CN116882328B - 一种反应热风险早期预警与多级智能应急响应方法 - Google Patents
一种反应热风险早期预警与多级智能应急响应方法 Download PDFInfo
- Publication number
- CN116882328B CN116882328B CN202311155131.2A CN202311155131A CN116882328B CN 116882328 B CN116882328 B CN 116882328B CN 202311155131 A CN202311155131 A CN 202311155131A CN 116882328 B CN116882328 B CN 116882328B
- Authority
- CN
- China
- Prior art keywords
- reaction
- linear regression
- risk
- judging
- max
- 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 131
- 238000012417 linear regression Methods 0.000 claims description 66
- 238000004364 calculation method Methods 0.000 claims description 46
- 238000005070 sampling Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 28
- 239000013307 optical fiber Substances 0.000 claims description 22
- 239000000376 reactant Substances 0.000 claims description 22
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 239000012611 container material Substances 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000004880 explosion Methods 0.000 description 5
- 238000011112 process operation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
Classifications
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种反应热风险早期预警与多级智能应急响应方法,涉及应急响应的技术领域,其包括反应热判断步骤、反应压力判断步骤、容器变形判断步骤。本发明能够在反应热判断步骤后做出反应热控制操作以及准备紧急停产操作应急处置的操作;在反应压力判断步骤后做出装置紧急停产的操作,在容器变形判断步骤后做出紧急撤离的操作,满足了实际应用中反应热风险有效控制和合理应急处置决策的核心需求,提高了生产过程中的安全性。
Description
技术领域
本发明涉及应急响应的技术领域,尤其是涉及一种反应热风险早期预警与多级智能应急响应方法。
背景技术
在过程工业工艺风险中,反应热风险是主要风险之一。反应热风险多集中于间歇式或半间歇式反应容器中,尤其在精细化工行业中,由于生产物质多变,很难采用连续生产装置,因此间歇式或半间歇式反应容器被大量使用,也因此反应热风险成为了生产过程中的重大隐患。
目前,主要通过微量反应热风险评估的方式,判断反应的零维反应风险,但是随着反应容器的尺度放大,尺度效应的影响明显,通过微量反应热风险评估的方式难以实际评估生产中的反应热,使得局部过热导致最终反应失控的情况屡有发生。
实际生产中反应热异常并非不可控,合理的应急处置操作可以避免不必要的生产损失,但这需要操作者明确了解反应容器内的反应热风险所处的阶段及其危险程度,否则不合理的应急处置决策,不但无法挽回经济损失,还会带来巨大人员伤害。
目前,已有的反应热风险监测方式主要以反应温度异常报警为主,该方式使用的传感器为单点式温度传感器,且存在监测参数单一且无法监测反应容器内介质实际最高温度的缺点。
由于上述方法中,反应热风险威胁程度判断结果单一,无法有效指导工作人员作出合理的应急处置决策,因此无法满足反应热风险本安性应急处置的要求。
发明内容
为了提高反应热风险判断的精准度,进而有效指导工作人员做出合理的应急处置决策,本发明提供了一种反应热风险早期预警与多级智能应急响应方法。
本发明提供的一种反应热风险早期预警与多级智能应急响应方法,采用如下的技术方案:
一种反应热风险早期预警与多级智能应急响应方法,包括以下步骤:
反应热判断步骤:检测反应容器内部温度值,并判断反应热是否出现异常;若反应热出现异常,则发出报警并执行反应压力判断步骤;
反应压力判断步骤:检测反应容器内部的压力值,并判断反应容器是否存在早期超压风险;若反应容器存在早期超压风险,则发出报警并执行容器变形判断步骤;
容器变形判断步骤:检测反应容器的形变,并判断反应容器是否有塑性形变的风险;若反应容器存在塑性形变的风险,则发出报警;
所述反应热判断步骤包括早期反应热风险判断步骤;
早期反应热风险判断步骤:在反应容器内壁铺设铠装光栅式光纤传感器,铠装光栅式光纤传感器沿反应容器的轴向及周向均布设置,铠装光栅式光纤传感器用于检测反应容器内部温度,进而获得反应容器内温度分布数据阵列T kj ,k和j分别周向和轴向坐标;之后根据温度数据阵列T kj 确定反应物的温度场分布阵列[T xyz ],其计算模型如下:
;
式中:ρ为反应物的平均密度,C p 为反应物的平均等压比热容,T为反应物的温度,t为时间,为拉布拉斯算符;k d 为容器材料的导热系数。
根据[T xyz ]获取温场中最大温度T max ,温场中最大温度T max 的计算公式如下:
;
若T max 大于第一阈值,则判断为反应热出现异常,并发出第一预警。
通过采用上述技术方案,在反应容器中布设铠装光栅式光纤传感器,并使铠装光栅式光纤传感器沿反应容器的轴向及周向均布设置,之后通过傅里叶温场方程确定反应物的温度场分布,进而获得反应物的最大温度。相比于现有的单点式温度传感器检测反应物的温度,本发明检测的反应物最大温度更加准确,进而便于工作人员真实的了解到反应容器内部的情况;而且相比于现有技术,本发明能够更早的检测到反应物的最大温度超过第一阈值,为工作人员作出应对提供了更多的时间,进而提高了安全性。
在检测到反应物的最大温度超过第一阈值时,发出第一预警,进而提示工作人员启动工艺操作应急处置预案,工作人员可对反应热风险进行主动操作干预,进而降低风险进一步扩大的概率。
可选地,所述反应热判断步骤还包括反应热风险失控判断步骤,所述反应热风险失控判断步骤设置在所述早期反应热风险判断步骤之后;
反应热风险失控判断:对T max 历史数据进行分析,若R 2 lg ≥0.75且R 2 lg -R 2≥0.2,则判断为反应热风险失控,并发出第二预警;
其中,R 2 lg 为T max 对数线性回归相关性判定参数,R 2为T max 线性回归相关性判定参数;R 2 lg 以及R 2的计算模型如下:
;
;
式中,SSE lg 为T max 对数线性回归残差平方和,SST lg 为T max 对数线性回归总偏差平方和,SSE为T max 线性回归残差平方和,SST为T max 线性回归总偏差平方和;
SSE的计算模型如下:
;
式中,T i 为第i个数据采样点T max 的温度值,为由时间t i 线性回归得到的温度值,n为进行判定分析时数据采样点总数;
;
式中,t i 为第i个数据采样点所对应的时间,a、b为T i 与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个采样时间的平均值,为进行判定分析时全部n个T max 温度值的平均值;
其中,;
;
SST的计算模型如下:
;
SSE lg 的计算模型如下:
;
式中,为第i个数据采样点T max 的对数值,为由时间t i 线性回归得到的温度对数值;
;
;
式中,a lg 、b lg 为与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个的平均值;
;
SST lg 的计算模型如下:
。
通过采用上述技术方案,当R 2 lg ≥0.75且R 2 lg -R 2≥0.2时,判断为反应热变化曲线出现非线性拐点,进而证明反应热急剧变化,并趋向于失控,此时发出第二预警,第二预警发出后便可提示工作人员准备进行紧急停产操作,为工作人员提供反应时间,降低后期操作不及时而造成经济和人员损失的概率。
可选地,所述反应压力判断步骤更具体的为,铠装光栅式光纤传感器还用于检测反应容器内部的压力p i ,并对p i 历史数据进行如下式的分析,若p i 对数线性回归相关性判定参数pR 2 lg 大于p i 线性回归相关性判定参数pR 2,前n个p i 值的线性回归斜率b p (n-1)小于p n 与p n-1之间的斜率b p (n)且进行判定分析时前n-1个p i 值的加权等效值p (n-1) eqv 小于第n个数据采样点的压力值p n ,则判断为反应热风险已经发展到反应热失控晚期阶段,并已经进入早期超压阶段,发出第三预警;
其中,pR 2 lg 、pR 2的计算模型如下:
;
;
式中,pSSE lg 为p i 对数线性回归残差平方和,pSST lg 为p i 对数线性回归总偏差平方和,pSSE为p i 线性回归残差平方和,pSST为p i 线性回归总偏差平方和;
pSSE lg 的计算模型如下:
;
式中,为第i个数据采样点p i 的对数值,为由时间t i 线性回归得到的压力对数值;
;
;
式中,a lgp 、b lgp 为与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个的平均值;
pSST lg 的计算模型如下:
;
pSSE的计算模型如下:
;
式中,为由时间t i 线性回归得到的压力值;
;
式中,a p 、b p 为p i 与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个p i 值的平均值;
pSST的计算模型如下:
;
b p (n-1)、b p (n)的计算模型如下:
;
;
式中,为进行判定分析时前n-1个p i 值的平均值,为进行判定分析时前n-1个采样时间的平均值;p n-1为第n-1个数据采样点压力值,Δt为p i 值的采样时间间隔;
p (n-1) eqv 的计算模型如下:
;
式中,α为偏差等效加权系数,其取值与判定可靠度要求有关,取值≥1.28,为进行判定分析时前n-1个p i 值的偏差;
。
通过采用上述技术方案,当pR 2 lg >pR 2,b p (n-1)<b p (n)且p (n-1) eqv <p n 时,判断反应容器压力曲线出现非线性拐点,进而证明反应热风险已经发展到反应热失控晚期阶段,此时发出第三预警,第三预警发出后便可提示工作人员进行紧急停产,进而降低风险进一步扩大的概率。
可选地,所述容器变形判断步骤更具体的为,铠装光栅式光纤传感器还用于检测反应容器内壁光纤伸长量Δl vd ,通过反应容器内壁光纤伸长量Δl vd 计算反应容器周向的应力σv,若反应容器周向的应力σv大于等于螺栓屈服极限σy,则判断反应容器有塑性形变的风险,并发出第四预警;
其中,σv的计算模型如下:
;
式中,E v 为反应容器的弹性模量,l v 为反应容器内壁铺设光纤的长度。
通过采用上述技术方案,当反应容器的周向的应力σv大于等于螺栓屈服极限σy时,证明反应容器有塑性形变的风险,进而有反应容器爆炸或危险气体外泄的风险,此时发出第四预警,提示工作人员进行紧急疏散,以保护工作人员的人身安全。
可选地,所述容器变形判断步骤中,还在反应容器上的接管法兰的接管螺栓上设置有管线传感器,所述管线传感器用于检测接管法兰螺栓应变ε bd ,在发出第四预警时,还根据接管法兰螺栓的应力σbolt进行判断;若最大应力σmax大于等于螺栓屈服极限σy,则判断为容器或接管法兰螺栓有塑性形变风险,并发出第四预警;
其中,σmax的计算模型如下:
;
;
式中,Tor为接管法兰螺栓的预紧力,r b 为接管法兰螺栓半径,β为接管法兰螺栓的螺牙角,E b 为接管法兰螺栓的弹性模量。
在反应容器内发出超压现象时,可能发生爆炸和危险气体泄漏的位置不仅仅存在于反应容器本身上,也可能发生在连接在反应容器上的接管法兰上,通过采用上述技术方案,在发出第四预警之前,同时对反应容器的周向的应力σv以及接管法兰螺栓的应力σbolt进行检测计算,并判断反应容器的周向的应力σv以及接管法兰螺栓的应力σbolt的最大值,若最大应力σmax大于等于螺栓屈服极限σy,则判断为容器或接管法兰螺栓有塑性形变风险,进而有反应容器爆炸或危险气体外泄的风险,此时发出第四预警,提示工作人员进行紧急疏散,以保护工作人员的人身安全。
综上所述,本发明包括以下至少一种有益技术效果:
1. 通过反应热判断步骤的设置,相比于现有的单点式温度传感器检测反应物的温度,本发明检测的反应物最大温度更加准确,进而便于工作人员真实的了解到反应容器内部的情况;而且相比于现有技术,本发明能够更早的检测到反应物的最大温度超过第一阈值,为工作人员作出应对提供了更多的时间,进而提高了安全性。
2. 通过反应压力判断步骤的设置,当pR 2 lg >pR 2,b p (n-1)<b p (n)且p (n-1) eqv <p n 时,判断反应容器压力曲线出现非线性拐点,进而证明反应热风险已经发展到反应热失控晚期阶段,此时发出第三预警,第三预警发出后便可提示工作人员进行紧急停产,进而降低风险进一步扩大的概率。
3. 通过容器变形判断步骤的设置,当最大应力σmax大于等于螺栓屈服极限σy时,证明容器或接管法兰螺栓有塑性形变风险,进而有反应容器爆炸或危险气体外泄的风险,此时发出第四预警,提示工作人员进行紧急疏散,以保护工作人员的人身安全。
附图说明
图1为本发明的流程示意图。
具体实施方式
以下结合图1对本发明作进一步详细说明。
本实施例公开了一种反应热风险早期预警与多级智能应急响应方法,参照图1,反应热风险早期预警与多级智能应急响应方法包括以下步骤:
S1:反应热判断步骤:检测反应容器内部温度值,并判断反应热是否出现异常;若反应热出现异常,则发出报警并执行反应压力判断步骤S2。
具体的,反应热判断步骤S1包括早期反应热风险判断步骤S1-1以及反应热风险失控判断步骤S1-2。
S1-1:早期反应热风险判断步骤:在反应容器内壁铺设铠装光栅式光纤传感器,铠装光栅式光纤传感器沿反应容器的轴向及周向均布设置,铠装光栅式光纤传感器用于检测反应容器内部温度,进而获得反应容器内温度分布数据阵列T kj ,k和j分别周向和轴向坐标;之后根据温度数据阵列T kj 确定反应物的温度场分布阵列[T xyz ],其计算模型如下:
;
式中:ρ为反应物的平均密度,C p 为反应物的平均等压比热容,T为反应物的温度,t为时间,为拉布拉斯算符;k d 为容器材料的导热系数。
根据[T xyz ]获取温场中最大温度T max ,温场中最大温度T max 的计算公式如下:
;
若T max 大于第一阈值,本实施例中的第一阈值为MTSR(合成反应最高温度),则判断为反应热出现异常,并发出第一预警。发出第一预警意味着反应容器内已经开始出现“反应热风险异常”的情况,进而提示工作人员启动工艺操作应急处置预案,工作人员应当对反应热风险进行主动操作干预,进而降低风险进一步扩大的概率。
之后执行反应热风险失控判断步骤S1-2。
S1-2:反应热风险失控判断步骤:在第一预警发出后,对T max 历史数据进行分析,若R 2 lg ≥0.75且R 2 lg -R 2≥0.2,则判断为反应热风险失控,并发出第二预警。发出第二预警意味着反应容器内出现了“反应热风险失控”的情况,进而提示工作人员准备进行紧急停产操作,为工作人员提供准备进行紧急停产操作的反应时间,降低后期操作不及时而造成经济和人员损失的概率。
其中,R 2 lg 为T max 对数线性回归相关性判定参数,R 2为T max 线性回归相关性判定参数;R 2 lg 以及R 2的计算模型如下:
;
;
式中,SSE lg 为T max 对数线性回归残差平方和,SST lg 为T max 对数线性回归总偏差平方和,SSE为T max 线性回归残差平方和,SST为T max 线性回归总偏差平方和;
SSE的计算模型如下:
;
式中,T i 为第i个数据采样点T max 的温度值,为由时间t i 线性回归得到的温度值,n为进行判定分析时数据采样点总数;
;
式中,t i 为第i个数据采样点所对应的时间,a、b为T i 与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个采样时间的平均值,为进行判定分析时全部n个T max 温度值的平均值;
其中,;
;
SST的计算模型如下:
;
SSE lg 的计算模型如下:
;
式中,为第i个数据采样点T max 的对数值,为由时间t i 线性回归得到的温度对数值;
;
;
式中,a lg 、b lg 为与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个的平均值;
;
SST lg 的计算模型如下:
。
之后执行反应压力判断步骤S2。
S2:反应压力判断步骤:检测反应容器内部的压力值,并判断反应容器是否存在早期超压风险;若反应容器存在早期超压风险,则发出报警并执行容器变形判断步骤。
更具体的为,铠装光栅式光纤传感器还用于检测反应容器内部的压力p i ,并对p i 历史数据进行如下式的分析,若p i 对数线性回归相关性判定参数pR 2 lg 大于p i 线性回归相关性判定参数pR 2,前n个p i 值的线性回归斜率b p (n-1)小于p n 与p n-1之间的斜率b p (n)且进行判定分析时前n-1个p i 值的加权等效值p (n-1) eqv 小于第n个数据采样点的压力值p n ,则判断为反应热风险已经发展到反应热失控晚期阶段,并已经进入早期超压阶段,发出第三预警。当第三预警发出时,意味着反应热风险已经发展到反应热失控晚期阶段,进而提示工作人员立刻进行紧急停产的操作,进而降低风险进一步扩大的概率。
其中,pR 2 lg 、pR 2的计算模型如下:
;
;
式中,pSSE lg 为p i 对数线性回归残差平方和,pSST lg 为p i 对数线性回归总偏差平方和,pSSE为p i 线性回归残差平方和,pSST为p i 线性回归总偏差平方和;
pSSE lg 的计算模型如下:
;
式中,为第i个数据采样点p i 的对数值,为由时间t i 线性回归得到的压力对数值;
;
;
式中,a lgp 、b lgp 为与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个的平均值;
pSST lg 的计算模型如下:
;
pSSE的计算模型如下:
;
式中,为由时间t i 线性回归得到的压力值;
;
式中,a p 、b p 为p i 与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个p i 值的平均值;
pSST的计算模型如下:
;
b p (n-1)、b p (n)的计算模型如下:
;
;
式中,为进行判定分析时前n-1个p i 值的平均值,为进行判定分析时前n-1个采样时间的平均值;p n-1为第n-1个数据采样点压力值,Δt为p i 值的采样时间间隔;
p (n-1) eqv 的计算模型如下:
;
式中,α为偏差等效加权系数,其取值与判定可靠度要求有关,取值≥1.28,为进行判定分析时前n-1个p i 值的偏差;
;
之后执行容器变形判断步骤S3。
S3:容器变形判断步骤:检测反应容器的形变,并判断反应容器是否有塑性形变的风险;若反应容器存在塑性形变的风险,则发出报警。
更具体的为,铠装光栅式光纤传感器还用于检测反应容器内壁光纤伸长量Δl vd ,通过反应容器内壁光纤伸长量Δl vd 计算反应容器周向的应力σv;在反应容器上的接管法兰的接管螺栓上设置有管线传感器,所述管线传感器用于检测接管法兰螺栓应变ε bd ,并通过接管法兰螺栓应变ε bd 计算接管法兰螺栓的应力σbolt。若最大应力σmax大于等于螺栓屈服极限σy,则判断为容器或接管法兰螺栓有塑性形变风险,并发出第四预警。当发出第四预警时,意味着容器或接管法兰螺栓有塑性形变风险,进而有反应容器爆炸或危险气体外泄的风险,此时提示工作人员进行紧急疏散,以保护工作人员的人身安全。
其中,σmax的计算模型如下:
;
;
;
式中,Tor为接管法兰螺栓的预紧力,r b 为接管法兰螺栓半径,β为接管法兰螺栓的螺牙角,E b 为接管法兰螺栓的弹性模量;E v 为反应容器的弹性模量,l v 为反应容器内壁铺设光纤的长度。
本实施例反应热风险早期预警与多级智能应急响应方法的实施原理为:
先对反应容器内的温度进行检测,检测时使用铠装光栅式光纤传感器,且铠装光栅式光纤传感器沿反应容器的轴向及周向均布设置,通过铠装光栅式光纤传感器检测反应容器内部温度,进而获得反应容器内温度分布数据阵列T kj ,k和j分别周向和轴向坐标;之后根据温度数据阵列并结合傅里叶温场方程确定反应物的温度场分布,以获取温场中最大温度T max 。当T max >MTSR(合成反应最高温度)时,发出第一预警,进而提示工作人员启动工艺操作应急处置预案,工作人员应当对反应热风险进行主动操作干预,进而降低风险进一步扩大的概率。
之后对反应容器内T max 历史数据进行分析,当R 2 lg ≥0.75且R 2 lg -R 2≥0.2时,发出第二预警,进而提示工作人员准备进行紧急停产操作,为工作人员提供准备进行紧急停产操作的反应时间,降低后期操作不及时而造成经济和人员损失的概率。
之后对反应容器内的压力进行检测,当p i 对数线性回归相关性判定参数pR 2 lg 大于p i 线性回归相关性判定参数pR 2、前n个p i 值的线性回归斜率b p (n-1)小于p n 与p n-1之间的斜率b p (n)且进行判定分析时前n-1个p i 值的加权等效值p (n-1) eqv 小于第n个数据采样点的压力值p n 时,发出第三预警,进而提示工作人员立刻进行紧急停产的操作,进而降低风险进一步扩大的概率。
之后对反应容器的应力进行检测,当最大应力σmax大于等于螺栓屈服极限σy时,发出第四预警,进而有反应容器爆炸或危险气体外泄的风险,此时提示工作人员进行紧急疏散,以保护工作人员的人身安全。
以上均为本发明的较佳实施例,并非依此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (3)
1.一种反应热风险早期预警与多级智能应急响应方法,其特征在于,包括以下步骤:
反应热判断步骤:检测反应容器内部温度值,并判断反应热是否出现异常;若反应热出现异常,则发出报警并执行反应压力判断步骤;
反应压力判断步骤:检测反应容器内部的压力值,并判断反应容器是否存在早期超压风险;若反应容器存在早期超压风险,则发出报警并执行容器变形判断步骤;
容器变形判断步骤:检测反应容器的形变,并判断反应容器是否有塑性形变的风险;若反应容器存在塑性形变的风险,则发出报警;
所述反应热判断步骤包括早期反应热风险判断步骤;
早期反应热风险判断步骤:在反应容器内壁铺设铠装光栅式光纤传感器,铠装光栅式光纤传感器沿反应容器的轴向及周向均布设置,铠装光栅式光纤传感器用于检测反应容器内部温度,进而获得反应容器内温度分布数据阵列T kj ,k和j分别周向和轴向坐标;之后根据温度数据阵列T kj 确定反应物的温度场分布阵列[T xyz ],其计算模型如下:
;
式中:ρ为反应物的平均密度,C p 为反应物的平均等压比热容,T为反应物的温度,t为时间,为拉布拉斯算符;k d 为容器材料的导热系数;
根据[T xyz ]获取温场中最大温度T max ,温场中最大温度T max 的计算公式如下:
;
若T max 大于第一阈值,则判断为反应热出现异常,并发出第一预警;
所述反应压力判断步骤更具体的为,铠装光栅式光纤传感器还用于检测反应容器内部的压力p i ,并对p i 历史数据进行如下式的分析,若p i 对数线性回归相关性判定参数pR 2 lg 大于p i 线性回归相关性判定参数pR 2,前n个p i 值的线性回归斜率b p (n-1)小于p n 与p n-1之间的斜率b p (n)且进行判定分析时前n-1个p i 值的加权等效值p (n-1) eqv 小于第n个数据采样点的压力值p n ,则判断为反应热风险已经发展到反应热失控晚期阶段,并已经进入早期超压阶段,发出第三预警;
其中,pR 2 lg 、pR 2的计算模型如下:
;
;
式中,pSSE lg 为p i 对数线性回归残差平方和,pSST lg 为p i 对数线性回归总偏差平方和,pSSE为p i 线性回归残差平方和,pSST为p i 线性回归总偏差平方和;
pSSE lg 的计算模型如下:
;
式中,为第i个数据采样点p i 的对数值,为由时间t i 线性回归得到的压力对数值;
;
;
式中,a lgp 、b lgp 为与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个的平均值;
pSST lg 的计算模型如下:
;
pSSE的计算模型如下:
;
式中,为由时间t i 线性回归得到的压力值;
;
式中,a p 、b p 为p i 与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个p i 值的平均值;
pSST的计算模型如下:
;
b p (n-1)、b p (n)的计算模型如下:
;
;
式中,为进行判定分析时前n-1个p i 值的平均值,为进行判定分析时前n-1个采样时间的平均值;p n-1为第n-1个数据采样点压力值,Δt为p i 值的采样时间间隔;
p (n-1) eqv 的计算模型如下:
;
式中,α为偏差等效加权系数,其取值与判定可靠度要求有关,取值≥1.28,为进行判定分析时前n-1个p i 值的偏差;
;
所述容器变形判断步骤更具体的为,铠装光栅式光纤传感器还用于检测反应容器内壁光纤伸长量Δl vd ,通过反应容器内壁光纤伸长量Δl vd 计算反应容器周向的应力σv,若反应容器周向的应力σv大于等于螺栓屈服极限σy,则判断反应容器有塑性形变的风险,并发出第四预警;
其中,σv的计算模型如下:
;
式中,E v 为反应容器的弹性模量,l v 为反应容器内壁铺设光纤的长度。
2.根据权利要求1所述的反应热风险早期预警与多级智能应急响应方法,其特征在于,所述反应热判断步骤还包括反应热风险失控判断步骤,所述反应热风险失控判断步骤设置在所述早期反应热风险判断步骤之后;
反应热风险失控判断:对T max 历史数据进行分析,若R 2 lg ≥0.75且R 2 lg -R 2≥0.2,则判断为反应热风险失控,并发出第二预警;
其中,R 2 lg 为T max 对数线性回归相关性判定参数,R 2为T max 线性回归相关性判定参数;R 2 lg 以及R 2的计算模型如下:
;
;
式中,SSE lg 为T max 对数线性回归残差平方和,SST lg 为T max 对数线性回归总偏差平方和,SSE为T max 线性回归残差平方和,SST为T max 线性回归总偏差平方和;
SSE的计算模型如下:
;
式中,T i 为第i个数据采样点T max 的温度值,为由时间t i 线性回归得到的温度值,n为进行判定分析时数据采样点总数;
;
式中,t i 为第i个数据采样点所对应的时间,a、b为T i 与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个采样时间的平均值,为进行判定分析时全部n个T max 温度值的平均值;
其中,;
;
SST的计算模型如下:
;
SSE lg 的计算模型如下:
;
式中,为第i个数据采样点T max 的对数值,为由时间t i 线性回归得到的温度对数值;
;
;
式中,a lg 、b lg 为与t i 线性回归参数;
;
;
式中,为进行判定分析时全部n个的平均值;
;
SST lg 的计算模型如下:
。
3.根据权利要求1所述的反应热风险早期预警与多级智能应急响应方法,其特征在于,所述容器变形判断步骤中,还在反应容器上的接管法兰的接管螺栓上设置有管线传感器,所述管线传感器用于检测接管法兰螺栓应变ε bd ,在发出第四预警时,还根据接管法兰螺栓的应力σbolt进行判断;若最大应力σmax大于等于螺栓屈服极限σy,则判断为容器或接管法兰螺栓有塑性形变风险,并发出第四预警;
其中,σmax的计算模型如下:
;
;
式中,
Tor为接管法兰螺栓的预紧力,r b 为接管法兰螺栓半径,β为接管法兰螺栓的螺牙角,E b 为接管法兰螺栓的弹性模量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311155131.2A CN116882328B (zh) | 2023-09-08 | 2023-09-08 | 一种反应热风险早期预警与多级智能应急响应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311155131.2A CN116882328B (zh) | 2023-09-08 | 2023-09-08 | 一种反应热风险早期预警与多级智能应急响应方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116882328A CN116882328A (zh) | 2023-10-13 |
CN116882328B true CN116882328B (zh) | 2023-12-05 |
Family
ID=88260924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311155131.2A Active CN116882328B (zh) | 2023-09-08 | 2023-09-08 | 一种反应热风险早期预警与多级智能应急响应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116882328B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118168607B (zh) * | 2024-05-14 | 2024-07-02 | 中国特种设备检测研究院 | 基于光纤光栅传感器的压力容器健康监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106816655A (zh) * | 2017-01-25 | 2017-06-09 | 天津清源电动车辆有限责任公司 | 一种锂离子电池热失控危险性控制方法 |
CN110414868A (zh) * | 2019-08-13 | 2019-11-05 | 南京工业大学 | 一种评估化工工艺过程热失控危险度的方法 |
CN111597719A (zh) * | 2020-05-19 | 2020-08-28 | 华南理工大学 | 一种基于电热与热失控耦合模型的动力电池仿真方法 |
CN111816260A (zh) * | 2020-07-09 | 2020-10-23 | 金陵科技学院 | 一种预测工业规模下化学物质热危险性的方法 |
CN113094921A (zh) * | 2021-04-22 | 2021-07-09 | 上汽大众汽车有限公司 | 一种电池包热失控仿真模拟方法及系统 |
CN113948781A (zh) * | 2021-09-26 | 2022-01-18 | 深圳普瑞赛思检测技术有限公司 | 一种电池热失控预警方法和装置 |
-
2023
- 2023-09-08 CN CN202311155131.2A patent/CN116882328B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106816655A (zh) * | 2017-01-25 | 2017-06-09 | 天津清源电动车辆有限责任公司 | 一种锂离子电池热失控危险性控制方法 |
CN110414868A (zh) * | 2019-08-13 | 2019-11-05 | 南京工业大学 | 一种评估化工工艺过程热失控危险度的方法 |
CN111597719A (zh) * | 2020-05-19 | 2020-08-28 | 华南理工大学 | 一种基于电热与热失控耦合模型的动力电池仿真方法 |
CN111816260A (zh) * | 2020-07-09 | 2020-10-23 | 金陵科技学院 | 一种预测工业规模下化学物质热危险性的方法 |
CN113094921A (zh) * | 2021-04-22 | 2021-07-09 | 上汽大众汽车有限公司 | 一种电池包热失控仿真模拟方法及系统 |
CN113948781A (zh) * | 2021-09-26 | 2022-01-18 | 深圳普瑞赛思检测技术有限公司 | 一种电池热失控预警方法和装置 |
Non-Patent Citations (3)
Title |
---|
数值模拟微波加热化学反应过程的初步研究及热点和热失控现象讨论;赵翔;黄卡玛;闫丽萍;姚远;;中国科学(G辑:物理学 力学 天文学)(第04期);23-33 * |
过氧化环己酮储存过程中热失控危险性研究;臧娜;;武警学院学报(第04期);26-30 * |
锂离子电池热失控模拟研究;宁凡雨;刘逸骏;谭立志;王松蕊;刘兴江;;电源技术(第08期);32-34、120 * |
Also Published As
Publication number | Publication date |
---|---|
CN116882328A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116882328B (zh) | 一种反应热风险早期预警与多级智能应急响应方法 | |
EP2712420B1 (en) | Furnace structural integrity monitoring systems and methods | |
CN110699527B (zh) | 热镀锌立式退火炉上下氧含量检测氮气联锁控制系统操作方法 | |
CN108224097B (zh) | 一种天然气管道泄漏报警系统和检测方法 | |
CN113757552B (zh) | 一种碳纤维缠绕气瓶及其健康状态的监测方法 | |
CN110699526A (zh) | 热镀锌立式退火炉上下炉压检测氮气联锁控制系统操作方法 | |
CN118168607B (zh) | 基于光纤光栅传感器的压力容器健康监测方法及系统 | |
CN113029616A (zh) | 一种基于增强熵权的压缩机喘振早期故障特征提取方法 | |
CN110669912B (zh) | 热镀锌立式退火炉氮气联锁控制系统操作方法 | |
CN117291477A (zh) | 一种金属热加工质量控制方法及系统 | |
CN116358789A (zh) | 一种阀门中法兰泄漏状态的预测方法 | |
CN114708712B (zh) | 一种化工过程反应器故障检测的信息融合方法 | |
CN115598220A (zh) | 一种基于声发射技术的储氢罐体氢脆致裂预警方法及系统 | |
CN110008527A (zh) | 一种耐热钢材料剩余寿命评估方法 | |
Schmidt et al. | Smart overpressure protection devices to protect chemical reactors against exothermal runaway reactions | |
CN106289376A (zh) | 一种工业锅炉用智能检测装置 | |
CN110736671B (zh) | 一种管件硬度异常部位的监测方法 | |
CN110425566B (zh) | 一种空预器监控预警系统及其工作方法 | |
CN110252163A (zh) | 一种用于氯乙烯生产的混合器保护系统及方法 | |
CN118297403A (zh) | 一种评估化工工艺过程热失控危险度的方法 | |
CN118090925B (zh) | 一种基于超声导波的局部腐蚀异常识别方法及系统 | |
CN211570722U (zh) | 热镀锌立式退火炉伸缩式迷宫隔离氮气联锁控制系统 | |
CN214502542U (zh) | 一种电站高温螺栓服役状态监测系统 | |
JPH08271153A (ja) | 加熱設備の水漏れ検知方法および装置 | |
CA2778037C (en) | Detection of temperature anomalies in a high pressure polymerization process to prevent decomposition |
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 |