基于物理信息深度学习的氢气泄漏扩散预测

作     者：张新琪 师吉浩 陈国明 Zhang Xinqi;Shi Jihao;Chen Guoming

作者机构：香港理工大学建筑环境与能源工程系中国香港999077 中国石油大学(华东)海洋油气装备与安全技术研究中心山东青岛266580 

出 版 物：《消防科学与技术》 (Fire Science and Technology)

年 卷 期：2024年第43卷第5期

页      面：698-703页

学科分类：081704[工学-应用化学] 07[理学] 08[工学] 070304[理学-物理化学(含∶化学物理)] 0817[工学-化学工程与技术] 0837[工学-安全科学与工程] 0703[理学-化学] 

基　　金：国家重点研发计划(2021YFB4000901-03) 国家自然科学基金(52101341) 

主　　题：新能源 火灾防控 氢气 深度学习 图神经网络 

摘      要：氢气易燃易爆易扩散,一旦发生泄漏,极易引发火灾事故,氢气泄漏扩散预测对氢能火灾防控至关重要。为了实时准确预测氢气泄漏扩散后果,提出基于物理信息深度学习的氢气泄漏扩散预测模型,通过图神经网络学习监测数据之间的依赖特性,进一步在图节点直接求解氢气射流扩散的物理微分方程,计算残差约束图神经网络深度学习的参数优化过程,根据稀疏浓度监测数据实现扩散浓度和速度的秒级预测。通过公开试验数据对比研究了所提模型性能,结果表明,与现有方法相比,该模型不仅具有秒级预测能力,而且能够更准确地模拟氢气泄漏扩散浓度和速度,可为氢气泄漏火灾防控提供实时参考信息。