近日，我院孔得朋教授团队安全科学与工程专业博士研究生何旭在加氢站事故后果快速预测领域取得重要进展，相关研究成果《基于深度神经网络的加氢站泄漏氢气浓度变化预测模型》(Prediction model for the evolution of hydrogen concentration under leakage in hydrogen refueling station using deep neural networks)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）。该研究第一作者为博士研究生何旭，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
在氢能应用相关利好政策的推动下，中国的氢能产业获得了快速发展，氢燃料电池汽车产业作为其中的代表之一发展迅速。加氢站作为氢燃料电池汽车产业最为重要的配套设施，正在大规模建设中。迄今为止，中国已成为世界上拥有加氢站数量最多的国家。加氢站中储存着大量高压氢气，氢气的意外泄漏会在很短的时间内形成易燃混合物，当混合物遇到火源时会引发严重的火灾和爆炸事故。为了应对这些风险，需要采取有针对性的风险预警和应急措施，而这又需要对事故后果进行快速预测。然而，现有的理论模型和数值仿真方法难以同时保证氢泄漏事故后果预测的准确度和时效性。
不同工况下代理模型预测结果比较
针对上述问题，本文提出了一种基于物理信息的卷积长短期记忆网络（PI-ConvLSTM）代理模型，通过在ConvLSTM模型的损失函数中添加物理约束项，改善了气体云边界的浓度预测结果。在代理模型已经训练完成的情况下，该方法可以大大缩短氢气泄漏事故后果的预测时间，进而可为加氢站泄漏事故提供实时风险预警和后果预测。
论文链接：https://doi.org/10.1016/j.ijhydene.2022.12.102
