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应急资源需求预测领域取得重要进展，相关研究成果《基于深度学习的加氢站应急资源需求预测方法》(Deep learning-based method for predicting emergency resources demand at hydrogen refueling stations)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
随着绿色能源转型的推进，氢能作为清洁能源受到重视，氢燃料电池汽车和加氢站的建设规模不断扩大。然而，加氢站中高压氢气的储存带来了潜在的安全风险，一旦发生事故，有效的应急响应规划对于减轻事故后果至关重要。目前，关于加氢站事故应急响应的研究较少，尤其是在应急资源需求预测方面存在研究空白。
基于深度学习的加氢站事故应急资源需求预测流程图
本研究提出了一种基于深度学习的加氢站事故应急资源需求预测模型，通过构建包含事故特征、潜在伤亡和相应应急资源需求的案例库，利用深度学习算法建立事故后果与应急资源需求之间的相关性，实现快速预测。研究评估了多种神经网络模型对于应急物资需求预测的适用性，发现随机森林模型在预测伤亡和资源需求方面最为准确。为了提高用户易用性，开发了图形用户界面，使非技术背景的应急响应人员能够输入事故参数并立即获得伤亡和应急资源需求的预测结果。该研究的结论强调了深度学习与应急响应规划相结合的风险缓解策略在加氢站安全管理中的重要性，为加氢站事故的应急资源需求预测提供了一种可靠、准确和高效的工具，有助于提高氢能行业的安全性和风险管理水平。
论文链接：https://doi.org/10.1016/j.ijhydene.2024.11.391
