【技术实现步骤摘要】
本专利技术涉及加氢站风险评估，更具体的说是涉及一种事故数据与物理知识共融的加氢站风险评估方法。
技术介绍
1、现有关于城市加氢站的风险评估建模主要依赖于专家经验和领域知识，模型的不确定性较高。加氢站风险评估主要基于评估者的经验，而非充分的定量数据支持，使得风险评估的准确性和进一步的风险管理受到一定制约。
2、因此，如何提供一种风险评估准确性更高的加氢站风险评估方法是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术的目的是提供一种事故数据与物理知识共融的加氢站风险评估方法。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种事故数据与物理知识共融的加氢站风险评估方法，包括以下步骤：
4、s1:获取m份加氢站相关事故报告数据和加氢站失效相关物理知识；
5、对m份加氢站相关事故报告数据分别进行风险致因标记，获得m份标记样本；
6、s2:对所述m份标记样本进样本扩充；并利用加氢站风险评估文献对扩充后的样本进行统计分析，获得加氢站风险致因统计结果和加氢站事故类型统计结果；
7、s3:基于所述加氢站风险致因统计结果、所述加氢站事故类型统计结果和所述加氢站失效相关物理知识构建加氢站失效致因贝叶斯网络；
8、s4:采用不同的结构学习算法学习所述加氢站失效致因贝叶斯网络的网络结构，并利用em算法求解所述加氢站失效致因贝叶斯网络的网络参数，获得不同的加氢站风险评估模型；>
9、s5:利用k折交叉验证法筛选出最优的加氢站风险评估模型；
10、s6:对筛选出的最优加氢站风险评估模型进行敏感性分析和风险优先级排序。
11、优选的，所述加氢站风险致因统计结果包括各个风险致因以及各个风险致因的概率。
12、优选的，所述加氢站事故类型统计结果包括泄露、火灾和爆炸。
13、优选的，采用bootstrap方法进行样本扩充：对所述m份标记样本进行有放回的抽样，以实现样本扩充。
14、优选的，s4具体包括：
15、利用bs算法学习所述加氢站失效致因贝叶斯网络的网络结构；利用em算法求解所述加氢站失效致因贝叶斯网络的网络参数，获得第一加氢站风险评估模型；
16、利用pc算法学习所述加氢站失效致因贝叶斯网络的网络结构；利用em算法求解所述加氢站失效致因贝叶斯网络的网络参数，获得第二加氢站风险评估模型；
17、利用gtt算法学习所述加氢站失效致因贝叶斯网络的网络结构；利用em算法求解所述加氢站失效致因贝叶斯网络的网络参数，获得第三加氢站风险评估模型。
18、优选的，s5进一步包括，将总体准确率、查准率、查全率和f1值为验证标准从所述第一加氢站风险评估模型、所述第二加氢站风险评估模型和所述第三加氢站风险评估模型中筛选出所述最优加氢站风险评估模型。
19、优选的，所述敏感性分析具体包括：
20、随机调整某个风险致因的概率，获得其对加氢站事故类型的影响结果。
21、优选的，所述风险优先级排序具体包括：
22、将加氢站事故类型固定为三种类型中的某一种，反推获得各个风险致因的概率，并将各个反推的概率进行排序，获得风险致因概率最高的若干风险致因。
23、优选的，所述加氢站失效相关物理知识包括管道接头密封失效和软管接头破裂会直接导致氢气泄漏，若环境氢检测装置故障无法及时察觉泄漏情况，随着氢气在周围环境中的积聚，遇到合适条件就会引发爆炸；其中，所述合适条件包括电磁阈值故障引发异常放电；
24、泄压装置故障使得设备内部压力异常升高，当压力超过设备承受极限时，会导致设备破裂引发泄漏，进而引发火灾爆炸事故；
25、地震会破坏加氢站的储存容器和管道系统，造成氢气泄漏，若泄漏区域存在火源或在通风不良的情况下达到爆炸极限浓度，会引发严重的爆炸事故。
26、一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的事故数据与物理知识共融的加氢站风险评估方法。
27、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种事故数据与物理知识共融的加氢站风险评估方法，其可以提高加氢站风险评估的准确性。
本文档来自技高网...【技术保护点】
1.一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，所述加氢站风险致因统计结果包括各个风险致因以及各个风险致因的概率。
3.根据权利要求2所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，所述加氢站事故类型统计结果包括泄露、火灾和爆炸。
4.根据权利要求1所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，采用Bootstrap方法进行样本扩充：对所述M份标记样本进行有放回的抽样，以实现样本扩充。
5.根据权利要求1所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，S4具体包括：
6.根据权利要求5所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，S5进一步包括，将总体准确率、查准率、查全率和F1值为验证标准从所述第一加氢站风险评估模型、所述第二加氢站风险评估模型和所述第三加氢站风险评估模型中筛选出所述最优加氢站风险评估模型。
7.根据权
8.根据权利要求3所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，所述风险优先级排序具体包括：
9.根据权利要求5所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，所述加氢站失效相关物理知识包括管道接头密封失效和软管接头破裂会直接导致氢气泄漏，若环境氢检测装置故障无法及时察觉泄漏情况，随着氢气在周围环境中的积聚，遇到合适条件就会引发爆炸；其中，所述合适条件包括电磁阈值故障引发异常放电；
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述的事故数据与物理知识共融的加氢站风险评估方法。
...【技术特征摘要】
1.一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，所述加氢站风险致因统计结果包括各个风险致因以及各个风险致因的概率。
3.根据权利要求2所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，所述加氢站事故类型统计结果包括泄露、火灾和爆炸。
4.根据权利要求1所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，采用bootstrap方法进行样本扩充：对所述m份标记样本进行有放回的抽样，以实现样本扩充。
5.根据权利要求1所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，s4具体包括：
6.根据权利要求5所述的一种事故数据与物理知识共融的加氢站风险评估方法，其特征在于，s5进一步包括，将总体准确率、查准率、查全率和f1值为验证标准从所述第一加氢站风险评估模型、所述...
【专利技术属性】
技术研发人员：邢金朵，张雨杰，钱嘉琦，王衍学，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。