一种基于鸡群算法的泄漏源定位方法、系统、设备及介质

技术领域

本发明涉及泄漏源定位技术领域，尤其涉及一种基于鸡群算法的泄漏源定位方法、系统、设备及介质。

背景技术

储罐中的原油具有易燃、易爆、易蒸发以及有毒的特点，在生产储存过程中有潜在的事故风险，一旦原油储罐发生泄漏，不仅会造成国家资源的损失，而且还会引起火灾爆炸等事故的发生，导致环境污染等灾难，给国家和人民的生命财产造成不可估量的损失。因此需要在尽可能短的时间内确定储罐上未知的泄漏源的位置和强度，以便开展高效的搜索定位，为现场的应急措施采取和消防人员的救援工作提供帮助，避免造成更大的人员和财产损失。

原油储罐发生泄漏事故后，如何定位泄漏源的位置和确定泄漏强度是要解决的主要问题。国内外的研究学者针对泄漏源定位问题，提出了许多的办法。目前主流的泄漏源定位方法主要可以分为两大类：一类是基于移动机器人的泄漏源定位；另一类是基于传感器网络监测的泄漏源定位，基于传感器网络的泄漏源定位方法主要通过最优化理论方法来进行。但是目前所采用的最优化理论算法需要的迭代次数多，收敛速度慢，无法实现快速准确地泄漏源定位，无法为事故的应急处理提供科学有效的准确依据。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，具体针对无法准确进行泄漏源定位的问题，具体提供了一种基于鸡群算法的泄漏源定位方法、系统、设备及介质，具体如下：

1)第一方面，本发明提供一种基于鸡群算法的泄漏源定位方法，具体技术方案如下：

获取当前时刻下，每个气体浓度传感器采集的数据，并将每个数据与采集该数据的气体浓度传感器的位置坐标关联，形成当前时刻下的多组数据组；

根据储罐区的风速风向仪，构建风向坐标系；

根据所有数据组以及所述风向坐标系，构建泄漏源反演模型；

基于所述泄漏源反演模型确定当前时刻下的目标解；

根据鸡群算法对所述目标解进行优化得到最优目标解；

将所述最优目标解中的风向坐标系下的坐标转换为地理坐标系坐标，完成对于泄漏源的定位。

本发明提供的一种基于鸡群算法的泄漏源定位方法的有益效果如下：

将获得的传感器数据与气体扩散模型理论数据结合，通过鸡群算法快速反算更新泄漏源的位置和强度，实现原油储罐在发生泄漏后快速准确的泄漏点定位。

在上述方案的基础上，本发明还可以做如下改进。

进一步，构建风向坐标系的过程具体为：

根据所述风速风向仪，确定当前时刻下，所述储罐区内的主导风向，以所述主导风向为X轴正方向构建所述风向坐标系。

进一步，所述泄漏源反演模型包括：正向计算以及反向演算；

所述正向计算为：通过气体扩散模型确定当前时刻下的任意一个气体浓度传感器所在位置的气体浓度；

所述反向演算为：确定所有气体浓度传感器对应的气体浓度绝对值中的最小值，所述气体浓度绝对值通过所述气体浓度与理论气体浓度确定。

进一步，所述气体扩散模型具体为：

其中，

2)第二方面，本发明还提供一种基于鸡群算法的泄漏源定位系统，具体技术方案如下：

获取模块用于：获取当前时刻下，每个气体浓度传感器采集的数据，并将每个数据与采集该数据的气体浓度传感器的位置坐标关联，形成当前时刻下的多组数据组；

第一构建模块用于：根据储罐区的风速风向仪，构建风向坐标系；

第二构建模块用于：根据所有数据组以及所述风向坐标系，构建泄漏源反演模型；

确定模块用于：基于所述泄漏源反演模型确定当前时刻下的目标解；

优化模块用于：根据鸡群算法对所述目标解进行优化得到最优目标解；

定位模块用于：将所述最优目标解中的风向坐标系下的坐标转换为地理坐标系坐标，完成对于泄漏源的定位。

在上述方案的基础上，本发明还可以做如下改进。

进一步，构建风向坐标系的过程具体为：

根据所述风速风向仪，确定当前时刻下，所述储罐区内的主导风向，以所述主导风向为X轴正方向构建所述风向坐标系。

进一步，所述泄漏源反演模型包括：正向计算以及反向演算；

所述正向计算为：通过气体扩散模型确定当前时刻下的任意一个气体浓度传感器所在位置的气体浓度；

所述反向演算为：确定所有气体浓度传感器对应的气体浓度绝对值中的最小值，所述气体浓度绝对值通过所述气体浓度与理论气体浓度确定。

进一步，所述气体扩散模型具体为：

其中，

3)第三方面，本发明还提供一种计算机设备，所述计算机设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如上任一项方法。

4)第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如上任一项方法。

需要说明的是，本发明的第二方面至第四方面的技术方案及对应的可能的实现方式所取得的有益效果，可以参见上述对第一方面及其对应的可能的实现方式的技术效果，此处不再赘述。

附图说明

通过阅读参照以下附图所作的对非限制性实施例的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明实施例的一种基于鸡群算法的泄漏源定位方法的流程示意图；

图2为计算机设备结构框架图；

图3为100次的迭代次数下目标函数示意图；

图4为100次的迭代次数下泄漏源强函数示意图；

图5为100次的迭代次数下泄露位置x轴坐标示意图；

图6为100次的迭代次数下泄露位置y轴坐标示意图；

图7为100次的迭代次数下泄露位置z轴坐标示意图；

图8为气体扩散浓度场分布示意图；

图9为气体传感器布设图；

图10为坐标系转换示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

如图1所示，本发明实施例的一种基于鸡群算法的泄漏源定位方法，包括如下步骤：

获取当前时刻下，每个气体浓度传感器采集的数据，并将每个数据与采集该数据的气体浓度传感器的位置坐标关联，形成当前时刻下的多组数据组；

根据储罐区的风速风向仪，构建风向坐标系；

根据所有数据组以及所述风向坐标系，构建泄漏源反演模型；

基于所述泄漏源反演模型确定当前时刻下的目标解；

根据鸡群算法对所述目标解进行优化得到最优目标解；

将所述最优目标解中的风向坐标系下的坐标转换为地理坐标系坐标，完成对于泄漏源的定位。

本发明提供的一种基于鸡群算法的泄漏源定位方法的有益效果如下：

将获得的传感器数据与气体扩散模型理论数据结合，通过鸡群算法快速反算更新泄漏源的位置和强度，实现原油储罐在发生泄漏后快速准确的泄漏点定位。

如图8以及图9所示，气体浓度传感器的布设方式可根据储罐区的实际情况进行调整，如将储罐区按照面积大小均匀划分，并在每个划分后的区域中布设一个气体浓度传感器，或者根据储罐区中罐组的排布方式布设气体浓度传感器。

风速风向仪可根据储罐区的建筑情况或罐组的布设情况进行布设。

风向坐标系的构建方式为：

以主导风向为x轴正方向的坐标系，主导风向与水平面上正东方向的夹角为θ，将地理坐标系以θ°旋转。

其中，主导风向指的是：主导风向指风频最大的风向角的范围。风向角范围一般在连续45度左右，对于以16方位角表示的风向(360°等分16份，表示16个方位，每个方位之间相隔22.5°)，主导风向一般是指连续2-3个风向角的范围。

泄漏源反演模型包括两部分，一部分为正向计算，另一部分为反向演算。

正向计算为得到气体浓度扩散的理论计算值，即气体浓度值；具体过程为：

在泄漏发生初期，气体在罐组间或罐区间扩散，扩散空间较为空旷，因此通过下式完成气体浓度值的计算：

其中，

反向演算为基于正向计算的结果进行求解的过程，即基于计算浓度与监测浓度误差最小化原理，为优化求解提供目标函数。具体为：

目标函数是以气体浓度传感器阵列中n个测量值发生明显变化的气体浓度传感器的实际监测值与理论值之间的误差绝对值最小化确定，表示为：

其中，优化求解得到的解集为多维向量(x

根据鸡群算法对所述目标解进行优化得到最优目标解的过程为：

为便于理解，首先对鸡群算法进行解释：

鸡群算法(Chicken Swarm Optimization,CSO)是一种综合求解性能较高的群智能算法，其优化思想来源于公鸡、母鸡和小鸡之间的觅食关系，首先将鸡群划分为公鸡、母鸡和小鸡三类，并通过不同的位置更新规则进行“食物”搜寻，在一定情况下进行“轮次变更”，最终找到的“食物”即为最优解。鸡群算法的特征在于：搜索能力强、收敛速度快、收敛效率高，参数选择需要精心调整。

为了提高算法的收敛速度，通过加权质心初步对初始解集进行初步确定，具体为：在储罐发生泄漏时，传感器可以根据探测到的可燃气体的浓度，粗略地判断出泄漏点的远近和大致位置，作为初始解集来加快收敛速度，实现快速高精度的泄漏点反演计算。

首先理想化鸡的行为：

1.鸡群按公鸡个数来分组，每组由一只公鸡、一些母鸡和小鸡组成，有几只公鸡就有几组。

2.分组中，公鸡搜索能力最强，处于统治地位，适应值最小；搜索能力稍差的母鸡紧跟在公鸡周围搜索食物，适应度值稍大；其中一些母鸡还带领小鸡，小鸡搜索能力最差，只在母鸡周围搜索食物，适应度值最大，实现局部搜索功能。

3.在等级制度下，分组中公鸡的统治关系和母鸡-小鸡的母子关系将会改变。

4.通过适应度值来建立这种等级秩序，并随机分组建立公鸡与母鸡的关系，随机建立母鸡-小鸡的母子关系。鸡群中，适应度值越小的个体越占有优势，可以优先获得食物，并且统领适应度值大的个体。适应度值最小的个体对应鸡群中的公鸡，稍大的对应于母鸡，最大的对应于小鸡，在这种等级秩序下它们以组为单位合作，并按照各自的运动规律更新位置，进行搜索,最终搜索到最佳的觅食位置，即得到最优解。

在本方案中，假设种群数量为pop(算法中需要设置的种群数量，与算法的求解精度和速度有关，取100)，对于任意j∈[1,pop]，可以通过式(1)、(2)求得泄漏点的位置和泄漏强度对应解为(x

式中：L为气体浓度传感器的间距；i为气体浓度传感器序号索引；j为鸡群序号索引；ω

将加权质心(对产生泄漏报警的传感器，在不同下风向的位置的传感器的x，y，z进行加权平均)后得到的解集(如果有多个泄漏点就是解集，单个泄漏点就是解)作为鸡群算法的初始解，代入适应度函数：

由于无法得知泄漏点位置，因此先估计空间上某一点与泄漏点坐标的距离D,作为适应度函数f：

式中，x

计算得出适应度值，根据该值的大小排序确定鸡群中每个个体的等级角色，并根据相应规则更新个体(公鸡、母鸡和小鸡)的位置情况。公鸡、母鸡和小鸡分别有其对应的位置更新规则，公鸡相比于其他鸡具有更大的搜寻空间，根据式(3)、(4)更新搜寻位置：

其中，tr为迭代的代数；

母鸡的更新规则为跟随该组的公鸡搜寻食物，位置更新如式(5)、(6)及(7)所示，Rand为0～1的随机数，S

S

S

其中，r

而小鸡的搜索规则是在与其存在母子关系的母鸡周围进行搜索，如式(8)所示。

式中：FL为小鸡的跟随系数；

地理坐标系的转换过程为：

如图10所示，获得的最优解为风向坐标系下的坐标值，随风向变化而变。将风向坐标系转化为地理坐标系，直观展示泄漏源位置与源强(x

式中，[x

[x

实施例1，如图3-7所示，以某油库现场储罐区某个储罐坐标(72,41,5)的罐壁上发生泄漏孔径为100mm的泄漏事故为例，采用鸡群算法进行反演定位计算，鸡群算法的相关参数取值见表1，最大的迭代次数和种群数量通过控制变量对比计算得到，根据反演结果的误差以及时间成本选取参数的最优值。各等级鸡所占比例、小鸡跟随系数和迭代的代数的建议取值，泄漏源强通过计算获得，风速和大气稳定度根据黄岛油库现场实际情况取值。

表1

进一步，构建风向坐标系的过程具体为：

根据所述风速风向仪，确定当前时刻下，所述储罐区内的主导风向，以所述主导风向为X轴正方向构建所述风向坐标系。

进一步，所述泄漏源反演模型包括：正向计算以及反向演算；

所述正向计算为：通过气体扩散模型确定当前时刻下的任意一个气体浓度传感器所在位置的气体浓度；

所述反向演算为：确定所有气体浓度传感器对应的气体浓度绝对值中的最小值，所述气体浓度绝对值通过所述气体浓度与理论气体浓度确定。

进一步，所述气体扩散模型具体为：

其中，

本发明还提供一种基于鸡群算法的泄漏源定位系统，具体技术方案如下：

获取模块用于：获取当前时刻下，每个气体浓度传感器采集的数据，并将每个数据与采集该数据的气体浓度传感器的位置坐标关联，形成当前时刻下的多组数据组；

第一构建模块用于：根据储罐区的风速风向仪，构建风向坐标系；

第二构建模块用于：根据所有数据组以及所述风向坐标系，构建泄漏源反演模型；

确定模块用于：基于所述泄漏源反演模型确定当前时刻下的目标解；

优化模块用于：根据鸡群算法对所述目标解进行优化得到最优目标解；

定位模块用于：将所述最优目标解中的风向坐标系下的坐标转换为地理坐标系坐标，完成对于泄漏源的定位。

进一步，构建风向坐标系的过程具体为：

根据所述风速风向仪，确定当前时刻下，所述储罐区内的主导风向，以所述主导风向为X轴正方向构建所述风向坐标系。

进一步，所述泄漏源反演模型包括：正向计算以及反向演算；

所述正向计算为：通过气体扩散模型确定当前时刻下的任意一个气体浓度传感器所在位置的气体浓度；

所述反向演算为：确定所有气体浓度传感器对应的气体浓度绝对值中的最小值，所述气体浓度绝对值通过所述气体浓度与理论气体浓度确定。

进一步，所述气体扩散模型具体为：

其中，

在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本发明给出的具体实施例，本领域的技术人员可根据实际情况调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。

需要说明的是，上述实施例提供的一种基于鸡群算法的泄漏源定位系统的有益效果与上述一种基于鸡群算法的泄漏源定位方法的有益效果相同，在此不再赘述。此外，上述实施例提供的系统在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统根据实际情况划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的系统与方法实施例属于同一构思，其具体实现过程详见方法实施例，在此不再赘述。

如图2所示，本发明实施例的一种计算机设备300，计算机设备300包括处理器320，处理器320与存储器310耦合，存储器310中存储有至少一条计算机程序330，至少一条计算机程序330由处理器320加载并执行，以使计算机设备300实现上述任一项方法，具体地：

计算机设备300可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器320(Central Processing Units，CPU)和一个或多个存储器310，其中，该一个或多个存储器310中存储有至少一条计算机程序330，该至少一条计算机程序330由该一个或多个处理器320加载并执行，以使该计算机设备300实现上述实施例提供的一种基于鸡群算法的泄漏源定位方法。当然，该计算机设备300还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备300还可以包括其他用于实现设备功能的部件，在此不做赘述。

本发明实施例的一种计算机可读存储介质，计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一项方法。

可选地，计算机可读存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一项方法。

需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”、等是用于区别类似的对象，而代表对特定的顺序或先后次序进行限定。在适当情况下对于类似的对象的使用顺序可以互换，以便这里描述的本申请的实施例能够以除了图示或描述的顺序以外的顺序实施。

所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品，因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)，只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。