CN112101723B - 一种基于不同户型的燃气安装风险评估方法和智能终端 - Google Patents
一种基于不同户型的燃气安装风险评估方法和智能终端 Download PDFInfo
- Publication number
- CN112101723B CN112101723B CN202010803546.6A CN202010803546A CN112101723B CN 112101723 B CN112101723 B CN 112101723B CN 202010803546 A CN202010803546 A CN 202010803546A CN 112101723 B CN112101723 B CN 112101723B
- Authority
- CN
- China
- Prior art keywords
- gas
- data
- residence
- gas diffusion
- evaluation value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009434 installation Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012502 risk assessment Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 133
- 238000009792 diffusion process Methods 0.000 claims abstract description 109
- 230000008859 change Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 28
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000004880 explosion Methods 0.000 abstract description 10
- 239000007789 gas Substances 0.000 description 239
- 238000012545 processing Methods 0.000 description 7
- 239000002737 fuel gas Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 229920001983 poloxamer Polymers 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于不同户型的燃气安装风险评估方法和智能终端，所述方法包括：获取待评估住宅的住宅数据和工况数据，其中，所述住宅数据包括待安装燃气设备的候选位置；根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值；根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型；根据所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值；根据预设的风险评估规则，对所述初始评估值和所述燃气扩散评估值进行计算，生成各个所述候选位置对应的风险评估结果。本发明能够根据不同的户型，提供精确的燃气安装的风险评估，减少安装后发生***的概率。
Description
技术领域
本发明涉及燃气安装技术领域，尤其涉及一种基于不同户型的燃气安装风险评估方法和智能终端。
背景技术
目前政府对城中村居民启动管道天然气大力推行改造普及工作，为城中村的用户提供更加便利的天然气使用环境。然而由于大多数的城中村房屋在建设过程中并未考虑燃气使用安全问题，因此存在诸多安全隐患，例如厨房与卧室、客厅不存在隔断，住户厨房与另一住户的卧室相对等。当发生燃气泄漏时，容易引发***事故。
然而当前对室内的燃气***风险评估方案较少，而城中村的户型复杂问题，与常规户型大不相同，所以基于常规户型的燃气***风险评估并不适用。此外，燃气设备安装的位置已经选用的燃气设备，都是未来发生燃气泄漏时是否会引发***的关键因素。因此需要一种可针对不同户型的燃气设备安装前的风险评估方法，以减少后续发生事故的可能。
发明内容
本发明的主要目的在于提供一种基于不同户型的燃气安装风险评估方法和智能终端，旨在解决现有技术中缺乏基于不同户型的燃气安装的风险评估方法。
为实现上述目的，本发明提供一种基于不同户型的燃气安装风险评估方法，所述基于不同户型的燃气安装风险评估方法包括如下步骤：
获取待评估住宅的住宅数据和工况数据，其中，所述住宅数据包括待安装燃气设备的候选位置；
根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值；
根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型；
基于所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值；
根据预设的风险评估规则，对所述初始评估值和所述燃气扩散评估值进行计算，生成各个所述候选位置对应的风险评估结果。
可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述工况数据包括待安装的燃气设备参数；所述根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值，具体包括：
根据所述候选位置和所述燃气设备参数，对所述待评估住宅进行初始评估，生成初始评估值。可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型，具体包括：
根据所述住宅数据，创建对应的场景模型；
根据所述场景模型和所述工况数据，计算各个所述候选位置对应的燃气扩散模型。
可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述根据所述住宅数据，创建对应的场景模型，具体包括：
对所述初始点云数据进行降噪，生成第一点云数据；
对所述第一点云数据进行关键点提取和特征描述，生成第二点云数据；
对所述第二点云数据进行配准，生成所述目标点云数据；
对所述目标点云数据进行三维重建，生成所述待评估住宅对应的场景模型。
可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型，具体包括：
根据预设的网格参数，对所述场景模型进行网格划分，生成网格模型；
根据预设的边界条件，确定所述工况数据对应的限制方程；
根据所述限制方程，生成所述候选位置对应的燃气扩散模型。
可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述根据所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值，具体包括：
根据所述燃气扩散模型，计算预设的监测点的燃气浓度变化值；
对所述燃气浓度变化值拟合，生成燃气浓度变化函数；
根据所述燃气浓度变化函数，对对应的候选位置进行燃气扩散评估，生成燃气扩散评估值。
可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述监测点包括同一监测地点在不同的水平线上的空间点，所述空间点包括燃气报警装置安装点；所述根据所述燃气浓度变化函数，对对应的候选位置进行燃气扩散评估，生成燃气扩散评估值，具体包括：
根据各个所述候选位置对应的燃气浓度变化函数，计算对应的风险时间和报警时刻；
将同一候选位置对应的风险时间、报警时刻和燃气浓度变化函数的斜率作为燃气扩散评估值。
可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述风险评估规则还包括参考评估值；所述根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值之后，还包括：
根据所述参考评估值，对所述初始评估值进行分析，生成燃气安装优化建议。
此外，为实现上述目的，本发明还提供一种智能终端，其中，所述智能终端包括：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基于不同户型的燃气安装风险评估程序，所述基于不同户型的燃气安装风险评估程序被所述处理器执行时实现如上所述的基于不同户型的燃气安装风险评估方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，其中，所述存储介质存储有基于不同户型的燃气安装风险评估程序，所述基于不同户型的燃气安装风险评估程序被处理器执行时实现如上所述的基于不同户型的燃气安装风险评估方法的步骤。
本发明首选获取待评估住宅的住宅数据和工况数据，其中住宅数据中包含有待安装燃气设备的候选位置。现对住宅数据和工况数据进行初步的评估，例如是否通窗，燃气管道材质是否为金属等，从而有一个初步的初始评估值。然后根据住宅数据和工况数据，创建不同候选位置对应的燃气扩散模型，以燃气扩散模型为基础，可计算若燃气设备安装在不同候选位置，发生燃气泄漏时，燃气扩散的情况，以此对不同的候选位置进行燃气扩散评估，生成燃气扩散评估值。最后结合燃气扩散评估值和初始评估值，生成各个候选位置对应的风险评估结果，以帮助用户减少安装后燃气***的风险。由于本发明燃气风险评估结果是结合待评估住宅的空间结构以及工况，所以可基于不同的户型提供精准的安装方案，减少后续发生***的可能。
附图说明
图1是本发明基于不同户型的燃气安装风险评估方法提供的实施例的流程图；
图2是本发明基于不同户型的燃气安装风险评估方法的较佳实施例中步骤S300的流程图；
图3是本发明基于不同户型的燃气安装风险评估方法的较佳实施例中步骤S310的流程图；
图4是本发明基于不同户型的燃气安装风险评估方法的较佳实施例中步骤S320的流程图；
图5是本发明基于不同户型的燃气安装风险评估方法的较佳实施例中步骤S400的流程图；
图6是本发明基于不同户型的燃气安装风险评估方法的较佳实施例中步骤S420的流程图；
图7为本发明智能终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明较佳实施例所述的基于不同户型的燃气安装风险评估方法，如图1所示，所述基于不同户型的燃气安装风险评估方法包括以下步骤：
步骤S100，获取待评估住宅的住宅数据和工况数据，其中，所述住宅数据包括待安装燃气设备的候选位置。
在本实施例中，所述待评估住宅为握手楼的住宅，所述住宅数据是指住宅的结构，例如住宅的形状、高度、方向、窗户和门的位置、燃气设备摆放位置等，还包括用户想要安装燃气设备的候选位置。所述住宅数据可以是通过三维激光扫描技术获取的初始点云数据，也可以是通过人工测绘得到的空间结构数据。候选位置可以是靠近窗户的位置和靠近客厅的位置，本实施例中为方便描述，分别记为候选位置A和候选位置B。
所述工况数据是指与泄漏的燃气设备直接相关的数据，包括燃气设备本身的参数、泄漏口的直径、环境因素等，例如燃气成分，不同燃气成分的质量、密度与燃气发生扩散时的速度不同。
步骤S200，根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值。
具体的，先根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，在本实施例中所采用的评估方式可以是根据预先设定的规则来评估，以打分形式来进行描述，如燃气设备安装的候选位置距离墙体之间的距离是否大于安全距离，若大于，则在燃气设备距墙体距离这一项打零分，若小于，则为满分。
进一步地，所述工况数据包括待安装的燃气设备参数，步骤S200包括：
根据所述候选位置和所述燃气设备参数，对所述待评估住宅进行初始评估，生成初始评估值。
具体地，所述初始评估可分为燃气设备安装空间位置、燃气设备连接点数及连接位置、燃气设备连接方式、燃气保护设备种类这四个大类，其中所述燃气设备安装空间位置包括燃气设备距墙体的距离、燃气设备距窗体的距离、厨房门窗启闭状态等；所述燃气设备连接点数及连接位置包括阀门位置及数量、管件位置及数量等；所述燃气设备连接方式包括螺纹连接、焊接等；所述燃气保护设备种类包括切断阀、过流阀、自闭阀等。
进一步地，所述风险评估规则还包括参考评估值，步骤S200之后，还包括：根据所述参考评估值，对所述初始评估值进行分析，生成燃气安装优化建议。
具体地，所述初始评估值是根据住宅数据和工况数据评估得到的，而所述住宅数据和所述工况数据进行简单的人为变更即可实现提高燃气安装优化的。本实施例中，所述风险评估规则还包括参考评估值，如安装燃气设备与墙体之间的安全距离，然后根据所述参考评估值，对所述初始评估值进行分析，生成燃气安装优化建议。
此外，燃气安装优化建议包括户内结构、燃气连接方式、燃气保护设备的优化建议。例如户内结构中，通过住宅数据可知该住宅的厨房缺少通往室外的门窗，而参考评估值中厨房安装有通往室外的门窗，则所述燃气安装优化建议包括厨房安装有通往室外的门窗；厨房与卧室之间未安装隔断门，而参考评估值中厨房与卧室间存在隔断门，则所述燃气安装优化建议包括厨房安装隔断门；例如在燃气连接方式中，通过工况数据可知待安装的燃气设备的管道为塑料连接管，而参考评估值中燃气设备的管道材质为金属，则所述燃气安装优化建议包括更换燃气设备的管道材质。
步骤S300，根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型。
进一步地，参阅图2，步骤S300包括：
步骤S310，根据所述住宅数据，创建对应的场景模型；
本实施例中，若所述住宅数据为初始点云数据，则采用点云建模的方式，创建对应的场景模型；若为人工测绘的住宅数据，可通过3D模拟软件创建对应的场景模型。
进一步地，参阅图3，步骤S310包括：
步骤S311，对所述初始点云数据进行降噪，生成第一点云数据。
具体的，所述住宅数据为通过三维激光扫描技术获取的初始点云数据，三维激光扫描技术是通过记录被测物体表面大量密集点位的三维坐标、反射率和纹理等信息，快速复建被测目标的三维模型及线、面、体等图件数据。由于点云数据在采集过程中可能因为空气中的颗粒等原因，存在散列点、孤立点，因此需要对采集到的初始点云数据进行降噪，降噪可通过双边滤波、高斯滤波、条件滤波、直通滤波和随机采样一致性滤波等实现。
步骤S312，对所述第一点云数据进行关键点提取和特征描述，生成第二点云数据。
具体地，关键点提取和特征描述都是为了对三维点云进行精确的描述。例如采集到的某个点云来源于房屋的转角，则将该点云作为关键点，后续可用于描述房屋的转角位置。关键点提取的方法包括NARF(Normal Aligned Radial Feature，法线对齐的径向特征)算法等，特征描述可采用法线和曲率计算、特征值分析等。对所述第一点云数据进行关键点提取和特征描述后，生成所述第二点云数据。
步骤S313，对所述第二点云数据进行配准，生成所述目标点云数据。
具体地，点云的配准是为了求解除同一坐标下不同姿态点云的变换矩阵，由于点云数据并非一次性就能采集，而所有的点云数据都要用于搭建同一场景模型，因此需要对所述第二点云数据进行配准，从而获得完整的数字模型。预先创建一个空间坐标系，然后基于所述空间坐标系，采用配准算法对所述第二点云数据进行配准，从而生成所述目标点云数据。其中，所述配准算法包括ICP(Iterative Closest Point，迭代最近点)算法等。
步骤S314，对所述目标点云数据进行三维重建，生成所述待评估住宅对应的场景模型。
具体地，生成所述目标点云数据后，采用泊松重建等方式，对所述目标点云数据进行三维重建，将所述目标点云数据中孤立的点云进行连接，从而形成平滑或平整的面，最终生成所述场景模型。
此外，初始点云数据的前期处理，如降噪、关键点提取等，可通过点云处理软件ScanMaster实现，该软件具有强大的3D点云数据处理功能，可以自动处理海量的点云数据，通过对点云进行拼接、降噪、抽样等处理，提高数据的可操作性，最终生成的.rcp或者.rcs格式数据格式可导入专业建模软件做进一步处理。而生成场景模型可采用三维建模软件Revit实现，该软件具有丰富的建构筑物族***，可以直接将点云数据转换成实体模型。
步骤S320，根据所述场景模型和所述工况数据，计算各个所述候选位置对应的燃气扩散模型。
具体地，所述工况数据包括当前环境的气温、风速、发生泄漏的燃气成分、管道压力等。根据所述工况数据，可计算对应的燃气泄漏的方程，然后结合所述场景模型，即可确定所述场景模型中燃气扩散的燃气扩散模型。
进一步地，参阅图4，步骤S320包括：
步骤S321，根据预设的网格参数，对所述场景模型进行网格划分，生成网格模型。
具体地，在计算流体动力学中，按照一定规律分布于流场中的离散点的集合叫做网格(Grid)，分布这些网格节点的过程叫网格生成(Grid Generation)。本实施例中，将所述场景模型作为物理区域按照不同的空间拓扑结构分成若干区域块，并生成网格模型。
在本实施例中，所述住宅的面积为79.95m2，厨房面积为7.58m2，卫生间面积6.51m2，楼层高度为3.2m，开放式厨房(厨房与餐厅、客厅无隔断)，厨房无窗户。建立对应的场景模型后，采用大小为0.04m的网格对所述场景模型进行网格划分，生成网格模型。
步骤S322，根据预设的边界条件，确定所述工况数据对应的限制方程。
具体地，边界条件是指求解区域边界上所求解的变量或其导数随时间和地点的变化规律。边界条件是控制方程有确定解的前提，对于任何问题，都需要给定边界条件。通过预设的边界条件，结合所述环境数据和所述工艺数据，可确定对应的限制方程。
燃气泄漏和扩散过程中遵循的控制方程主要是质量守恒方程、动量守恒发成和能量守和方程，这三个方程是扩散预测的基础。本方案所采用的方程如下：
质量方程为
其中，t为时间，s；ρ为密度，g/L；体积孔隙度βv表示每个计算单元的开放体积与总体积的比率，并在相应的定义网格参数的网格单元中心定义；面积孔隙度βj表示2个相邻小区中心之间的预计开放面积与各自控制体积面的总面积的比率；uj为j方向的速度分量，m/s；V表示燃气的体积；m表示燃气的质量。
动量方程为
其中，t为时间，s；体积孔隙度βv表示每个计算单元的开放体积与总体积的比率；uj为j方向的速度分量，m/s；ui为i方向的速度分量，m/s；xi是i方向的坐标；ρ为密度，g/L；面积孔隙度βj表示2个相邻小区中心之间的预计开放面积与各自控制体积面的总面积的比率；Fw,i是由壁面产生的流动阻力；Fo,i是由亚网格阻碍产生的流动阻力；σij是应力张力，计算表达式为 其中，μeff为总有效黏性，k为湍流动能，单位为J；gi为重力加速度。
焓输运方程： 其中，t为时间，s；βv为体积孔隙度；βj为面积孔隙度；μeff为总有效黏性；xi是i方向的坐标；h为滞止焓，J/mol；σh为普朗特施密特数0.7；dp为压力差；dt为时间差。
燃料质量分数运输公式：
其中，Rfuel是燃料反应速率；Yfuel为燃料质量分数；其他参数与上述一致。
混合分数的运输方程为：其中，ξ为混合分数(mixture-fraction)；其他参数与上述一致。
湍流动能的运输方程：其中，P为压力；∈为湍流动能的耗散；σξ为常数0.7；其他参数与上述一致。
湍流动能PK＝Gs+Gω+Gb+Go；其中，Gs为流体剪切应力，Gb是浮力，σb是常数0.9；Go为亚网格目标产生的力，/>其中，CO是模型常数，fi是与亚网格目标相关的参数，/>是uij的平均数；Gω是壁面剪切应力；其他参数与上述一致。
耗散的产生量其中，/>当产物存在时，浮力项Gb和Rf均为0；本实施例中，C1ε为常数1.44；C3ε为常数1.92；其他参数与上述一致。
本实施例在燃气的流场计算中，采用k-ε二方程形式的布辛尼斯克(Boussinesq)粘度模式封闭时均流动方程中的雷诺应力，雷诺应力的模型为：其中k为湍能动能；其他参数与上述一致。
步骤S323，根据所述限制方程，生成所述候选位置对应的燃气扩散模型。
具体地，根据所述限制方程，可计算所述网格模型中各个网格点的燃气变化情况，从而生成所述燃气扩散模型。
步骤S400，根据所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值。
具体的，根据所述燃气扩散模型，可预测燃气设备安装在不同位置时，若发生燃气泄漏，所述待评估住宅可能发生***的时间、燃气扩散的速率等等，从而以这些指标对所述候选位置进行燃气扩散评估，生成燃气扩散评估值。
进一步地，参阅图5，步骤S400包括：
步骤S410，根据所述燃气扩散模型，计算预设的监测点的燃气浓度变化值。
具体的，预先设置不同的监测点，例如卧室、厨房。所述监测点在所述网格模型中都有确定的位置坐标，因此根据所述燃气扩散模型和所述监测点的位置坐标，可计算所述监测点在不同时刻的燃气浓度变化值。
步骤S420，对所述燃气浓度变化值拟合，生成燃气浓度变化函数。
具体地，以时间为横坐标，以浓度为纵坐标，对各个所述监测点的燃气浓度变化值进行拟合，从而生成该监测点对应的燃气浓度变化函数。
步骤S430，根据所述燃气浓度变化函数，对对应的候选位置进行燃气扩散评估，生成燃气扩散评估值。
具体地，根据所述燃气浓度变化函数，可知道不同候选位置对应的燃气扩散模型在不同监测点的燃气变化情况，从而可以此判断万一发生燃气泄漏，燃气扩散的速率，可能聚集的区域，以及万一引发***，会在什么地方引发等等。例如燃气扩散速率越快，则若发生燃气泄漏，引发的可能性越高，则燃气扩散评估值越高。
进一步地，参阅图6，步骤S420包括：
步骤S421，根据各个所述候选位置对应的燃气浓度变化函数，计算对应的风险时间和报警时刻；
具体地，候选位置A对应的燃气扩散模型在厨房的燃气浓度变换函数为y＝7.52×10-6t+5.7×10-4，候选位置B对应的燃气扩散模型在厨房的燃气浓度变换函数为y＝6.33×10-6t+4.7×10-4。所述燃气风险值为会引发***的燃气浓度值，由于不同的燃气气体本身的性质差异，燃气风险值也存在差异，可根据所述燃气设备参数中的燃气成分进行设定。
本实施例以1％的燃气浓度值作为燃气风险值，根据候选位置A和候选位置B对应的燃气扩散模型在厨房的燃气浓度变化函数，可分别计算得到两者对应的风险事件为1253秒和1505秒。
此外，也就是住宅内安装燃气报警装置的位置。由于燃气报警装置安装点一般较高，燃气本身较轻，以燃气报警装置安装点作为监测点，它所能监测到燃气的时刻可作为在燃气设备使用过程中的一个安全指标。根据候选位置A和候选位置B对应的燃气扩散模型在燃气报警装置安装点的燃气浓度变换函数，可计算对应的燃气浓度大于零的报警时刻，如分别为1秒和10秒。
步骤S422，将同一候选位置对应的风险时间、报警时刻和燃气浓度变化函数的斜率作为燃气扩散评估值。
具体地，将候选位置A对应的风险时间(1253秒)、报警时刻(1秒)和燃气浓度变化函数的斜率(7.52)作为候选位置A对应的燃气扩散评估值；将候选位置B对应的风险时间(1505秒)、报警时刻(10秒)和燃气浓度变化函数的斜率(6.33)作为候选位置A对应的燃气扩散评估值。
步骤S500，根据预设的风险评估规则，对所述初始评估值和所述燃气扩散评估值进行计算，生成各个所述候选位置对应的风险评估结果。
具体地，所述风险评估规则为根据初始评估值和燃气扩散评估值计算风险评估的规则。可采用一般的加法，或者赋予每一个初始评估值和燃气扩散评估值一个权重再相加，或者取加权平均，再次不作限制，根据所述风险评估规则，可对所述初始评估值和所述燃气扩散评估值进行计算，生成各个所述候选位置对应的风险评估结果。
在此之后，可将各个候选位置对应的风险评估结果进行排序，并显示出来，以告知用户燃气装置安装在不同的位置产生风险的可能，从而实现安装位置的优化。
进一步地，如图7所示，基于上述基于不同户型的燃气安装风险评估方法，本发明还相应提供了一种智能终端，所述智能终端包括处理器10、存储器20及显示器30。图7仅示出了智能终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述智能终端的内部存储单元，例如智能终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能终端的外部存储设备，例如所述智能终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述智能终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能终端的应用软件及各类数据，例如所述安装智能终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有基于不同户型的燃气安装风险评估程序40，该基于不同户型的燃气安装风险评估程序40可被处理器10所执行，从而实现本申请中基于不同户型的燃气安装风险评估方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于不同户型的燃气安装风险评估方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述智能终端的信息以及用于显示可视化的用户界面。所述智能终端的部件10-30通过***总线相互通信。
在一实施例中，当处理器10执行所述存储器20中基于不同户型的燃气安装风险评估程序40时实现以下步骤：
获取待评估住宅的住宅数据和工况数据，其中，所述住宅数据包括待安装燃气设备的候选位置；
根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值；
根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型；
基于所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值；
根据预设的风险评估规则，对所述初始评估值和所述燃气扩散评估值进行计算，生成各个所述候选位置对应的风险评估结果。
其中，所述工况数据包括待安装的燃气设备参数；所述根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值，具体包括：
根据所述候选位置和所述燃气设备参数，对所述待评估住宅进行初始评估，生成初始评估值。可选地，所述的基于不同户型的燃气安装风险评估方法，其中，所述根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型，具体包括：
根据所述住宅数据，创建对应的场景模型；
根据所述场景模型和所述工况数据，计算各个所述候选位置对应的燃气扩散模型。
其中，所述根据所述住宅数据，创建对应的场景模型，具体包括：
对所述初始点云数据进行降噪，生成第一点云数据；
对所述第一点云数据进行关键点提取和特征描述，生成第二点云数据；
对所述第二点云数据进行配准，生成所述目标点云数据；
对所述目标点云数据进行三维重建，生成所述待评估住宅对应的场景模型。
其中，所述根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型，具体包括：
根据预设的网格参数，对所述场景模型进行网格划分，生成网格模型；
根据预设的边界条件，确定所述工况数据对应的限制方程；
根据所述限制方程，生成所述候选位置对应的燃气扩散模型。
其中，所述根据所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值，具体包括：
根据所述燃气扩散模型，计算预设的监测点的燃气浓度变化值；
对所述燃气浓度变化值拟合，生成燃气浓度变化函数；
根据所述燃气浓度变化函数，对对应的候选位置进行燃气扩散评估，生成燃气扩散评估值。
其中，所述监测点包括同一监测地点在不同的水平线上的空间点，所述空间点包括燃气报警装置安装点；所述根据所述燃气浓度变化函数，对对应的候选位置进行燃气扩散评估，生成燃气扩散评估值，具体包括：
根据各个所述候选位置对应的燃气浓度变化函数，计算对应的风险时间和报警时刻；
将同一候选位置对应的风险时间、报警时刻和燃气浓度变化函数的斜率作为燃气扩散评估值。
其中，所述风险评估规则还包括参考评估值；所述根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值之后，还包括：
根据所述参考评估值，对所述初始评估值进行分析，生成燃气安装优化建议。
本发明还提供一种存储介质，其中，所述存储介质存储有基于不同户型的燃气安装风险评估程序，所述基于不同户型的燃气安装风险评估程序被处理器执行时实现如上所述的基于不同户型的燃气安装风险评估方法的步骤。
综上所述，本发明提供一种基于不同户型的燃气安装风险评估方法和智能终端，所述方法包括：获取待评估住宅的住宅数据和工况数据，其中，所述住宅数据包括待安装燃气设备的候选位置；根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值；根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型；根据所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值；根据预设的风险评估规则，对所述初始评估值和所述燃气扩散评估值进行计算，生成各个所述候选位置对应的风险评估结果。本发明能够根据不同的户型，提供精确的燃气安装的风险评估，减少安装后发生***的概率。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (9)
1.一种基于不同户型的燃气安装风险评估方法，其特征在于，所述基于不同户型的燃气安装风险评估方法包括：
获取待评估住宅的住宅数据和工况数据，其中,所述住宅数据通过三维激光扫描技术获取的住宅结构的初始点云数据，所述住宅数据包括待安装燃气设备的候选位置；
根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值；
根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型；
根据所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值；
根据预设的风险评估规则，对所述初始评估值和所述燃气扩散评估值进行计算，生成各个所述候选位置对应的风险评估结果；
其中，所述工况数据包括待安装的燃气设备参数；所述根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值，具体包括：
根据所述候选位置和所述燃气设备参数，对所述待评估住宅进行初始评估，生成初始评估值，其中，所述初始评估包括对燃气设备安装空间位置、燃气设备连接点数及连接位置、燃气设备连接方式、燃气保护设备种类的评估。
2.根据权利要求1所述的基于不同户型的燃气安装风险评估方法，其特征在于，所述根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型，具体包括：
根据所述住宅数据，创建对应的场景模型；
根据所述场景模型和所述工况数据，计算各个所述候选位置对应的燃气扩散模型。
3.根据权利要求2所述的基于不同户型的燃气安装风险评估方法，其特征在于，所述住宅数据包括初始点云数据，所述根据所述住宅数据，创建对应的场景模型，具体包括：
对所述初始点云数据进行降噪，生成第一点云数据；
对所述第一点云数据进行关键点提取和特征描述，生成第二点云数据；
对所述第二点云数据进行配准，生成目标点云数据；
对所述目标点云数据进行三维重建，生成所述待评估住宅对应的场景模型。
4.根据权利要求2所述的基于不同户型的燃气安装风险评估方法，其特征在于，所述根据所述住宅数据和所述工况数据，计算各个所述候选位置对应的燃气扩散模型，具体包括：
根据预设的网格参数，对所述场景模型进行网格划分，生成网格模型；
根据预设的边界条件，确定所述工况数据对应的限制方程；
根据所述限制方程，生成所述候选位置对应的燃气扩散模型。
5.根据权利要求1所述的基于不同户型的燃气安装风险评估方法，其特征在于，所述根据所述燃气扩散模型，对各个所述候选位置进行燃气扩散评估，生成燃气扩散评估值，具体包括：
根据所述燃气扩散模型，计算预设的监测点的燃气浓度变化值；
对所述燃气浓度变化值拟合，生成燃气浓度变化函数；
根据所述燃气浓度变化函数，对对应的候选位置进行燃气扩散评估，生成燃气扩散评估值。
6.根据权利要求5所述的基于不同户型的燃气安装风险评估方法，其特征在于，所述监测点包括燃气报警装置安装点；所述根据所述燃气浓度变化函数，对对应的候选位置进行燃气扩散评估，生成燃气扩散评估值，具体包括：
根据各个所述候选位置对应的燃气浓度变化函数，计算对应的风险时间和报警时刻；
将同一候选位置对应的风险时间、报警时刻和燃气浓度变化函数的斜率作为燃气扩散评估值。
7.根据权利要求1-6中任一项所述的基于不同户型的燃气安装风险评估方法，其特征在于，所述风险评估规则还包括参考评估值；所述根据所述住宅数据和所述工况数据，对所述待评估住宅进行初始评估，生成初始评估值之后，还包括：
根据所述参考评估值，对所述初始评估值进行分析，生成燃气安装优化建议。
8.一种智能终端，其特征在于，所述智能终端包括：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基于不同户型的燃气安装风险评估程序，所述基于不同户型的燃气安装风险评估程序被所述处理器执行时实现如权利要求1-7任一项所述的基于不同户型的燃气安装风险评估方法的步骤。
9.一种存储介质，其特征在于，所述存储介质存储有基于不同户型的燃气安装风险评估程序，所述基于不同户型的燃气安装风险评估程序被处理器执行时实现如权利要求1-7任一项所述的基于不同户型的燃气安装风险评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010803546.6A CN112101723B (zh) | 2020-08-11 | 2020-08-11 | 一种基于不同户型的燃气安装风险评估方法和智能终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010803546.6A CN112101723B (zh) | 2020-08-11 | 2020-08-11 | 一种基于不同户型的燃气安装风险评估方法和智能终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112101723A CN112101723A (zh) | 2020-12-18 |
| CN112101723B true CN112101723B (zh) | 2023-12-15 |
Family
ID=73752931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010803546.6A Active CN112101723B (zh) | 2020-08-11 | 2020-08-11 | 一种基于不同户型的燃气安装风险评估方法和智能终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112101723B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009287665A (ja) * | 2008-05-29 | 2009-12-10 | Hitachi Ltd | パイプライン危険地域監視システム |
| JP2010108308A (ja) * | 2008-10-30 | 2010-05-13 | Computer System Kenkyusho:Kk | ガスインフラリスク管理支援システム |
| CN110738412A (zh) * | 2019-10-12 | 2020-01-31 | 合肥泽众城市智能科技有限公司 | 一种居民户内燃气***风险评估方法及装置 |
-
2020
- 2020-08-11 CN CN202010803546.6A patent/CN112101723B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009287665A (ja) * | 2008-05-29 | 2009-12-10 | Hitachi Ltd | パイプライン危険地域監視システム |
| JP2010108308A (ja) * | 2008-10-30 | 2010-05-13 | Computer System Kenkyusho:Kk | ガスインフラリスク管理支援システム |
| CN110738412A (zh) * | 2019-10-12 | 2020-01-31 | 合肥泽众城市智能科技有限公司 | 一种居民户内燃气***风险评估方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 乡村燃气管道泄漏扩散模拟分析;隋冰;;石油化工安全环保技术(第02期);全文 * |
| 居民住宅室内燃气泄漏扩散数值模拟与后果分析;张娇;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第07期);第三-四章 * |
| 有关居民住宅楼内燃气***冲击波特性的研究;闫秋实;孙庆文;朱渊;;建筑结构(第S2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112101723A (zh) | 2020-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112070273A (zh) | 一种燃气扩散预测方法、智能终端及存储介质 | |
| CN113779675B (zh) | 物理-数据驱动的智能化剪力墙建筑结构设计方法和装置 | |
| Kim et al. | Decision making of HVAC system using Bayesian Markov chain Monte Carlo method | |
| Papadopoulou et al. | Optimal sensor placement for time-dependent systems: Application to wind studies around buildings | |
| Biljecki et al. | Does a finer level of detail of a 3D city model bring an improvement for estimating shadows? | |
| Zhang | CCHE-GUI–Graphical Users Interface for NCCHE Models User’s Manual–Version 4 | |
| CN112948928B (zh) | 基于建筑信息模型的净空高度计算方法及相关装置 | |
| Ali et al. | GIS-based residential building energy modeling at district scale | |
| Shi et al. | Research on IFC‐and FDS‐Based Information Sharing for Building Fire Safety Analysis | |
| Elfarri et al. | Artificial intelligence-driven digital twin of a modern house demonstrated in virtual reality | |
| CN115775116A (zh) | 基于bim的路桥工程管理方法及*** | |
| Li et al. | Multi-fidelity surrogate algorithm for fire origin determination in compartment fires | |
| Winkler et al. | Virtual reality in urban water management: communicating urban flooding with particle-based CFD simulations | |
| CN112101723B (zh) | 一种基于不同户型的燃气安装风险评估方法和智能终端 | |
| Wang et al. | A hybrid shallow water approach with unstructured triangular grids for urban flood modeling | |
| CN116542185B (zh) | 基于降阶仿真模型和实时校准算法的数字孪生管廊*** | |
| Santhanavanich et al. | The Spatial Data Infrastructure of an Urban Digital Twin in the Building Energy Domain Using OGC Standards: 7th 3D GeoInfo Conference, 19–21 October 2022, Sydney, Australia | |
| Gu et al. | A computational framework for the simulation of wind effects on buildings in a cityscape | |
| Ridzuan et al. | Computational fluid dynamics of wind flow and air pollution modelling: a review on 3D building model standards | |
| Tang et al. | A GIS-based 3D simulation for occupant evacuation in a building | |
| Bo et al. | [Retracted] Reconstruction Design of Existing Residential Buildings Based on 3D Simulation Method | |
| Hetherington et al. | Zone modelling and visualisation: Keys to the design of low carbon buildings | |
| Qin et al. | A high‐performance Coupled Human And Natural Systems (CHANS) model for flood risk assessment and reduction | |
| CN118013635B (zh) | 一种楼宇排水管道的设计方法、装置、设备及存储介质 | |
| Tamura et al. | Application of LES to wind loading estimation on buildings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |