楊秀珍 許開(kāi)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(yáng) 110819)
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(duì)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(duì)生物質(zhì)氣化中毒事故進(jìn)行風(fēng)險(xiǎn)分析和評(píng)價(jià),對(duì)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(shù)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(jiǎn)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(duì)較復(fù)雜系統(tǒng)的風(fēng)險(xiǎn)評(píng)價(jià),仍具有一定局限性。然而,基于故障樹(shù)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(jiǎn)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(duì)未采取任何安全措施的系統(tǒng)進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià),忽略系統(tǒng)保護(hù)措施失效帶來(lái)的風(fēng)險(xiǎn)。保護(hù)層分析法是一種對(duì)系統(tǒng)保護(hù)措施失效風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)并進(jìn)行決策的系統(tǒng)分析方法。劉家喜等對(duì)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(jí)評(píng)價(jià);閆放等利用風(fēng)險(xiǎn)矩陣得出風(fēng)險(xiǎn)等級(jí),并通過(guò)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(píng)價(jià),本文提出基于故障樹(shù)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(guò)設(shè)置獨(dú)立保護(hù)層降低系統(tǒng)風(fēng)險(xiǎn)等級(jí)至可接受水平,較為全面研究事故發(fā)生機(jī)理并對(duì)保護(hù)措施有效程度進(jìn)行評(píng)價(jià)。
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(jiǎn)易直觀地刻畫(huà)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(duì)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(píng)價(jià)的有力工具。
故障樹(shù)模型不僅可以通過(guò)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(jiǎn)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(guò)建立故障樹(shù)和貝葉斯網(wǎng)絡(luò)之間映射關(guān)系的基于故障樹(shù)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(wú)環(huán)圖,包括節(jié)點(diǎn)和有向邊。貝葉斯網(wǎng)絡(luò)中沒(méi)有父節(jié)點(diǎn)的節(jié)點(diǎn)(根節(jié)點(diǎn))對(duì)應(yīng)故障樹(shù)中的基本事件,而有向邊則對(duì)應(yīng)故障樹(shù)的邏輯門(mén),故障樹(shù)的邏輯關(guān)系通過(guò)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(kāi):(2)
相比于復(fù)雜的編程建模方法,GeNIe具有直觀簡(jiǎn)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。
保護(hù)層分析法(Layers of Protection Analysis,LOPA)是基于定性風(fēng)險(xiǎn)評(píng)估信息的一種半定量的風(fēng)險(xiǎn)評(píng)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?shù)得到的貝葉斯網(wǎng)絡(luò),可演示事故場(chǎng)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(guò)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(jí)大小來(lái)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(jí)分析
風(fēng)險(xiǎn)矩陣是一種通過(guò)評(píng)價(jià)事件風(fēng)險(xiǎn)等級(jí)簡(jiǎn)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(jiàn)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(jí)劃分標(biāo)準(zhǔn),對(duì)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(jí)對(duì)應(yīng)情況進(jìn)行描述(見(jiàn)表2);不同風(fēng)險(xiǎn)等級(jí)應(yīng)采取的措施,見(jiàn)表3。
表1 風(fēng)險(xiǎn)矩陣Tab.1 Risk matrix
表2 后果嚴(yán)重等級(jí)Tab.2 Serious grade of consequences
表3 風(fēng)險(xiǎn)等級(jí)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(guò)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)。基于故障樹(shù)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(shù)。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(shù)。
(2)基于故障樹(shù)構(gòu)建貝葉斯網(wǎng)。根據(jù)構(gòu)建的氣化中毒故障樹(shù),利用GeNIe軟件建立有向無(wú)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(duì)比分析,篩選對(duì)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(jí),對(duì)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(jí),研究是否需要繼續(xù)添加防護(hù)層來(lái)降低剩余風(fēng)險(xiǎn)以滿足安全生產(chǎn)的要求。
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(guò)去灰、脫焦后可通過(guò)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(duì)提高生產(chǎn)安全具有重要意義。
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(shù)(如圖2),各符號(hào)所代表的事件,見(jiàn)表4。各基本事件的發(fā)生概率通過(guò)查閱資料獲得,見(jiàn)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?shù)Fig.2 Fault tree of gas leakage poisoning at biomass gasification station
利用GeNIe軟件,根據(jù)生物質(zhì)氣化中毒事故的故障樹(shù)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(mén)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(guò)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(duì)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(duì)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
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(huì)對(duì)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(huì)導(dǎo)致比較高的經(jīng)濟(jì)損失。事故后果嚴(yán)重等級(jí)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(jí)為7級(jí),應(yīng)確認(rèn)落實(shí)控制措施,并進(jìn)行維護(hù)。
對(duì)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(duì)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(duì)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(jí),最終根據(jù)表1綜合評(píng)價(jià)防護(hù)層設(shè)置前后事件的風(fēng)險(xiǎn)等級(jí),見(jiàn)表6。
由此可得,根據(jù)貝葉斯網(wǎng)絡(luò)推理計(jì)算,沒(méi)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(duì)事故發(fā)生后果嚴(yán)重等級(jí)評(píng)價(jià)為“高”,對(duì)照表1得出中毒事故的風(fēng)險(xiǎn)等級(jí)為7級(jí);通過(guò)對(duì)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(duì)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(jí)為5級(jí),可見(jiàn),通過(guò)設(shè)置獨(dú)立保護(hù)層風(fēng)險(xiǎn)等級(jí)由需要落實(shí)控制措施的7級(jí)降到無(wú)需采取安全措施的5級(jí)。
表6 防護(hù)層分析結(jié)果Tab.6 Analysis results of protective layers
(1)基于故障樹(shù)模型,提出BN-LOPA復(fù)合的定量風(fēng)險(xiǎn)評(píng)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(jí)。
(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(duì)上述3個(gè)基本事件對(duì)應(yīng)的節(jié)點(diǎn)設(shè)置獨(dú)立防護(hù)層,通過(guò)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(lái)的1.11×10降低至5.35×10,根據(jù)風(fēng)險(xiǎn)矩陣,得到事故對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)由7級(jí)降到5級(jí),能夠滿足安全生產(chǎn)的要求。