首页 / 专利库 / 数学与统计 / 扩散张量 / 换流变火灾火源强度反演评估及温度场预测方法及系统

换流变火灾火源强度反演评估及温度场预测方法及系统

阅读:302发布:2020-09-05

专利汇可以提供换流变火灾火源强度反演评估及温度场预测方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种换流变火灾火源强度反演评估及 温度 场预测方法及系统,包括如下内容:1)建立换流变火灾模拟正向计算模型;完成数据同化状态向量初始化;2)进行换流变火灾模拟正向计算,得到火灾蔓延温度场等数据并输出;3)判断是否有 热电偶 和热流计监测数据,若是则将步骤2的计算结果作为预测值通过数据同化 算法 后输出结果并转入步骤4;若否则直接转入步骤4;4)判断是否结束模拟过程,若是则结束模拟;若否则将步骤3得到的结果重新返回换流变火灾模拟正向计算模型,转入步骤2。本发明可精确快速的实现对换流变火灾火源强度的反演评估,并可以预测换流变火灾蔓延过程中的温度分布,为换流变火灾的应急响应与决策提供依据。,下面是换流变火灾火源强度反演评估及温度场预测方法及系统专利的具体信息内容。

1.换流变火灾火源强度反演评估及温度场预测方法,其特征在于包括如下内容:
1)建立换流变火灾模拟正向计算模型;完成换流变火灾模拟正向计算模型的参数初始化和数据同化算法的状态向量初始化;
2)进行换流变火灾模拟正向计算,得到火灾蔓延温度场和热流密度的结果数据并输出;
3)判断是否有火灾的监测数据,若是则将步骤2的计算结果数据作为预测值通过数据同化算法进行数据同化矫正后输出结果并转入步骤4;若否则直接转入步骤4;
4)判断是否结束模拟过程,若是则结束模拟;若否则将步骤3得到的数据同化结果重新返回换流变火灾模拟正向计算模型,转入步骤2,进行下一时间步的模拟正向计算。
2.根据权利要求1所述的方法,其特征在于:建立的换流变火灾模拟正向计算模型的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程、湍流模型、燃烧模型,其中湍流模型采用Deardorff模型,控制方程采用PISO算法进行求解;具体如下:
质量守恒方程:
ρ表示密度,t是时间,u、v和w是速度矢量在x、y和z方向的分量;
动量守恒方程:
对于任一分量i,
fd,i表示精确求解的拉格朗日粒子曳, 是蒸发或者裂解效应,其中i,j,k表示的是张量;
能量守恒方程:
cp表示比热容,T为温度,k为传热系数,ST为广义源项;
湍流模型:
表示网格中心的平均值,
表示相邻网格加权平均量,
cv为常数,值为0.1;下标k表示的是张量;
导热系数kt和质量扩散系数Dt由湍流粘性系数μt出,普朗特数Prt和施密特数Sct都是
0.5;
燃烧模型:模型中假设燃烧是混合控制,气和燃料的反应速率无限大,引入混合分数,该混合分数表示燃烧反应之前燃料质量与混合气体总质量的比值,表达式如下:
式中:Z为0-1,当Z=0表明该处的氧气浓度与大气中氧气浓度相同,当Z=1表明该处全部为可燃气体,YF和YO分别表示燃料和氧气的质量分数, 为混合气体中燃料所占质量分数,MF和MO分别为燃料的分子量和氧气的分子量。
3.根据权利要求1所述的方法,其特征在于:所述监测数据包括通过热电偶探测器所监测的换流变火灾实时的温度数据与通过热流计探测器所监测的换流变火灾的热流密度;
所述数据同化算法为改进的集合卡尔曼滤波算法,是将火源强度预测值加入集合卡尔曼滤波算法的状态向量中并通过背景协方差矩阵的迭代计算实现对火源强度的反演;其状态向量由换流变火灾的温度场和火源强度组成;所述输出结果包括火源强度反演评估值和温度场预测值;
具体的:
改进的集合卡尔曼滤波算法对换流变火灾火源强度反演评估及火灾温度场预测过程如下:
为n时刻状态集合中第j个状态的预测值,M为模型算子,即n-1时刻到n时刻状态的变化关系; 为n-1时刻状态集合中第j个状态的分析值, 为模型误差;
当n时刻有监测数据时,将利用监测数据对状态集合中所有的状态进行更新:
Pe=X′X′T
是n时刻状态集合中第j个状态的分析值;Ke是增益矩阵;θj(tn)是n时刻的观测数据(即监测数据);H表示观测算子;ω是观测误差,Re是其协方差矩阵;Pe为状态的误差方差矩阵;x表示状态向量,下标j(j=1,2,…,N)表示每个状态向量x在状态集合中的编号,N表示状态集合的大小;
改进的集合卡尔曼滤波算法中状态向量x由三部分组成:
在该模型中为换流变所在空间各处的温度值,在模型中为换流变所在空间各处的温度值;θ在该模型中为各个数据同化步骤的火源的热释放速率,即θ表示的是火源强度;火源强度大小用火源热释放速率值表示,火源热释放速率即火源强度。
4.换流变火灾火源强度反演评估及温度场预测系统,其特征在于包括:
数据监测模,用于获取火灾的实时监测数据;
计算模块,通过换流变火灾模拟正向计算模型的参数初始化进行换流变火灾模拟正向计算,得到数据同化算法的预测值;再对接收的数据监测模块输出的火灾的监测数据经数据同化算法进行数据同化处理,将数据同化结果重新返回换流变火灾模拟正向计算模型,进行下一时间步的模拟正向计算,直到模拟过程结束,输出最终的数据同化结果;
结果输出模块:输出计算模块的最终计算结果。
5.根据权利要求4所述的系统,其特征在于:所述监测数据包括通过热电偶探测器所监测的换流变火灾实时的温度数据与通过热流计探测器所监测的换流变火灾的热流密度,数据监测模块通过若干多层可活动的支架布置安装热电偶和热流计,每个支架的层数及每一层的高度均可调节,支架每一层布置探测器的数量、位置与间隔均可调节。
6.根据权利要求4所述的系统,其特征在于:所述数据同化算法为改进的集合卡尔曼滤波算法,是将火源强度预测值加入集合卡尔曼滤波算法的状态向量中并通过背景协方差矩阵的迭代计算实现对火源强度的反演。
7.根据权利要求4所述的系统,其特征在于:换流变火灾模拟正向计算模型的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程、湍流模型、燃烧模型,其中湍流模型采用Deardorff模型,控制方程采用PISO算法进行求解。

说明书全文

换流变火灾火源强度反演评估及温度场预测方法及系统

技术领域

[0001] 本发明属于火灾反演预测技术领域,尤其是涉及一种换流变火灾火源强度反演评估及温度场预测方法及系统。

背景技术

[0002] 换流变压器是与换流一起使用实现交流电网与直流电网的连接以及交流电与直流电之间相互转换的变压器,是电传输的重要载体。换流变压器一旦发生火灾事故,不仅会损坏多种变电设备,造成电力传输中断,同时会严重影响人们的生活秩序以及造成严重的社会经济损失。由于换流变压器长期处于高电流、高电压、高负荷的工作环境下,同时大量使用换流变压器,易造成换流变火灾的发生。近年来,新疆、青海等地发生多起换流变火灾事故,造成了巨大的经济损失,严重影响了电力的供应和社会的安全运行。
[0003] 换流变发生火灾后,如何实现对换流变火灾火源强度的反演评估以及换流变火灾蔓延温度场的精准预测,对换流变火灾的应急响应决策具有重要的应用价值,同时能为换流变火灾全过程灭火方案的建立与优化提供重要的理论参考。

发明内容

[0004] 有鉴于此,本发明旨在提出一种换流变火灾火源强度反演评估及温度场预测方法及系统,结合了计算流体力学(CFD)数值模型与现场实际监测数据,通过数据同化技术方法实现了换流变火灾火源强度反演,并实现火灾蔓延温度场的精确预测。
[0005] 为达到上述目的,本发明的技术方案是这样实现的:
[0006] 本发明一方面提供了一种换流变火灾火源强度反演评估及温度场预测方法,包括如下内容:
[0007] 1)建立换流变火灾模拟正向计算模型;完成换流变火灾模拟正向计算模型的参数初始化和数据同化算法的状态向量初始化;
[0008] 2)进行换流变火灾模拟正向计算,得到火灾蔓延温度场和热流密度的结果数据并输出;
[0009] 3)判断是否有火灾的监测数据,若是则将步骤2的计算数据结果作为预测值通过数据同化算法进行数据同化矫正后输出结果并转入步骤4;若否则直接转入步骤4;
[0010] 4)判断是否结束模拟过程,若是则结束模拟;若否则将步骤3得到的数据同化结果重新返回换流变火灾模拟正向计算模型,转入步骤2,进行下一时间步的模拟正向计算。
[0011] 进一步的,建立的换流变火灾模拟正向计算模型的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程、湍流模型、燃烧模型,其中湍流模型采用Deardorff模型,控制方程采用PISO算法进行求解。
[0012] 进一步的,所述监测数据包括通过热电偶探测器所监测的换流变火灾实时的温度数据与通过热流计探测器所监测的换流变火灾的热流密度,所述数据同化算法为改进的集合卡尔曼滤波算法,是将火源强度预测值加入集合卡尔曼滤波算法的状态向量中并通过背景协方差矩阵的迭代计算实现对火源强度的反演;所述输出结果包括火源强度反演评估值和温度场预测值。
[0013] 相对于现有技术,本发明所述方法具有以下优势:
[0014] (1)本发明可精确、快速的实现对换流变火灾火源强度的反演评估,并可以预测换流变火灾蔓延过程中的温度分布,为换流变火灾的应急响应与决策、全过程灭火方案的建立与优化提供依据,这将大大提高换流变火灾应急处置的效率以及全过程灭火方案的有效性。
[0015] (2)由于各类传感器均存在一定误差,本发明方法考虑了各类传感器误差对结果的影响,通过对数据同化算法的改进有效抑制了传感器误差对结果的影响。
[0016] 本发明另一方面提供了一种换流变火灾火源强度反演评估及温度场预测系统,包括:数据监测模,用于获取火灾的实时监测数据;计算模块,通过换流变火灾模拟正向计算模型的参数初始化进行换流变火灾模拟正向计算,得到数据同化算法的预测值;再对接收的数据监测模块输出的火灾的监测数据经数据同化算法进行数据同化处理,将数据同化结果重新返回换流变火灾模拟正向计算模型,进行下一时间步的模拟正向计算,直到模拟过程结束,输出最终的数据同化结果;结果输出模块:输出计算模块的最终计算结果。
[0017] 进一步的,所述监测数据包括通过热电偶探测器所监测的换流变火灾实时的温度数据与通过热流计探测器所监测的换流变火灾的热流密度,数据监测模块通过若干多层可活动的支架布置安装热电偶和热流计,每个支架的层数及每一层的高度均可调节,支架每一层布置探测器的数量、位置与间隔均可调节。
[0018] 进一步的,所述数据同化算法为改进的集合卡尔曼滤波算法,是将火源强度预测值加入集合卡尔曼滤波算法的状态向量中并通过背景协方差矩阵的迭代计算实现对火源强度的反演。
[0019] 进一步的,换流变火灾模拟正向计算模型的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程、湍流模型、燃烧模型,其中湍流模型采用Deardorff模型,控制方程采用PISO算法进行求解。
[0020] 所述系统与上述方法的有益效果相同,再此不在赘述。附图说明
[0021] 构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
[0022] 图1为本发明实施例所述换流变火灾火源强度反演评估及火灾温度场预测方法的流程图
[0023] 图2为本发明实施例所述传感器布置示意图。
[0024] 图3为本发明实施例的换流变模型示意图。
[0025] 图4为本发明实施例得到的60s时(7.5m,7.5m,5m)、(7.5m,7.5m,6m)和(7.5m,7.5m,8m)处换流变火灾温度的预测值与传感器监测的真实值的对照图。

具体实施方式

[0026] 需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
[0027] 下面将参考附图并结合实施例来详细说明本发明。
[0028] 本发明的发明构思主要是:通过建立换流变火灾模拟正向计算模型,同时基于数据同化方法(本实施例采用的是改进的集合卡尔曼滤波算法),利用换流变火灾演化过程中所监测的火场信息数据(包括热电偶监测的换流变火灾温度、热流计所监测的热流密度)对换流变火灾的火源强度进行反演评估,进而对换流变火灾蔓延温度场分布进行准确预测。
[0029] 本发明方法可通过传感器布局优化,经过调整传感器的数量和位置后可提高结果预测的准确性。该方法模型可连续进行模拟计算,直至使用者结束计算。
[0030] 具体地,在本发明中,第一次数据同化时的火源强度需要完成初始化,之后每次数据同化过程的火源强度将由改进的集合卡尔曼滤波算法通过反演计算产生。如图1所示,具体流程包括:
[0031] 1.完成换流变火灾模拟正向计算模型的参数初始化和数据同化算法的状态向量初始化。
[0032] 2.实施换流变火灾模拟正向计算,获得的火场的温度场和热流密度,输入至改进的集合卡尔曼滤波算法模块,进行数据同化矫正。
[0033] 3.计算过程中,每个时间步判断热电偶、热流计是否获得新的监测数据,若获得新的监测数据便使用改进的集合卡尔曼滤波算法进行数据同化,经过数据同化算法处理状态向量后,便得到这一阶段的数据同化结果。若无新的监测数据,则跳过改进的集合卡尔曼滤波算法部分,直接判断模拟计算是否结束。
[0034] 4.若模拟计算未结束,数据同化后的结果将重新返回换流变火灾模拟正向计算模型,用于下一时间步的正向模拟计算,如此循环直至模拟计算结束。
[0035] 由此,每进行一次数据同化将产生一组火源强度的反演估计值和火灾温度场预测矫正计算结果,并且模拟预测的结果将随数据同化的次数增多越来越接近实际情况。
[0036] 本实施例:
[0037] 火灾监测数据的获取,是利用火场周围的若干支架上布置的传感器进行监测数据的获取,现场实际的监测数据包括:热电偶所监测的在有效探测范围内的换流变火灾实时的温度数据与热流计所监测的在有效探测范围内的换流变火灾的热流密度。
[0038] 本方法的计算评估效果可能会受到传感器的数量、布置位置以及传感器精度的影响。鉴于此,本发明的安装传感器的支架为多层可活动支架,根据对换流变火灾蔓延温度场预测和火源强度反演的计算效果,合理的增添监测支架个数、改变每个支架的层数及每一层的高度、调整每一层换流变火灾探测器的数量、位置与间隔,可实现传感器监测作用的高效发挥,可在最大化降低成本的同时达到本发明的最佳火源反演评估和火场温度预测效果。
[0039] 本实施例的传感器布置如图2所示,换流变模型如图3所示,该实施例假定15m×15m×15m的计算空间区域,15个热电偶(2-16)分别布置在空间的(3m,3m,5m)、(11.25m,
3.75m,5m)、(7.5m,7.5m,5m)、(3.75m,11.25m,5m)(9m,9m,5m)、(3m,3m,10m)、(11.25m,
3.75m,10m)、(7.5m,7.5m,10m)、(3.75m,11.25m,10m)、(9m,9m,10m)、(3m,3m,15m)、(11.25m,3.75m,15m)、(7.5m,7.5m,15m)、(3.75m,11.25m,15m)、(9m,9m,15m)坐标处。2个热流计(17,18)分别布置在(15m,7.5m,5m)(15m,7.5m,10m)的坐标处。
[0040] 假定换流变火灾火源1为以点(7.5m,7.5m,3m)为中心的1m×1m×1m的区域,真实换流变火灾的火源强度为1500kw/m2,在数据同化算法的参数初始化时假设火灾的火源强度为1000kw/m2。
[0041] 建立三维的换流变火灾模拟正向计算模型,具体为建立换流变火灾模拟正向计算模型的控制方程,包括质量守恒方程、动量守恒方程、能量守恒方程、湍流模型和燃烧模型,其中湍流模型采用Deardorff模型,控制方程采用PISO算法进行求解;控制方式具体如下:
[0042] 质量守恒方程:
[0043]
[0044] ρ表示密度,t是时间,u、v和w是速度矢量在x、y和z方向的分量。
[0045] 动量守恒方程:
[0046] 对于任一分量i,本申请中的i,j,k表示的是张量,在计算流体力学领域这是个默认的用法,论文中、书中都是直接这么用的。下面k也一样。
[0047]
[0048] fd,i表示精确求解的拉格朗日粒子曳力, 是蒸发或者裂解效应。
[0049] 能量守恒方程:
[0050]
[0051] cp表示比热容,T为温度,k为传热系数,ST为广义源项。
[0052] 湍流模型:采用Deardorff模型:
[0053]
[0054]
[0055] 表示网格中心的平均值,
[0056] 表示相邻网格加权平均量,
[0057] cv为常数,值为0.1;如上面所述下标k表示的是张量;
[0058] 导热系数kt和质量扩散系数Dt由湍流粘性系数μt出,普朗特数Prt和施密特数Sct都是0.5;
[0059]
[0060]
[0061] 燃烧模型:模型中假设燃烧是混合控制,气和燃料的反应速率无限大,引入混合分数,该混合分数表示燃烧反应之前燃料质量与混合气体总质量的比值,表达式如下:
[0062]
[0063]
[0064] 式中:Z为0-1,当Z=0表明该处的氧气浓度与大气中氧气浓度相同,当Z=1表明该处全部为可燃气体,YF和YO分别表示燃料和氧气的质量分数, 为混合气体中燃料所占质量分数,MF和MO分别为燃料的分子量和氧气的分子量。
[0065] 该换流变火灾模拟正向计算模型使用PISO算法进行求解,由该模型得到的计算结果将作为改进的集合卡尔曼滤波算法的预测值。
[0066] 改进的集合卡尔曼滤波算法是将火源强度预测值加入集合卡尔曼滤波算法的状态向量中并通过背景协方差矩阵的迭代计算实现对火源强度的反演;同时考虑到热电偶和热流计测量误差可能对本发明方法模型的反演预测结果造成影响,通过传感器信息加入白噪声对集合卡尔曼滤波算法进行了改进,从而能有效抑制传感器误差对反演预测结果的影响。
[0067] 改进的集合卡尔曼滤波算法计算中设置的状态向量由换流变火灾的温度场和火源强度组成,火源强度作为不可直接观测的变量通过该方法进行反演评估和自动更新。
[0068] 改进的集合卡尔曼滤波算法对换流变火灾火源强度反演评估及火灾温度场预测过程如下:
[0069]
[0070] 为n时刻状态集合中第j个状态的预测值,M为模型算子,即n-1时刻到n时刻状态的变化关系; 为n-1时刻状态集合中第j个状态的分析值, 为模型误差。
[0071] 当n时刻有观测值(即监测数据)时,将利用观测值对状态集合中所有的状态进行更新:
[0072]
[0073]
[0074]
[0075]
[0076] Pe=X′X′T
[0077] 是n时刻状态集合中第j个状态的分析值;Ke是增益矩阵;θj(tn)是n时刻的观测数据(即监测数据);H表示观测算子;ω是观测误差,Re是其协方差矩阵;Pe为状态的误差方差矩阵;x表示状态向量,下标j(j=1,2,…,N)表示每个状态向量x在状态集合中的编号,N表示状态集合的大小。
[0078] 本实施例改进的集合卡尔曼滤波算法中状态向量x由三部分组成:
[0079]
[0080] 在该模型中为换流变所在空间各处的温度值, 在模型中为换流变所在空间各处的温度值;θ在该模型中为各个数据同化步骤的火源的热释放速率,即θ表示的是火源强度。火源强度大小用火源热释放速率值表示,火源热释放速率即火源强度。
[0081] 其中,监测数据为温度数据和热流密度。正向计算得到的结果是温度数据和热流密度。数据同化反演的结果是温度、热流密度、火源强度(热释放速率)。
[0082] 具体地,在换流变火灾火源强度反演评估及火灾温度场预测的计算过程中,本发明实施例每6s取一组热电偶监测的火灾温度值作为观测数据,如表1所示,观测误差ω设为观测值的百分之一。
[0083] 通过10次数据同化后得出的火灾火源强度反演评估情况如表2所示。并将10次数据同化后得到的60s时(7.5m,7.5m,5m)、(7.5m,7.5m,6m)和(7.5m,7.5m,8m)处换流变火灾的温度预测值与传感器监测的火灾温度实际值的对比如图4所示。
[0084] 表1实施例每6秒取一组热电偶监测的火灾温度值为观测数据
[0085]
[0086]
[0087] 表2实施例经过10次数据同化后的火灾火源强度反演评估情况
[0088]
[0089]
[0090] 上述仅对三维的换流变火灾火源强度的反演评估方法的流程进行了论述,对于一维、二维的换流变火灾模型可将其控制方程改进,采用相同思路进行计算。
[0091] 以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈