油氢合建站的安全评价方法、装置、设备及介质

1.本发明涉及油氢合建站技术领域，尤其涉及一种油氢合建站的安全评价方法、装置、设备及介质。


背景技术：

2.近年来，随着我国经济的快速发展，加氢站与加油站合建(即油氢合建站)是氢能产业建设的大势所趋，也是促进氢能源汽车推广的必经之路。但油氢合建站的工艺设备复杂、人员素质不齐、天气情况多变等特点为油氢合建站的安全运行带来挑战。
3.相关技术中，通常根据cfd软件模拟的结果来制定油氢合建站的安全标准或油氢合建站的空间设计。然而，这种方法主要是对油氢合建站在使用前的安全设计提供技术参考，无法实现油氢合建站在使用过程中的实时安全评价。
4.基于此，本发明提出了一种油氢合建站的安全评价方法、装置、设备及介质来解决上述技术问题。


技术实现要素：

5.本发明描述了一种油氢合建站的安全评价方法、装置、设备及介质，能够实现油氢合建站在使用过程中的实时安全评价。
6.根据第一方面，本发明提供了一种油氢合建站的安全评价方法，包括：
7.获取待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据；其中，所述数值型数据包括第一设备安全风险数据和环境安全风险数据，所述文字型数据包括第二设备安全风险数据、人员安全风险数据和管理安全风险数据；
8.将所述数值型数据和所述文字型数据输入到预先训练好的安全评价模型中，输出得到所述油氢合建站在当前时刻的安全风险等级；其中，所述安全评价模型是通过将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练得到的。
9.根据第二方面，本发明提供了一种油氢合建站的安全评价装置，包括：
10.获取单元，用于获取待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据；其中，所述数值型数据包括第一设备安全风险数据和环境安全风险数据，所述文字型数据包括第二设备安全风险数据、人员安全风险数据和管理安全风险数据；
11.评价单元，用于将所述数值型数据和所述文字型数据输入到预先训练好的安全评价模型中，输出得到所述油氢合建站在当前时刻的安全风险等级；其中，所述安全评价模型是通过将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练得到的。
12.根据第三方面，本发明提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现第一方面的方法。
13.根据第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，
当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。
14.根据本发明提供的油氢合建站的安全评价方法、装置、设备及介质，通过利用将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练而得到安全评价模型，这样就可以将待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据输入到安全评价模型中，如此可以准确快速地得到油氢合建站在当前时刻的安全风险等级。因此，上述技术方案能够实现油氢合建站在使用过程中的实时安全评价。
附图说明
15.为了更清楚地说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1示出了根据一个实施例的油氢合建站的安全评价方法的流程示意图；
17.图2示出了根据一个实施例的油氢合建站的安全评价装置的示意性框图；
18.图3示出了根据一个实施例的油氢合建站的模型示意图。
具体实施方式
19.下面结合附图，对本发明提供的方案进行描述。
20.图1示出根据一个实施例的油氢合建站的安全评价方法的流程示意图。可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。如图1所示，该方法包括:
21.步骤100、获取待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据；其中，数值型数据包括第一设备安全风险数据和环境安全风险数据，文字型数据包括第二设备安全风险数据、人员安全风险数据和管理安全风险数据；
22.步骤102、将数值型数据和文字型数据输入到预先训练好的安全评价模型中，输出得到油氢合建站在当前时刻的安全风险等级；其中，安全评价模型是通过将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练得到的。
23.在本实施例中，通过利用将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练而得到安全评价模型，这样就可以将待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据输入到安全评价模型中，如此可以准确快速地得到油氢合建站在当前时刻的安全风险等级。因此，上述技术方案能够实现油氢合建站在使用过程中的实时安全评价。
24.可以理解的是，数值型数据是可以被设置在油氢合建站中的探测器监测得到的，而文字型数据是需要通过安全管理人员定性评判得到的。
25.在本发明一个实施例中，第一设备安全风险数据包括储氢罐的压力、氢气压缩机房的温度、氢气压缩机房的氢气浓度和加氢机周围的氢气浓度；
26.第二设备安全风险数据包括储氢罐的磨损程度、加氢机连接件的工作状况和站场
电气设备的工作状况；
27.环境安全风险数据包括大风级别、雨雪级别、能见度和室外温度；
28.人员安全风险数据包括工作人员的健康状况、工作人员的职能素养、顾客的安全意识和顾客的车辆驾驶习惯；
29.管理安全风险数据包括站场布局的规范状况、站场的整改状况、站场的安全监督管理状况、工作人员的教育培训状况和工作人员的违章指挥状况。
30.需要说明的是，探测器主要监测站场运行参数和室外天气参数。站场运行参数包括储氢罐的压力、氢气压缩机房的温度、氢气压缩机房的氢气浓度和加氢机周围的氢气浓度等；室外天气参数包括大风级别、雨雪级别、能见度和室外温度等。
31.需要特别注意的是，油氢合建站既涉及易燃易爆易挥发的油罐区、加油区，又布局了易燃易爆的氢气罐区及其配套设施，同时聚集了油、气环境风险因素。因此在布置探测器时，要在加氢站内低洼低地油气容易局部聚集区域加设油气浓度探测器，也要在加油站内顶棚罩棚氢气容易局部聚集区域加设氢气浓度探测器。
32.在本发明一个实施例中，步骤“将数值型数据和文字型数据输入到预先训练好的安全评价模型中”具体可以包括：
33.对数值型数据进行回归处理，将偏离回归曲线的异常数据进行剔除；
34.采用预设的评分规则对文字型数据进行评分；
35.对剔除异常数据后的数值型数据和评分后的文字型数据进行归一化；
36.将归一化后的数值型数据和文字型数据输入到预先训练好的安全评价模型中。
37.在本实施例中，通过对数值型数据进行异常数据的剔除、对文字型数据进行评分以及对剔除异常数据后的数值型数据和评分后的文字型数据进行归一化，这样可以增加安全评价模型的训练准确率和收敛速率。
38.其中，文字型数据的评判通常没有确定的评分方法，主要依靠专家的经验判断。具体评分方法例如可以如下：邀请3～5位油氢合建站的安全管理人员对各项指标进行定性评级，评级标准分为优秀、良好、一般和差。专家评级后，按照优秀-95、良好-85、一般-75、差-65换算成对应的分值后取平均值。
39.在进行bp神经网络安全评价时非线性活性函数的值域一般都在[0，1]或[-1，1]之间，这样将要求输入变量及输出变量都要位于这个区域之间。因此，通常要对所收集的数据进行归一化处理。对于变量是连续值型的，比较常用的归一化处理方法是：
[0040][0041]
考虑到bp算法中的sigmoid函数的函数值在接近0和1的时候曲线比较平缓，变化速度非常缓慢，为减小网络的学习时间，可把输入及输出数据均变化到[0.2，0.8]之间，这样sigmoid函数在该区间内变化梯度比较长，网络收敛时间大大缩短，改善了网络的性能。其变换方式为：
[0042][0043]
式中，x为真实值，xmin、xmax分别为真实值中的最大和最小值，x*为归一化后的
值。
[0044]
下面介绍bp神经网络的相关参数。
[0045]
1)输入层的确定。输入层对应sql数据库中指标层的指标，即输入层代表油氢合建站事故影响因素。输入层个数等于指标层中指标个数。
[0046]
2)输出层的确定。输出层代表油氢合建站的安全等级，用一个神经元表示。油氢合建站安全状态优秀则输出10000，良好输出01000，一般输出00100，差输出00010，较差输出00001。
[0047]
3)隐含层的确定。隐含层层数为1，隐含层神经元个数由下述经验公式计算：
[0048][0049]
式中，m表示隐含层神经元个数；n表示输入层神经元个数；l表示输出层神经元个数；a表示1到10之间的常数；分别对a取1-10时构建的bp神经网络进行训练，选择最小的均方误差所对应的隐含层神经元个数，将其作为本神经网络模型的隐含层神经元个数。
[0050]
4)网络结构模型。各神经网络模型中同层神经元间关联，异层神经元间前向连接；隐含层激发函数采用双曲正切s形函数(tansig)，输出层激活函数为对数-s型函数(logsig)，训练函数采用traingdm。
[0051]
在本发明一个实施例中，安全风险等级按照等级由高到低依次包括优秀、良好、一般和差；
[0052]
在步骤“输出得到油氢合建站在当前时刻的安全风险等级”之后，具体还可以包括：
[0053]
若安全风险等级为优秀或良好，则输出安全报告；
[0054]
若安全风险等级为一般或差，则利用fluent软件对油氢合建站的安全事故事件进行预测，并基于预测的安全事故事件输出对应的应急联动措施和事故警报措施；其中，应急联动措施包括针对自动喷淋装置、高压喷水灭火装置和通风装置的控制指令，事故警报措施包括显示事故警报信息和针对声光报警装置的控制指令，事故警报信息包括油氢合建站在当前时刻的安全风险等级、预测的事故发生时间、危害范围和严重程度。
[0055]
在本实施例中，通过将预测的安全事故事件与应急联动措施和事故报警措施建立关联，如此可以更快地针对不同的安全事故事件做出响应和警报。其中，应急联动措施和事故警报措施可以是由系统自动触发产生的，也可以由安全管理人员发出，防止系统故障导致的指令延迟和误差。
[0056]
在本发明一个实施例中，步骤“利用fluent软件对油氢合建站的安全事故事件进行预测”具体可以包括：
[0057]
利用fluent软件对油氢合建站进行建模；其中，油氢合建站的模型(可参见图3)包括氢气长管拖车、储氢罐、加油机、加氢机、站房、加油岛和罩棚；
[0058]
选定氢气泄漏的控制方程和边界条件，以对氢气泄露的扩散过程进行模拟，并输出得到油氢合建站内氢气扩散范围和浓度随时间的变化；
[0059]
基于已知的站场内通风状况、火源状况和氢气燃烧极限状况，判断泄露的氢气是否有被点燃的风险；
[0060]
若无点燃风险，则输出预测报告；
[0061]
若有点燃风险，则对燃烧点位置进行火焰传播模拟。
[0062]
在本实施例中，利用fluent软件对氢气泄露的扩散过程进行模拟，并结合油氢合建站的模型以及充分考虑罩棚或站场内其他障碍物对氢气扩散的影响，如此可以模拟不同时间下油氢合建站内氢气扩散的范围和浓度的变化。
[0063]
在一些实施方式中，控制方程的通用形式可表示为：
[0064][0065]
式中，φ为通用变量，γ
φ
为广义扩散系数，s
φ
为广义源项；
[0066]
由于储氢压力较高，氢气泄露雷诺数相对较大，湍流模型选择标准k-ε模型，湍动能k的控制方程为：
[0067][0068]
式中，μ
t
为湍流粘度，gk和gb分别表示由平均速度梯度和浮升力产生的湍动能增量，ym表示可压缩流动中脉动扩张的贡献，σk为湍动能对应的prandtl数，sk为源项；
[0069]
氢气泄露过程基于流体动力学方程，瞬时泄露量表示为：
[0070][0071]
式中，g
l
为液态介质泄露率，kg/s；cd为泄露因子，无量纲；a为泄漏口尺寸，m2；ρ1为液态氢气的密度，kg/m3；p为容器内压力，pa；g为重力加速度，取值为9.81m/s2；h为泄露口高度，m；
[0072]
氢气发生泄露后会向四周环境扩散，氢气的持续扩散浓度表示为：
[0073][0074]
式中，x、y和z为纵向、横向和竖向的距离，m；c为泄露氢气的扩散浓度，kg/m3；g为氢气的泄漏率，kg/s；h为氢气扩散层与地面之间的高度差，m；σ
x
为氢气泄漏后在纵向的扩散系数；σy为氢气泄漏后在横向的扩散系数；σz为氢气泄露后在竖向的扩散系数；u为环境风速，m/s。
[0075]
在本发明一个实施例中，步骤“对燃烧点位置进行火焰传播模拟”具体可以包括：
[0076]
分别选用喷射火和蒸气云爆炸作为火焰传播类型；
[0077]
基于喷射火模拟得到的热辐射分布情况和蒸气云爆炸模拟得到的爆炸冲击波范围，确定油氢合建站的火灾危害程度；
[0078]
若火灾危害程度低于预设的安全阈值，则输出预测报告；
[0079]
若火灾危害程度不低于预设的安全阈值，则利用与安全风险等级对应的安全措施来调整边界条件，直至火灾危害程度低于预设的安全阈值。
[0080]
具体而言，当氢气出现泄露时，当即点火将引起喷射火事件，伴随着大量热辐射；
延时点火则会产生蒸气云爆炸或闪火，闪火会导致附近人员直接接触火焰被烧伤。而出现破裂时立即点火将会引起爆炸事件，和蒸气云爆炸一样造成危害类别是超压激波。由于闪火危害相比于蒸气云爆炸较小，而管道破裂可能性较小，因此火焰传播预测单元只考虑喷射火和蒸气云爆炸两种情况，具体选取哪种情况为模拟对象将根据上述氢气泄露扩散模拟单元而定。
[0081]
特别需要注意的是，无论哪种类型的火焰传播模拟均需同时考虑加氢站和加油站的影响，如加氢储罐是否处于装卸状态，加油站油罐是否处于敞口检修状态。若存在二次事故的风险则应对模型进行相应的调整。
[0082]
1)喷射火。当氢气泄露并被立即点燃就会形成喷射火事故，伤害形式为热辐射，差异化的辐射功率产生的损坏也有所区别，包括对设备和人体的损伤。
[0083]
假定喷射火呈圆锥形，距离喷射火源头x(m)的位置承受热辐射通量的值通过下述点源泄漏模型进行计算：
[0084][0085]
式中，q(x)为x位置承受热辐射通量，kw/m2；f为热辐射率，取值为0.35；hc为氢气燃烧热，取值为1.429
×
105kj/kg；cd为气体泄露因数；a为裂口面积；p为罐内压强；m为氢气泄露速率；
[0086]
确定喷射火的火焰流动模型和火焰热辐射模型后，根据fluent软件模拟出在油氢合建站站场内喷射火覆盖范围和火焰热辐射的分布情况，以判断火焰与热辐射是否会对人员及站场内设备造成影响及影响的危害程度。
[0087]
2)蒸气云爆炸。受氢气泄露位置和方向影响，氢气可能在防火墙内侧、长管拖车底部等区域聚集，发生延迟点燃导致气云爆炸的风险较高。氢气蒸气云爆炸通常属于爆燃事故，属于预混爆炸，威力极大，具有巨大的冲击波，在很大的范围内都能造成破坏。常用的蒸气云爆炸模型有tnt模型、tno多能模型等。本模块利用fluent模拟对蒸气云爆炸的后果进行预测，计算使用tnt当量法。
[0088]
蒸气云tnt当量计算公式如下：
[0089]wtnt
＝αwfqf/o
tnt
[0090]
式中，w
tnt
为蒸气云tnt当量值，kg；α为蒸气云tnt当量系数；qf为气体燃烧热，mj/kg；q
tnt
为tnt的爆热值。
[0091]
可燃气体的爆炸能量e和蒸气云爆炸冲击波的损害半径公式如下：
[0092]
e＝v
·
hc[0093]
r＝cs(n.e)
1/3
[0094]
式中，e为爆炸能量，kj；v为可燃气体体积，m3；r为损害半径，单位为m；cs为经验常数，取决于损坏等级；n为效率系数。
[0095]
综合考虑氢气浓度、氢气扩散范围、火焰传播范围、热辐射分布情况、爆炸的tnt当量和爆炸冲击波范围等参数，设置油氢合建站的安全阈值。
[0096]
将fluent模拟结果与安全阈值进行对比，若模拟结果低于安全阈值则直接输出事故预测报告；若模拟结果高于安全阈值则将安全评价模块中输出的安全措施带入重新进行模拟。
[0097]
判断预测结果中的氢气浓度是否满足安全阈值，若满足则直接输出预测报告，若不满足则根据安全评价模块中输入的建议应急措施调整边界条件后再进行模拟，直到满足安全阈值为止。
[0098]
综上所述，通过将cfd软件实时模拟运用到油氢合建站的安全管理中，即能充分结合该油氢合建站现有的安全特性，目的性、针对性地实现对该油氢合建站运行过程中的事故动态预测，从而为应急处理措施的制定指明方向。同时可将机器学习方法与传统的安全评价方法结合，利用机器自适应和自学习的能力，建立后续无需人工参与的安全评价模型，节省人力物力资源，减少主观因素的影响。也就是说，上述技术方案不仅可以对油氢合建站进行实时安全评价，也能对潜在事故进行危害范围、危害程度、发生时间和地点等方面的预测。
[0099]
上述对本发明特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0100]
根据另一方面的实施例，本发明提供了一种油氢合建站的安全评价装置。图2示出根据一个实施例的油氢合建站的安全评价装置的示意性框图。可以理解，该装置可以通过任何具有计算、处理能力的装置、设备、平台和设备集群来实现。如图2所示，该装置包括：获取单元200和评价单元202。其中各组成单元的主要功能如下：
[0101]
获取单元200，用于获取待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据；其中，所述数值型数据包括第一设备安全风险数据和环境安全风险数据，所述文字型数据包括第二设备安全风险数据、人员安全风险数据和管理安全风险数据；
[0102]
评价单元202，用于将所述数值型数据和所述文字型数据输入到预先训练好的安全评价模型中，输出得到所述油氢合建站在当前时刻的安全风险等级；其中，所述安全评价模型是通过将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练得到的。
[0103]
在本发明一个实施例中，所述第一设备安全风险数据包括储氢罐的压力、氢气压缩机房的温度、氢气压缩机房的氢气浓度和加氢机周围的氢气浓度；
[0104]
所述第二设备安全风险数据包括储氢罐的磨损程度、加氢机连接件的工作状况和站场电气设备的工作状况；
[0105]
所述环境安全风险数据包括大风级别、雨雪级别、能见度和室外温度；
[0106]
所述人员安全风险数据包括工作人员的健康状况、工作人员的职能素养、顾客的安全意识和顾客的车辆驾驶习惯；
[0107]
所述管理安全风险数据包括站场布局的规范状况、站场的整改状况、站场的安全监督管理状况、工作人员的教育培训状况和工作人员的违章指挥状况。
[0108]
在本发明一个实施例中，所述评价单元在执行所述将所述数值型数据和所述文字型数据输入到预先训练好的安全评价模型中时，用于执行如下操作：
[0109]
对所述数值型数据进行回归处理，将偏离回归曲线的异常数据进行剔除；
[0110]
采用预设的评分规则对所述文字型数据进行评分；
[0111]
对剔除异常数据后的数值型数据和评分后的文字型数据进行归一化；
[0112]
将归一化后的数值型数据和文字型数据输入到预先训练好的安全评价模型中。
[0113]
在本发明一个实施例中，所述bp神经网络的隐含层激发函数采用双曲正切s形函数，输出层激活函数采用对数s型函数。
[0114]
在本发明一个实施例中，所述安全风险等级按照等级由高到低依次包括优秀、良好、一般和差；
[0115]
还包括事故预测单元，用于执行如下操作：
[0116]
若所述安全风险等级为优秀或良好，则输出安全报告；
[0117]
若所述安全风险等级为一般或差，则利用fluent软件对所述油氢合建站的安全事故事件进行预测，并基于预测的安全事故事件输出对应的应急联动措施和事故警报措施；其中，所述应急联动措施包括针对自动喷淋装置、高压喷水灭火装置和通风装置的控制指令，所述事故警报措施包括显示事故警报信息和针对声光报警装置的控制指令，所述事故警报信息包括所述油氢合建站在当前时刻的安全风险等级、预测的事故发生时间、危害范围和严重程度。
[0118]
在本发明一个实施例中，所述事故预测单元在执行所述利用fluent软件对所述油氢合建站的安全事故事件进行预测时，用于执行如下操作：
[0119]
利用fluent软件对所述油氢合建站进行建模；其中，所述油氢合建站的模型包括氢气长管拖车、储氢罐、加油机、加氢机、站房、加油岛和罩棚；
[0120]
选定氢气泄漏的控制方程和边界条件，以对氢气泄露的扩散过程进行模拟，并输出得到所述油氢合建站内氢气扩散范围和浓度随时间的变化；
[0121]
基于已知的站场内通风状况、火源状况和氢气燃烧极限状况，判断泄露的氢气是否有被点燃的风险；
[0122]
若无点燃风险，则输出预测报告；
[0123]
若有点燃风险，则对燃烧点位置进行火焰传播模拟。
[0124]
在本发明一个实施例中，所述事故预测单元在执行所述对燃烧点位置进行火焰传播模拟时，用于执行如下操作：
[0125]
分别选用喷射火和蒸气云爆炸作为火焰传播类型；
[0126]
基于喷射火模拟得到的热辐射分布情况和蒸气云爆炸模拟得到的爆炸冲击波范围，确定所述油氢合建站的火灾危害程度；
[0127]
若所述火灾危害程度低于预设的安全阈值，则输出预测报告；
[0128]
若所述火灾危害程度不低于预设的安全阈值，则利用与所述安全风险等级对应的安全措施来调整所述边界条件，直至所述火灾危害程度低于预设的安全阈值。
[0129]
根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机中执行时，令计算机执行结合图1所描述的方法。
[0130]
根据再一方面的实施例，还提供一种电子设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图1所述的方法。
[0131]
本发明的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部
分说明即可。
[0132]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
[0133]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

技术特征：
1.一种油氢合建站的安全评价方法，其特征在于，包括：获取待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据；其中，所述数值型数据包括第一设备安全风险数据和环境安全风险数据，所述文字型数据包括第二设备安全风险数据、人员安全风险数据和管理安全风险数据；将所述数值型数据和所述文字型数据输入到预先训练好的安全评价模型中，输出得到所述油氢合建站在当前时刻的安全风险等级；其中，所述安全评价模型是通过将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练得到的。2.根据权利要求1所述的方法，其特征在于，所述第一设备安全风险数据包括储氢罐的压力、氢气压缩机房的温度、氢气压缩机房的氢气浓度和加氢机周围的氢气浓度；所述第二设备安全风险数据包括储氢罐的磨损程度、加氢机连接件的工作状况和站场电气设备的工作状况；所述环境安全风险数据包括大风级别、雨雪级别、能见度和室外温度；所述人员安全风险数据包括工作人员的健康状况、工作人员的职能素养、顾客的安全意识和顾客的车辆驾驶习惯；所述管理安全风险数据包括站场布局的规范状况、站场的整改状况、站场的安全监督管理状况、工作人员的教育培训状况和工作人员的违章指挥状况。3.根据权利要求2所述的方法，其特征在于，所述将所述数值型数据和所述文字型数据输入到预先训练好的安全评价模型中，包括：对所述数值型数据进行回归处理，将偏离回归曲线的异常数据进行剔除；采用预设的评分规则对所述文字型数据进行评分；对剔除异常数据后的数值型数据和评分后的文字型数据进行归一化；将归一化后的数值型数据和文字型数据输入到预先训练好的安全评价模型中。4.根据权利要求3所述的方法，其特征在于，所述bp神经网络的隐含层激发函数采用双曲正切s形函数，输出层激活函数采用对数s型函数。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述安全风险等级按照等级由高到低依次包括优秀、良好、一般和差；在所述输出得到所述油氢合建站在当前时刻的安全风险等级之后，还包括：若所述安全风险等级为优秀或良好，则输出安全报告；若所述安全风险等级为一般或差，则利用fluent软件对所述油氢合建站的安全事故事件进行预测，并基于预测的安全事故事件输出对应的应急联动措施和事故警报措施；其中，所述应急联动措施包括针对自动喷淋装置、高压喷水灭火装置和通风装置的控制指令，所述事故警报措施包括显示事故警报信息和针对声光报警装置的控制指令，所述事故警报信息包括所述油氢合建站在当前时刻的安全风险等级、预测的事故发生时间、危害范围和严重程度。6.根据权利要求5所述的方法，其特征在于，所述利用fluent软件对所述油氢合建站的安全事故事件进行预测，包括：利用fluent软件对所述油氢合建站进行建模；其中，所述油氢合建站的模型包括氢气长管拖车、储氢罐、加油机、加氢机、站房、加油岛和罩棚；
选定氢气泄漏的控制方程和边界条件，以对氢气泄露的扩散过程进行模拟，并输出得到所述油氢合建站内氢气扩散范围和浓度随时间的变化；基于已知的站场内通风状况、火源状况和氢气燃烧极限状况，判断泄露的氢气是否有被点燃的风险；若无点燃风险，则输出预测报告；若有点燃风险，则对燃烧点位置进行火焰传播模拟。7.根据权利要求6所述的方法，其特征在于，所述对燃烧点位置进行火焰传播模拟，包括：分别选用喷射火和蒸气云爆炸作为火焰传播类型；基于喷射火模拟得到的热辐射分布情况和蒸气云爆炸模拟得到的爆炸冲击波范围，确定所述油氢合建站的火灾危害程度；若所述火灾危害程度低于预设的安全阈值，则输出预测报告；若所述火灾危害程度不低于预设的安全阈值，则利用与所述安全风险等级对应的安全措施来调整所述边界条件，直至所述火灾危害程度低于预设的安全阈值。8.一种油氢合建站的安全评价装置，其特征在于，包括：获取单元，用于获取待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据；其中，所述数值型数据包括第一设备安全风险数据和环境安全风险数据，所述文字型数据包括第二设备安全风险数据、人员安全风险数据和管理安全风险数据；评价单元，用于将所述数值型数据和所述文字型数据输入到预先训练好的安全评价模型中，输出得到所述油氢合建站在当前时刻的安全风险等级；其中，所述安全评价模型是通过将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的bp神经网络进行训练得到的。9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7中任一项所述的方法。

技术总结
本发明涉及油氢合建站技术领域，尤其涉及一种油氢合建站的安全评价方法、装置、设备及介质。该方法包括：获取待安全评价的油氢合建站在当前时刻的数值型数据和文字型数据，数值型数据包括第一设备安全风险数据和环境安全风险数据，文字型数据包括第二设备安全风险数据、人员安全风险数据和管理安全风险数据；将数值型数据和文字型数据输入到预先训练好的安全评价模型中，输出得到油氢合建站在当前时刻的安全风险等级，安全评价模型是通过将已知的样本数值型数据和样本文字型数据作为输入样本集和将已知的安全风险等级作为输出样本集并对预设的BP神经网络进行训练得到的。上述技术方案能够实现油氢合建站在使用过程中的实时安全评价。实时安全评价。实时安全评价。


技术研发人员：李爱军 杜涟茗 张桐 吴扬威 邓倩 毛宁
受保护的技术使用者：华中科技大学
技术研发日：2023.06.15
技术公布日：2023/8/5