买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学;北方民族大学申请的专利一种基于深度学习的加氢站动态风险评价方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121303861B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511870614.X，技术领域涉及：G06Q10/0635；该发明授权一种基于深度学习的加氢站动态风险评价方法是由王昌建;朱叙;马鸿盛;敏世雄;张正国;何瑞;张明设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种基于深度学习的加氢站动态风险评价方法在说明书摘要公布了：本发明公开了一种基于深度学习的加氢站动态风险评价方法，涉及氢风险评估技术领域，该方法预先采集训练数据集，基于训练数据集训练出氢浓度时空耦合预测模型；然后实时监测加氢站运行状态参数，基于加氢站运行状态参数识别出点火源能量和点火源时空坐标特征；再基于实时采集的环境参数和泄漏源参数，使用氢浓度时空耦合预测模型预测氢气云团时空坐标特征，量化点火源时空坐标特征与氢气云团时空坐标特征的重叠概率，基于重叠概率和点火源能量生成不同点火源在离散时间点上的点火概率；最后构建动态氢气泄漏风险评估模型，基于生成的点火概率值使用动态氢气泄漏风险评估模型生成风险参数，减少无效警报，使氢气泄漏事故处理更加精准高效。

本发明授权一种基于深度学习的加氢站动态风险评价方法在权利要求书中公布了：1.一种基于深度学习的加氢站动态风险评价方法，其特征在于，包括以下步骤： S1，预先采集训练数据集，基于训练数据集训练出氢浓度时空耦合预测模型； S2，实时监测加氢站运行状态参数，基于加氢站运行状态参数识别出点火源能量和点火源时空坐标特征； S3，基于实时采集的环境参数和泄漏源参数，使用氢浓度时空耦合预测模型预测氢气云团体积、氢气云团时空坐标特征以及该氢气云团时空坐标特征对应的氢气云团浓度和氢气云团出现概率，量化点火源时空坐标特征与氢气云团时空坐标特征的重叠概率，基于重叠概率和点火源能量生成不同点火源在离散时间点上的点火概率； S4，构建动态氢气泄漏风险评估模型，基于生成的点火概率值使用动态氢气泄漏风险评估模型生成风险参数，基于风险参数生成风险触发等级； 在S3中，还包括以下子步骤： S31：实时采集环境参数和泄漏源参数，使用氢浓度时空耦合预测模型预测未来时刻的氢气云团时空坐标特征和氢气云团出现概率； S32：结合实时的点火源时空坐标特征和相应的点火源能量，输出点火源时空坐标特征与氢气云团时空坐标特征的重叠概率以及重叠时间点； S33：基于重叠概率和重叠时间点计算不同点火源在离散时间点上的点火概率： 式中，是坐标x，y，z在重叠时间点t的点火概率；是重叠时间点t的点火源出现概率；是坐标x，y，z在重叠时间点t的点火源有效概率；是坐标x，y，z在重叠时间点t的重叠概率； 在S4中，还包括以下子步骤： S41：对点火概率、氢气云团浓度C、氢气云团体积V、障碍物密度与布局B、环境参数E进行离散化分级和权重分配； S42：基于点火概率、氢气云团浓度C、氢气云团体积V、障碍物密度与布局B、环境参数E构建动态氢气泄漏风险评估模型，基于动态氢气泄漏风险评估模型生成风险参数R； S43：基于风险参数R生成风险触发等级，基于风险触发等级触发处理策略； 在S42中，风险参数R为： 式中，为点火概率，C为氢气云团浓度，V为氢气云团体积，B为障碍物密度与布局，E为环境参数，a、b、c、d、e为权重系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学;北方民族大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。