章 博, 王志剛, 王彥富, 蔡文斌， 鄒牛洋

(1.中國石油大學(xué)機(jī)電工程學(xué)院,山東青島 266580; 2.廣西天然氣管道有限責(zé)任公司，廣西北海 536000;3.西安石油大學(xué)石油工程學(xué)院，陜西西安 710065)

基于場景集的危險氣體檢測報警儀選址方法

章 博1, 王志剛2, 王彥富1, 蔡文斌3， 鄒牛洋1

(1.中國石油大學(xué)機(jī)電工程學(xué)院,山東青島 266580; 2.廣西天然氣管道有限責(zé)任公司，廣西北海 536000;3.西安石油大學(xué)石油工程學(xué)院，陜西西安 710065)

傳統(tǒng)以典型或等概率泄漏場景為代表開展危險氣體檢測報警儀選址的做法未能體現(xiàn)裝置真實(shí)風(fēng)險,報警儀的探測效率較低。提出一種基于場景集的危險氣體檢測報警儀選址方法。融合泄漏源工況和風(fēng)場等重要隨機(jī)因素生成可能發(fā)生的泄漏場景,并定量預(yù)測場景發(fā)生概率。以概率加權(quán)法建立報警儀選址方案的定量評價指標(biāo),結(jié)合報警儀數(shù)量約束構(gòu)建隨機(jī)優(yōu)化模型。結(jié)合氣體擴(kuò)散經(jīng)驗?zāi)Ｐ投x泄漏場景風(fēng)險指數(shù),在保證風(fēng)險覆蓋率的前提下,優(yōu)選最大可信場景進(jìn)行CFD數(shù)值模擬?；诹孔恿Ｗ尤核惴▽?shí)現(xiàn)優(yōu)化模型的定量求解。以某柴油加氫裝置為例,采用該方法進(jìn)行硫化氫檢測報警儀選址優(yōu)化。結(jié)果表明,通過該方法獲得的最優(yōu)選址方案與原布置方案相比可較大程度地提高探測效率。

泄漏場景集; 氣體檢測報警儀; 選址優(yōu)化; 隨機(jī)優(yōu)化; 煉油裝置

煉油裝置在生產(chǎn)過程中可能發(fā)生有毒、可燃?xì)怏w泄漏事故,危險氣體檢測報警儀作為煉油裝置的一項重要保護(hù)層,是關(guān)聯(lián)其他安全系統(tǒng)(如報警系統(tǒng)、ESD(emergency shut down)、ISC(ignition source control)、BD(blow down))的重要環(huán)節(jié)。若氣體探測報警系統(tǒng)在泄漏發(fā)生時正常發(fā)揮作用,可大大降低事故損失。然而,相關(guān)統(tǒng)計數(shù)據(jù)表明氣體泄漏成功探測并報警的效率卻不如人意。危險氣體檢測報警儀選址優(yōu)化的重點(diǎn)在于須考慮氣體泄漏的多種不確定性因素,并實(shí)現(xiàn)在各種可能泄漏場景下的綜合表現(xiàn)最優(yōu)。目前,基于選址問題的隨機(jī)優(yōu)化方法已逐漸成為解決該問題的首選方法。如Legg等[1-2]采用FlACS軟件對研究裝置進(jìn)行泄漏擴(kuò)散后果模擬,提出了混合整數(shù)線性規(guī)劃(mixed-integer linear programming formulation,MILP)優(yōu)化模型。Benavides-Serrano等[3-4]提出了考慮檢測報警儀不可用性和表決邏輯的隨機(jī)規(guī)劃模型。Lee 等[5]通過對多個典型泄漏場景計算模擬,對影響氣體泄漏風(fēng)險的多個因素進(jìn)行權(quán)重賦值,分別得出各場景區(qū)域風(fēng)險,并結(jié)合動態(tài)優(yōu)化算法得出了最終優(yōu)化布置方案。Seungho等[6]考慮場景風(fēng)險最小化建立數(shù)學(xué)模型,采用蒙特卡洛方法進(jìn)行隨機(jī)優(yōu)化。傳統(tǒng)以典型或等概率泄漏場景為代表開展氣體檢測報警儀選址隨機(jī)優(yōu)化的做法未能體現(xiàn)裝置真實(shí)風(fēng)險[7-9]。為此,筆者提出一種基于場景集的危險氣體檢測報警儀選址優(yōu)化方法，充分考慮隨機(jī)因素歷史數(shù)據(jù)信息定量預(yù)測場景發(fā)生概率?；谛孤﹫鼍凹?以概率加權(quán)法建立氣體檢測報警儀選址方案的定量評價指標(biāo),結(jié)合報警儀數(shù)量約束構(gòu)建隨機(jī)優(yōu)化模型，獲得最優(yōu)選址方案。

1 泄漏場景集構(gòu)建原理

場景集能包含重要隨機(jī)性因素且可準(zhǔn)確預(yù)測其發(fā)生概率,是氣體檢測報警儀選址優(yōu)化方案有效可靠的關(guān)鍵[10]。現(xiàn)場裝置可能發(fā)生的危險氣體泄漏主要受泄漏源位置、泄漏流速、風(fēng)向、風(fēng)速等不確定因素影響。本文中考慮以上隨機(jī)因素,通過泄漏源集和風(fēng)場集的構(gòu)建及概率預(yù)測,定量構(gòu)建裝置近似真實(shí)的危險氣體泄漏場景集。

1.1 泄漏源集構(gòu)建及泄漏概率預(yù)測

在泄漏易發(fā)性評估過程中,常以泄漏孔徑分布為基準(zhǔn)定義泄漏模式[11-12]。據(jù)國外典型泄漏孔徑分類,分為小、中、大孔泄漏及災(zāi)難性破裂4種情形[13-14]。由于同時發(fā)生多個關(guān)鍵設(shè)備泄漏事件的概率較低,因此泄漏源集中泄漏場景均為單個泄漏工況,泄漏源集表示為

L=[l?δ]1≤?≤n,1≤δ≤4．

(1)

式中,L為泄漏源集;l?δ為第?個設(shè)備的第δ個泄漏孔徑類型的泄漏源;n為辨識出的設(shè)備裝置數(shù)目;δ的取值:1、2、3、4分別代表小孔泄漏、中孔泄漏、大孔泄漏及破裂。

根據(jù)挪威船級社的石化裝置同類設(shè)備失效數(shù)據(jù)庫數(shù)據(jù),計算研究裝置的泄漏概率為[14-16]

(2)

式中,g為所求泄漏源孔徑,mm;q、z分別為同類設(shè)備失效數(shù)據(jù)庫給定孔徑區(qū)間的左、右端點(diǎn)尺寸,mm;Pq、Pz分別為泄漏孔徑為q、z的同類設(shè)備失效頻率;FE為設(shè)備修正系數(shù);FM為管理修正系數(shù)。

1.2 風(fēng)場集構(gòu)建及聯(lián)合分布概率預(yù)測

風(fēng)向、風(fēng)速分別決定泄漏氣云擴(kuò)散的主要方向和速度,故采用風(fēng)速、風(fēng)向聯(lián)合分布的方式描述風(fēng)場[17]。采用基本方向?qū)L(fēng)向劃分為8個子風(fēng)向。以0 m/s和近十年中出現(xiàn)的最大風(fēng)速值vmax為端點(diǎn),以ΔU=2 m/s為間隔,將風(fēng)速區(qū)間劃分為若干個風(fēng)速子區(qū)間。0.2 m/s以下風(fēng)速視為靜風(fēng)[18]。風(fēng)場集表示為

W=[wθv]1≤θ≤8,1≤v≤m．

(3)

其中

m=vmax/ΔU．

式中,W為風(fēng)場集;wθv表示在θ風(fēng)向區(qū)間上風(fēng)速在v區(qū)間內(nèi)的風(fēng)場。

根據(jù)大數(shù)定律,取研究對象所在區(qū)域長時期氣象歷史數(shù)據(jù),整理分析得到風(fēng)場聯(lián)合分布概率P(wθν)。

1.3 泄漏場景生成

將泄漏源和風(fēng)場這兩個獨(dú)立參數(shù)隨機(jī)組合,可構(gòu)造出眾多可能發(fā)生的泄漏場景Sθv?δ。各泄漏場景的發(fā)生概率為

P(Sθv?δ)=P(wθv)P(l?δ)．

(4)

式中,P(Sθv?δ)為Sθv?δ泄漏場景發(fā)生概率;P(l?δ)為泄漏源l?δ的發(fā)生概率。

2 優(yōu)化模型

2.1 目標(biāo)函數(shù)

基于定量預(yù)測場景集,利用概率加權(quán)法建立氣體檢測報警儀選址方案的定量評價指標(biāo)。以累積檢測報警時間最小化為優(yōu)化目標(biāo),表示為

(5)

其中

ti=min{tijXj},?j∈J,Xj=1.

式中,T為累積檢測報警時間;ki為第i個場景的發(fā)生概率;J為報警儀布置備選點(diǎn)集合;Xj為選址方案的二元決策向量,取1表示該備選點(diǎn)布置報警儀,取0則表示該備選點(diǎn)不布置報警儀;tij為在第i個場景下第j個備選點(diǎn)達(dá)到報警閾值的時間;ti為選址方案在第i個場景下最先達(dá)到報警閾值的時間。

報警儀布置備選點(diǎn)須依據(jù)危險氣體檢測報警儀布置高度和間距的相關(guān)標(biāo)準(zhǔn)規(guī)定設(shè)置。值得注意的是,累積檢測報警時間T僅作為綜合評價布置方案在各場景下表現(xiàn)的量化指標(biāo),不具備實(shí)際檢測報警時間意義。

2.2 約束條件

對于某個確定的現(xiàn)場裝置,根據(jù)企業(yè)報警儀布置的投資額,會有報警儀數(shù)目D的限制;并且當(dāng)報警儀的數(shù)目增加到一定數(shù)量時,累積檢測報警時間T減小幅度逐漸變緩,最終不再降低。有必要設(shè)定報警儀的數(shù)目約束為

(6)

此外,實(shí)際存在某些備選點(diǎn)在某場景下始終未達(dá)到報警閾值的情況,從而導(dǎo)致優(yōu)化方案出現(xiàn)較多場景檢測失敗的情況。為此,對該情況下的tij賦予一個較大的懲罰值Pv,并限定招致懲罰的場景不超過to。約束條件表示為

(7)

2.3 場景優(yōu)選

模型中的輸入值tij須根據(jù)危險氣體報警閾值由監(jiān)測點(diǎn)的實(shí)時濃度數(shù)據(jù)轉(zhuǎn)化而來。為獲取符合現(xiàn)場裝置布局的氣體擴(kuò)散實(shí)時濃度數(shù)據(jù),須建立研究裝置的CFD三維精細(xì)模型,采用FLUENT、FLACS等CFD軟件對泄漏場景進(jìn)行數(shù)值模擬。理論上按提出的方法已生成完備泄漏場景集。然而精細(xì)模擬全部泄漏場景將耗費(fèi)大量計算成本。以某柴油加氫裝置為例,采用高性能計算機(jī)(CPU:Core i7-4790@3.6GHz,八核;RAM:32GB)進(jìn)行單泄漏場景300 s的FLUENT模擬所需CPU時間約合23 h。在精細(xì)模擬前,有必要通過場景優(yōu)選降低計算成本。

采用Pasquill-Gifford模型估算各泄漏場景下不同位置上的危險氣體濃度[19]為

(8)

式中,C(x,y,z)為坐標(biāo)x,y,z上的氣體濃度,mg/m3;Q為連續(xù)穩(wěn)態(tài)源質(zhì)量流速,mg/s;δy、δz分別為橫向和垂直擴(kuò)散系數(shù);H為泄漏源相對于地面的高度,m;u為風(fēng)速,m/s。

針對有毒氣體,利用毒物劑量-反應(yīng)模型劃定暴露30 min內(nèi)死亡概率P∈(0,1]的急性中毒危險區(qū)域[20-22],公式如下:

(9)

(10)

式中,Y為概率變量;A、B為毒物的性質(zhì)常數(shù);n為濃度指數(shù);t為暴露時間,min;P為概率;w為一個積分變量。

可燃?xì)怏w則依據(jù)可燃濃度范圍劃定可燃?xì)庠品秶?。采用MATLAB編程計算急性中毒危險區(qū)域面積或可燃?xì)庠企w積表征該場景的后果嚴(yán)重程度。定義場景后果嚴(yán)重程度與場景發(fā)生概率的乘積為場景風(fēng)險指數(shù)。分別以不同風(fēng)險指數(shù)量級為標(biāo)準(zhǔn)選取場景集,分析工程計算準(zhǔn)確性與經(jīng)濟(jì)性的最佳平衡點(diǎn),在保證風(fēng)險覆蓋率的前提下優(yōu)選最大可信場景進(jìn)行數(shù)值模擬。

2.4 基于量子粒子群算法的模型求解

模型通過枚舉滿足約束條件的報警儀選址組合,對各組合方案進(jìn)行比較,實(shí)現(xiàn)最優(yōu)選址方案求解。然而當(dāng)J和D數(shù)目較大時將產(chǎn)生組合爆炸,屬NP-hard問題(non-deterministic polynomial)[23]。采用粒子群優(yōu)化算法可解決此問題。為提高計算效率,首先要降低粒子維數(shù)。將二元決策向量Xj轉(zhuǎn)變?yōu)镈維決策向量x=(x1,x2,x3,…,xD),代表D個報警儀布置點(diǎn)的位置編號。由于xD為整數(shù),還須解決粒子取整問題。采用量子粒子群算法對模型進(jìn)行求解。粒子位置取整采用隨機(jī)取整法[24]。適應(yīng)度函數(shù)為

(11)

其中

進(jìn)化方程可描述為

(12)

其中

3 優(yōu)化方法應(yīng)用實(shí)例

3.1 泄漏場景集

柴油加氫裝置中廣泛存在硫化氫氣體,由于設(shè)備或人為因素,在開停工、日常生產(chǎn)及檢維修過程中易發(fā)生硫化氫泄漏事故,危及現(xiàn)場操作人員及周邊群眾生命健康?，F(xiàn)以某柴油加氫裝置為例采用所提方法開展硫化氫檢測報警儀選址隨機(jī)優(yōu)化。該套裝置大小為215 m×60 m,主要包括加氫精制反應(yīng)器、循環(huán)氫脫硫塔、脫硫化氫汽提塔、產(chǎn)品分餾塔和分餾塔底重沸爐等設(shè)備。根據(jù)裝置工藝參數(shù),按上述方法共得該裝置的64個硫化氫泄漏源及其發(fā)生概率,如表1所示。該裝置所在地近十年的風(fēng)速風(fēng)向聯(lián)合分布頻率統(tǒng)計數(shù)據(jù)如表2所示。將泄漏源和風(fēng)場隨機(jī)組合可構(gòu)建出2 560個可能發(fā)生的泄漏場景。

依據(jù)本文中方法計算出各泄漏場景風(fēng)險指數(shù),以不同風(fēng)險指數(shù)量級為標(biāo)準(zhǔn)選取場景集,對應(yīng)場景數(shù)量和風(fēng)險分布情況如表3所示?？梢娨?0-1量級為標(biāo)準(zhǔn)優(yōu)選406個泄漏場景納入場景集,既滿足風(fēng)險覆蓋率的要求,又可大幅降低場景精細(xì)模擬成本,達(dá)到了工程計算準(zhǔn)確性與經(jīng)濟(jì)性的最佳平衡。

表1 重點(diǎn)設(shè)備硫化氫泄漏概率Table 1 Probability of hydrogen sulfide leakage on key equipments 10-5

表2 風(fēng)速風(fēng)向聯(lián)合分布頻率統(tǒng)計Table 2 Joint distribution frequency of wind speed and direction 10-3

表3 場景數(shù)量和風(fēng)險指數(shù)隨選取標(biāo)準(zhǔn)變化情況Table 3 Number and rick of scenarios under different selection criteria

3.2 報警儀選址優(yōu)化

獲得硫化氫泄漏場景集后,建立該裝置CFD三維精細(xì)模型。模型計算區(qū)域為306 m、寬110 m、高30 m,裝置模型位于計算域中心。依據(jù)硫化氫檢測報警儀高度和間距設(shè)置規(guī)定,在預(yù)設(shè)高度平鋪設(shè)置484個監(jiān)測點(diǎn)作為泄漏檢測報警儀布置的備選點(diǎn),如圖1所示。采用FLUENT對優(yōu)選的406個場景進(jìn)行精細(xì)數(shù)值模擬,獲取各備選點(diǎn)的硫化氫擴(kuò)散實(shí)時濃度數(shù)據(jù)。

圖1 柴油加氫裝置CFD模型Fig.1 CFD model of diesel-hydrogenated unit

取硫化氫報警閾值為10×10-6[25],由實(shí)時濃度數(shù)據(jù)轉(zhuǎn)化獲得備選點(diǎn)在各場景下達(dá)到報警閾值的時間。采用MATLAB編寫粒子群優(yōu)化算法程序?qū)崿F(xiàn)模型求解。不同D約束下的最優(yōu)選址方案對應(yīng)T值如圖2(a)所示。原選址方案布置15個報警儀。同樣數(shù)量報警儀情況下,經(jīng)該方法優(yōu)化后的選址方案T值降低了90%,綜合效率提升了近10倍。圖2(a)中顯示當(dāng)報警儀數(shù)量D≥16時,選址方案定量評價指標(biāo)T基本不變,確定報警儀最優(yōu)布置數(shù)量為16,對應(yīng)選址如圖3所示。如圖2(b)所示,與原選址方案有3.1%的場景檢測失敗相比,最優(yōu)選址方案可成功檢測全部優(yōu)選場景。說明模型中提出的賦予懲罰值和限定招致懲罰場景數(shù)量的方法有效避免了原選址方案出現(xiàn)較多場景檢測失敗的情況。此外,采用最優(yōu)選址方案可使36%的泄漏場景的檢測報警時間降低90%以上。對比可知,通過該方法獲得的報警儀選址方案,可較大程度提高硫化氫檢測報警儀的檢測效率。

圖2 不同報警儀布置方案的表現(xiàn)對比Fig.2 Performance comparison of different detector layout scheme

圖3 硫化氫檢測報警儀布置最優(yōu)方案Fig.3 Optimal placement for hydrogen sulfide detector layout

4 結(jié) 論

(1)建立的隨機(jī)優(yōu)化模型中針對實(shí)際存在某些備選點(diǎn)在某場景下始終未達(dá)到報警閾值的情況,提出的賦予懲罰值和限定招致懲罰場景數(shù)量方法解決了布置方案出現(xiàn)較多場景不能成功檢測的問題。利用氣體擴(kuò)散經(jīng)驗?zāi)Ｐ吞岢龅膱鼍皟?yōu)選方法,在保證風(fēng)險覆蓋率的前提下優(yōu)選了最大可信場景,兼顧了工程計算的準(zhǔn)確性與經(jīng)濟(jì)性,實(shí)現(xiàn)了模型快速準(zhǔn)確求解。

(2)通過新方法獲得的最優(yōu)選址方案與原布置方案相比較大程度地提高了探測效率。

[1] LEGG S W, BENAVIDES-SERRANO A J, SIIROLA J D, et al. A stochastic programming approach for gas detector placement using CFD-based dispersion simulations[J]. Computers & Chemical Engineering,2012,47(12):194-201.

[2] LEGG S W,WANG C,BENAVIDES-SERRANO A J,et al. Optimal gas detector placement under uncertainty considering conditional-value-at-risk[J]. Journal of Loss Prevention in the Process Industries,2013,26(3):410-417.

[3] BENAVIDES-SERRANO A J,MANNAN M S,LAIRD C D. A quantitative assessment on the placement practices of gas detectors in the process industries[J]. Journal of Loss Prevention in the Process Industries,2015,35(3):339-351.

[4] BENAVIDES-SERRANO A J,LEGG S W, VZQUEZ-ROMN R, et al. A stochastic programming approach for the optimal placement of gas detectors: unavailability and voting strategies[J]. Industrial & Engineering Chemistry Research,2014,53(13):5355-5365.

[5] LEE R W,KULESZ J J. A risk-based sensor placement methodology[J]. J Hazard Mater, 2008,158(2/3):417-429.

[6] SEUNGHO J,DEDY N,JIN H L, et al. An approach for risk reduction (methodology) based on optimizing the facility layout and siting in toxic gas release scenarios[J]. Journal of Loss Prevention in the Process Industries, 2010,23(1):139-148.

[7] STEPHEN D,DEJMEK M,PORTER L,et al. A risk-based approach to flammable gas detector spacing[J]. Journal of Hazardous Materials,2008,159(1):142-151.

[8] RONALD W L,JAMES J K. A risk-based sensor placement methodology [J]. Journal of Hazardous Materials,2008,158(2/3):417-429.

[9] RAMIREZ-MARENGO C,DIAZ-OVALLE C, VZQUEZ-ROMN R, et al. A stochastic approach for risk analysis in vapor cloud explosion[J]. Journal of Loss Prevention in the Process Industries,2015,35(3):249-256.[10] 楊永青. 油田開發(fā)規(guī)劃的隨機(jī)規(guī)劃模型及求解[D].青島:中國石油大學(xué),2008. YANG Yongqing. Stochastic programming modeling and solving for oilfield development programming[D]. Qingdao:China University of Petroleum,2008.

[11] 成松柏,陳國華.石化裝置泄漏易發(fā)性預(yù)測方法應(yīng)用研究[J]. 災(zāi)害學(xué),2008,23(2):106-111. CHENG Songbai, CHEN Guohua. Study on the application of petrochemical equipment leakage prediction method[J]. Journal of Catastrophology,2008,23(2):106-111.

[12] 王磊,陳國華,蔣利軍. 石化裝置泄漏易發(fā)性評估方法及其應(yīng)用研究[J]. 石油化工設(shè)備,2009,38(1):79-84. WANG Lei,CHEN Guohua,JIANG Lijun. Research and application of leak susceptibility assessment method in petrochemical plant[J]. Petro-Chemical Equipment,2009,38(1):79-84.

[13] American Petroleum Institute. Risk based resource document: API581 [S].Washington D. C: API Publishing Services, 2000.

[14] 于立見,多英全,師立晨,等. 定量風(fēng)險評價中泄漏概率的確定方法探討[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2007,3(6):27-30. YU Lijian,DUO Yingquan,SHI Lichen,et al. Method for determinating probabilities of leaks in quantitative risk assessment[J]. Journal of Safety Science and Technology， 2007,3(6):27-30.

[15] CHENG Songbai, CHEN Guohua. Investigation on the leak accident prediction of petrochemicalinstallations[J]. Journal of Pressure Equipment and Systems, 2008,6:97-101.

[16] 男政,葉志祥. 挪威船級社定量風(fēng)險評估方法解析[J]. 中國海上油氣 (工程),2001,13(5):45-47. NAN Zheng,YE Zhixiang. Analysis of the quantitative risk evaluati on metlled of DNV[J]. China Offshore Oil and Gas(Engineering),2001,13(5):45-47.

[17] 于洪喜,李振林,張建,等. 高含硫天然氣集輸管道泄漏擴(kuò)散數(shù)值模擬[J]. 中國石油大學(xué)學(xué)報(自然科學(xué)版),2008,32(2):119-122,131. YU Hongxi, LI Zhenlin, ZHANG Jian, et al. Numerical simulation of leakage and dispersion of acid gas in gathering pipeline[J]. Journal of China University of Petroleum (Edition of Natural Science), 2008,32(2):119-122,131.

[18] 中國氣象局.地面氣象觀測規(guī)范:QX/T51-2007 [S].北京:氣象出版社,2007.

[19] 章博. 高含硫天然氣集輸管道腐蝕與泄漏定量風(fēng)險研究[D]. 東營:中國石油大學(xué), 2010. ZHANG Bo.Analysis on risk due to corrosion and leakage of high sulfide natural gas gasthering pipeline [D].Dongying:China University of Petroleum,2010.

[20] 國家安全生產(chǎn)監(jiān)督管理總局.化工企業(yè)定量風(fēng)險評價導(dǎo)則:AQ/T3046-2013 [S].北京:煤炭工業(yè)出版社,2013.

[21] 于輝,劉茂,劉付衍華. 毒氣泄漏場景下基于蒙特卡羅的工廠布局研究[J]. 中國安全科學(xué)學(xué)報,2011,21(2):171-176. YU Hui, LIU Mao, LIUFU Yanhua. Research on facility layout of factories under toxic release based on monte-carlo simulation[J]. China Safety Science Journal,2011,21(2):171-176.

[22] 章博,陳國明. 毒氣泄漏環(huán)境下人員暴露風(fēng)險評估[J]. 石油化工高等學(xué)校學(xué)報,2009,22(2):73-76. ZHANG Bo,CHEN Guoming.Personnel exposure risk assessment in the circumstance of toxic gas leakage[J]. Journal of Petrochemical Universities,2009,22(2):73-76.

[23] DINLER D, TURAL M K, IYIGUN C. Heuristics for a continuous multi-facility location problem with demand regions[J]. Computers & Operations Research, 2015,62(10): 237-256.

[24] 楊榮華,劉建華. 量子粒子群算法求解整數(shù)規(guī)劃的方法[J]. 科學(xué)技術(shù)與工程,2011,11(33):8195-8198. YANG Ronghua, LIU Jianhua.Solving integer programming based on quantum particle swarm optimization[J].Science Technology and Engineering,2011,11(33):8195-8198.

[25] 國家發(fā)展和改革委員會.含硫油氣田硫化氫監(jiān)測與人身安全防護(hù)規(guī)定:SY-T6277-2005 [S].北京:石油工業(yè)出版社,2005.

(編輯 沈玉英)

An approach to placement optimization of gas detectors based on leakage scenario set

ZHANG Bo1, WANG Zhigang2, WANG Yanfu1, CAI Wenbin3, ZOU Niuyang1

(1.College of Mechanical and Electronic Engineering in China University of Petroleum, Qingdao 266580, China;2.GuangxiGasPipelineCompanyLimited,Beihai536000,China;3.PetroleumEngineeringAcademy,XianShiyouUniversity,Xian710065,China)

The traditional gas detector placement method using typical or equal probability leakage scenarios can not reflect the actual risk, and the detection efficiency is also low. Basing on the approximate real leakage scenario set, this article proposes a new approach to gas detector placement optimization. It combines leaking condition and wind field to build leakage scenes that will probably occur and predicts the probability of each leakage scenario quantatively. The probability weighting method was applied to establish the quantitative evaluation index for the detector layout. With the constraint of detector number, the stochastic optimization model was developed. The gas leakage empirical model was also integrated to define the risk index for leakage scenario and the most credible scenario was selected to perform a CFD-based dispersion simulation. To obtain the optimal gas detectors placement efficiently, the quantum particle swarm optimization(QPSO) was employed to solve this model. The method mentioned above was applied to the optimization of hydrogen sulfide detectors for a diesel hydrogenation unit. The results demonstrate that the optimal hydrogen sulfide detectors placement can significantly improve the detection efficiency compared with the original layout.

leakage scenario set; gas detector; placement optimization;stochastic programming;oil refinery installations

2016-02-22

山東省自然科學(xué)基金項目 (ZR2016EEM27);國家自然科學(xué)基金項目(51409260);中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(2012-487);2012年度山東省安全生產(chǎn)科技發(fā)展計劃項目(LAK2012-6)

章博(1980-),男，副教授,博士,研究方向為油氣安全工程、安全工程信息化技術(shù)以及安全管理工程等。E-mail:zhangbo@upc.edu.cn。

1673-5005(2016)06-0156-07

10.3969/j.issn.1673-5005.2016.06.020

X928.03; X928.5; X937

A

章博,王志剛,王彥富,等. 基于場景集的危險氣體檢測報警儀選址方法[J]. 中國石油大學(xué)學(xué)報(自然科學(xué)版), 2016,40(6):156-162.

ZHANG Bo, WANG Zhigang, WANG Yanfu, et al. An approach to placement optimization of gas detectors based on leakage scenario set[J]. Journal of China University of Petroleum (Edition of Natural Science), 2016,40(6):156-162.