室内火灾荷载数字化调查 + 燃料图片数据库

文摘   科学   2024-11-15 07:30   中国香港  

丁一飞 张伟杰 张予馨 黄鑫炎
香港理工大学
火灾荷载 Fire Load 又称燃料荷载 Fuel Load,是指建筑内可燃物完全燃烧所释放的能量总和,常用单位为兆焦(MJ)。火灾荷载密度则量化单位面积上的燃料数量,单位为MJ/m2。在消防性能化设计中,确定火灾荷载密度往往是识别、表征和量化潜在火灾场景的第一步。
火灾荷载密度的取值需要基于规范提供的参考值。例如美国规范(NFPA 557)[1] 规定办公楼火灾荷载密度平均值为730 MJ/m2,欧洲规范(EN 1991-1-2 )[2] 提供的参考值为420 MJ/m2。规范所提供的数值则来源于对大量火灾荷载调查数据的统计和归纳。
图1:美国规范NFPA557 (左图);欧洲规范EN 1991-1-2 (右图)

然而,随着时代发展,办公楼的布局也从小型封闭办公室向大空间开放办公区演变。此外,建筑内可燃物的种类也随着塑料等聚合物及电器的广泛使用而发生了显著变化。因此,需要经常对火灾荷载数据进行采集和更新,以实现在消防设计中对该参数的合理准确评估。

传统的火灾荷载调查方法包括直接称重法(Direct Weighing)和存量调查法(Inventory Method) 。这些方法耗时耗力,调查效率极低。近年,随着移动智能设备、机器视觉及云端数据库的高速发展,数字化火灾荷载调查方法被提出 [3]。本文采用数字化方法,对中国香港和内地的27间办公室开展调查,旨在丰富建筑火灾荷载数据库,为消防性能化设计和未来设计规范的修订提供依据。

基于机器视觉的数字化火灾调查方法

相较传统方法,数字化方法操作简便、准确率高、可实现数据实时云端存储,大大提高了火灾荷载调查的效率,具体操作流程如图2。
  • 步骤一:燃料图片和建筑信息采集。通过现场拍照获得所有可燃物的照片,并使用电子测量工具测量所有可燃物和房间的几何尺寸。
  • 步骤二:线上数据库匹配。将燃料照片上传在线图片数据库如Google Lens等匹配网络购物商城里的相似商品,并从网站内获取商品质量、几何尺寸、材料成分等信息。
  • 步骤三:火灾荷载计算与数据存储。将调查参数上传软件,计算所有可燃物的火灾荷载及房间火灾荷载密度,并将计算结果存储在SQL数据库。
  • 步骤四:完成调查。调查员可以从数据库获取调查结果,包括移动火灾荷载密度,固定火灾荷载密度和总体火灾荷载密度。
图2:数字化火灾荷载调查流程

大学校园及商业办公室调查结果

本研究调查了两栋位于中国香港的大学校园办公楼,总计11间办公室,测得平均火灾荷载密度为382 MJ/m2,标准差为297 MJ/m2。其中8个大空间开放式办公室所测得的平均值为233 MJ/m2,另外3个为封闭式小型办公室,测得平均火灾荷载密度为781 MJ/m2。

16间商业办公室的调查结果为平均火灾荷载密度为1804 MJ/m2,标准差为1391 MJ/m2。其中8个大空间开放式办公室所测得的平均值为1569 MJ/m2,另外8个为封闭式小型办公室,测得平均火灾荷载密度为2038 MJ/m2。

从可燃物成分来看,大学校园办公室以家具和电器为主,对应的木材和塑料制品占比最大。而商业办公室里更多的是家具和纸质文件,对应木材和纸质材料占比最大。这种差异也反映出两种办公室的用途和工作特点的不同。

图3:两类办公室的可燃物成分对比

此外,研究也发现所调查的商业办公室普遍使用者密度较大,导致在单位面积有更多可燃物体(家具、纸张、电器)堆积,因此火灾荷载密度也较大。而大学办公室普遍使用者密度较小,且更倾向于无纸化办公,因此火灾荷载密度较小。

调查结果讨论

图4为不同火灾荷载调查结果及设计规范参考值随年代的分布,可以看出,随着年份增长,办公楼火灾荷载密度呈现显著的上升趋势。且近年的火灾荷载调查结果都高于规范设计参考值。

图4:不同火灾荷载调查结果的时间分布对比

图5为不同火灾荷载调查中塑料在可燃物的占比随年代的分布,可以看出,随着年份增长,塑料可燃物占比呈现显著的上升趋势,在本文最新的调查中已接近40%

图5:不同火灾荷载调查中塑料可燃物占比的时间分布

根据上述调查结果,本文建议适当上调规范中办公室火灾荷载密度设计值,并在消防性能化设计中考虑不同用途办公室的火灾风险差异和塑料可燃物造成的潜在危害

此外,本调查与此前美国水牛城大学、约翰霍普金斯大学的调查数据形成了一个数字化建筑燃料荷载数据库。该数据库也致力于为消防性能化设计、智能火灾风险评估、自动化火灾荷载调查及智慧消防技术提供数据支持和开发基础(图6)。

图6:数字化燃料荷载数据库的应用展望

相关研究成果已发表于火灾科学领域核心期刊《Fire Safety Journal》[4]。未来研究将扩大和更新数字化燃料荷载数据库,并进一步开发人工智能辅助的自动化火灾荷载评估方法。

▲长按识别二维码阅读原文

相关链接文献

[1] National Fire Protection Association (NFPA), NFPA 557 standard for determination of fire loads for use in structural fire protection design., 2012.
[2] B.S. Institution, BS EN 1991-1-2. Eurocode 1. Actions on Structures: Part 1-2. General Actions. Actions on Structures Exposed to Fire, British Standards Institution, 2021.
[3] N. Elhami-Khorasani, J.G. Salado Castillo, T. Gernay, A Digitized Fuel Load Surveying Methodology Using Machine Vision, Fire Technol. 57 (2021) 207–232.
[4] Y. Ding, W.K. Cheung, Y. Zhang, X. Huang, Digitized Fuel Load Survey in Commercial and University Office Buildings for Fire Safety Assessment, Fire Saf. J. (2024) 104287.

主要作者简介

丁一飞香港理工大学博士生,研究方向为基于机器学习和计算机视觉的智慧消防。

 

▲长按识别二维码

查看丁一飞个人网页


黄鑫炎:香港理工大学副教授、博士生导师,研究领域包括基础燃烧科学和火灾安全应用。

▲长按识别二维码
查看黄鑫炎个人网页


相关阅读

图文 | 丁一飞

编辑 | 谢伟康

审核 | 黄鑫炎


理大火灾安全科学
香港理工大学火灾安全科学实验室(黄鑫炎博士课题组),致力于消防安全领域的科普,火灾科学与技术的分享。
 最新文章