《Computers & Chemical Engineering》：Risk-Informed Design of Methane Sensor Networks Using a Prescriptive Digital Twin Approach
编辑推荐：
风险知情数字孪生设计甲烷探测器网络。采用大涡模拟-计算流体动力学（LES-CFD）和人工神经网络（ANN）代理模型快速预测甲烷扩散。贝叶斯更新提高了在不确定泄漏条件下的鲁棒性。优化布局在同等部署成本下达到96-97%的检测率。再循环区域控制甲烷积累和探测器效能
风险知情数字孪生设计甲烷探测器网络。采用大涡模拟-计算流体动力学（LES-CFD）和人工神经网络（ANN）代理模型快速预测甲烷扩散。贝叶斯更新提高了在不确定泄漏条件下的鲁棒性。优化布局在同等部署成本下达到96-97%的检测率。再循环区域控制甲烷积累和探测器效能。
本研究针对工业环境中甲烷泄漏检测的迫切需求，提出了一种基于规范性数字孪生（Prescriptive Digital Twin）的甲烷传感器网络风险知情设计框架。甲烷作为一种强效温室气体，其泄漏对气候变化和工业安全构成严重威胁，现有检测方法多依赖确定性模拟或经验性布点，缺乏对复杂流场、不确定性环境条件及泄漏参数的整合。研究人员旨在通过集成高保真计算流体动力学（CFD）模拟、人工神经网络（ANN）代理模型、贝叶斯概率更新及多目标优化，解决传感器网络在设计阶段面临的不确定性挑战，实现风险知情决策。
为开展研究，研究人员采用了大涡模拟-计算流体动力学（LES-CFD）生成甲烷扩散的高保真数据，并基于3000个CFD模拟样本训练了含三层隐藏层（20-20-20）的ANN代理模型，以快速预测甲烷浓度和检测时间。利用集成卡尔曼滤波（EnKF）进行贝叶斯更新，融合传感器观测数据以降低参数不确定性。最后，通过非支配排序遗传算法II（NSGA-II）进行多目标优化，平衡检测概率、检测时间、部署成本及严重性加权风险指标，确定最优传感器位置。
研究结果分为以下部分：
**7.1 流场特征**：通过流速场和流线图分析发现，设施内气流与障碍物相互作用产生低速再循环区域和高流速走廊。再循环区域延长甲烷停留时间，促进局部积累，而高流速区加速稀释和下风向传输。
**7.2 甲烷扩散行为**：瞬时浓度场表现出高度局部化和间歇性特征，峰值浓度出现在泄漏源附近及再循环区。时间平均浓度场呈平滑羽流结构，但瞬时峰值比时间平均值高20-40%，尤其在尾流区域。
**7.3 检测性能分析**：检测概率随风向、泄漏率和泄漏位置显著变化。顺风条件下检测概率达0.95-0.97，横风下降至0.80；泄漏率从0.72升至0.98；泄漏位置L5（近再循环区）检测概率降至0.78。严重性加权风险指数在泄漏源和再循环区超过0.75，远端区域低于0.25。检测阈值影响灵敏度与误报率平衡，中等阈值最优；传感器数量在15-18个后边际效益递减。
**7.4 传感器布局比较**：与均匀布局和启发式布局相比，基于数字孪生的优化布局将传感器策略性置于羽流路径和高浓度区，在同等传感器数量下（如10个传感器）检测概率从78%提升至92%，检测时间从110秒降至80秒，性能提升14%。概率密度分布显示优化布局具有更窄、右移的分布，鲁棒性更强。消融研究表明，不确定性建模使检测概率提升3-5%，贝叶斯更新进一步增加4-6%并缩短检测时间。
讨论部分指出，再循环区域是甲烷积累和风险的关键控制因素，优化布局需结合流动物理和不确定性。结论翻译如下：本研究提出了一种规范性数字孪生框架，用于不确定条件下工业设施甲烷传感器网络的最优设计。该框架集成了高保真CFD模拟、ANN代理模型、贝叶斯推断、严重性加权风险评估和多目标优化，支持风险知情决策。ANN代理模型表现出稳定收敛和强泛化能力，贝叶斯更新提高了预测可靠性。基于结果得出以下结论：甲烷扩散受设施诱导流场显著影响；检测性能高度依赖风向、泄漏率和泄漏位置；瞬时浓度峰值超过时间平均值20-40%；严重性加权风险分析揭示泄漏源和再循环区风险最高，风险指数超过0.80；引入严重性指标增强了风险评估能力；检测阈值需平衡灵敏度与误报；传感器数量在15-18个后收益递减；优化布局在同等成本下达到96-97%检测概率，优于均匀和启发式策略；不确定性建模和贝叶斯更新进一步提升了检测性能；ANN代理模型使框架适用于实际设计应用。该框架为甲烷监测系统设计提供了物理知情、不确定性感知的工具，可应用于过程安全、排放控制和工业风险管理。
