基于物理约束神经网络的储氢罐泄漏扩散预测

武 冠君(化学品安全全国重点实验室,中国;中石化安全工程研究院有限公司,中国;)
张 广文(化学品安全全国重点实验室,中国;中石化安全工程研究院有限公司,中国;)
窦 晓晓(化学品安全全国重点实验室,中国;中石化安全工程研究院有限公司,中国;)
侯 晓静(化学品安全全国重点实验室,中国;中石化安全工程研究院有限公司,中国;)
侯 孝波(化学品安全全国重点实验室,中国;中石化安全工程研究院有限公司,中国;)

DOI: http://dx.doi.org/10.12349/cta.v2i3.6125

Article ID: 6125

摘要


储氢罐泄漏的可燃蒸气云易引发燃爆事故,为准确预测泄漏扩散区域,使用计算流体力学(CFD)工具对泄漏扩散过程进行模拟,建立储氢罐泄漏事故时空分布预测模型(HRS-PINN),并与基于纯数据驱动的预测模型进行对比。结果表明,本文提出的模型较CFD模拟的泄漏扩散距离百分比误差≤15%,计算速度快三个数量级,且预测精度优于传统神经网络模型,能够为储氢罐泄漏扩散事故应急指挥决策提供有效参考。

关键词


储罐;泄漏扩散;人工智能;数值模拟

全文:

PDF PDF

参考


王岚,王子臻.“双碳”目标下中石化多元化经营探索[J].合作经济与科技,2023,(19):126-128.DOI:10.13665/j.cnki.hzjjykj.2023.19.044.

济民.从地下到天空,中石化发力新能源[J].中国石油石化,2021,(03):32-33.

冯成,周雨轩,刘洪涛.氢气存储及运输技术现状及分析[J].科技资讯,2021,19(25):44-46.

邝辰,刘迪,杨昊,等.氢气泄漏后燃爆风险研究现状综述[J].安全、健康和环境,2021,21(09):1-5.

周树辉,王秀林,段品佳,等.高压气态储氢技术形势分析[J].储能科学与技术,2023,12(08):2668-2679.DOI:10.19799/j.cnki.2095-4239.2023.0139.

王继猛,崔燕,王鹏飞,等.大气环境影响下的高压氢储罐氢气泄漏爆炸事故后果模拟[J].湖南科技大学学报(自然科学版),2024,39(03):30-35.DOI:10.13582/j.cnki.1672-9102.2024.03.004.

李雪芳.储氢系统意外氢气泄漏和扩散研究[D].清华大学,2015.

Shu Z , Liang W , Zheng X ,et al.Dispersion Characteristics of Hydrogen Leakage: Comparing the Prediction Model with the Experiment[J].Energy, 2021, 236(14):121420.DOI:10.1016/j.energy.2021.121420.

胡玮鹏,陈光,齐宝金,等.埋地纯氢/掺氢天然气管道泄漏扩散数值模拟[J].油气储运,2023,42(10):1118-1127+1136.

RAISSI M, PERDIKARIS P, KARNIADAKIS G E.Physics informed neural networks: a deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations[J]. Journal of Computational Physics, 2019, 378: 686−707.

Lee W H .PRESSURE ITERATION SCHEME FOR TWO-PHASE FLOW MODELING[M].[2025-03-31].

Jin T , Wu M , Liu Y ,et al.CFD modeling and analysis of the influence factors of liquid hydrogen spills in open environment[J].International Journal of Hydrogen Energy, 2016, 42(1):732-739.DOI:10.1016/j.ijhydene.2016.10.162.

Mikko M , Veikko T , Sirpa K .On the mixture model for multiphase flow[J].VTT Publications, 1996, 288.

Tominaga Y , Mochida A , Yoshie R ,et al.AIJ guidelines for practical applications of CFD to pedestrian wind environment around buildings[J].Journal of Wind Engineering and Industrial Aerodynamics, 2008, 96(10-11):1749-1761.DOI:10.1016/j.jweia.2008.02.058.

Hochreiter S, Schmidhuber J. Long short-term memory.Neural Comput 1997;9:1735-80.

Karpatne A, Watkins W, Read J, Kumar V. Physics guidedneural networks (PGNN): an application in lake temperaturemodeling. 2017


Refbacks

  • 当前没有refback。


版权所有(c)2025 武 冠君, 张 广文, 窦 晓晓, 侯 晓静, 侯 孝波

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。