径以及二度灼伤半径；
爆炸事故的训练特征可以包括实际天气状况、事发设备、事故类型，评估事故爆炸范围、重伤半径、死亡半径以及安全距离；
步骤S2：将每类事故的训练特征以及影响范围和严重程度分别进行量化，并分别以量化后的训练特征作为深度学习模型的输入，量化后的影响范围以及严重程度作为深度学习模型的预测目标；
对深度学习模型进行训练；作为一个示例：对事故发生位置进行量化的方式可以为预先给定若干油气管道内的区域划分图，将每个区域进行数字编号，则该数字编号即为事故发生位置的量化结果；
可以理解的是，训练完成后，可收集到预估气体泄露事故的影响范围、气体泄露事故的严重程度、液体泄露事故的影响范围、液体泄露事故的严重程度、火灾事故的影响范围、火灾事故的严重程度、爆炸事故的影响范围以及爆炸事故的严重程度的深度学习模型；
步骤S3：在油气输送管道实时发生事故时，根据事故类型，通过预先安装的各项获取训练特征的监测设备获取对应事故类型的各项训练特征；
步骤S4：将各项训练特征进行量化，并输入至对应事故类型的深度学习模型中，获得对应的影响范围以及严重程度的输出；
所述事故影响评估模块将输出的事故影响范围以及严重程度发送至预案智能匹配模块；
其中，所述预案智能匹配模块主要用于在发生事故时，关联系统预设的预案响应标准，自动生成应急救援方案；
本实施例中，所述预案智能匹配模块根据事故发生的影响范围、严重程度、等级自动匹配系统中相关联的应急救援预案；所述应急救援预案根据系统中根据实际经验预先设定的预案响应标准，系统触发预案启用提醒，自动匹配预案中的指标；
所述预案智能匹配模块结合应急救援预案，根据响应等级，匹配应急响应措施、需要采取的行动、关联相关指挥部成员，自动生成相应救援方案；
在一个优选的实施例中，所述救援方案包括事件信息、指挥组织结构与职责和应急处置措施；所述事件信息，包括事件标题、上报人、上报机构、联系方式、事发时间、事发地点、最新伤亡情况、事发原因、事态详情；所述指挥组织结构与职责，指预案中需要参与处置的成员单位、负责人及职务、联系电话、主要职责；所述应急处置措施，指针对这次事故需要采取的建议措施和注意事项；
所述预案智能匹配模块将生成的相应救援方案发送至应急资源分析模块；
其中，所述应急资源分析模块主要用于根据救援方案分析事故发生周边的应急资源；
在一个优选的实施例中，所述应急资源分析模块分析事故发生周边的应急资源包括以下步骤：
步骤P1：预先收集油气输送管道周边的所有待命的应急资源位置；优选的，所述应急资源包括维抢修队伍、医疗救护机构、消防救援队伍、公安交通队伍；
步骤P2：根据事故实际发生地址，以及事故应急救援方案的建议措施中的建议调用的应急资源类型，调取最近的应急资源信息；
所述应急资源分析模块将最近的应急资源信息发送至资源信息可视化模块；
其中，所述资源信息可视化模块主要用于将最近的资源信息向相关救援人员进行可视化展示；
在一个优选的实施例中，所述资源信息可视化模块包括相关救援人员携带的移动智能终端，在移动智能终端中通过图形化的方式向相关救援人员可视化展示每项应急资源的基础信息；所述应急资源基础信息包括与事故发生位置的相对位置关系以及应急资源的相关人员的联系方式。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种油气输送管道事故应急辅助模型，其特征在于，包括事故影响评估模块、预案智能匹配模块、应急资源分析模块以及资源信息可视化模块；其中，各个模块之间通过电气和/或无线网络方式连接；
所述事故影响评估模块使用深度学习技术对油气数艘管道内的事故影响范围以及严重程度进行分析评估；所述事故影响评估模块将输出的事故影响范围以及严重程度发送至预案智能匹配模块；
所述预案智能匹配模块用于在发生事故时，关联系统预设的预案响应标准，自动生成应急救援方案；所述预案智能匹配模块将生成的相应救援方案发送至应急资源分析模块；
所述应急资源分析模块用于根据救援方案分析事故发生周边的应急资源；所述应急资源分析模块将最近的应急资源信息发送至资源信息可视化模块；
所述资源信息可视化模块用于将最近的资源信息向相关救援人员进行可视化展示。
2.根据权利要求1所述的一种油气输送管道事故应急辅助模型，其特征在于，所述事故影响评估模块对事故影响范围以及严重程度进行分析评估包括以下步骤：
步骤S1：预先收集历史上每次事故所需要的训练特征以及影响范围和严重程度；
步骤S2：将每类事故的训练特征以及影响范围和严重程度分别进行量化，并分别以量化后的训练特征作为深度学习模型的输入，量化后的影响范围以及严重程度作为预测目标；对深度学习模型进行训练；
步骤S3：在油气输送管道实时发生事故时，根据事故类型，通过各项获取训练特征的监测设备获取对应事故类型的各项训练特征；
步骤S4：将各项训练特征进行量化，并输入至对应事故类型的深度学习模型中，获得对应的影响范围以及严重程度的输出。
3.根据权利要求1所述的一种油气输送管道事故应急辅助模型，其特征在于，所述预案智能匹配模块根据事故发生的影响范围、严重程度、等级自动匹配系统中相关联的应急救援预案；所述应急救援预案根据系统中根据实际经验预先设定的预案响应标准，系统触发预案启用提醒，自动匹配预案中的指标；
所述预案智能匹配模块结合应急救援预案，根据响应等级，匹配应急响应措施、需要采取的行动、关联相关指挥部成员，自动生成相应救援方案。
4.根据权利要求3所述的一种油气输送管道事故应急辅助模型，其特征在于，所述救援方案包括事件信息、指挥组织结构与职责和应急处置措施；所述事件信息，包括事件标题、上报人、上报机构、联系方式、事发时间、事发地点、最新伤亡情况、事发原因、事态详情；所述指挥组织结构与职责，指预案中需要参与处置的成员单位、负责人及职务、联系电话、主要职责；所述应急处置措施为针对这次事故需要采取的建议措施和注意事项。
5.根据权利要求1所述的一种油气输送管道事故应急辅助模型，其特征在于，所述应急资源分析模块分析事故发生周边的应急资源包括以下步骤：
步骤P1：预先收集油气输送管道周边的所有待命的应急资源位置；
步骤P2：根据事故实际发生地址，以及事故应急救援方案的建议措施中的建议调用的应急资源类型，调取最近的应急资源信息。
6.根据权利要求1所述的一种油气输送管道事故应急辅助模型，其特征在于，所述资源信息可视化模块包括相关救援人员携带的移动智能终端，在移动智能终端中通过图形化的方式向相关救援人员可视化展示每项应急资源的基础信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211664282.6A CN115860415A (zh) | 2022-12-23 | 2022-12-23 | 一种油气输送管道事故应急辅助模型 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211664282.6A CN115860415A (zh) | 2022-12-23 | 2022-12-23 | 一种油气输送管道事故应急辅助模型 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115860415A true CN115860415A (zh) | 2023-03-28 |
Family
ID=85654223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211664282.6A Pending CN115860415A (zh) | 2022-12-23 | 2022-12-23 | 一种油气输送管道事故应急辅助模型 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115860415A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116858529A (zh) * | 2023-07-19 | 2023-10-10 | 中南大学 | 一种航空油雾应急润滑实验系统及方法 |
-
2022
- 2022-12-23 CN CN202211664282.6A patent/CN115860415A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116858529A (zh) * | 2023-07-19 | 2023-10-10 | 中南大学 | 一种航空油雾应急润滑实验系统及方法 |
| CN116858529B (zh) * | 2023-07-19 | 2024-01-23 | 中南大学 | 一种航空油雾应急润滑实验系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112530119B (zh) | 森林火灾应急演练评估分析系统、方法及计算机设备 | |
| WO2021120765A1 (zh) | 一种突发大气污染事故动态应急预警评估与决策支持方法和系统 | |
| Lindell et al. | A hurricane evacuation management decision support system (EMDSS) | |
| CN113554318B (zh) | 一种化工园区三维可视化风险智能管控一体化系统及方法 | |
| CN109522380B (zh) | 一种面向移动应用的电网灾害综合监测预警数据系统及方法 | |
| CN113706355A (zh) | 化工园区智慧应急系统搭建方法 | |
| CN110544402A (zh) | 基于大数据融合的化工园区虚拟仿真应急推演系统 | |
| CN116739245B (zh) | 一种智慧消防城市接警调度系统 | |
| CN103268109A (zh) | 基于gis的化工园区风险管理信息系统 | |
| CN112071032A (zh) | 一种危险化学品重大危险源报警分级管理系统 | |
| CN109670673A (zh) | 露天矿生产管控系统 | |
| CN110652684A (zh) | 电力消防安全综合管理系统 | |
| CN117151478B (zh) | 一种基于卷积神经网络的化工企业风险预警方法及系统 | |
| CN110930023A (zh) | 基于区块链的特定人群聚集点的公共安全预警系统 | |
| CN115860415A (zh) | 一种油气输送管道事故应急辅助模型 | |
| CN113744108B (zh) | 基于大数据的智慧消防控制方法和系统 | |
| CN109118039B (zh) | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 | |
| CN112488584A (zh) | 一种危化品事故电力应急处置安全预警方法 | |
| CN109146206B (zh) | 一种基于软件定义网络的灾害预警系统及方法 | |
| CN114463154A (zh) | 一种厂区安全事故可视化应急系统及应急处理方法 | |
| CN115909645B (zh) | 一种车间生产安全预警系统和预警方法 | |
| CN109764244B (zh) | 基于手机信号lbs和大数据的油气管道灾害应急处理方法 | |
| CN117275181A (zh) | 基于双控地质灾害监测预警系统 | |
| RU147524U1 (ru) | Автоматизированная информационная система поддержки принятия управленческих решений в условиях чрезвычайной ситуации на железнодорожном транспорте | |
| CN116798199A (zh) | 工业园区的预警方法、电子设备及预警系统 |
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 |