Risk control in hydrogen fueling stations

The optimization of sensor placement in hydrogen tanks plays a vital role in ensuring ef- ficient leak detection and risk control in hydrogen fueling stations. This thesis presents a novel methodology that aims to optimize sensor placement over hydrogen tanks of varying sizes using a genetic algorithm. The objective is to maximize the detection performance while considering factors such as tank dimensions, sensor radius, and other variables rel- evant to the construction of the algorithm. The research begins by studying the physical characteristics of hydrogen, including tra- jectory and dispersion patterns, through the simulation of leak scenarios using HyRAM+ software. Understanding the behavior of hydrogen during leakages is crucial for iden- tifying optimal sensor type and positions that can effectively detect leaks and mitigate potential hazards. To achieve optimal sensor placement, a genetic algorithm is implemented, by iteratively evaluating and evolving sensor configurations, the genetic algorithm identifies the best individual that maximizes the detection performance. The methodology is applied to three distinct scenarios, each representing different condi- tions, including pressure levels and hole sizes, which are commonly encountered in prac- tical settings. Additionally, the methodology is extended to the Kjørbo station, which is of particular interest due to an accident that occurred in 2019 as a result of a hydrogen leakage: this specific scenario is noteworthy due to the unique characteristics of the tank sizes involved.

L’ottimizzazione della posizione dei sensori nei serbatoi di idrogeno svolge un ruolo vitale nell’assicurare una rilevazione efficace delle perdite e la sicurezza nelle stazioni di riforn- imento di idrogeno. Questa tesi presenta una nuova metodologia che mira a ottimizzare la posizione dei sensori sui serbatoi di idrogeno di dimensioni diverse utilizzando un al- goritmo genetico. L’obiettivo è massimizzare le prestazioni di rilevamento considerando fattori come le dimensioni del serbatoio, il raggio del sensore e altre variabili pertinenti alla costruzione dell’algoritmo. La ricerca inizia studiando le caratteristiche fisiche dell’idrogeno, compresi il suo per- corso e i modelli di dispersione, attraverso la simulazione di scenari di perdita utilizzando il software HyRAM+. Studiare il comportamento dell’idrogeno durante le perdite è cru- ciale per identificare il tipo e le posizioni ottimali dei sensori in modo da rilevare in modo efficace le perdite e mitigare i potenziali pericoli. Per ottenere una posizione ottimale dei sensori, viene implementato un algoritmo ge- netico che, valutando ed evolvendo iterativamente le configurazioni dei sensori, individua il miglior individuo che massimizza le prestazioni di rilevamento. La metodologia viene applicata a diversi scenari distinti, ognuno rappresentante diverse condizioni, tra cui livelli di pressione e dimensioni dei fori, che sono comunemente riscon- trati in contesti pratici. Inoltre, la metodologia viene estesa alla stazione di Kjørbo, che suscita particolare interesse a causa di un incidente che si è verificato nel 2019 a seguito di una perdita di idrogeno: questo scenario specifico è degno di nota per le caratteristiche uniche dei serbatoi coinvolti.