声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：王佳辰, 李海涛, 常里, 刁守通, 姚艺豪, 胡格格, 余明高
单位：1. 重庆大学 资源与安全学院, 重庆 400044,2. 重庆大学 国家储能技术产教融合创新平台中心, 重庆 400044
关键词：加氢站泄漏,氢泄漏行为特性,深度学习,泄漏检测,智慧消防
基金：重庆市科技创新与应用发展项目(CSTB2023TIAD-KPX0089),中央高校基本科研业务费(2023CDJXY-006)
高压氢气泄漏是加氢站常见的安全隐患之一，严重影响加氢站的安全运行。准确且及时地识别泄漏位置，密切检测氢气体积分数，对于加氢站的燃爆安全防控至关重要。该文提出一种基于深度神经网络的氢气泄漏智能定位检测模型，为加氢站提供智能且及时的检测方案。首先利用计算流体动力学(CFD)模拟构建了不同泄漏位置、泄漏强度、风向的加氢站高压氢气泄漏的专有数据库，分析发现风向对氢气泄漏的影响最大；比较了6种现有深度学习的检测模型针对氢气泄漏位置的预测效果，发现基于卷积双向长短期记忆神经网络(CNN-BiLSTM)的模型准确率和F1分数均超过98%，展现了优异的检测性能和显著的鲁棒性。该研究为加氢站的氢泄漏检测提供了理论基础，也为智慧消防技术的实现提供了行之有效的解决方案。
来源：2025年第4期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。