打开文本图片集

摘要：本文首先针对瓶装液化石油气泄漏的主要原因进行深入分析，包括超量灌装、钢瓶本体或角阀的缺陷等；继而从数据采集与处理、建立影响因子关联模型等方面设计了一套瓶装液化石油气泄漏预警系统；最后通过仿真实验验证该系统的性能。实验结果显示，该预警系统在面对各种泄漏原因时具备较快的响应时间和较高的预警成功率。以期为预防瓶装液化石油气泄漏提供科学依据和技术支持。

关键词：液化石油气；超量灌装；钢瓶；角阀

中图分类号：X933.4文献标识码：A

引言

随着城市化进程的加速以及人们生活水平的提高，瓶装液化石油气（Liquefied Petroleum Gas，LPG）作为一种清洁、高效的能源，具有热值高、污染小、便于运输和储存等优点，广泛应用于居民生活、商业餐饮等领域。然而，近年来频繁发生的瓶装液化石油气泄漏事故给公众安全带来严重威胁[1]。一旦瓶装液化石油气在空气中达到特定浓度并与明火、静电或电火花等火源接触极有可能引发爆炸；同时，泄漏的气体还能导致空气中的氧气含量下降，进而引起人员出现头晕、乏力甚至窒息的现象，极端情况下可致人死亡。此外，瓶装液化石油气泄漏还会对环境造成不可忽视的影响，包括污染土壤、水源和大气，从而进一步损害生态平衡。鉴于上述问题的严重性，本文旨在深入探讨瓶装液化石油气泄漏的主要成因，并据此提出有效的预防措施。旨在为我国瓶装液化石油气的安全管理提供方法，保障人民群众的生命财产安全。

1瓶装液化石油气泄漏的主要原因分析

瓶装液化石油气泄漏的原因多种多样，包括但不限于超量灌装、钢瓶本体或角阀的缺陷、燃气胶管的老化或损坏、连接密封问题以及减压阀故障。钢瓶液化石油气超量灌装是导致泄漏的重要原因之一。瓶装液化石油气钢瓶的充装量不应超过其容积的85%，若超出这一比例，则在气温升高的情况下液化石油气会因受热膨胀而增加容器内的压力，进而可能导致钢瓶破裂，造成气体泄漏。其次，钢瓶本体及其角阀的缺陷也是不可忽视的因素。钢瓶在使用过程中可能会遭受撞击、划痕等物理损伤，这些损伤可能会削弱钢瓶的结构完整性，增加泄漏的风险；角阀作为控制气体进出的关键部件，如果存在制造缺陷或使用不当（例如过度拧紧或松动），也会导致密封不良而引起泄漏。再者，燃气胶管的老化或损坏同样是一个常见的泄漏源头。胶管会随着时间的推移逐渐硬化、裂纹甚至断裂，特别是在高温或低温环境下，这种老化现象会加速发生[2]。

除此之外，瓶装供气系统中各设备与设施间的连接密封出现问题也是导致泄漏的一个主要原因。例如，在安装过程中，如果连接处没有正确密封或者使用的密封材料不适用于瓶装液化石油气环境，都可能导致气体泄漏。最后，液化石油气减压阀故障问题也不容小觑。减压阀的作用在于将瓶内高压气体减至适合使用的低压状态，如果减压阀失灵或损坏不仅会导致出气压力异常，还可能引发泄漏。

2预防瓶装液化石油气泄漏的具体措施

2.1数据采集与处理

为有效预防瓶装液化石油气泄漏事故，需要对液化石油气进行实时监测，掌握其浓度、组分、压力等关键参数。为此，在可能发生泄漏的气瓶、阀门、连接管道等部位安装高灵敏度传感器，实时采集液化石油气浓度、压力、温度等数据[3]。同时，采用XYZ-2024型LPG采集器完成瓶装液化石油气内部的数据采集任务，该采集器具备0-5L/min的采样流量，能够在-20℃-50℃的工作温度范围内运行，并且具有±1%的采样精度。该采集器的具体结构如图1所示。

如图1所示，该装置由直通阀（出口阀）、压力表、角阀（入口阀）、防爆片、M14×15接口、输出阀、控制阀、气源、连接管等部件组成。其中，压力表内部集成型号为MPX5700AP的压力传感器，工作压力范围为0-700kPa，精度达±0.25%，能够精准捕捉微小的压力变化。同时，为保证数据的时效性，设定装置的数据采集频率为100H。为了进一步提高检测精度并减少环境温度变化带来的影响，在装置外部集成一个自动补气系统，该系统通过一个型号为Alicat M-200SLPM的质量流量计精确控制补气量，确保在采集过程中气瓶内的压力保持稳定。

针对环境噪声干扰问题，采用卡尔曼滤波算法进行原始数据滤波处理。此过程中，设定卡尔曼滤波器的状态转移矩阵为单位矩阵、设定观测矩阵为零矩阵、设定过程噪声协方差矩阵和观测噪声协方差矩阵的初始值分别为0.001和0.1，以适应实际检测环境中的噪声水平。同时，对于部分缺失的数据，采用插值法进行填补，该方法将相邻有效数据点的值按照时间顺序进行线性或三次样条插值，以尽可能还原数据真实面貌。为将不同特征的数据在同一尺度下进行比较或处理，对这些数据统一进行归一化处理，计算公式如式（1）所示：

其中，为归一化后的数据值，为原始数据值，为原始数据中的最小值，为原始数据中的最大值。归一化处理旨在将不同范围的数据映射到[0，1]区间内，使得不同特征之间的比较更加公平，并且有助于提高后续机器学习算法的性能和收敛速度。

2.2建立影响因子关联模型

2.2.1提取关键特征

提取关键特征的过程是进行数据分析和模型构建的基础。这一过程旨在从原始数据中识别出对目标问题（如泄漏原因）最具代表性和预测能力的变量，如泄漏速率、泄漏量、泄漏频率以及泄漏持续时间等。液化石油气主要由丙烷（C3H8）、丁烷（C4H10）、丙烯（C3H6），以及其他烷烯烃组成，其泄漏特征可通过式（2）进行描述：

其中，为气体泄漏量（m³/s），为流量系数，为重力加速度（9.81m/s²），为泄漏点的高度（m），为气体管道内径（m），为泄漏孔径（m）。为在上述特征中识别出与LPG泄漏最为相关的因素指标，采用相关性分析技术揭示不同特征之间的线性关系强度，计算公式如式（3）所示：

其中，为相关系数，衡量两个特征间的线性相关程度，为样本数量，即观测值的总数，为特征的第个观测值，为特征的平均值，为特征的第个观测值，为特征的平均值。通过这个公式计算储罐运行时长与泄漏量之间的相关性，若≥1，则表明这两个特征之间存在较强的正相关关系，反之亦然。鉴于原始特征集可能包含大量冗余信息，采用主成分分析（Principal Component Analysis，PCA）方法进行特征降维，其核心在于将原始特征集转换为一组新的正交变量（即主成分），这些主成分按方差大小排序，并尽可能地保留原始数据中的信息，PCA算法表达式如式（4）所示：

其中，为新生成的特征向量，为原始特征向量，为原始特征值，为特征向量和特征值的数量。通过上述步骤能够提取出与液化石油气泄漏密切相关的关键特征指标，为后续进行建模和预测提供高质量数据输入。

2.2.2构建关联模型

在提取关键特征指标的基础上，设定瓶装液化石油气是否发生泄漏为二分类问题，并用二分类响应变量Y表示，（其中Y=1表示泄漏，Y=0表示未泄漏）。继而，将液化石油气泄漏风险设为因变量，应用逻辑回归算法建立影响因子与泄漏事件之间的关系模型，以实现对影响因子作用效应的精确描述与量化评估。逻辑回归数学模型表示如式（5）所示：

其中，和为网络权重，和为偏差项，为自变量，为激活函数，为输出层的激活函数，为对应于每个自变量的权重系数，为自变量数量。该模型将影响因子组合映射到概率尺度上，旨在揭示各影响因子与液化石油气泄漏之间的内在联系。为保证模型的泛化能力，在训练过程中引入L2正则化技术，避免过拟合现象发生。

2.3气体泄漏趋势预测

采用高斯烟羽算法预测瓶装液化石油气泄漏后的扩散趋势，以事先了解潜在泄漏事件的可能影响范围，这有助于评估风险等级，确定哪些区域需要更严格的安全措施。高斯烟羽算法是一种基于统计学原理和流体力学理论，该算法假定污染物以连续源的形式释放，并通过湍流在大气中扩散，基于这一假设预测泄漏气体在不同位置的浓度分布。具体来说，该模型认为泄漏气体在水平和垂直方向上的扩散均遵循高斯分布，并且扩散程度随时间变化。高斯烟羽算法基本公式如式（6）所示：

其中，为点处的气体浓度（mg/m³），为气体源的排放速率（g/s），为风速（m/s），为横向扩散标准差（m），为垂直扩散标准差（m），为大气混合层高度（m），和是水平距离（m），是气体源的高度（m）。通过计算可以更准确地评估泄漏事件的影响范围及其对环境安全的潜在威胁，为后续风险评估与预警响应提供支持。

2.4风险评估与预警响应

为了确保瓶装液化石油气的安全使用并避免事故的发生，本文介绍了一个全面的风险管理和预警机制。该机制旨在覆盖液化石油气从存储到消费的整个流程，通过检测和纠正过度填充或钢瓶及配件缺陷等潜在问题点来降低安全风险。通过实时收集和分析关键数据并与既定的安全标准比较，该系统能够在出现异常情况时迅速触发警报。风险评估指标与预警阈值设定如表1所示：

如表1所示，当上述风险指标的测量值接近或超过预警阈值时，系统将自动分类风险等级为绿色、黄色、橙色和红色。在绿色预警状态下，系统监测到的各项指标均处于正常范围，此时用户无需采取特别措施，但应继续保持对设备的日常检查和维护；当监测到黄色预警时，表示某一项或几项指标出现轻微异常，此时应立即检查相关设备，查找可能导致异常的原因；橙色预警表示某一项或几项指标已达到严重异常水平，需立即停止使用液化石油气设备并切断气源并启动应急预案，做好事故处理准备；红色预警表示液化石油气泄漏风险极高，可能引发火灾、爆炸等严重事故，此时应立即启动紧急疏散计划，确保人员安全，同时采取一切必要措施控制泄漏源，防止事故扩大。

2.5仿真实验

2.5.1实验准备

通过虚拟仿真环境模拟五种常见的瓶装液化石油气泄漏情境，以测试预警系统的响应能力。选择ANSYS Fluent 19.2作为仿真平台，用于模拟气体泄漏过程并分析泄漏原因；同时借助Python 3.8结合NumPy、Pandas和Matplotlib库进行数据分析与可视化。实验中建立尺寸为800mm×400mm×1800mm的瓶装液化石油气瓶几何模型，瓶体由4.0mm厚的不锈钢制成，瓶阀选用公称直径为DN20的Q11F-16型球阀。为保证计算精度，在模型划分时采用100万个四面体非结构化网格，并特别加密瓶阀和瓶体连接处的网格。采用Realizable k-ε湍流模型模拟泄漏过程中气体流动特性，并运用VOF多相流模型精确捕捉气液两相界面，以准确模拟泄漏过程中的气液流动。这些详细的设置确保仿真实验的准确性和可靠性。

2.5.2实验结果

实验结果如表2所示。

实验结果显示，在不同泄漏原因下预警系统的检测灵敏度均在0.32ppm/MPa以上，最高可达0.59ppm/MPa，显示出预警系统能迅速感知到气体浓度变化并及时发出预警。所有泄漏原因下的响应时间均控制在22.56ms内，平均响应时间为21.72ms，表明预警系统在面对紧急情况时能够快速启动预警机制。预警成功率普遍在97%以上，最高达到99.18%，表明预警系统在大多数情况下都能成功预警。其中，液化石油气减压阀问题的预警成功率最高，说明系统对此类泄漏原因的预警能力较强。而钢瓶液化石油气超量灌装的预警成功率相对较低，但仍然保持在97.42%以上，表明系统对于超量灌装引发的泄漏也有较好的预警效果。

3结束语

综上所述，本研究不仅明确了导致瓶装液化石油气泄漏的主要因素，还提出了具有针对性和实用性的预防措施。这些成果不仅有助于提高公众的安全意识，还能为相关部门制定更有效的安全管理政策提供科学依据。尽管本研究取得了一定的成果，但仍有许多方面值得进一步探索和完善。随着技术的发展，新型材料和设备的应用可能会带来新的风险点，因此需要持续关注并进行针对性的研究。同时，在现有预防措施的基础上，相关人员还可以开发更多智能化的安全监控系统和技术，以实现更高效的风险预警与管理。

参考文献：

[1]高思达，郝琳，朱振兴，等.液化石油气（LPG）泄漏事故定量风险分析[J].化学工业与工程，2023，40（4）：78-85.

[2]李利，闫熠辉，江黎丽，等.基于ALOHA的LPG泄漏爆炸事故模拟研究[J].辽宁化工，2024，53（1）：109-114.

[3]肖飞，杨露，王虓，等.基于场景聚类的天然气场站泄漏风险区域研究[J].西南石油大学学报（自然科学版），2024，46（1）：147-155.