基于LOPA/SIL定級(jí)的化工設(shè)備報(bào)警系統(tǒng)優(yōu)化設(shè)計(jì)與應(yīng)用

摘 要 針對(duì)石油化工設(shè)備報(bào)警系統(tǒng)存在報(bào)警信息不準(zhǔn)確、操作人員響應(yīng)不及時(shí)的問題，基于保護(hù)層分析（LOPA）和SIL定級(jí)相結(jié)合的分析方法，識(shí)別已有保護(hù)措施降低風(fēng)險(xiǎn)的能力，結(jié)合實(shí)際生產(chǎn)提出工藝生產(chǎn)報(bào)警智能系統(tǒng)設(shè)計(jì)方案。為驗(yàn)證該方案的可行性，以某工藝流程的化工設(shè)備報(bào)警功能設(shè)計(jì)和參數(shù)優(yōu)化為例，表明經(jīng)過優(yōu)化的報(bào)警系統(tǒng)可以對(duì)脫乙烷塔低液位的初始事件進(jìn)行修正，修正后的初始事件概率為0.13，財(cái)產(chǎn)損失風(fēng)險(xiǎn)降低因子（RRF）為75，SIL定級(jí)為SIL1。

關(guān)鍵詞 報(bào)警系統(tǒng) 化工設(shè)備 智能化 保護(hù)層分析 SIL定級(jí)

中圖分類號(hào) TH862 " 文獻(xiàn)標(biāo)志碼 B " 文章編號(hào) 1000-3932（2024）04-0725-05

石油化工行業(yè)的工藝流程具有復(fù)雜性和危險(xiǎn)性［1］，因此在操作規(guī)范性方面具有較高的要求。為順應(yīng)國家“十四五”計(jì)劃發(fā)展潮流，加強(qiáng)企業(yè)數(shù)字化到智能化的轉(zhuǎn)型，實(shí)現(xiàn)企業(yè)安全生產(chǎn)，運(yùn)用智能化技術(shù)提高石油化工設(shè)備的安全性已迫在眉睫［2］。

在石油化工設(shè)備安全管理體系下，報(bào)警管理是一種降低風(fēng)險(xiǎn)以防止過程危險(xiǎn)發(fā)生的有效方法，在維護(hù)安全方面發(fā)揮著重要作用。因此，將智能化技術(shù)應(yīng)用于工藝生產(chǎn)報(bào)警系統(tǒng)中，對(duì)報(bào)警信息進(jìn)行識(shí)別篩選，同時(shí)進(jìn)行自動(dòng)化操作以減少人員響應(yīng)時(shí)間，不僅可以提高安全儀表系統(tǒng)（SIS）的安全完整性等級(jí)（SIL），還可以進(jìn)一步滿足安全儀表功能（SIF）的完整性要求。

1 SIL定級(jí)和LOPA分析

IEC 61508和IEC 61511對(duì)SIS劃分了SIL，從低到高共分為SIL1～SIL4共4個(gè)等級(jí)［3，4］。對(duì)SIS的評(píng)估，就是對(duì)SIL的驗(yàn)證。同時(shí)，SIF應(yīng)具有相應(yīng)的SIL。

SIL定級(jí)方法主要分為風(fēng)險(xiǎn)圖表法、風(fēng)險(xiǎn)矩陣法和保護(hù)層分析法（LOPA）。其中，LOPA是一種簡化定量風(fēng)險(xiǎn)評(píng)價(jià)方法，基于相對(duì)保守的規(guī)則對(duì)發(fā)生頻率、發(fā)生可能性以及發(fā)生后果的嚴(yán)重性進(jìn)行評(píng)估，以進(jìn)一步評(píng)估化工過程各種保護(hù)層的有效性，同時(shí)判斷風(fēng)險(xiǎn)是否在可接受范圍內(nèi)，并根據(jù)差距確定是否采取減緩風(fēng)險(xiǎn)的措施。

在LOPA分析中，滿足一定前提條件時(shí)，關(guān)鍵報(bào)警加人員響應(yīng)可作為獨(dú)立保護(hù)層，但目前存在兩個(gè)問題：一是報(bào)警的有效性得不到保證，即存在大量的無用報(bào)警信息，重要的報(bào)警信息可能被忽略，導(dǎo)致報(bào)警名存實(shí)亡；二是操作人員接收到報(bào)警信息后是否有足夠的響應(yīng)時(shí)間，關(guān)鍵報(bào)警加人員響應(yīng)可以作為獨(dú)立保護(hù)層，還需要滿足其他前提條件，例如，相關(guān)的測(cè)量儀表是否具有獨(dú)立性、有效性和可審查性，相關(guān)的執(zhí)行機(jī)構(gòu)是否具有獨(dú)立性、有效性和可審查性，都需要在管理層面進(jìn)行評(píng)估并制定相關(guān)準(zhǔn)則，單獨(dú)評(píng)估每個(gè)報(bào)警信息所需要的響應(yīng)時(shí)間和響應(yīng)方式，才能夠確定關(guān)鍵報(bào)警加人員響應(yīng)能否作為獨(dú)立保護(hù)層進(jìn)行LOPA分析，從而對(duì)SIL進(jìn)行定級(jí)。

2 化工設(shè)備報(bào)警系統(tǒng)優(yōu)化設(shè)計(jì)

化工設(shè)備報(bào)警智能化方案（圖1）為：通過先進(jìn)傳感器、數(shù)據(jù)傳輸技術(shù)、智能算法等手段，實(shí)時(shí)監(jiān)測(cè)和診斷設(shè)備的運(yùn)行狀態(tài)，對(duì)工藝設(shè)備故障準(zhǔn)確、高效地識(shí)別和處理，同時(shí)通過機(jī)器學(xué)習(xí)的方式找出故障位置、發(fā)生原因并向操作人員給出建議的解決方案來減少工藝設(shè)備的停機(jī)檢修時(shí)間，提高化工設(shè)備的利用效率和工藝的生產(chǎn)效率［5］。

2.1 數(shù)據(jù)獲取

建立廠區(qū)生產(chǎn)工藝環(huán)節(jié)數(shù)據(jù)平臺(tái)中心，利用傳感器和數(shù)據(jù)采集裝置全面采集來自工藝設(shè)備的信號(hào)，同時(shí)建立數(shù)據(jù)采集統(tǒng)一標(biāo)準(zhǔn)，為數(shù)據(jù)的存儲(chǔ)和分析奠定良好基礎(chǔ)。建立具有主動(dòng)數(shù)據(jù)備份功能的分布式數(shù)據(jù)庫，采用目前主流的HDFS文件系統(tǒng)，保證數(shù)據(jù)的可讀性和可靠性［6］。

2.2 信號(hào)處理

由于噪聲干擾等影響，原始監(jiān)測(cè)信號(hào)無法直接使用，需要進(jìn)行信號(hào)處理，以突出故障信息。在信號(hào)降噪過程中，將時(shí)域信號(hào)轉(zhuǎn)換至其他空間，同時(shí)將不需要的信號(hào)歸零，隨后將信號(hào)轉(zhuǎn)換回時(shí)域空間，常見的方法有傅里葉變換（FT）、小波變換（WT）等。但這些方法需要預(yù)先確定奇函數(shù)，具有經(jīng)驗(yàn)性和局限性。

近年來，信號(hào)降噪算法得到了極大的發(fā)展，2002年，勝利油田與天津大學(xué)合作［7］開發(fā)了一種基于小波變換信號(hào)處理的負(fù)壓波泄漏檢測(cè)系統(tǒng)，并成功應(yīng)用于臨濟(jì)線中，泄漏報(bào)警時(shí)間小于200 s，泄漏位置預(yù)測(cè)的最大誤差小于所測(cè)管長的2%；2014年，劉光曉等基于小波分析和盲源分離的方法處理聲波信號(hào)，并對(duì)比了兩種算法的降噪效果，結(jié)果表明，盲源分離降噪方法的信噪比為73.5，優(yōu)于小波分析［8］。

2.3 特征提取

在對(duì)特征向量進(jìn)行構(gòu)造前，首先要提取敏感特征，以此區(qū)分各種故障。常用短時(shí)傅里葉變換（STFT）、WT和希爾伯特-黃變換（HHT）來分析信號(hào)本身的瞬時(shí)頻率，在最初的報(bào)警系統(tǒng)監(jiān)測(cè)中，將采集到的參數(shù)構(gòu)造成特征向量，輸入到分類器中識(shí)別故障信息［9］。在沒有噪聲的情況下，以上方法均可以識(shí)別故障信息，但當(dāng)有噪聲存在時(shí)，這些方法對(duì)故障信息的識(shí)別精度并不高。近年來，故障識(shí)別常以信號(hào)的時(shí)域特征作為特征向量，包括信號(hào)的均值、方差、波形因子及脈沖因子等，除此以外，還將時(shí)域信號(hào)變換到其他空間中，以提取小波熵、EMD能量熵等特征參數(shù)。2014年，劉翠偉等基于HHT對(duì)音波信號(hào)進(jìn)行了變換，并在勝利油田進(jìn)行了現(xiàn)場(chǎng)試驗(yàn)，通過三維平面譜得到了聲波信號(hào)的HHT特征［10］。

2.4 特征選擇

特征選擇包括數(shù)據(jù)降維和數(shù)據(jù)融合。對(duì)提取的特征向量進(jìn)行降維和融合，可以方便計(jì)算實(shí)現(xiàn)可視化，并保留最有區(qū)分性的特征，從而提升分類效率、防止過擬合［11］。常見方法有主成分分析（PCA）、獨(dú)立成分分析（ICA）及t-分布隨機(jī)鄰域嵌入（t-SNE）等。2015年，劉嘯奔等通過提取信號(hào)方差、峰值因子等特征向量，使用PCA方法對(duì)其進(jìn)行降維，再基于神經(jīng)網(wǎng)絡(luò)的方法對(duì)調(diào)閥、停泵、啟泵和泄漏工況均進(jìn)行了識(shí)別，得到了100%的識(shí)別率［12］。

2.5 故障分類

故障分類的本質(zhì)是模式識(shí)別問題，可以通過機(jī)器學(xué)習(xí)的分類器加以實(shí)現(xiàn)，如人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）及極限學(xué)習(xí)機(jī)（ELM）等。2016年，焦敬品等結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)聲信號(hào)進(jìn)行了處理識(shí)別，識(shí)別率為92.5%［13］。

3 應(yīng)用實(shí)例

化工設(shè)備報(bào)警系統(tǒng)的智能化優(yōu)化方案可以篩選出錯(cuò)誤報(bào)警信號(hào)，通過綜合分析各種參數(shù)，提高報(bào)警的有效性，同時(shí)利用大數(shù)據(jù)學(xué)習(xí)算法，基于歷史數(shù)據(jù)庫識(shí)別出發(fā)生的故障并給予操作人員可行的解決方案，從而降低關(guān)鍵報(bào)警加人員響應(yīng)這一獨(dú)立保護(hù)層的失效概率，優(yōu)化SIL定級(jí)［14］。

某煉化企業(yè)乙烷外輸干線超壓的LOPA/SIL定級(jí)分析情況見表1，其風(fēng)險(xiǎn)點(diǎn)為乙烷外輸干線出站高，后果為乙烷外輸干線及下游設(shè)備、管道破裂，天然氣泄漏，火災(zāi)爆炸。

對(duì)于上游來氣壓力升高問題，可以使用流量計(jì)、壓力計(jì)的測(cè)量數(shù)據(jù)變化進(jìn)行多模態(tài)融合，利用敏感特征判定事故發(fā)生。具體過程為：系統(tǒng)檢測(cè)到壓力升高，對(duì)流量參數(shù)進(jìn)行判斷，同時(shí)結(jié)合上游數(shù)據(jù)判斷事故緣由，進(jìn)而對(duì)操作人員進(jìn)行報(bào)警，因此可以設(shè)置化工設(shè)備上游壓力高的初始事件IPL的PFD為0.1；同理，下游堵塞可以通過上下游流量差異及使用特定傳感器檢測(cè)壓力波，從而判斷下游堵塞工況，并準(zhǔn)確無誤地對(duì)操作人員報(bào)警，因此可以設(shè)置化工設(shè)備下游堵塞或管道閥門誤關(guān)閉的初始事件IPL的PFD為0.1。作為IPL的壓力調(diào)節(jié)系統(tǒng)，結(jié)合智能化技術(shù)，可以通過壓力信號(hào)與其他關(guān)聯(lián)故障信號(hào)耦合，采用大數(shù)據(jù)智能分類算法判斷故障原因，從而更有效地調(diào)用壓力調(diào)節(jié)系統(tǒng)，因此設(shè)置化工設(shè)備壓力調(diào)節(jié)IPL的PFD為0.05。

采用優(yōu)化后的化工設(shè)備報(bào)警系統(tǒng)對(duì)某脫乙烷塔低液位的初始事件進(jìn)行修正，修正后的初始事件概率為0.13，財(cái)產(chǎn)損失RRF為75，定級(jí)為SIL1。報(bào)警系統(tǒng)優(yōu)化前后的參數(shù)（初始事件概率、IPL的PFD、財(cái)產(chǎn)損失RRF、人員傷亡RRF、環(huán)境影響RRF和SZL定級(jí)）對(duì)比結(jié)果見表2。由表中數(shù)據(jù)可以看出，化工設(shè)備報(bào)警系統(tǒng)優(yōu)化后，石油化工企業(yè)可以針對(duì)風(fēng)險(xiǎn)有更優(yōu)化的管理，可以提高生產(chǎn)效率，節(jié)省管理成本。

4 結(jié)束語

LOPA分析是SIL定級(jí)的主流方法，與其他方法相比具有風(fēng)險(xiǎn)識(shí)別詳細(xì)準(zhǔn)確的特點(diǎn)。在LOPA分析中，以關(guān)鍵報(bào)警加人員響應(yīng)的方式作為獨(dú)立保護(hù)層，但其存在大量無用的報(bào)警信號(hào)，導(dǎo)致人員響應(yīng)不足，進(jìn)而影響其作為獨(dú)立保護(hù)層的功能。隨著智能化技術(shù)的發(fā)展，智能化方法與化工設(shè)備廣泛應(yīng)用于工藝生產(chǎn)中。筆者基于先進(jìn)傳感器、數(shù)據(jù)傳輸技術(shù)和智能算法，提出了一種化工設(shè)備報(bào)警系統(tǒng)優(yōu)化設(shè)計(jì)方案，通過對(duì)報(bào)警數(shù)據(jù)的處理、清洗和分類，從而提高報(bào)警的有效性和人員對(duì)事故的可控性。將優(yōu)化后的化工設(shè)備報(bào)警系統(tǒng)應(yīng)用于某煉化企業(yè)乙烷外輸干線超壓的LOPA/SIL定級(jí)分析中，結(jié)果表明，該系統(tǒng)可對(duì)初始事件概率、SIL定級(jí)進(jìn)行修正，并通過優(yōu)化報(bào)警降低事故發(fā)生概率。

參 考 文 獻(xiàn)

［1］ 劉奎，申滿對(duì).石油化工項(xiàng)目設(shè)計(jì)中初步工藝安全危害分析［J］.煉油技術(shù)與工程，2021，51（7）：69-72.

［2］ 黨昊馳.淺談石油化工智能化工廠在企業(yè)安全生產(chǎn)中的應(yīng)用［J］.石油化工自動(dòng)化，2021，57（S1）：107-110.

［3］ 鄧銳，劉美佳，平洋，等.安全儀表系統(tǒng)SIL定級(jí)及LOPA的應(yīng)用研究［J］.石油化工自動(dòng)化，2023，59（1）：57-60.

［4］ 范詠峰，唐彬.LOPA在石油化工裝置中的應(yīng)用［J］.石油化工自動(dòng)化，2021，57（3）：31-34.

［5］ 鄭蓉.基于測(cè)量參數(shù)的化工機(jī)械漏電故障排查方法研究［J］.化工機(jī)械，2021，48（3）：473-479.

［6］ 唐光艷.基于大數(shù)據(jù)與人工智能的大數(shù)據(jù)獲取方法研究［J］.電子技術(shù)與軟件工程，2021（11）：191-192.

［7］ 程家銘，張漢國.輸油管道負(fù)壓波法測(cè)漏原理及實(shí)現(xiàn)［J］.石油機(jī)械，2002，30（9）：28-30.

［8］ 劉光曉，孟令雅，劉翠偉，等.基于盲源分離技術(shù)的泄漏音波信號(hào)濾波方法分析［J］.振動(dòng)與沖擊，2014，33（24）：192-199.

［9］ BELSITO S，ANDREUSSI P，BANERJEE S，et al.Leak detection in liquefied gas pipelines by artificial neural networks［J］.AIChE Journal，1998，44（12）：2675-2688.

［10］ 劉翠偉，李玉星，孟令雅，等.基于希爾伯特黃變換的輸氣管道泄漏音波時(shí)頻特性分析［J］.振動(dòng)與沖擊，2014，33（16）：42-49.

［11］ 周立國，王勇，李明，等.基于多源數(shù)據(jù)融合的油氣管道診斷預(yù)警技術(shù)［J］.石油化工自動(dòng)化，2022，58（5）：68-72.

［12］ 劉嘯奔，張宏，夏夢(mèng)瑩，等.基于主成分分析和神經(jīng)網(wǎng)絡(luò)的管道泄漏識(shí)別方法［J］.油氣儲(chǔ)運(yùn)，2015，34（7）：737-740.

［13］ 焦敬品，李勇強(qiáng)，吳斌，等.基于BP神經(jīng)網(wǎng)絡(luò)的管道泄漏聲信號(hào)識(shí)別方法研究［J］.儀器儀表學(xué)報(bào)，2016，37（11）：2588-2596.

［14］ 范宗海，賀文敏，冀曉舉，等.先進(jìn)報(bào)警管理系統(tǒng)的設(shè)計(jì)實(shí)施與應(yīng)用研究［J］.石油化工自動(dòng)化，2018，54（1）：7-17.

（收稿日期：2023-07-17，修回日期：2024-05-31）