基于物联网的氢能安全管理系统的制作方法

1.本发明涉及氢能管理技术领域，尤其涉及基于物联网的氢能安全管理系统。


背景技术：

2.近年来随着环境问题的突出，氢能源因清洁无污染而受到广泛关注，也因此被认为是未来能源使用的终极形式；相应的，其上下游产业都得到了广泛的关注和应用。可再生能源电解水制氢技术因可以提供清洁无污染的氢能源，同时可以降低电解水制氢的成本，而被认为是未来最有潜力的制氢方式；另外，可再生能源制氢也是一种增加可再生能源消纳、提供调峰资源的重要途径。
3.目前全球很多国家的科研院所、企业已经致力于氢能源事业的发展。但是氢气密度小，易泄漏，属于易燃易爆类危化品，使得氢气应用的安全性能备受关注。但是氢气是易燃易爆气体，利用过程的安全措施一旦失当，容易发生着火爆炸事故，造成人员伤亡和财产损失，因此对氢能利用安全技术的研究成为人们重视与关注问题之一。
4.现有的氢能安全管理系统无法为用户提供高效便捷的服务，且对助力车氢能装置运行状态进行分析精确度低，无法有效保证对氢能装置能耗以及安全进行管理，为此，我们提出基于物联网的氢能安全管理系统。


技术实现要素：

5.本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于物联网的氢能安全管理系统。
6.为了实现上述目的，本发明采用了如下技术方案：
7.基于物联网的氢能安全管理系统，包括管控端、信息采集模块、氢能装置、定位模块、运行分析模块、加注控制模块、泄露报警模块、显示模块以及用户平台；
8.所述管控端用于实时监测各类参数，同时对于异常参数及时提醒工作人员采取相应的安全措施；
9.所述信息采集模块用于实时采集氢能装置各参数信息；
10.所述氢能装置用于为助力车供能；
11.所述定位模块用于实时对各助力车位置进行定位；
12.所述运行分析模块用于依据采集到的各组参数信息对氢能装置进行预测反馈；
13.所述加注控制模块用于实时监测氢气装置加氢过程，并对该过程进行管控；
14.所述泄露报警模块用于依据采集到的参数信息对氢能装置储氢情况进行分析告警；
15.所述显示模块用于向使用者实时显示相关助力车剩余动力信息；
16.所述用户平台用于依据用户需求显示对应助力车位置，并在用户使用时实时显示该助力车氢能装置运行信息。
17.作为本发明的进一步方案，所述信息采集模块具体包括温度传感器、压力传感器
以及流量传感器；
18.所述氢能装置具体包括储气单元、燃料电池、加氢口、氢气过滤器、单向阀、减压阀、电磁阀、排空口、限流阀、安全阀、针阀以及氢系统控制器；
19.所述信息采集模块布置在氢能装置相关位置，并实时采集对应氢能装置的温度、压力和氢气流量。
20.作为本发明的进一步方案，所述运行分析模块预测反馈具体步骤如下：
21.步骤(1)：运行分析模块抽取管控端存储的过往氢能装置管控信息，之后将各组数据预处理成统一格式的数据，再通过各组数据的方差系数筛除出表征能力差的数据，然后构建一组卷积神经网络；
22.步骤(2)：将剩余数据分为训练集以及测试集，并将训练集输送至卷积神经网络进行输入、卷积、池化、全连接和输出以输出预测模型，再利用测试集对预测模型进行测试，若测试准确率满足期望值，则停止训练，反之则继续训练以获取该预测模型最优参数；
23.步骤(3)：将当前氢能装置运行信息导入预测模型中，之后预测模型输出对应氢能装置预测曲线，并依据工作人员预设阈值判断各氢能装置运行是否存在异常，若存在异常，则中断该氢能装置运行进程，再通过定位模块确认相关助力车位置，同时通知相关人员将其回收至管理站；
24.步骤(4)：依据输出的预测曲线对相关助力车剩余氢能进行判断，若剩余氢能低于预设阈值，则降低助力车行驶速度范围进行降低，并通过语音播报的方式向正在使用的用户反馈调整信息。
25.作为本发明的进一步方案，步骤(1)所述方差系数具体步骤如下：
[0026][0027]
其中，σ表示特征数据的标准差，μ表示特征数据的均值，cv表示特征数据的方差系数，若方差系数越大，则表示越重要，反之，则表示不重要，予以剔除。
[0028]
作为本发明的进一步方案，步骤(2)所述预测模型具体训练步骤如下：
[0029]
步骤一：从筛选后的数据中选取一组作为验证数据，之后将剩余数据拟合成一组测试模型，再通过选取的验证数据验证测试模型的精度，并重复n次通过均方根误差对该预测模型的预测能力进行计算以获取多组精度参数；
[0030]
步骤二：对生成的精度参数进行参数优化处理，依据预设的学习率以及步长列出所有可能的数据结果，且对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，训练模型后对测试集进行检测，统计检测结果的均方根误差；
[0031]
步骤三：将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优的参数并替换预测模型原有参数。
[0032]
作为本发明的进一步方案，步骤一所述均方根误差具体计算公式如下：
[0033]
[0034]
其中，e(yi)表示第i个实际观测值，yi为模型反演出的第i个预测值，n是观测样本总数。
[0035]
作为本发明的进一步方案，所述加注控制模块加氢管控具体步骤如下：
[0036]
步骤i：信息采集模块对助力车氢能装置中的储能单元内部氢能含量进行实时采集，并判断该储能单元加注类型；
[0037]
步骤ⅱ：若仅满足低压加注，则先启动低压储氢罐向储能单元中加注氢气，当储氢单元满足中压加注条件，则关闭低压储氢罐，并启动中压储氢罐向储氢单元中进加注氢气，当储氢单元满足高压加注条件，则关闭中压储氢罐，并启动高压储氢罐向储氢单元中进加注氢气；
[0038]
步骤iii：若仅满足中压加注条件，则先启动中压储氢罐向储氢单元中进加注氢气，当储氢单元满足高压加注条件，则关闭中压储氢罐，并启动高压储氢罐向储氢单元中进加注氢气，若满足高压加注条件，则启动高压储氢罐向储氢单元中进加注氢气。
[0039]
相比于现有技术，本发明的有益效果在于：
[0040]
该基于物联网的氢能安全管理系统通过信息采集模块实时采集各助力车氢能装置的各项参数信息，同时运行分析模块接收到各组参数时，自行构建预测模型并寻找该模型最优参数，之后将当前氢能装置运行信息导入预测模型中，之后预测模型输出对应氢能装置预测曲线，并依据工作人员预设阈值判断各氢能装置运行是否存在异常，若存在异常，则中断该氢能装置运行进程，再通过定位模块确认相关助力车位置，同时通知相关人员将其回收至管理站，并依据输出的预测曲线对相关助力车剩余氢能进行判断，若剩余氢能低于预设阈值，则降低助力车行驶速度范围进行降低，并通过语音播报的方式向正在使用的用户反馈调整信息，同时用户平台用于依据用户需求显示对应助力车位置，能够动态平衡整个区域内的骑行供需关系，为用户提供高效便捷的服务，同时能够自行建模寻参，大幅提高对助力车氢能装置运行状态进行分析精确性，能够高效地对氢能装置能耗以及安全进行管理，保证用户使用安全。
附图说明
[0041]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0042]
图1为本发明提出的基于物联网的氢能安全管理系统的系统框图。
具体实施方式
[0043]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0044]
实施例1
[0045]
参照图1，基于物联网的氢能安全管理系统，包括管控端、信息采集模块、氢能装置、定位模块、运行分析模块、加注控制模块、泄露报警模块、显示模块以及用户平台。
[0046]
管控端用于实时监测各类参数，同时对于异常参数及时提醒工作人员采取相应的安全措施；信息采集模块用于实时采集氢能装置各参数信息；氢能装置用于为助力车供能。
[0047]
需要进一步说明的是，信息采集模块具体包括温度传感器、压力传感器以及流量
传感器；氢能装置具体包括储气单元、燃料电池、加氢口、氢气过滤器、单向阀、减压阀、电磁阀、排空口、限流阀、安全阀、针阀以及氢系统控制器；信息采集模块布置在氢能装置相关位置，并实时采集对应氢能装置的温度、压力和氢气流量。
[0048]
定位模块用于实时对各助力车位置进行定位；运行分析模块用于依据采集到的各组参数信息对氢能装置进行预测反馈。
[0049]
具体的，运行分析模块抽取管控端存储的过往氢能装置管控信息，之后将各组数据预处理成统一格式的数据，再通过各组数据的方差系数筛除出表征能力差的数据，然后构建一组卷积神经网络，之后将剩余数据分为训练集以及测试集，并将训练集输送至卷积神经网络进行输入、卷积、池化、全连接和输出以输出预测模型，再利用测试集对预测模型进行测试，若测试准确率满足期望值，则停止训练，反之则继续训练以获取该预测模型最优参数，将当前氢能装置运行信息导入预测模型中，之后预测模型输出对应氢能装置预测曲线，并依据工作人员预设阈值判断各氢能装置运行是否存在异常，若存在异常，则中断该氢能装置运行进程，再通过定位模块确认相关助力车位置，同时通知相关人员将其回收至管理站，依据输出的预测曲线对相关助力车剩余氢能进行判断，若剩余氢能低于预设阈值，则降低助力车行驶速度范围进行降低，并通过语音播报的方式向正在使用的用户反馈调整信息。
[0050]
需要进一步说明的是，方差系数具体步骤如下：
[0051][0052]
其中，σ表示特征数据的标准差，μ表示特征数据的均值，cv表示特征数据的方差系数，若方差系数越大，则表示越重要，反之，则表示不重要，予以剔除。
[0053]
具体的，从筛选后的数据中选取一组作为验证数据，之后将剩余数据拟合成一组测试模型，再通过选取的验证数据验证测试模型的精度，并重复n次通过均方根误差对该预测模型的预测能力进行计算以获取多组精度参数，对生成的精度参数进行参数优化处理，依据预设的学习率以及步长列出所有可能的数据结果，且对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，训练模型后对测试集进行检测，统计检测结果的均方根误差，将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优的参数并替换预测模型原有参数。
[0054]
本实施例中，均方根误差具体计算公式如下：
[0055][0056]
其中，e(yi)表示第i个实际观测值，yi为模型反演出的第i个预测值，n是观测样本总数。
[0057]
实施例2
[0058]
参照图1，基于物联网的氢能安全管理系统，包括管控端、信息采集模块、氢能装置、定位模块、运行分析模块、加注控制模块、泄露报警模块、显示模块以及用户平台。
[0059]
泄露报警模块用于依据采集到的参数信息对氢能装置储氢情况进行分析告警；加注控制模块用于实时监测氢气装置加氢过程，并对该过程进行管控。
[0060]
具体的，信息采集模块对助力车氢能装置中的储能单元内部氢能含量进行实时采集，并判断该储能单元加注类型，若仅满足低压加注，则先启动低压储氢罐向储能单元中加注氢气，当储氢单元满足中压加注条件，则关闭低压储氢罐，并启动中压储氢罐向储氢单元中进加注氢气，当储氢单元满足高压加注条件，则关闭中压储氢罐，并启动高压储氢罐向储氢单元中进加注氢气，若仅满足中压加注条件，则先启动中压储氢罐向储氢单元中进加注氢气，当储氢单元满足高压加注条件，则关闭中压储氢罐，并启动高压储氢罐向储氢单元中进加注氢气，若满足高压加注条件，则启动高压储氢罐向储氢单元中进加注氢气
[0061]
显示模块用于向使用者实时显示相关助力车剩余动力信息；用户平台用于依据用户需求显示对应助力车位置，并在用户使用时实时显示该助力车氢能装置运行信息。

技术特征：
1.基于物联网的氢能安全管理系统，其特征在于，包括管控端、信息采集模块、氢能装置、定位模块、运行分析模块、加注控制模块、泄露报警模块、显示模块以及用户平台；所述管控端用于实时监测各类参数，同时对于异常参数及时提醒工作人员采取相应的安全措施；所述信息采集模块用于实时采集氢能装置各参数信息；所述氢能装置用于为助力车供能；所述定位模块用于实时对各助力车位置进行定位；所述运行分析模块用于依据采集到的各组参数信息对氢能装置进行预测反馈；所述加注控制模块用于实时监测氢气装置加氢过程，并对该过程进行管控；所述泄露报警模块用于依据采集到的参数信息对氢能装置储氢情况进行分析告警；所述显示模块用于向使用者实时显示相关助力车剩余动力信息；所述用户平台用于依据用户需求显示对应助力车位置，并在用户使用时实时显示该助力车氢能装置运行信息。2.根据权利要求1所述的基于物联网的氢能安全管理系统，其特征在于，所述信息采集模块具体包括温度传感器、压力传感器以及流量传感器；所述氢能装置具体包括储气单元、燃料电池、加氢口、氢气过滤器、单向阀、减压阀、电磁阀、排空口、限流阀、安全阀、针阀以及氢系统控制器；所述信息采集模块布置在氢能装置相关位置，并实时采集对应氢能装置的温度、压力和氢气流量。3.根据权利要求2所述的基于物联网的氢能安全管理系统，其特征在于，所述运行分析模块预测反馈具体步骤如下：步骤(1)：运行分析模块抽取管控端存储的过往氢能装置管控信息，之后将各组数据预处理成统一格式的数据，再通过各组数据的方差系数筛除出表征能力差的数据，然后构建一组卷积神经网络；步骤(2)：将剩余数据分为训练集以及测试集，并将训练集输送至卷积神经网络进行输入、卷积、池化、全连接和输出以输出预测模型，再利用测试集对预测模型进行测试，若测试准确率满足期望值，则停止训练，反之则继续训练以获取该预测模型最优参数；步骤(3)：将当前氢能装置运行信息导入预测模型中，之后预测模型输出对应氢能装置预测曲线，并依据工作人员预设阈值判断各氢能装置运行是否存在异常，若存在异常，则中断该氢能装置运行进程，再通过定位模块确认相关助力车位置，同时通知相关人员将其回收至管理站；步骤(4)：依据输出的预测曲线对相关助力车剩余氢能进行判断，若剩余氢能低于预设阈值，则降低助力车行驶速度范围进行降低，并通过语音播报的方式向正在使用的用户反馈调整信息。4.根据权利要求3所述的基于物联网的氢能安全管理系统，其特征在于，步骤(1)所述方差系数具体步骤如下：其中，σ表示特征数据的标准差，μ表示特征数据的均值，cv表示特征数据的方差系数，
若方差系数越大，则表示越重要，反之，则表示不重要，予以剔除。5.根据权利要求3所述的基于物联网的氢能安全管理系统，其特征在于，步骤(2)所述预测模型具体训练步骤如下：步骤一：从筛选后的数据中选取一组作为验证数据，之后将剩余数据拟合成一组测试模型，再通过选取的验证数据验证测试模型的精度，并重复n次通过均方根误差对该预测模型的预测能力进行计算以获取多组精度参数；步骤二：对生成的精度参数进行参数优化处理，依据预设的学习率以及步长列出所有可能的数据结果，且对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，训练模型后对测试集进行检测，统计检测结果的均方根误差；步骤三：将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优的参数并替换预测模型原有参数。6.根据权利要求5所述的基于物联网的氢能安全管理系统，其特征在于，步骤一所述均方根误差具体计算公式如下：其中，e(y
i
)表示第i个实际观测值，y
i
为模型反演出的第i个预测值，n是观测样本总数。7.根据权利要求2所述的基于物联网的氢能安全管理系统，其特征在于，所述加注控制模块加氢管控具体步骤如下：步骤i：信息采集模块对助力车氢能装置中的储能单元内部氢能含量进行实时采集，并判断该储能单元加注类型；步骤ⅱ：若仅满足低压加注，则先启动低压储氢罐向储能单元中加注氢气，当储氢单元满足中压加注条件，则关闭低压储氢罐，并启动中压储氢罐向储氢单元中进加注氢气，当储氢单元满足高压加注条件，则关闭中压储氢罐，并启动高压储氢罐向储氢单元中进加注氢气；步骤iii：若仅满足中压加注条件，则先启动中压储氢罐向储氢单元中进加注氢气，当储氢单元满足高压加注条件，则关闭中压储氢罐，并启动高压储氢罐向储氢单元中进加注氢气，若满足高压加注条件，则启动高压储氢罐向储氢单元中进加注氢气。

技术总结
本发明公开了基于物联网的氢能安全管理系统，属于氢能管理技术领域，包括管控端、信息采集模块、氢能装置、定位模块、运行分析模块、加注控制模块、泄露报警模块、显示模块以及用户平台；本发明能够动态平衡整个区域内的骑行供需关系，为用户提供高效便捷的服务，同时能够自行建模寻参，大幅提高对助力车氢能装置运行状态进行分析精确性，能够高效地对氢能装置能耗以及安全进行管理，保证用户使用安全。保证用户使用安全。保证用户使用安全。


技术研发人员：姚远
受保护的技术使用者：江苏酷极新能源有限公司
技术研发日：2023.03.31
技术公布日：2023/7/13