基于Bow-Tie模型和貝葉斯網(wǎng)絡(luò)的LNG加氣站動(dòng)態(tài)風(fēng)險(xiǎn)分析

陳靜，董敏，史博文

1.包頭市住房和城鄉(xiāng)建設(shè)局（內(nèi)蒙古 包頭 014017）

2.包頭港華燃?xì)庥邢薰荆▋?nèi)蒙古 包頭 014200）

3.內(nèi)蒙古西部天氣包頭市昊宇新能源有限責(zé)任公司（內(nèi)蒙古 包頭 014040）

LNG具有安全、環(huán)保、經(jīng)濟(jì)等優(yōu)勢(shì)，常作為車用燃料用于重型卡車和大型客車。截至2019年，全國(guó)共建成LNG加氣站超過3 100座[1]，到2030年我國(guó)LNG進(jìn)口需求將達(dá)到1 455億m3[2]。旺盛的需求將帶動(dòng)LNG進(jìn)口量和接收能力的持續(xù)增加，LNG加氣站布局也將會(huì)不斷發(fā)展和完善[3]。另外，LNG一旦泄漏，在環(huán)境溫度下極易形成易燃、易爆的蒸發(fā)氣，若被點(diǎn)燃將造成劇烈的燃燒爆炸事故，給人民群眾的生命財(cái)產(chǎn)造成極大損失[4]。為此，有必要對(duì)相關(guān)站場(chǎng)進(jìn)行風(fēng)險(xiǎn)分析，為L(zhǎng)NG安全行業(yè)的設(shè)計(jì)、制造、安裝、施工、操作和維護(hù)以及檢修等方面的決策提供參考[5]。目前國(guó)內(nèi)外針對(duì)LNG生產(chǎn)-運(yùn)輸系統(tǒng)進(jìn)行了大量的風(fēng)險(xiǎn)評(píng)價(jià)，但主要集中在LNG運(yùn)輸船、接收站、工廠和儲(chǔ)罐[6]。而針對(duì)LNG加氣站的風(fēng)險(xiǎn)分析與評(píng)價(jià)內(nèi)容相對(duì)缺乏，特別是缺少運(yùn)用動(dòng)態(tài)風(fēng)險(xiǎn)分析方法對(duì)LNG加氣站進(jìn)行分析[7]。因此，本文建立了LNG加氣站的Bow-Tie（BT）模型，并根據(jù)映射規(guī)則將其轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)Bayesian Network（BN）模型，以模糊集理論和多層次專家評(píng)判得到的模糊概率為先驗(yàn)概率，對(duì)LNG加氣站系統(tǒng)進(jìn)行了動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估（Dynamic risk analysis，DRA）。

1 評(píng)價(jià)模型建立

1.1 基于Bow-Tie模型的貝葉斯網(wǎng)絡(luò)模型

BT模型由關(guān)鍵事件、事故樹和事件樹構(gòu)成，其中事故樹可識(shí)別引起關(guān)鍵事件的基本事件，而事件樹根據(jù)安全功能的失敗或成功，顯示關(guān)鍵事件的可能后果[8]，典型BT模型如圖1所示。該模型是較為流行的風(fēng)險(xiǎn)分析方法之一，但存在不能適應(yīng)事故動(dòng)態(tài)性的缺點(diǎn)。為了克服該缺點(diǎn)，可引入BN模型，它能清晰地表達(dá)每個(gè)事件之間的因果關(guān)系[9]。本文采用Khakzad等人提出的BT模型到BN模型的映射法則[10]，將BT模型轉(zhuǎn)換為相應(yīng)的BN模型。由于本文重點(diǎn)分析LNG加氣站事故的原因，因此不再對(duì)關(guān)鍵事件所引發(fā)的后果進(jìn)行過多分析，故只需要對(duì)事故樹進(jìn)行一一映射。

圖1 BT模型的一般結(jié)構(gòu)

1.2 模型建立

根據(jù)美國(guó)能源部科學(xué)技術(shù)信息辦公室OSTI評(píng)估報(bào)告，引起LNG加氣站事故的主要因素是LNG泄漏[11]。結(jié)合對(duì)國(guó)內(nèi)多個(gè)LNG加氣站的調(diào)研，以及參考相關(guān)文獻(xiàn)[12]，建立了如圖2所示的BT模型，其模型符號(hào)注釋見表1。根據(jù)所得到的BT模型事故樹中的基本事件、中間事件和關(guān)鍵事件對(duì)應(yīng)著貝葉斯網(wǎng)絡(luò)中的葉節(jié)點(diǎn)、中間節(jié)點(diǎn)以及根節(jié)點(diǎn)，采用GeNIe軟件得到BN模型如圖3所示。

表1 BT模型符號(hào)注釋表

圖2 典型LNG加氣站BT模型

圖3 典型LNG加氣站失效事故樹BN模型

2 融合專家知識(shí)的模糊概率

經(jīng)過調(diào)研、收集文獻(xiàn)和查找挪威船級(jí)社OREDA數(shù)據(jù)庫[13]，很難獲取表1基本事件發(fā)生概率。因此，只有結(jié)合專家知識(shí)的方法來計(jì)算基本事件的發(fā)生概率。本文利用融合專家知識(shí)的模糊概率方法，它將模糊集理論和層次分析法與專家的判斷進(jìn)行融合，獲得基本事件的發(fā)生概率。先利用層次分析法獲取專家權(quán)重，再用模糊集理論將專家知識(shí)轉(zhuǎn)化為基本事件的模糊概率。

2.1 專家評(píng)定

邀請(qǐng)5位具有天然氣相關(guān)站場(chǎng)（包括CNG或LNG加氣站）設(shè)計(jì)建造、施工管理和安全評(píng)價(jià)相關(guān)工程經(jīng)驗(yàn)的工程師以及具有相關(guān)項(xiàng)目研究背景的高校教師作為專家，對(duì)LNG站場(chǎng)安全風(fēng)險(xiǎn)因素進(jìn)行評(píng)價(jià)，相關(guān)信息見表2。根據(jù)基本事件發(fā)生概率，將每個(gè)事件發(fā)生水平分為5個(gè)級(jí)別：極高（VH、紅），高（H、橙），中（M、黃），低（L、藍(lán)）和極低（VL、綠）。結(jié)合專家的知識(shí)和經(jīng)驗(yàn)，判斷導(dǎo)致LNG加氣站燃?xì)庑孤┑幕臼录陌l(fā)生概率，相關(guān)判決結(jié)果見表3。需要注意，經(jīng)過專家知識(shí)轉(zhuǎn)化的基本事件模糊概率已經(jīng)列入表3，而具體轉(zhuǎn)化過程見2.2節(jié)。

表2 專家基本情況

表3 專家評(píng)判結(jié)果與模糊概率

專業(yè)技術(shù)知識(shí)和工程經(jīng)驗(yàn)存在不可避免的差異，采用層次分析法被用來確定專家判斷的權(quán)重[14]。將專家的教育程度、職稱和工齡作為評(píng)價(jià)指標(biāo)。從上到下建立了專家能力的層次化指標(biāo)體系，如圖4所示。每個(gè)指標(biāo)的相對(duì)重要性通過判斷矩陣得到，判斷矩陣的標(biāo)準(zhǔn)層，學(xué)位和專業(yè)職稱的判斷矩陣通過1-9標(biāo)度法[15]構(gòu)建，見表4~表7。

圖4 專家能力目標(biāo)體系

表4 準(zhǔn)則層判斷矩陣

表5 專家教育程度判斷矩陣

表6 專家職稱判斷矩陣

表7 專家工齡判斷矩陣

層次分析法計(jì)算權(quán)重分4個(gè)步驟：第一步，構(gòu)建如表4～表7的判斷矩陣；第二步，計(jì)算各判斷矩陣特征向量及其最大特征根；第三步，進(jìn)行一致性檢驗(yàn)，經(jīng)過計(jì)算，各判斷矩陣的一致性比均小于0.1，滿足一致性檢驗(yàn)的要求，表明各判斷矩陣是合理可靠的；第四步，進(jìn)行復(fù)合權(quán)重計(jì)算，具體對(duì)每個(gè)判斷矩陣進(jìn)行歸一化計(jì)算。通過計(jì)算各層次指標(biāo)對(duì)其上層指標(biāo)的權(quán)重，自上而下地確定各層次指標(biāo)相對(duì)于評(píng)價(jià)指標(biāo)的權(quán)重。最后，5位專家的權(quán)重分別是0.228 8、0.207 0、0.258 6、0.132 1、0.173 6。

2.2 模糊概率

基本事件發(fā)生概率的不同水平對(duì)應(yīng)于不同的隸屬度函數(shù)[16]。根據(jù)圖5所示的隸屬度函數(shù)曲線，將專家對(duì)每個(gè)基本事件的判斷模糊化，轉(zhuǎn)化為相應(yīng)的模糊數(shù)。其中5種隸屬度函數(shù)所對(duì)應(yīng)的模糊數(shù)分別為fVL=[0,0,0.1,0.2]，fL=[0.1,0.25,0.4]，fM=[0.3,0.5,0.7]，fH=[0.6,0.7,0.9]，fVH=[0.8,0.9,1,1]。根據(jù)表8中專家的權(quán)重，對(duì)不同專家的不同模糊數(shù)進(jìn)行歸納，得到同一基本事件的總模糊數(shù)[17]。

圖5 隸屬度函數(shù)曲線

式中：Yi表示基本事件Xi的總體模糊數(shù)；wj表示專家權(quán)重；yij表示專家j給出的基本事件Xi的模糊數(shù)；m表示基本事件數(shù)量；n表示專家數(shù)量。

采用最大最小集合方法將模糊數(shù)轉(zhuǎn)化為模糊可能性得分[18-19]。模糊可能性評(píng)分被定義為:

式中：FMR和FML分別表示模糊數(shù)的左右效用得分，可以通過以下方式計(jì)算得到。

式中：fmax(x)和fmin(x)分別表示模糊最大化集和模糊最小化集，定義為：

對(duì)于LNG加氣站的風(fēng)險(xiǎn)分析，基本事件的發(fā)生概率即為由基本事件引起的LNG加氣站燃?xì)庑孤┑氖Ц怕蔥11]。模糊可能性評(píng)分可以經(jīng)過計(jì)算轉(zhuǎn)換成每個(gè)基本事件發(fā)生的模糊概率，如式（5）所示。經(jīng)過上述計(jì)算，得到每個(gè)基本事件的模糊概率，結(jié)果已經(jīng)列入表3。以基本事件X26為例，按照公式（1）可以求得其總體模糊數(shù)的λ截集為[0.156 6λ+0.560 4,0.873 7-0.156 6λ]，轉(zhuǎn)化為綜合模糊數(shù)為[0.560 4,0.717 1,0.873 7]。按照公式（2）、（3）和（4）求得模糊可能性評(píng)分為0.687 7。最后按照公式（5）計(jì)算得到該事件的模糊概率，即為0.017 0。同理，可求得其他基本事件的模糊概率。

3 動(dòng)態(tài)風(fēng)險(xiǎn)分析

3.1 泄漏預(yù)測(cè)

將基本事件的模糊概率作為先驗(yàn)概率，輸入到BN模型中。由軟件計(jì)算可知，該LNG加氣站失效概率為0.078 822，說明LNG加氣站發(fā)生LNG泄漏的概率還是較大。假設(shè)LNG加氣站出現(xiàn)泄漏，所有基本事件的后驗(yàn)概率可以通過更新BN網(wǎng)絡(luò)來獲得，如表9的第三列所示。通過BN網(wǎng)絡(luò)，不僅可以計(jì)算出事件的先驗(yàn)概率和后驗(yàn)概率，還可以根據(jù)最新的信息預(yù)測(cè)LNG加氣站的故障，即實(shí)現(xiàn)動(dòng)態(tài)風(fēng)險(xiǎn)分析。比如，假設(shè)發(fā)生車輛駛離（X14）事件，則加氣站發(fā)生LNG泄漏的概率會(huì)按表9第4行所示更新。具體來看，當(dāng)出現(xiàn)LNG車輛加氣過程中帶著軟管駛離的情況（即車輛駛離），整個(gè)LNG加氣站的泄漏概率變?yōu)榱?.081 371。相較于先驗(yàn)概率0.078 822并沒有增加許多，可以看出這種情況不會(huì)造成太大的LNG泄漏。這可能是因?yàn)?，雖然出現(xiàn)了車輛駛離拉斷了加氣軟管，但是因?yàn)榇嬖诶瓟嚅y，造成車輛LNG儲(chǔ)罐或者站場(chǎng)LNG儲(chǔ)罐的破壞的可能性低。因建立了53個(gè)基本事件，若要對(duì)這些基本事件就LNG加氣站泄漏的影響進(jìn)行排序還需要進(jìn)行敏感性分析。

表9 LNG加氣站基本事件發(fā)生概率與基本事件提升指數(shù)

續(xù)表

3.2 溯源分析

3.2.1 敏感性分析

如圖6所示，通過比較和分析基本事件的先驗(yàn)概率和后驗(yàn)概率，以及它們之間的差異，可以得到每個(gè)基本事件對(duì)LNG加氣站泄漏的敏感性。從圖6中可以看出，對(duì)于加氣站泄漏高度敏感的基本事件依次為誤操作（X26）、氣相閥無法開啟（X52）、密封材料失效（X35）、充裝閥組失效（X20）、截?cái)嚅y失效（X51）、儲(chǔ)罐回氣問題（X21）、軟管超壓（X11）、安全閥無法開啟（X53）、密封超壓（X34）。從敏感性分析可知，影響LNG加氣站泄漏主要集中在以下4個(gè)方面，誤操作（X26）、閥組失效（IE19）、密封失效（IE12）和充裝過程相關(guān)失效（IE6）。結(jié)合前面的失效預(yù)測(cè)可以看出誤操作是影響LNG加氣站泄漏的最主要因素，與前人研究結(jié)果是一致的。比如在化工和加工工業(yè)中，相關(guān)研究表明因人為失誤而導(dǎo)致的事故占總數(shù)的70%至90%[20-21]。故建議在加大對(duì)于站場(chǎng)工作人員的管理培訓(xùn)并提高技能水平，以及加大安全排查力度和調(diào)高維護(hù)水平，特別是針對(duì)閥門的檢查，以及定期更換密封材料。

圖6 基本事件先驗(yàn)與后驗(yàn)概率的距離差值

3.2.2 提升指數(shù)

當(dāng)基本事件缺失時(shí)，通過計(jì)算LNG加氣站泄漏發(fā)生概率的變化，分析基本事件對(duì)泄漏概率提升的貢獻(xiàn)值。通過比較各基本事件的貢獻(xiàn)值，可以找出對(duì)LNG加氣站可靠性影響較大的基本事件。提升指數(shù)的定義是為了量化每個(gè)基本事件的貢獻(xiàn)值[22]，其計(jì)算公式如下：式中：IIi表示基本事件Xi的提升指數(shù)；Ii表示基本事件Xi對(duì)關(guān)鍵事件提升的貢獻(xiàn)；P(K)prior表示關(guān)鍵事件的先驗(yàn)概率，本文中即為L(zhǎng)NG泄漏的先驗(yàn)概率；Pi(K)prior表示基本事件Xi缺失時(shí)對(duì)LNG泄漏的先驗(yàn)概率。

當(dāng)每個(gè)基本事件分別丟失時(shí)，LNG加氣站泄漏的失效概率由BN模型網(wǎng)絡(luò)進(jìn)行更新。根據(jù)公式（6）及（7），得出每個(gè)基本事件的提升指數(shù)，如表9和圖7所示。對(duì)導(dǎo)致LNG加氣站泄漏失效概率增加起重要作用的基本事件是X26、X52、X35、X20、X51、X21、X11、X34、X53，這與敏感性分析的結(jié)果基本一致。

圖7 基本事件的提升指數(shù)

3.2.3 演化路徑

確定事故演化路徑的最有效方法是進(jìn)行最小割集分析。采用布爾代數(shù)方法計(jì)算故障樹模型的最小割集。通過分析最小割集的重要性，得到了導(dǎo)致LNG加氣站泄漏的最可能的演化路徑。計(jì)算公式如下：

式中：I(MCSi)表示最小割集MCSi的重要度；P(MCSi)表示最小割集MCSi的發(fā)生概率；P（LNG）表示關(guān)鍵事件的發(fā)生概率，即LNG泄漏的發(fā)生概率；P(Xj)為組成最小割集的基本事件Xj的發(fā)生概率。

通過計(jì)算，得到最小割集在LNG加氣站事故樹模型中的重要性，結(jié)果列入表10。最小割集重要度的大小對(duì)應(yīng)導(dǎo)致關(guān)鍵事件發(fā)生的最可能事故發(fā)展路徑。可以看出，導(dǎo)致LNG泄漏事故的演變路徑最有可能是誤操作（X26），其次是氣相閥無法開啟（X52）。

表10 最小割集重要度

續(xù)表

通過溯源性分析，結(jié)果表明：LNG加氣站泄漏的最可能的風(fēng)險(xiǎn)源是站場(chǎng)工作人員的誤操作。其次是閥組失效，主要包括系統(tǒng)截?cái)嚅y失效、氣相閥無法開啟和安全閥無法開啟；密封失效，包括密封設(shè)施設(shè)計(jì)、制造、安裝和維護(hù)錯(cuò)誤、密封部位超壓和密封材料的失效；以及充裝過程相關(guān)失效，包括錯(cuò)誤軟管連接、充裝系統(tǒng)閥組失效、儲(chǔ)罐回氣問題、過度充裝和車輛超載。因此，需要提高站場(chǎng)工作人員的相關(guān)培訓(xùn)，定期進(jìn)行安全檢查，重點(diǎn)檢查站場(chǎng)各種閥組特別是各種氣相閥門，保證BOG平衡以及安全閥能夠開啟狀態(tài)，以及定期更換密封材料防止因老化而導(dǎo)致LNG泄漏的出現(xiàn)。

4 結(jié)論

本文建立了LNG加氣站泄漏的BT模型，并根據(jù)映射規(guī)則建立了相應(yīng)的貝葉斯網(wǎng)絡(luò)模型。結(jié)合專家判斷，利用模糊集理論和層次分析法對(duì)LNG加氣站進(jìn)行了動(dòng)態(tài)風(fēng)險(xiǎn)分析。主要結(jié)論如下：

1）導(dǎo)致LNG加氣站泄漏的主要影響因素包括誤操作、閥組失效、密封失效和充裝過程相關(guān)失效。

2）可以通過更新信息來進(jìn)行LNG加氣站的故障預(yù)測(cè)，值得注意的是車輛的駛離（軟管仍連接）并不會(huì)對(duì)LNG加氣站的泄漏造成很大影響。

3）對(duì)LNG加氣站故障具有較高敏感性和較高促進(jìn)指數(shù)的基本事件是一致的。LNG加氣站的安全管理需要加強(qiáng)人員操作培訓(xùn)，定期對(duì)閥組和密封材料進(jìn)行檢查和維護(hù)，加強(qiáng)對(duì)于充裝過程的規(guī)范化管理，嚴(yán)格規(guī)范充裝操作過程。