基于脉冲响应法与传感器阵列的综合管廊燃气泄漏源识别方法与流程

专利2022-06-29  73


(一)技术领域

本发明属于城市公共安全领域,具体涉及一种综合管廊舱内燃气管道燃气泄漏源识别方法。

(二)

背景技术:

城市地下综合管廊,是集水、电、通信、燃气等各类管线于一体的集中式管线敷设方式,与传统直接埋地式管廊相比,占用的地下空间少,避免了地面的反复开挖施工,对城市交通与城市发展起到很好的保障作用。但综合管廊属于地下狭小空间,同时燃气管道入廊也对综合管廊的安全性造成了重大隐患,燃气泄漏爆炸所造成的危险性也是巨大的,对城市的安全运行与居民的人生安全也构成了威胁。目前对于综合管廊燃气管道发生泄漏时的应急措施主要是进行燃气报警,当燃气浓度达到爆炸极限时,紧急切断燃气管道分段阀门或者时启动通风设备。因此,如果在燃气泄漏时就识别出泄漏源强度与位置,从源头进行维修和处理,对于降低次生事故,加快维修恢复,起着十分重要的作用。

(三)

技术实现要素:

解决的技术问题

针对现有管廊燃气泄漏监控防治方法中的不足,本发明提出了基于脉冲响应法与传感器阵列的综合管廊燃气泄漏源识别方法,快速准确的识别出泄漏源强度与其位置

技术方案

为实现以上目的,本发明通过以下技术方案予以实现:

(1).首先确定好管廊内各浓度传感器的位置与潜在泄漏源的位置;

(2).在潜在泄漏源的位置分别以脉冲的形式释放一定量的气体,获取不同浓度传感器的响应矩阵,其表示泄漏源强度q与传感器浓度c之间的关系,线性关系式为c=a·q,

式中表示在tn时刻下某位置浓度传感器的测量值;表示在tn时刻下的响应因子;表示为在tn时刻下的泄漏源的泄漏强度;

(3).获取了潜在泄漏源的响应矩阵后,结合部分浓度传感器的实测值,利用正则化方法,反算出泄漏源的强度;

(4).利用其余浓度传感器的监测数据,基于贝叶斯准则,获得各潜在泄漏源的后验概率式中,n为潜在泄漏源个数,k表示潜在泄漏源编号,p(yk)为先验概率,l(o|yk)为似然函数,其中cm表示浓度传感器的测量值,表示第k个潜在泄漏源用响应矩阵计算出的浓度传感器数值,σ为数据标准差;

(5).最后利用后验概率p(yk|o)计算出各个潜在泄漏源的概率,概率值最大的潜在泄漏源位置即为真实泄漏源位置。所述步骤(2)中,脉冲释放时间设置为计算的时间步长,脉冲释放的气体量要达到浓度传感器的测量下限。

所述步骤(4)中,其余浓度传感器为不同于用来反算泄漏源的强度q的传感器。

所述步骤(4)中,先验概率p(yk)可以指定泄漏源在不同潜在位置的概率相等。

有益效果

本发明利用脉冲响应法对管廊内泄漏源强度与泄漏源位置进行识别,解决了在传统燃气泄漏监测管控方法中,通过浓度传感器达到报警浓度时再进行切断防火分区,无法辨识出泄漏源强度与泄漏源准确位置的不足,并且脉冲响应法避免了传统污染源识别方法中需进行cfd数值模拟这一步骤,更加快捷方便。本发明能够有效、便捷且快速的识别出地下综合管廊中泄漏源的强度与泄漏源位置,实现快速识别预警。

(四)附图说明

图1为本发明所建实验模型释放位置与浓度传感器布置示意图

图2为本发明提出的利用脉冲响应法在综合管廊中辨识泄漏源位置与强度的技术方案框架图

图3为利用脉冲响应法在综合管廊中反算泄漏源强度结果图

(五)具体实施方式

下面结合附图和实例,对本发明的具体实施方式进一步详细描述,以下实例用于本发明,但不用来限制本发明范围。在阅读了本发明讲授的内容之后,本领域的技术人员可对本发明做各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。

如图1所示,建立了一个长9米,宽1.7米,高2.1米的地下综合管廊模型,9米长的燃气管道横穿模型。真实泄漏源(潜在源1)位置设置在燃气管道下,距离入风口1.63米的位置上,另设置两个潜在源2与潜在源3。浓度传感器布置在距离入风口9米的“s”截面上,共四个浓度传感器s1、s2、s3、s4。

在实验中,在潜在泄漏源1位置,示踪气体(二氧化碳)以45l/min的流量释放10秒(脉冲形式),得到四个浓度传感器随时间变化的数据,导入matlab进行数据处理,获得在潜在泄漏源1位置对应不同浓度传感器的响应矩阵a;再以30l/min的泄漏强度在真实泄漏源1恒定释放示踪气体,根据各传感器位置反馈回来的浓度值c,最后再结合以上计算的浓度响应矩阵a,,可确定出对应不同传感器的泄漏源强度大小q。

又由于浓度响应矩阵a为病态矩阵,即无法通过对c=a·q直接求逆求得q,故利用tikhonov正则化方法增强矩阵运算的稳定性。tikhonov正则化方法是将泄漏源强度与浓度之间的关系式c=a·q转化为求下式最小目标函数的问题:

式中,为矩阵二范数,:l为正则化矩阵,λ为正则化参数。将z(q)对求导可确定使上式取局部最小值的泄漏源强度q。由上式,若己知浓度传感器浓度时间序列c、响应矩阵a,即可确定对应传感器泄漏源强度大小q,反算出泄漏源强度的结果,如图3所示。其中真实源的泄漏强度,即30l/min;s1,s2,s3,s4分别为不同传感器位置下的反算结果。计算的结果表明,各传感器位置基本能够反算出泄漏源的强度,但总体上比实际的泄漏强度要小一些。同时也验证了,使用脉冲响应法获取响应矩阵的方法在实际发生泄漏情况下进行逆向识别的可行性。

泄漏源位置的确定采用的是贝叶斯概率模型,以浓度传感器s1为例,选用s1浓度传感器来进行泄漏源强度识别,用s2浓度传感器进行泄漏源位置识别。

首先利用s1浓度传感器的数据和其分别对应在三个潜在源位置泄漏时所获得的响应矩阵,反算出三个潜在源的泄漏强度。

然后,利用三个潜在源的泄漏强度和其对应的s2浓度传感器的响应矩阵,计算出潜在源1、2、3的似然概率l(o|y1)、l(o|y2)、l(o|y3)。

最后,计算出三个潜在泄漏源的后验概率p(y1|o),p(y2|o),p(y3|o),比较三个后验概率大小,发现潜在泄漏源1的后验概率值最大,即为预测的真实源位置。综上,完成对泄漏源释放强度和位置的识别。


技术特征:

1.基于脉冲响应法与传感器阵列的综合管廊燃气泄漏源识别方法,其特征在于,包含如下步骤:

(1).首先确定好管廊内各浓度传感器的位置与潜在泄漏源的位置;

(2).在潜在泄漏源的位置分别以脉冲的形式释放一定量的气体,获取不同浓度传感器的响应矩阵,其表示泄漏源强度q与传感器浓度c之间的关系,线性关系式为c=a·q,

式中表示在tn时刻下某位置浓度传感器的测量值;表示在tn时刻下的响应因子;表示为在tn时刻下的泄漏源的泄漏强度。

(3).获取了潜在泄漏源的响应矩阵后,结合部分浓度传感器的实测值,利用正则化方法,反算出泄漏源的强度。

(4).利用其余浓度传感器的监测数据,基于贝叶斯准则,获得各潜在泄漏源的后验概率p(yk|o),式中,n为潜在泄漏源个数,k表示潜在泄漏源编号,p(yk)为先验概率,l(o|yk)为似然函数,其中cm表示浓度传感器的测量值,表示第k个潜在泄漏源用响应矩阵计算出的传感器数值,σ为数据标准差。

(5).最后利用后验概率p(yk|o)计算出各个潜在泄漏源的概率,概率值最大的潜在泄漏源位置即为真实泄漏源位置。

2.如权利要求1所述,其特征在于,所述步骤(2)中,脉冲释放时间设置为计算的时间步长,脉冲释放的气体量要达到浓度传感器的测量下限。

3.如权利要求1所述,其特征在于,所述步骤(4)中,其余浓度传感器为不同于用来反算泄漏源的强度q的传感器。

4.如权利要求1所述,其特征在于,所述步骤(4)中,先验概率p(yk)可以指定泄漏源在不同潜在位置的概率相等。

技术总结
本发明公布了一种利用脉冲响应与浓度传感器阵列在综合管廊燃气管道发生泄漏时,快速识别出泄漏源位置与泄漏源释放量大小的方法。该方法首先在潜在泄漏源位置进行脉冲源释放获得对应的响应矩阵,然后即可根据综合管廊舱内浓度传感器的实时监测反馈的数值,再结合正则化方法与贝叶斯概率模型计算出泄漏源的强度与位置。本发明方法能快速布置并对综合管廊燃气管道泄漏源位置进行准确的反演估计,对安全工程具有很大意义,同时该方法也可拓展到室内空间的污染源辨识之中。

技术研发人员:周康;李斐;庄俊亿;蔡浩
受保护的技术使用者:南京工业大学
技术研发日:2020.03.18
技术公布日:2020.06.09

转载请注明原文地址: https://bbs.8miu.com/read-21741.html

最新回复(0)