近日，我院孔得朋教授团队安全科学与工程专业博士研究生何旭在加氢站事故后果快速预测领域取得重要进展，相关研究成果《基于混合神经网络的加氢站氢气泄漏后果快速预测代理模型》(Hybrid neural network-based surrogate model for fast prediction of hydrogen leak consequences in hydrogen refueling station)发表在《International Journal of Hydrogen Energy》。《International Journal of Hydrogen Energy》是工程技术与氢能相关领域最有影响力的期刊之一，目前影响因子为8.1（SCI二区）。该研究第一作者为博士研究生何旭，通讯作者为孔得朋教授，华体会体育买球 （华东）为第一署名单位和通讯单位。研究工作得到国家重点研发计划专题项目的大力支持。
论文首页
加氢站在氢能产业中发挥着至关重要的作用，并且正在全球范围内大规模兴建。然而，氢气泄漏的潜在风险构成了重大挑战。准确预测此类事故的后果对于有效缓解事故至关重要。传统的数值仿真方法可以提供准确的预测结果，但需要较大的计算成本，难以保证预测的时效性。
加氢站事故后果预测代理模型流程图
针对上述问题，本文提出了一种混合代理模型，该模型结合了生成对抗网络（GAN）和长短期记忆网络（LSTM），并融入了深度神经网络（DNN），可根据泄漏源参数预测加氢站氢泄漏后果。通过开展小尺寸替代实验，验证了数值模拟的结果并评估了代用模型的泛化能力。结果表明，混合神经网络代理模型能够快速准确地预测泄漏事故发生后的氢气分布情况，为事故发生后的应急响应方案提供辅助决策。
论文链接：https://doi.org/10.1016/j.ijhydene.2024.01.328
