近日，我院孔得朋教授团队安全科学与工程专业硕士研究生杨国栋在加氢站泄漏事故溯源领域取得重要进展，相关研究成果《基于深度学习的加氢站氢气泄漏位置和强度预测》(Prediction of hydrogen leakage location and intensity in hydrogen refueling stations based on deep learning)发表在《International Journal of Hydrogen Energy》。《International Journal of Hydrogen Energy》是工程技术与氢能相关领域最有影响力的期刊之一，目前影响因子为8.1（SCI二区）。该研究第一作者为硕士研究生杨国栋，通讯作者为孔得朋教授，中国石油大学（华东）为第一署名单位和通讯单位。研究工作得到国家重点研发计划专题项目的大力支持。
论文首页
随着全球经济和人口的持续增长，对能源的需求也将持续增长，这一趋势将持续一段时间。氢能正以低碳甚至零碳能源的形式在全球范围内部署。以燃料电池汽车为代表的氢能产业链在运输领域发挥着重要作用。与此同时，许多加氢站已经建成并投入运行。这些装置通常使用高压气体储存氢气，储氢罐内的压力最高达90 MPa。高压氢气的物理性质使其易于泄漏和扩散。如果泄漏的可燃氢气遇到点火源，将演变为爆炸事故。因此，开展加氢站氢气泄漏位置溯源的研究势在必行。
加氢站泄漏源预测模型原理图
针对上述问题，本文提出了一种基于深度学习的混合模型（WD-KNN-CNN）来预测加氢站中氢气泄漏的位置和强度。建立用于CFD数值模拟的加氢站虚拟模型，以提供训练和测试数据，并进行相应的小规模泄漏实验来验证CFD模拟结果。
论文链接：https://doi.org/10.1016/j.ijhydene.2024.04.234
