[发明专利]一种储氢罐安全状态实时监控方法及系统

权利要求书

1.一种储氢罐安全状态实时监控方法，其特征在于，所述储氢罐中包括b1×b2个监测点；所述监控方法包括：

采集储氢罐内监测点在初始监测周期内的温度数据序列和应变力数据序列；其中，所述初始监测周期包括b1×b2个应变力数据序列和b1×b2个温度数据序列，每一所述温度变化序列中包括监测点在初始监测周期内每一时刻的温度数据，每一所述应变力数据序列中包括监测点在初始监测周期内每一时刻的应变力数据；

基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻；

基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量；

利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，以及利用HBOS异常监测算法基于所述第二区间划分数量对所述应变力数据序列进行异常监测；

基于监测点在初始监测周期中的应变力数据序列确定储氢罐内氢气开始压缩的压缩时刻，包括：

确定每一应变力数据序列的极值点对应的时刻，其中，极值点对应的时刻为初始监测周期中疑似氢气开始压缩的压缩时刻；

基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数；

基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻；

基于每一应变力数据序列计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数，包括：

利用STL分解算法基于每一应变力数据序列计算每一应变力数据序列对应的应变力趋势项数据序列，并基于应变力趋势项数据序列计算得到应变力趋势项变化数据序列；

基于应变力趋势项变化数据序列中第时刻的数据点的值与第一均值的差值计算第一参考值；所述第一均值为应变力趋势项变化数据序列中前个时刻的数据点的值的均值；其中，表示极值点对应的时刻；

基于应变力趋势项变化数据序列中第时刻的数据点的值与第二均值的差值计算第二参考值；所述第二均值为应变力趋势项变化数据序列中后个时刻的数据点的值的均值；

分别将应变力数据序列中前个时刻的数据点和后个时刻的数据点进行线性拟合，得到的拟合直线的斜率为第一斜率和第二斜率，并确定两组被拟合的数据点的变化趋势的标准波动程度；

基于第一参考值、第二参考值、第一斜率、第二斜率和标准波动程度计算得到每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数；

基于每一应变力数据序列中极值点对应的时刻的区域压缩时间检测系数确定储氢罐内氢气开始压缩的压缩时刻，包括：

基于初始监测周期中所有的应变力数据序列的区域压缩时刻监测系数之和和应变力数据序列的个数计算初始监测周期的压缩时刻为氢气压缩时刻的概率；

基于初始监测周期的压缩时刻为氢气压缩时刻的概率确定初始监测周期的压缩时刻；

从第一个初始监测周期开始，如果所述初始监测周期的压缩时刻不等于0，则将所述初始监测周期的压缩时刻确认为氢气开始压缩的压缩时刻；否则计算第二个初始监测周期的压缩时刻；

基于压缩时刻之后的温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于压缩时刻之后的应变力数据序列对应的应变力异常程度计算得到第二区间划分数量，包括：

确定所述压缩时刻所在的初始监测周期中的位置，将该初始监测周期中自压缩时刻之后的温度数据序列和应变力数据序列与下一个初始监测周期中的温度数据序列和应变力数据序列合并，并将合并后的数据对应的监测周期和压缩时刻所在的初始监测周期之后的初始监测周期作为实际监测周期；

基于实际监测周期内每一温度数据序列对应的温度异常程度计算得到第一区间划分数量；基于实际监测周期内每一应变力数据序列对应的应变力异常程度计算得到第二区间划分数量;

利用HBOS异常监测算法基于所述第一区间划分数量对所述温度数据序列进行异常监测，包括：

利用HBOS异常监测算法基于所述第一区间划分数量计算温度数据序列对应的温度数据变化序列中各个数据点的HBOS值；

如果数据点的HBOS值大于温度异常监测阈值，确认监测点在该数据点对应的时刻温度异常，得到异常温度数据集合；

利用HBOS异常监测算法基于所述第二区间划分数量对所述应变力数据序列进行异常监测，包括：

利用HBOS异常监测算法基于所述第二区间划分数量计算应变力数据序列对应的应变力数据变化序列中各个数据点的HBOS值；

如果数据点的HBOS值大于应变力监测阈值，确认监测点在该数据点对应的时刻应变力异常，得到异常应变力数据集合；

所述方法还包括：

基于所述异常温度数据集合和所述异常应变力数据集合确定储氢罐是否存储安全隐患。