石化受限空间施工环境安全预警系统

姚泽宇，周 严

（南京理工大学 机械工程学院，南京210094）

石化受限空间是指建造中的石化钢塔内部空间，由于空气流动性差，施工中产生的有毒气体不易散发，极易导致空间内有毒气体浓度超标或氧含量低于正常标准，危及施工人员的安全。因此，实时监测空间内氧含量及有害气体浓度，及时报警、预警是确保施工安全的重要措施。

依据各国针对石化塔受限空间环境监测的HSE 相关标准[1]，氧含量及有毒气体硫化氢浓度的监测是施工所有阶段都必须进行的。本文在实现气体浓度实时采集的基础上，研究氧含量及硫化氢浓度变化趋势的预测及预警。

目前，不少学者都对受限空间的预警系统进行过研究，例如文献[2]提出的煤矿井下生产环境监测与预警系统中通过实测值与设置的阈值对比实现预警，不仅没有利用到实际测量值本身的变化趋势，而且阈值的设定存在主观性；文献[3]建立的温室大棚温度的预警系统，利用SVM 预测后的温湿度值与阈值的对比实现预警分类，但该设计模型结构过于复杂，没有很好的移植性。

本设计预警功能的实现是ARMA 模型对历史环境数据进行处理，然后将预测值与标准阈值进行比较，这既利用到数据本身的特征，处理模型也易操作，更有适用性。最终，本设计旨在研发一套能够对石化塔受限空间内的施工环境自动监测的安全预警系统，为石化受限空间环境安全提供先进的保障手段，目前处于仿真和试验阶段，应用单位为南京理工大学。

1 氧及硫化氢浓度的数据获取

石化塔受限空间内的氧和硫化氢浓度数据是变化趋势预测的依据，数据的获取过程为：由无线便携式采集终端实时采集数据，每隔1 min 通过无线通信网络传输至施工监控中心的数据库中。

氧及硫化氢的数据采集由电化学气体传感器实现，电化学气体传感器无需单独供电，相比其它传感器功耗更低，灵敏度更高，稳定性更好[4]。电化学传感器与被测气体发生电化学反应并产生与气体浓度成正比的电信号，再加上必要的信号调理电路，就可以完成气体实时连续检测。

（1）硫化氢测量电路

硫化氢测量电路如图1所示，硫化氢电化学传感器选用H2S-A1，是三极型传感器，3 个电极分别是工作电极（Worker）、对电极（Counter）、参比电极（Reference）。

上半部分电路为恒电位电路，用于检测参比电极的电压，并向电极提供电流，保持工作电极和参考电极之间的电压恒定。

下半部分是电流—电压转换电路，作用是将工作电极流出的电流信号转换为电压信号并进行放大滤波，在图1 调理电路中，电流信号经负载电阻R4后，经OA2 运放放大，放大后的电压值为

图1 硫化氢测量电路Fig.1 Measuring circuit of hydrogen sulfide

式中：i为输出的电流信号；R5为运放上的反馈电阻。

根据硫化氢传感器的灵敏度和测量范围以及单片机内置A/D 的采集电压范围，确定反馈电阻阻值22 kΩ 能使电压信号处于合理的波动范围。C1，C2均为滤波作用，R7和C3构成滤波电路。另外，低通场效应管J177 能使电化学传感器在较短的时间内可以迅速反应气体环境的变化。

（2）氧含量测量电路

氧含量测量电路如图2所示。传感器选用O2-M2 氧传感器，为两极型传感器，没有参比极。调理电路只需将输出电流信号转换为电压信号，再进行放大滤波。根据传感器参数设置反馈电阻R2的值为205 kΩ。

图2 氧含量测量电路Fig.2 Measuring circuit of oxygen

2 气体浓度变化趋势的预测

2.1 模型的选择与介绍

对数据趋势预测的常用方法有曲线拟合，支持向量机（SVM），BP 神经网络[5]，基于时间序列的AR，MA，ARMA 模型[6]等。

曲线拟合适用于已知数据的变化趋势，选用合适的函数对其进行拟合，不适用于未知变化趋势的情况；SVM 原理是将原空间中的非线性回归问题转换成高维空间的线性回归问题进行解决，但是容易出现过拟合，实验效果并不理想；BP 神经网络对数据量有一定的要求，而本试验中针对的是小数据量的快速预测，因此也不适合。

ARMA 模型是一种线性时间序列分析模型，包括2 个部分：

（1）AR（自回归）模型[7]表示的是训练数据自身某一时刻与前p个时刻的相关性。

（2）MA（移动平均）模型通过对一段时间序列中白噪声序列进行加权求和，可以得到移动平均方程。

ARMA 模型在预测过程中既考虑了指标在时间序列上的依存性，又考虑了随机波动的干扰性，对指标短期趋势的预测准确率较高。

2.2 整体算法流程

基于ARMA 模型氧含量和硫化氢浓度的预测流程如图3所示。

图3 ARMA 模型预测流程Fig.3 Model prediction flow chart of ARMA

通过氧含量和硫化氢浓度的监测获取观测值；然后对训练数据进行平稳性检验，如果不能通过，需要进行差分运算直到通过检验，此时才能使用AR，MA 和ARMA 三种线性模型进行建模；具体的建模过程：①先计算ACF（自相关函数）和PACF（偏自相关函数），进行模型识别和模型定阶；②然后进行白噪声检验，当通过检验时，才能说明该模型已经提取出数据中的有用信号，模型是合理的；③根据相应的模型，预测未来某一时间段内氧含量和硫化氢浓度值，计算出预测数据与实测数据的误差以论证模型的效果。

3 预警测试

3.1 获取观测值

选取的样本数据的试验时间是2021年6月20日的12：00～13：10，共70 组样本，前1 h 为训练集样本，剩下10 min 的数据为测试集样本。模型的输入因子是时间序列，输出因子是气体浓度值，样本数据的图像如图4所示。

图4 原始数据图像Fig.4 Image of raw data

3.2 平稳性检测

根据图4 可以明显看出该时间序列是非平稳的，当然这种判断属于直观感受，是不准确的。于是对数据作ACF 和PACF 图对其平稳性进行进一步的判断。原始数据的自相关函数图和偏自相关函数图如图5所示。

图5 原数据的自相关和偏相关函数图Fig.5 Autocorrelation and partial correlation function diagram of original data

观察原数据的自相关图像，可以看出，硫化氢浓度和氧含量样本在大部分滞后期内，ACF 都超过了2 倍标准差的范围，故都是非平稳的。

然后通过差分运算的方法来对该数据进行平稳化，一阶后的ACF 和PACF 图像如图6所示。

图6 一阶差分后的自相关和偏相关函数图Fig.6 Autocorrelation and partial correlation function diagram after first-order difference

对于硫化氢浓度和氧含量一阶后的时间序列，大部分滞后期对应的ACF 和PACF 都在其2 倍标准差的范围，基本满足平稳性的要求。

为进一步验证平稳性，采用单位根检验。当单位根存在时，模型中的残差的影响是永久的，序列是不平稳的。利用Matlab 中的adftest函数计算硫化氢浓度和氧含量时间序列一阶差分后的数据，结果为1，说明不存在单位根，即通过平稳性检验。

3.3 模型识别和定阶

在序列平稳的前提下进行模型识别和定阶，首先要确定模型类型，即从AR，MA，ARMA 模型中选择一种预测模型，一般根据序列的ACF 和PACF 来确定模型类型，模型判别[8]如表1所示。其中，拖尾和截尾的说明如下：拖尾：始终有非零取值，在0 附近随机波动；截尾：在大于某个常数k后快速趋于0为k阶截尾。

表1 AR，MA，ARMA 模型的判别Tab.1 Discrimination of AR，MA and ARMA models

模型定阶也由ACF 和PACF 确定，如表2所示。

表2 确定模型的参数p 和qTab.2 Determine the parameters p and q of the model

由图6 观察到一阶差分后硫化氢浓度时间序列ACF 和PACF 具有拖尾的特征，故而选择ARMA模型。自相关函数图中，从滞后7 期开始，ACF 系数均落在2 倍标准差的范围内，所以得到q为7；滞后1 期后，PACF 系数落在2 倍标准差范围之内，故p取1；又是在一阶差分下进行的，有d为1，故采用ARIMA（1，1，7）模型；同样的分析方法，可以得到一阶差分后氧含量时间序列采用ARIMA（4，1，4）模型。

3.4 模型检验

为了验证模型是否合适，还需要进行白噪声检验。若残差是一段白噪声信号，也就说明有用的信号已经都被提取到ARMA 模型中了，证明模型的合理性；若非白噪声信号，那么模型不合理。硫化氢浓度和氧含量所建模型和白噪声检验的整体结果分别如图7 和图8所示。

图7 硫化氢浓度时间序列所用模型的白噪声检验Fig.7 White noise test of model used for hydrogen sulfide concentration time series

图8 氧含量时间序列所用模型的白噪声检验Fig.8 White noise test of model used for oxygen content time series

由图7 和图8 可见，残差的ACF 系数和PACF系数不存在超出2 倍标准差的范围的点，QQ 图中‘+’点也基本接近直线，所以残差是接近正态分布的。整体而言，白噪声检验能够通过，说明硫化氢浓度和氧含量的时间序列所用的ARIMA（1，1，7）模型和ARIMA（4，1，4）模型均符合要求。

3.5 模型验证和应用

整个预警效果的实现是利用ARMA 模型根据前60 个采样值预测后面10 个采样值的大致趋势。根据硫化氢浓度的时间序列所用的ARIMA（1，1，7）模型和氧含量所用的ARIMA（4，1，4）模型得到的预测结果如图9所示。

从图9 中可以直观地看出，预测值和真实值的曲线是比较接近的，可见模型能够较好地预测浓度变化的大概趋势。经过计算，硫化氢预测模型的MAPE 为1.407，氧含量的MAPE 为0.0552，可见预测结果的精度较高。

图9 预测值与真实值对比Fig.9 Comparison between predicted and real value

3.6 预测结果分析

按照中石化设定的在受限空间内部作业的安全规定，氧含量19.5%～23.5%为合格，硫化氢检测报警仪的一级报警设定值[9]应不大于10 mg/m3。故当预测的氧含量小于19.5%或大于23.5%，或者硫化氢的预测浓度值超过10 mg/m3，需要预警。

根据硫化氢浓度预测模型求得后10 min 的预测值：predata=［9.7，9.8，9.8，9.8，9.9，9.9，10.0，10.0，10.1，10.1］，硫化氢浓度已有超过10 mg/m3的值，故此时需要预警，而后10 min 的实测值：realdata=［9.7，9.8，9.8，10.0，10.0，10.3，10.3，10.2，10.1，10.0］，也超出报警阈值，同样需要报警，两者的判断一致，说明预警模型的正确性。

4 结语

本文研究了石化塔受限空间施工环境安全预警系统中的关键技术，设计了合理的调理电路：经电化学传感器测得环境中的硫化氢浓度和氧含量，经过滤波、放大等操作取得准确的测量值；在对比了一些预警系统的实现方法和趋势预测的方法，最终选择利用ARMA 模型对气体浓度值进行趋势预测并和设置的阈值进行对比从而实现预警的功能，实验结果表明该预警系统具有较高的准确度和可靠性。