一种基于伴随概率的土壤气体传感器布置及泄漏源识别算法

(一)本发明属于土壤气体泄漏源辨识的应用，具体实施主要是通过传感器测量确定浓度，得出伴随概率，确定土壤中泄漏源位置，最后计算出源强。这个方法能够快速准确的确定泄漏源位置，在今后的监测泄漏源方面有一定潜力。

背景技术：

0、(二)背景技术

1、城市燃气管道作为现代城市的重要基础设施，承担着向居民、工业和商业用户供应天然气的重任。随着我国城市化进程的加速，城市燃气管道网络的覆盖面越来越广，对于保障城市的能源供应和环保质量起到了关键作用。

2、城市燃气管道的主要功能是为城市提供安全、稳定、高效的天然气供应。这种特殊的管道系统需要具备极高的安全性、可靠性和耐久性，以应对各种复杂的环境和气候条件。此外，燃气管道还必须符合环保标准，以减少对环境的影响。

3、为了确保城市燃气管道的安全和高效运行，需要采取一系列的措施。首先，在设计和建设阶段，需要遵循国家和地方的相关标准和规范，确保管道系统的质量和安全。其次，在运营和维护阶段，需要定期进行检测和维护，及时发现和修复潜在的问题，确保管道系统的正常运行。此外，还需要加强安全管理，提高应急响应能力，以应对可能发生的突发事故。

4、目前我国在工程上主要监测燃气是通过人工检测，用一些特定的仪器来检测泄漏物，然后就会顺着这个检测点进一步寻找，直到找出位置。由于地下空间站的错综复杂，管道交错，想找出准确泄漏点是一件较为复杂且费时的事情。

5、关于燃气泄漏的检测，目前较为深入的检测方法主要是气味检测法和超声波检测法。对于气味检测法，主要是由于天然气本身无色无味，为了便于发现泄漏情况，燃气中通常会加入一种特殊的气味剂，使其具有明显的臭鸡蛋味。当燃气泄漏时，人们会通过嗅觉感知到气味，从而及时采取措施。而对于超声波检测法，主要是利用超声波的传播特性来检测燃气泄漏的方法。通过将超声波发射器放置在燃气管道附近，当燃气泄漏时，泄漏气体会产生高频的噪音，超声波接收器可以接收到这些噪音信号，并对其进行分析判断，确定泄漏位置和程度。

6、综上所述，现有的确定泄漏源方法存在许多问题。气味检测法受限于他的环境和响应时间，复杂的环境会干扰检测效果，使得结果不准确；并且某些气体使得传感器响应时间较慢，无法实时监测。超声波监测主要是由于材料复杂以及操作繁琐。为了克服上述困难，本文提出了一种基于伴随概率的土壤气体传感器布置及泄漏源识别算法，主要是利用了气体扩散的特征，简化了计算，提高了效率，缩小了范围从而减少了大量的财力物力。

技术实现思路

0、(三)
技术实现要素：

1、解决的技术问题

2、随着城市规模的不断扩大，在城市街区内确定土壤中泄漏源的位置对于保障居民的健康和安全十分重要，对于现有的检测泄漏源的方法效率低下。针对现有的方法的不足，本文提供了一种基于伴随概率的土壤气体传感器布置及泄漏源识别算法。

3、技术方案

4、1、一种基于伴随概率的土壤气体传感器布置及泄漏源识别算法，其特征在于，包括以下步骤：

5、步骤(1)：土壤是一种多孔介质，首先根据当地土地局提供的数据判断该地土壤的种类，然后得出泄漏的气体在土壤中的有效相对扩散系数为dm；

6、步骤(2)：建立泄漏量计算模型和泄漏气体在土壤中的扩散模型。以潜在泄漏点为中心，泄漏点上方为控制体，建立空间直角坐标系，在土壤中的扩散模型为：

7、

8、式中，q为泄漏气体的泄漏质量流量，kg/s；r为离泄漏点的距离，m；dm为泄漏气体在土壤中的有效相对扩散系数，m2/s；c为正向扩散浓度，ppm；

9、步骤(3)：进行传感器布置，首先在距离管道上方一定距离布置第一个传感器，观察传感器所显示的扩散浓度c，当检测出扩散浓度时，进行第二个传感器位置的选择，以第一个传感器为中心，以距离管段3倍长度，得出前后两个位置，选择检出浓度较大位置为第二个传感器的设置位置；

10、步骤(4)：在安装完传感器后，将两个传感器的监测数据提取出来，将这两个传感器检测到的污染物历史浓度信息、所处的位置坐标，记录为s1和s2；

11、步骤(5)：通过多传感器联合的伴随概率方程将步骤(4)中2个污染物传感器的信息整合，计算待测区域伴随概率，使用的多传感器联合的伴随概率方程为：其中为传感器的伴随浓度,ppm；r1，r2为离传感器的距离，m；dm为燃气在土壤中的有效相对扩散系数，m2/s，c1，c2为传感器浓度度数，ppm；

12、步骤(6)：根据步骤(5)计算伴随概率的大小，找出最大伴随概率，确定泄漏源位置。

13、步骤(7)：将最大伴随概率位置的信息通过方程(1-1)可得到监测点对应于该点的响应矩阵a，利用监测器的信息s1和响应矩阵a通过正则化算法可得到潜在污染源的源强q。

14、2、所述步骤(7)中的正则化算法采用了tikhonov regularization算法，具体方程如下：

15、minq(||aq-b||2+λ||q||2)其中a是响应矩阵可以通过方程(1-1)计算得出，q是待估计的源强度，b是传感器数据，可通过传感器测得，λ是正则化参数，这里通过l-curve方法得出，||.||表示欧几里得范数(也即是向量的2范数)。为了方便求出源强q，将该方程对q进行求导可确定所求得的源强。求导方程为q＝(ata+λi)-1(atb)，其中a是响应矩阵，i为单位矩阵，λ是正则化参数，b是传感器数据。

技术特征：

1.一种基于伴随概率的土壤气体传感器布置及泄漏源识别算法，其特征在于，包括以下步骤：

2.所述步骤(7)中的正则化算法采用了tikhonov regularization算法，具体方程如下：minq(||aq-b||2+λ||q||2)，其中a是响应矩阵可以通过方程(1-1)计算得出，q是待估计的源强度，b是传感器数据，可通过传感器测得，λ是正则化参数，这里通过l-curve方法得出，||·||表示欧几里得范数(也即是向量的2范数)。为了方便求出源强q，将该方程对q进行求导可确定所求得的源强。求导方程为q＝(ata+λi)-1(atb)，其中a是响应矩阵，i为单位矩阵，λ是正则化参数，b是传感器数据。

技术总结
本发明提供了一种基于伴随概率的土壤气体传感器布置及泄漏源识别算法，属于土壤气体泄漏源辨识技术领域。本发明包括以下步骤：通过土地局获得当地土壤的扩散系数并收集传感器的浓度、位置数据；建立泄漏量的计算模型和泄漏气体在土壤中的扩散模型；然后推导泄漏气体在土壤中的扩散方程，根据扩散方程推导出伴随方程；将所得数据全部带入伴随方程得出概率分布，根据概率分布得出最大伴随概率出现位置，确定泄漏源位置；最后在最大伴随概率位置通过正则化算法反算出源强。本发明引用了伴随理论与正则化算法，通过多种传感器的位置来确定土壤泄漏源位置并且得出源强。简化了计算过程，提高了计算效率，并便于小型化的手持设备植入。

技术研发人员：韩宇辉,李斐,杨成文,余果
受保护的技术使用者：南京工业大学
技术研发日：
技术公布日：2024/12/2