劉覺非，裴峻峰，胡建啟，韓 燁，翟云峰，白嘉偉，別鋒鋒，彭 劍

(1.中國石化 長輸油氣管道檢測有限公司，江蘇 徐州 221008；2.常州大學 機械工程學院，江蘇 常州 213164；3.機械工業(yè)上海藍亞石化設備檢測所有限公司，上海 201518)

場站輸油管道失效和泄漏容易造成環(huán)境污染，甚至會引起火災或爆炸，造成經濟損失和人員傷亡。風險評估分析是保證場站輸油管道、設備安全可靠運行的重要技術手段?；陲L險的檢驗(RBI)技術是各類設備廣泛應用的風險評估方法，其在場站輸油管道、設備檢測中應用起步較晚，尚未形成成熟的評估體系。文中對RBI技術在場站輸油管道、設備檢測中的應用進行研究，基于白沙灣輸油站輸油管道實際運行和檢測數據，通過灰色關聯分析方法(GRA)分析出各參數對風險影響的關聯程度和關聯值，通過排序選取關聯度值較大的參數作為關鍵參數，將關鍵參數作為風險智能評估系統(tǒng)的輸入參數，選用支持向量機學習方法進行了場站輸油管道風險智能評估系統(tǒng)的開發(fā)。

1 多參數對風險程度影響的灰色關聯分析方法

1.1 灰色關聯度分析方法原理

灰色關聯分析方法是一種多種因素關聯程度分析方法，通過分析各參數與主參數之間的曲線關系，進而判斷出它們之間聯系的緊密性[1]。使用灰色系統(tǒng)進行分析時，通常采用子參數與主參數之間的相似程度作為衡量的標準，被評價的方案與理想方案越接近，方案就被認為越優(yōu)越，反之則可能成為被淘汰的對象[2]。

1.2 灰色關聯度計算步驟及方法

灰色關聯分析法提供各因子的關聯度值計算方法和關聯度值大小排序方法，計算步驟包括：①確立母列和子列。②數據無量綱化處理。③計算關聯系數。④計算關聯度值并排序。⑤RBI風險評估系統(tǒng)參數灰色關聯分析。其中前2個步驟在灰色關聯分析之前進行，只是對已有數據的簡單整理和處理。排序需要確定母列和子列，母列為排序的參考序列，子列為排序的比較序列。數據無量綱化處理采用歸一化法，即將一列數據統(tǒng)一除以該列的最大值，這樣計算會使一列里的所有數據都在(0，1)區(qū)間，從而去掉了數據的量綱。文中詳細介紹計算的后面3個步驟。

1.2.1關聯系數計算

按下面的公式計算灰色關聯系數[3]：

(1)

式中，i為數據的列編號；k為數據的行編號；x0(k)為母列上的第k個值；xi(k)為子列上的第k個值；minimink|x0(k)-xi(k)|為對第i列母列上的第k個值與子列上的每個值做差值，并取絕對值的最小值；maximaxk|x0(k)-xi(k)|為對第i列母列上的值與子列上的每個值做差值，并取絕對值的最大值；ρ為調節(jié)系數，用來調節(jié)不同系數之間的差距，取值范圍為(0,1)，ρ越大，各系數之間的差距越小，反之各系數之間的差距越大，一般取ρ=0.5。

1.2.2關聯度值計算

關聯度比較是系數之間的比較，每個系數都有1列數據。為方便進行比較，取1個因子對應的1列關聯度值的平均值進行比較[4]，各因子的關聯度值ri按下式計算：

(2)

計算出每個因子對應母列的關聯度值，然后將它們按從大到小的順序排列，就可以得到各因子相對母列的關聯程度大小。

1.2.3關鍵參數及其灰色關聯計算

依據GB/T 26610.1—2011《承壓設備系統(tǒng)基于風險的檢驗實施導則 第1部分：基本要求和實施程序》[5]、GB/T 26610.2—2014《承壓設備系統(tǒng)基于風險的檢驗實施導則 第2部分：基于風險的檢驗策略》[6]和GB/T 26610.3—2014《承壓設備系統(tǒng)基于風險的檢驗實施導則 第3部分：風險的定性分析方法》[7]，RBI風險評估系統(tǒng)一般包含失效可能性計算模塊和失效后果面積計算模塊，每個模塊里面都包含了若干的輸入參數[8]，這些參數分為關鍵參數和非關鍵參數，灰色關聯分析的目的就是找出2個模塊所有參數中的關鍵參數。

按照GB/T 26610.4—2014《承壓設備系統(tǒng)基于風險的檢驗實施導則 第4部分：失效可能性定量分析方法》[9]、GB/T 26610.5—2014《承壓設備系統(tǒng)基于風險的檢驗實施導則 第5部分：失效后果定量分析方法》[10]和GB/T 30579—2014《承壓設備損傷模式識別》[11]，失效可能性模塊計算時的參數有51個。針對這51個參數進行灰色關聯度值計算[12-13]，僅有清潔狀態(tài)因子的灰色關聯計算值(0.377 0)明顯低于其他參數的灰色關聯計算值(0.788 70～1.000 0)，這表明其他50個參數均與失效概率存在顯著的關聯度。針對白沙灣輸油站輸油管道的研究發(fā)現，RBI風險評估的關鍵參數有15個，其灰色關聯度值計算結果見表1。

表1 白沙灣輸油站輸油管道評估關鍵參數及灰色關聯度值

基于表1列出的15個關鍵參數及其灰色關聯度計算結果進行的失效后果面積分析表明，失效后果面積分析涉及6個關鍵參數，其灰色關聯度計算結果見表2。

表2 失效后果面積分析關鍵參數灰色關聯計算結果

2 支持向量機智能分析原理

2.1 最優(yōu)超平面

支持向量機是一種帶監(jiān)督功能的學習方法。在訓練點種類已知情況下，通過支持向量機可以計算得到各訓練點和各類別間的對應關系，計算后系統(tǒng)可以將訓練集按照不同的類別分開[14]。支持向量機的工作原理是找到一個超平面，從而使得該超平面與最近的樣本點之間的間隔最大，這個超平面也被稱為最優(yōu)超平面[15-16]，見圖1。圖中最優(yōu)超平面右上區(qū)域中的圓點表示一元向量，最優(yōu)超平面左下區(qū)域中的圓點表示二元向量。

圖1 支持向量機最優(yōu)超平面

支持向量機模型不同于傳統(tǒng)的回歸模型。支持向量機的機器學習引入了隔離帶觀點，可以提高向量機模型處理未知樣本的能力，極大提高模型的泛化能力，從而減小因為過擬合造成的泛化精度不高問題[7]。最優(yōu)超平面就是間距最大的超平面，在空間中超平面數學表達式如下：

WTx+b=1

(3)

式中，W為超平面的法向量，決定超平面的方向；b為位移量，決定超平面到原點的距離；T為轉置符。

2.2 支持向量機訓練

假設超平面能夠實現樣本的正確分類，即訓練樣本(xi，yi)滿足下列條件：

WTxi+b≥1(yi=1)

(4)

WTxi+b≤-1(yi=-1)

(5)

通過(4)和式(5)計算的最優(yōu)超平面間隔γ表達式如下：

(6)

采用拉格朗日對偶方法求解超平面最大間隔，得到表達式如下：

(7)

式中，L為超平面最大間隔，α為拉格朗日乘子。經由拉格朗日方程計算出變量α、W、b，進而得到如下方程：

(8)

由式(8)得到式(4)成立的3個必要條件為：αi≥0、yif(xi)-1≥0、αi[yif(xi)-1]=0。

此時，支持向量機訓練完成，對于任意的訓練樣本(xi，yi)，若αi=0，則其不會在式(8)中的求和項中出現，因此不會影響支持向量機的訓練；若αi>0，則αiyif(xi)-1=0，則樣本一定在邊界上，是一個支持向量。

3 場站輸油管道風險智能評估系統(tǒng)軟件開發(fā)

3.1 軟件開發(fā)流程

場站輸油管道風險智能評估系統(tǒng)(SPRAS1.0)開發(fā)計算流程見圖2。

圖2 場站輸油管道風險智能評估系統(tǒng)開發(fā)計算流程

此流程考慮了關鍵參數的影響，采用支持向量機機器學習[9]方法獲取關鍵參數與失效可能性及失效后果面積之間的關系，從而實現對管道失效可能性與失效后果的智能診斷。

使用場站輸油管道風險智能評估系統(tǒng)時，只需向系統(tǒng)輸入與失效可能性相關的15個關鍵參數(表1)和與失效后果面積相關的6個關鍵參數(表2)，就可通過支持向量機機器學習計算出關鍵參數的失效可能性和失效后果面積，進而得到風險評估結果。

SPRAS1.0場站輸油管道風險智能評估系統(tǒng)輸出結果示例見圖3。

圖3 場站輸油管道風險智能評估系統(tǒng)輸出結果示例

3.2 軟件系統(tǒng)驗證

以RBI風險評估系統(tǒng)評定結果為參考[5]，對開發(fā)的場站輸油管道風險智能評估系統(tǒng)SPRAS1.0系統(tǒng)的正確性進行驗證。驗證的白沙灣輸油站管道包含2部分：①2018-09在白沙灣輸油站接收檢測的20根管線。②白沙灣輸油站在2015～2016年間檢測的40根管線。從這60根管道中選取28根管道進行訓練，剩余的32根管道進行測試。

所有32根管道的失效可能性相對誤差為0.004 3%～6.360 0%(其中失效可能性相對誤差小于0.1%的管道有15根，管道的失效可能性相對誤差介于0.1%～1.0%的有9根)，失效后果面積相對誤差為0～0.5%(其中31根管道的失效后果面積相對誤差為0)。應用風險智能評估系統(tǒng)計算的部分測試結果與RBI風險評估系統(tǒng)計算的結果比較見表3。

表3 用2個分析系統(tǒng)計算出來的測試管道部分精度比較

表3中的測試結果表明，智能評估系統(tǒng)計算的平均精度達到99.5%，由此驗證了智能評估系統(tǒng)的正確性。

4 結語

場站輸油管道風險評估涉及參數眾多，在研發(fā)場站輸油管道風險智能評估系統(tǒng)時，需要判斷各參量對風險的影響程度，確定智能診斷系統(tǒng)輸入的關鍵參數。介紹了應用灰色關聯分析技術篩選關鍵參數的方法，應用支持向量機的機器學習方法進行場站輸油管道風險智能評估計算的方法，以及應用這2種方法開發(fā)的風險智能評估系統(tǒng)SPRAS1.0。SPRAS1.0開發(fā)的管道基礎數據采自白沙灣輸油站，此評估系統(tǒng)目前僅適用于白沙灣輸油站，這種開發(fā)思路和實踐可作為其它場站輸油管道智能風險評估系統(tǒng)研發(fā)時的參考。