楊秀珍 許開立教授 龔維立 張?zhí)鞄?楚明輝

(東北大學(xué) 資源與土木工程學(xué)院，遼寧 沈陽 110819)

0 引言

生物質(zhì)氣化的原料供應(yīng)廣泛，并且能夠產(chǎn)生清潔能源，對環(huán)境友好，具有良好的發(fā)展前景。但由于生物質(zhì)氣化產(chǎn)生的燃?xì)庵泻蠧O，一旦泄露，極易造成人員中毒和財(cái)產(chǎn)損失。因此對生物質(zhì)氣化中毒事故進(jìn)行風(fēng)險(xiǎn)分析和評價(jià)，對于提出合理有效的事故預(yù)防措施，降低事故發(fā)生概率具有重要意義。

目前，能夠直觀表達(dá)事故基本原因的故障樹分析方法，是最常用的風(fēng)險(xiǎn)分析方法之一，但由于該方法將系統(tǒng)狀態(tài)簡單地劃分為正常和失效，忽略多狀態(tài)的假設(shè)推理關(guān)系，且利用布爾代數(shù)法計(jì)算最小割集合和最小徑集合，計(jì)算量大，針對較復(fù)雜系統(tǒng)的風(fēng)險(xiǎn)評價(jià)，仍具有一定局限性。然而，基于故障樹的貝葉斯網(wǎng)絡(luò)則具有直觀的邏輯關(guān)系表達(dá)能力和強(qiáng)大的推理計(jì)算能力，不僅簡化邏輯關(guān)系表達(dá)，還提高計(jì)算效率。例如宋超等利用貝葉斯概率統(tǒng)計(jì)和網(wǎng)絡(luò)推理，進(jìn)行系統(tǒng)風(fēng)險(xiǎn)分布的定量分析，計(jì)算節(jié)點(diǎn)的后驗(yàn)概率；但是，以上研究只是針對未采取任何安全措施的系統(tǒng)進(jìn)行風(fēng)險(xiǎn)評價(jià)，忽略系統(tǒng)保護(hù)措施失效帶來的風(fēng)險(xiǎn)。保護(hù)層分析法是一種對系統(tǒng)保護(hù)措施失效風(fēng)險(xiǎn)進(jìn)行評價(jià)并進(jìn)行決策的系統(tǒng)分析方法。劉家喜等對系統(tǒng)的薄弱環(huán)節(jié)設(shè)置保護(hù)層并根據(jù)保護(hù)層分析法進(jìn)行剩余風(fēng)險(xiǎn)等級評價(jià)；閆放等利用風(fēng)險(xiǎn)矩陣得出風(fēng)險(xiǎn)等級，并通過設(shè)計(jì)獨(dú)立防護(hù)層，降低事故的發(fā)生概率。因此，為實(shí)現(xiàn)復(fù)雜系統(tǒng)全面風(fēng)險(xiǎn)評價(jià)，本文提出基于故障樹的貝葉斯—保護(hù)層復(fù)合分析法(BN-LOPA)，該方法可客觀、準(zhǔn)確地確定復(fù)雜系統(tǒng)的薄弱環(huán)節(jié)，并通過設(shè)置獨(dú)立保護(hù)層降低系統(tǒng)風(fēng)險(xiǎn)等級至可接受水平，較為全面研究事故發(fā)生機(jī)理并對保護(hù)措施有效程度進(jìn)行評價(jià)。

1 基于故障樹的貝葉斯—保護(hù)層復(fù)合分析法概述

1.1 基于故障樹的貝葉斯網(wǎng)絡(luò)概述

貝葉斯網(wǎng)絡(luò)(Bayesian Networks，BN)是一種進(jìn)行概率分析和推理的數(shù)學(xué)工具。它可利用具有網(wǎng)絡(luò)結(jié)構(gòu)的有向圖簡易直觀地刻畫事件的內(nèi)部邏輯關(guān)系；另一方面，其強(qiáng)大的推理能力可以使其對不確定性事件以及概率性事件進(jìn)行計(jì)算分析。堅(jiān)實(shí)的理論基礎(chǔ)和強(qiáng)大的軟件支撐，使得貝葉斯網(wǎng)絡(luò)成為風(fēng)險(xiǎn)評價(jià)的有力工具。

故障樹模型不僅可以通過圖形直觀地演繹展現(xiàn)系統(tǒng)內(nèi)可能發(fā)生的零部件失效、工作環(huán)境變化、人失誤等因素(基本事件)如何導(dǎo)致系統(tǒng)失效而發(fā)生事故(頂事件)，還可以進(jìn)行簡單的定量分析計(jì)算。但是由于事故發(fā)生形式的不確定性和復(fù)雜性，通過建立故障樹和貝葉斯網(wǎng)絡(luò)之間映射關(guān)系的基于故障樹的貝葉斯網(wǎng)絡(luò)分析方法具有更強(qiáng)的適用性。貝葉斯網(wǎng)絡(luò)是一個(gè)有向無環(huán)圖，包括節(jié)點(diǎn)和有向邊。貝葉斯網(wǎng)絡(luò)中沒有父節(jié)點(diǎn)的節(jié)點(diǎn)(根節(jié)點(diǎn))對應(yīng)故障樹中的基本事件，而有向邊則對應(yīng)故障樹的邏輯門，故障樹的邏輯關(guān)系通過條件概率表(Conditional Probability Table，CPT)映射為貝葉斯網(wǎng)絡(luò)的聯(lián)結(jié)強(qiáng)度。設(shè)

A

、

B

為2組變量，

B

=

B

(

i

∈

I

)為相互獨(dú)立的隨機(jī)變量，則在“

A

已經(jīng)發(fā)生”的條件下，

B

發(fā)生的條件概率的計(jì)算公式如下：

(1)

式中：

n

—

B

組獨(dú)立隨機(jī)變量的個(gè)數(shù)。其中，

P

(

A

)可以用全概率公式展開：

(2)

相比于復(fù)雜的編程建模方法，GeNIe具有直觀簡化的圖形化建模能力，并可進(jìn)行多種推理計(jì)算的貝葉斯網(wǎng)絡(luò)建模成熟軟件，因此，本文選取GeNIe軟件進(jìn)行貝葉斯網(wǎng)絡(luò)建模。

1.2 基于故障樹的貝葉斯—保護(hù)層分析法

保護(hù)層分析法(Layers of Protection Analysis，LOPA)是基于定性風(fēng)險(xiǎn)評估信息的一種半定量的風(fēng)險(xiǎn)評價(jià)技術(shù)。其任務(wù)是判斷是否存在足夠的防護(hù)層，從而使風(fēng)險(xiǎn)降低到可容忍水平，達(dá)到安全生產(chǎn)的要求?；诠收蠘涞玫降呢惾~斯網(wǎng)絡(luò)，可演示事故場景的事件鏈(初始事件、中間事件、后果事件)；根據(jù)風(fēng)險(xiǎn)矩陣，可通過初始事件發(fā)生概率、失效后果嚴(yán)重程度和系統(tǒng)失效概率的數(shù)量級大小來表征事件的風(fēng)險(xiǎn)。首先，未采取獨(dú)立保護(hù)層的情況下發(fā)生事故的事件稱為未減輕事件，其導(dǎo)致事故發(fā)生的風(fēng)險(xiǎn)稱為潛在風(fēng)險(xiǎn)；采取獨(dú)立保護(hù)層情況下，還能誘發(fā)事故的事件稱為減輕事件，其誘發(fā)事故的風(fēng)險(xiǎn)稱為剩余風(fēng)險(xiǎn)。

1.2.1 風(fēng)險(xiǎn)等級分析

風(fēng)險(xiǎn)矩陣是一種通過評價(jià)事件風(fēng)險(xiǎn)等級簡化的定量風(fēng)險(xiǎn)分析方法，具有較好的客觀性。本文采用的風(fēng)險(xiǎn)矩陣，見表1。根據(jù)專家的建議以及氣化站實(shí)際情況，參考文獻(xiàn)[5]后果嚴(yán)重等級劃分標(biāo)準(zhǔn)，對本文提出的生物質(zhì)氣化中毒事故5個(gè)后果嚴(yán)重等級對應(yīng)情況進(jìn)行描述(見表2)；不同風(fēng)險(xiǎn)等級應(yīng)采取的措施，見表3。

表1 風(fēng)險(xiǎn)矩陣Tab.1 Risk matrix

表2 后果嚴(yán)重等級Tab.2 Serious grade of consequences

表3 風(fēng)險(xiǎn)等級及要求的措施Tab.3 Grade of risk and required measures

1.2.2 故障概率計(jì)算

設(shè)置獨(dú)立防護(hù)層是防止事故發(fā)生的有效措施，獨(dú)立防護(hù)層失效的概率可通過每個(gè)防護(hù)層的失效概率乘積求出，計(jì)算公式如下：

(3)

式中：

P

—第

i

個(gè)獨(dú)立防護(hù)層的失效概率；

m

—獨(dú)立防護(hù)層的個(gè)數(shù)。

1.3 基于故障樹的貝葉斯—保護(hù)層復(fù)合分析法步驟

基于故障樹的貝葉斯—保護(hù)層復(fù)合分析法(BN-LOPA)，分析步驟如下：

(1)編制故障樹。了解工藝流程，收集歷史故障數(shù)據(jù)，編制生物質(zhì)氣化中毒事故的故障樹。

(2)基于故障樹構(gòu)建貝葉斯網(wǎng)。根據(jù)構(gòu)建的氣化中毒故障樹，利用GeNIe軟件建立有向無環(huán)的貝葉斯網(wǎng)絡(luò)映射其邏輯關(guān)系。

(3)確定風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)故障節(jié)點(diǎn)。輸入基本事件的發(fā)生概率進(jìn)行更新，利用貝葉斯網(wǎng)絡(luò)的雙向推理技術(shù)，計(jì)算出各基本事件的后驗(yàn)概率，進(jìn)行對比分析，篩選對頂事件影響較大的基本事件，選擇該基本事件為風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)故障節(jié)點(diǎn)。其中，基本事件的發(fā)生概率從該氣化站裝置的故障統(tǒng)計(jì)資料和相似文獻(xiàn)資料中獲得。

(4)基于貝葉斯網(wǎng)絡(luò)進(jìn)行防護(hù)層分析。

①根據(jù)風(fēng)險(xiǎn)矩陣，確定風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)故障節(jié)點(diǎn)潛在的風(fēng)險(xiǎn)等級，對該節(jié)點(diǎn)分別設(shè)置獨(dú)立防護(hù)層，并計(jì)算設(shè)置防護(hù)層后始發(fā)事件概率。

②根據(jù)減輕事件的概率和風(fēng)險(xiǎn)矩陣，確定事故發(fā)生的風(fēng)險(xiǎn)等級，研究是否需要繼續(xù)添加防護(hù)層來降低剩余風(fēng)險(xiǎn)以滿足安全生產(chǎn)的要求。

2 實(shí)例分析

2.1 生物質(zhì)氣化技術(shù)簡介

生物質(zhì)氣化以生物質(zhì)燃料為原料，在高溫和催化劑的條件下進(jìn)行反應(yīng)，最終得到清潔能源(主要成分是H、CO和CH)的熱化學(xué)反應(yīng)。氣化的產(chǎn)物經(jīng)過去灰、脫焦后可通過管網(wǎng)輸向用戶，其工藝流程，如圖1。

圖1 生物質(zhì)氣化站工藝流程Fig.1 Process flow of biomass gasification station

由于生物質(zhì)氣化工藝中存在燃?xì)?主要成分為CO)，一旦泄漏，極易導(dǎo)致中毒事故，造成嚴(yán)重的人員傷亡和財(cái)產(chǎn)損失。因此根據(jù)生物質(zhì)氣化工藝流程，找到系統(tǒng)薄弱環(huán)節(jié)，并采取保護(hù)措施，對提高生產(chǎn)安全具有重要意義。

2.2 編制生物質(zhì)氣化中毒事故故障樹

分析氣化中毒事故發(fā)生原因，編制出生物質(zhì)氣化站發(fā)生泄漏中毒事故的故障樹(如圖2)，各符號所代表的事件，見表4。各基本事件的發(fā)生概率通過查閱資料獲得，見表5。

表5 各基本事件的發(fā)生概率Tab.5 Probability of basic events

表4 圖2中代碼含義Tab.4 Code implications in figure 2

圖2 生物質(zhì)氣化站燃?xì)庑孤┲卸臼鹿使收蠘銯ig.2 Fault tree of gas leakage poisoning at biomass gasification station

2.3 構(gòu)建生物質(zhì)氣化中毒事故貝葉斯網(wǎng)絡(luò)

利用GeNIe軟件，根據(jù)生物質(zhì)氣化中毒事故的故障樹基本事件和頂事件之間的邏輯關(guān)系以及文獻(xiàn)[11-13]描述的邏輯門向貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化的具體方法，構(gòu)建生物質(zhì)氣化中毒事故貝葉斯網(wǎng)絡(luò)，如圖3。

圖3 生物質(zhì)氣化中毒事故貝葉斯網(wǎng)絡(luò)Fig.3 Bayesian Network of biomass gasification poisoning accident

輸入基本事件的先驗(yàn)概率，通過貝葉斯網(wǎng)絡(luò)推理計(jì)算得出，在頂事件發(fā)生的條件下(發(fā)生概率為1.11×10)各基本事件的后驗(yàn)概率，與先驗(yàn)概率的比較情況，如圖4。

由圖4可看出，基本事件的先驗(yàn)概率和后驗(yàn)概率差別較大，相比于比較接近的先驗(yàn)概率，基本事件的后驗(yàn)概率相差明顯，且后驗(yàn)概率的大小表征基本事件對頂事件發(fā)生的影響重要程度，在所有基本事件中，后驗(yàn)概率最大的3個(gè)基本事件分別為

X

器壁磨損腐蝕、

X

防護(hù)用具失效、

X

防護(hù)用具不匹配，因此，這3個(gè)基本事件對應(yīng)的節(jié)點(diǎn)可視為貝葉斯網(wǎng)絡(luò)中的故障節(jié)點(diǎn)。

圖4 基本事件的先驗(yàn)概率和后驗(yàn)概率Fig.4 Prior and posterior probabilities of basic events

2.4 基于貝葉斯網(wǎng)絡(luò)的防護(hù)層分析

生物質(zhì)氣化站大部分位于農(nóng)村地區(qū)或者郊區(qū)，但是由于其生產(chǎn)具有一定規(guī)模，燃?xì)庵械腃O一旦發(fā)生泄漏，會對氣化站內(nèi)的工作人員和周邊居民的生命健康造成威脅，嚴(yán)重可能導(dǎo)致人員中毒死亡。其次，燃?xì)庑孤┛赡軐?dǎo)致周邊環(huán)境受到污染，且氣化站損壞設(shè)備的維修也會導(dǎo)致比較高的經(jīng)濟(jì)損失。事故后果嚴(yán)重等級可根據(jù)表3判斷為高。則可根據(jù)風(fēng)險(xiǎn)矩陣得出生物質(zhì)氣化中毒事故風(fēng)險(xiǎn)等級為7級，應(yīng)確認(rèn)落實(shí)控制措施，并進(jìn)行維護(hù)。

對故障節(jié)點(diǎn)設(shè)置防護(hù)層，可防止節(jié)點(diǎn)發(fā)生故障，從而降低頂事件的發(fā)生概率，因此，對前文分析出的3個(gè)故障節(jié)點(diǎn)設(shè)置防護(hù)層，并分別計(jì)算未減輕事件和減輕事件的概率，并對應(yīng)表2描述的事故后果情況，確定事件的后果嚴(yán)重等級，最終根據(jù)表1綜合評價(jià)防護(hù)層設(shè)置前后事件的風(fēng)險(xiǎn)等級，見表6。

由此可得，根據(jù)貝葉斯網(wǎng)絡(luò)推理計(jì)算，沒有設(shè)置獨(dú)立保護(hù)層前事故的發(fā)生概率1.11×10，專業(yè)人員對事故發(fā)生后果嚴(yán)重等級評價(jià)為“高”，對照表1得出中毒事故的風(fēng)險(xiǎn)等級為7級；通過對故障節(jié)點(diǎn)設(shè)置獨(dú)立保護(hù)層，根據(jù)表6得到的事件發(fā)生的概率，更新貝葉斯網(wǎng)絡(luò)對應(yīng)的故障節(jié)點(diǎn)概率，可計(jì)算出設(shè)置獨(dú)立保護(hù)層后中毒事故的發(fā)生概率為5.35×10，采用上述同樣方法，得到中毒事故的風(fēng)險(xiǎn)等級為5級，可見，通過設(shè)置獨(dú)立保護(hù)層風(fēng)險(xiǎn)等級由需要落實(shí)控制措施的7級降到無需采取安全措施的5級。

表6 防護(hù)層分析結(jié)果Tab.6 Analysis results of protective layers

3 結(jié)論

(1)基于故障樹模型，提出BN-LOPA復(fù)合的定量風(fēng)險(xiǎn)評價(jià)方法，應(yīng)用此方法得到生物質(zhì)氣化中毒事故發(fā)生概率為1.11×10，事故風(fēng)險(xiǎn)為7級。

(2)依賴貝葉斯網(wǎng)絡(luò)強(qiáng)大的雙向推導(dǎo)能力計(jì)算基本事件的后驗(yàn)概率，得出器壁磨損腐蝕、法蘭失效、防護(hù)用具不匹配這3個(gè)基本事件是導(dǎo)致生物質(zhì)氣化中毒事故發(fā)生的最重要因素。

(3)分別對上述3個(gè)基本事件對應(yīng)的節(jié)點(diǎn)設(shè)置獨(dú)立防護(hù)層，通過概率計(jì)算得到生物質(zhì)氣化中毒事故的發(fā)生概率由原來的1.11×10降低至5.35×10，根據(jù)風(fēng)險(xiǎn)矩陣，得到事故對應(yīng)的風(fēng)險(xiǎn)等級由7級降到5級，能夠滿足安全生產(chǎn)的要求。