鄭誠　王海博

摘????? 要： 通過對(duì)換熱器管束失效建立故障樹模型，利用故障樹映射貝葉斯網(wǎng)絡(luò)規(guī)則構(gòu)建可視化貝葉斯網(wǎng)絡(luò)。對(duì)模型基本事件進(jìn)行后驗(yàn)概率計(jì)算和靈敏度分析，得出節(jié)點(diǎn)X3、X2、X1、X13、X14、X11是影響系統(tǒng)可靠性重要因素，并對(duì)其進(jìn)行控制分析，有效降低系統(tǒng)風(fēng)險(xiǎn)。

關(guān)? 鍵? 詞：管束失效；故障樹；貝葉斯網(wǎng)絡(luò)

中圖分類號(hào)：TQ051.5???? 文獻(xiàn)標(biāo)識(shí)碼： A???? 文章編號(hào)： 1004-0935（2023）11-1630-03

隨著現(xiàn)代化工業(yè)的不斷發(fā)展，被譽(yù)為“工業(yè)血液”的石油的需求正日益增長。由于我國石油產(chǎn)量與需求的不平衡性，不得不長期依賴于進(jìn)口石油，而進(jìn)口石油產(chǎn)地大多為沙特阿拉伯、俄羅斯和伊拉克，這些地區(qū)的石油品質(zhì)往往很差，具有含鹽量高、含硫量高、含酸性腐蝕性介質(zhì)等特點(diǎn)^［1-2］。煉油廠長期加工劣質(zhì)石油導(dǎo)致煉油設(shè)備頻繁出現(xiàn)腐蝕失效事故^［3］，對(duì)人員安全和企業(yè)經(jīng)濟(jì)效益帶來巨大的影響。由于腐蝕問題的日益加劇，作為石油加工過程中必不可少的熱量交換設(shè)備換熱器，也面臨著嚴(yán)峻的腐蝕問題，腐蝕最常出現(xiàn)在管束部位。

近年來，換熱器腐蝕問題日益受到了廣泛關(guān)注。陳浩^［4］等對(duì)3套常減壓蒸餾裝置中的422臺(tái)設(shè)備腐蝕情況進(jìn)行了調(diào)查分析，發(fā)現(xiàn)換熱器腐蝕率為35.86%。莫燁強(qiáng)^［5］等對(duì)煉廠中的267臺(tái)換熱器的腐蝕情況進(jìn)行檢查，發(fā)現(xiàn)管束腐蝕為最主要失效形式，占比37%。姜文全^［6］等對(duì)脫硫裝置中的換熱器管束中不同腐蝕程度區(qū)域的腐蝕機(jī)理進(jìn)行了研究，發(fā)現(xiàn)主要腐蝕介質(zhì)為H₂S。馬紅杰^［7］對(duì)柴油加氫裝置中的換熱器管束腐蝕穿孔進(jìn)行了研究，發(fā)現(xiàn)防沖板設(shè)計(jì)缺陷造成了管束泄漏。

1? 管束失效類型

換熱器管束失效類型主要分為：管束振動(dòng)失效、管束腐蝕失效、管束堵塞失效。管束振動(dòng)失效主要是由于管束中流體介質(zhì)對(duì)殼程沖擊以及管束管板之間連接松動(dòng)造成的；管束腐蝕和管束堵塞主要是由于管束內(nèi)發(fā)生了露點(diǎn)腐蝕和銨鹽腐蝕，以及腐蝕產(chǎn)生的垢污堆積造成的堵塞，其反應(yīng)機(jī)理如下。

露點(diǎn)腐蝕^［8］：

HCl + H₂O → H3O⁺ + Cl^-。（1）

Fe + 2H⁺?→ Fe²⁺ + H₂（g）。（2）

銨鹽腐蝕^[9-10]及堵塞：

NH₃（g） + HCl（g） ? NH₄Cl（s）。（3）

NH₃（g） + H₂S（g） ? NH₄HS（s）。（4）

NH₄Cl + H₂O → HCl + NH₃ · H₂O。（5）

Fe + 2HCl → FeCl₂ + H₂。（6）

Fe + 6NH₄HS → Fe（NH3）₆²⁺+ 6H₂S。（7）

2? 故障樹-貝葉斯網(wǎng)絡(luò)模型分析

2.1? 管束失效故障樹模型

將換熱器管束失效作為頂事件，管束振動(dòng)、管束腐蝕和管束堵塞分別作為次頂事件，調(diào)查收集相關(guān)資料，通過邏輯分析出導(dǎo)致頂事件發(fā)生的原因或因素，采用邏輯門將各個(gè)事件相互關(guān)聯(lián)起來，由上至下構(gòu)建故障樹模型。管束失效故障樹模型如圖1所示。圖1中T表示頂事件、X表示基本事件、M表示中間事件，事件編號(hào)含義及發(fā)生概率如表1、表2所示。

2.2? 故障樹映射為貝葉斯網(wǎng)絡(luò)

故障樹是一種對(duì)系統(tǒng)風(fēng)險(xiǎn)自上而下具有邏輯性演繹分析。貝葉斯網(wǎng)絡(luò)是一種能夠用有向無環(huán)圖表示各事件間的邏輯關(guān)系的概率圖形模型。故障樹模型與貝葉斯網(wǎng)絡(luò)相結(jié)合，可以使系統(tǒng)具有動(dòng)態(tài)更新與邏輯分析的新特性。故障樹和貝葉斯網(wǎng)絡(luò)對(duì)應(yīng)關(guān)系如圖2、表3、表4所示。

2.3? 故障樹-貝葉斯網(wǎng)絡(luò)模型

根據(jù)故障樹映射貝葉斯網(wǎng)絡(luò)規(guī)則以及條件概率表，使用GeNIE軟件將故障樹轉(zhuǎn)換成貝葉斯網(wǎng)絡(luò)，如錯(cuò)誤！未找到引用源。所示。

3? 模型可靠性分析

貝葉斯網(wǎng)絡(luò)管束失效概率為0.077 33。利用貝葉斯網(wǎng)絡(luò)逆向推理功能，對(duì)貝葉斯網(wǎng)絡(luò)中的根節(jié)點(diǎn)先驗(yàn)概率進(jìn)行更新，獲得其后驗(yàn)概率，以及對(duì)模型進(jìn)行靈敏度分析從而識(shí)別出導(dǎo)致系統(tǒng)失效的關(guān)鍵因素，如表5所示。

分析表5可以發(fā)現(xiàn)，節(jié)點(diǎn)X3、X2、X1、X13、X14、X11的后驗(yàn)概率相較先驗(yàn)概率都有大幅度增加，而且其靈敏性指標(biāo)都遠(yuǎn)大于其他節(jié)點(diǎn)，說明其對(duì)系統(tǒng)失效影響程度遠(yuǎn)高于其他節(jié)點(diǎn)，對(duì)其采取控制措施及結(jié)果如表6所示。

4? 結(jié) 論

利用故障樹和貝葉斯網(wǎng)絡(luò)分析方法對(duì)換熱器管束失效進(jìn)行分析，從而識(shí)別出影響系統(tǒng)失效的關(guān)鍵風(fēng)險(xiǎn)因素，通過對(duì)風(fēng)險(xiǎn)因素進(jìn)行控制可以有效降低系統(tǒng)失效風(fēng)險(xiǎn)，提高系統(tǒng)可靠性，從而為消除系統(tǒng)風(fēng)險(xiǎn)采取措施提供研究方向。

參考文獻(xiàn)：

［1］周貴仁，許昀，朱根權(quán).加工俄羅斯原油常壓渣油對(duì)催化裂化裝置的影響及應(yīng)對(duì)措施[J].石油煉制與化工，2018，49（8）：61-65.

［2］Facts Global Energy. East of Suez Oil Service[R]. 2020-12-03： 1-7.

［3］鄧捷，林晨，趙魯?shù)?，?基于貝葉斯定性定量對(duì)塔頂冷凝系統(tǒng)安全風(fēng)險(xiǎn)評(píng)價(jià)[J].遼寧化工，2022，51（8）：1098-1100.

［4］陳浩，王剛，吳祥，等.常減壓蒸餾裝置的腐蝕調(diào)查與分析[J].理化檢驗(yàn)（物理分冊(cè)），2018，54（3）：187-194.

［5］莫燁強(qiáng)，孫亮，侯艷宏，等.煉廠換熱器腐蝕失效案例統(tǒng)計(jì)分析[J].廣州化工，2016，44（20）：129-131.

［6］姜文全，鄭磊，楊帆，等.脫硫裝置中換熱管束腐蝕破壞機(jī)理研究[J].安全與環(huán)境學(xué)報(bào)，2019，19（6）：1927-1932.

［7］馬紅杰.柴油加氫裝置低分油換熱器腐蝕泄漏分析[J].腐蝕科學(xué)與防護(hù)技術(shù)，2017，29（6）：687-690.

［8］李春桃，胡紅輝，王軍，等.加氫反應(yīng)流出物系統(tǒng)露點(diǎn)腐蝕失效預(yù)測和防護(hù)[J].現(xiàn)代化工，2020，40（12）：212-214+218．

［9］張紹良，全建勛，金浩哲，等.煤柴油加氫裝置熱高分系統(tǒng)腐蝕機(jī)理與失效分析[J].壓力容器，2020，37（3）：33-40．

［10］張建文，趙亞輝，李彥，等.加氫裝置換熱系統(tǒng)的銨鹽結(jié)晶研究進(jìn)展[J].現(xiàn)代化工，2022，42（8）：27-30.

Failure Analysis of Heat Exchanger Tube Bundle

Based on Fault Tree-Bayesian Network

ZHENG Cheng， WANG Hai-bo

（Shenyang University of Chemical Technology， Shenyang Liaoning 110142， China）

Abstract：? By establishing a fault tree model for the failure of heat exchanger tube bundles， a visual Bayesian network was constructed using the Bayesian network rules for fault tree mapping. The posterior probability calculation and sensitivity analysis were carried out on the basic events of the model， and it was concluded that nodes X3， X2， X1， X13， X14， and X11 were important factors affecting the reliability of the system， and the control analysis could effectively reduce the system risk.

Key words： Tube bundle failure; Fault tree; Bayesian network