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喷射火事故后果预测模型领域取得重要进展,相关研究成果《基于混合神经网络的加氢站氢气喷射火灾事故预测模型》(Hydrogen jet fire accident prediction model for hydrogen refueling station based on hybrid neural network)发表在《Process Safety and Environmental Protection》。《Process Safety and Environmental Protection》是过程安全领域最有影响力的期刊之一,目前影响因子为6.9(SCI二区TOP)。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
在全球能源转型背景下,氢能产业的快速发展推动着加氢站建设。然而,高压氢气泄漏易引发喷射火,存在严重安全风险。研究表明,障碍物会显著改变火焰传播路径。如加氢车辆可能阻挡火焰,导致火焰向设备或人员区域扩散;而无车辆时火焰可能绕过隔墙或支柱进而对相邻设备产生危害。传统的火焰形态预测方法难以兼顾时效性和准确性,因此,开发更高效精准的加氢站氢喷射火事故后果预测模型对加氢站风险管理和事故应急至关重要。
基于数据-模型混合驱动的加氢站喷射火焰行为预测方法的流程图
提出了一种基于混合神经网络的模型,该模型利用GAN生成逼真的温度分布特征,通过LSTM捕捉氢气射流火灾温度分布变化的时序特征,并结合基于模型的火焰参数预测方法,利用理论模型或经验公式表达火焰宽度和长度,以解决纯数据驱动方法在火焰边界预测上的不足。在模型训练与验证方面,通过使用经过文献实验验证的数值模拟数据进行训练,并利用实验数据评估模型预测的火焰宽度数据准确性,平均相对误差仅为7.96%。模型性能分析显示,混合模型在预测精度和计算效率上均优于传统数值方法,可在50毫秒内完成单次预测,实现了喷射火事故后果实时预测,为加氢站的安全管理和应急决策提供了有力支持。
论文链接:https://doi.org/10.1016/j.psep.2025.107027