基于模糊推理的油氣儲罐安全生產風險預警技術研究

陳雅麗

(中石化安全工程研究院有限公司,山東青島 266104)

1 有效的風險預警技術是保障行業安全發展的重要手段

隨著我國石油化工行業的快速發展和能源戰略儲備的需求增強,我國開始朝著油氣儲罐單體大型化[1]、綜合化方向發展,同時儲罐數量和儲存區規模也在快速增加。由于油氣儲罐內介質一般具有易燃易爆特性,一旦儲存區內儲罐發生泄漏,極易引發多米諾式的火災、爆炸等災害事故,產生不良的社會影響[2]。因此,有必要對油氣儲罐的安全生產風險進行量化表征,建立科學、合理的風險預警模型,實現風險的快速感知及提前預警,幫助安全管理人員進行提前防范和控制,防止重特大安全事故的發生。

目前,國內在油氣儲罐安全生產風險預警研究領域常用的技術有綜合指標體系評價技術[3-5]以及閾值預警技術[6,7]。其中,通過綜合指標體系評價技術進行預警的方法可實現風險的量化評價,但需要對多個影響因素分配權重,削弱了單個因素對安全風險的影響,可能會降低預警的及時性;而利用多參數實時監測數據進行閾值預警的方法通常依據當前實時值是否超過閾值進行預警,大量歷史數據未得到有效利用,且預警準確性依賴于閾值設置的合理性及科學性。因此,仍需要探索一種能夠有效結合歷史數據與實時監測數據,并保障預警及時性與準確性的綜合預警方法,為油氣儲罐風險管控提供指導。

本文結合儲罐關鍵運行參數歷史數據與實時監測數據,利用歷史監測數據和報警數據計算波動率及報警率,通過模糊推理協同計算各參數的風險值,同時綜合考慮風險值和當前關鍵運行參數閾值預警情況,構建風險預警分級原則,形成具備及時性與準確性的油氣儲罐安全生產風險預警技術。

2 基于歷史數據的油氣儲罐模糊風險預警模型研究

油氣儲罐溫度、壓力、液位等關鍵運行參數的歷史報警數據可以反映企業對該儲罐某一風險的安全管控水平或該儲罐的安全性及穩定性,關鍵運行參數的波動率可以反映某一周期數據的平穩性,某一期間關鍵運行參數的突然波動說明這一周期儲罐狀態出現了較大的變化,可能出現了異常情況。故儲罐某一關鍵運行參數的歷史報警數據及參數波動率可作為風險預警的重要參考因素,當歷史報警率較高且當前周期關鍵運行參數波動率較大時,則當前周期風險較大,反之亦然。

但依靠個人主觀判斷難以界定歷史報警率高低、波動率大小程度與風險大小程度之間的關系,甚至可能會出現條件相差不大,預警結果大為不同的情況,影響風險預警效果,而模糊系統能夠模擬人類憑經驗和常識的推理過程,定量化處理模糊信息,并保證結論的一致性與魯棒性。故可基于模糊系統,利用關鍵運行參數的歷史報警數據及數值波動情況度量儲罐的風險情況。

2.1 基于改進EWMA方法確定數值波動率

(1)

式中:ri——從當前實時值開始,往前選取的第i個歷史數值;

(2)

式中:λ——固定常數,且0<λ<1。

從0.05開始,以0.1為間隔為λ取值,取得到的10個數據波動率均值為σ2。

2.2 油氣儲罐模糊風險預警模型構建

通過模糊推理方法[8]構建油氣儲罐風險預警模型,即使用模糊邏輯制定從給定輸入到輸出的映射過程,形成輸入層、模糊化層、規則層、模糊推理層到輸出層的模糊推理過程。

a) 輸入層:該層確定輸入層參數,將油氣儲罐溫度、壓力、液位等單一關鍵運行參數的當前實時值,向前選取的n個連續數值計算的波動率作為輸入參數之一,并記當前實時值所處時刻為T1,第n個數值所處時刻為T2,將該關鍵參數在[T1,T2]周期內的報警率L作為另一個輸入參數參與計算,報警率L可表示為公式(3)。

L=S/(T1-T2)

(3)

式中:S——在[T1,T2]周期內的報警持續時間,h。

b) 模糊化層:相較來說,三角形隸屬函數模糊化運算對輸入數據的魯棒性較好,便于計算,且模糊化結果比較接近于人的認知特點,故采用三角形隸屬函數將輸入值分別模糊化為“高”、“中”、“低”3種語言變量,并構建波動率隸屬函數、報警率隸屬函數、風險值隸屬函數分別如圖1～圖3所示,圖像交叉部分代表此區域數值類屬于多個范圍,這種不確定性是模糊性的體現,符合人類認知的實際情況。

圖1 波動率隸屬函數度曲線

圖2 報警率隸屬函數度曲線

圖3 風險值隸屬函數度曲線

c) 規則層:根據歷史報警與波動率對風險的表征程度建立模糊規則,確定波動率、報警率與風險值在不同情況下,它們之間的模糊關系設定:①如果σ2為“低”,L為“低”,則風險值為“低”;②如果σ2為“低”,L為“中”,則風險值為“低”;③如果σ2為“低”,L為“高”,則風險值為“中”;④如果σ2為“中”,L為“低”,則風險值為“低”;⑤如果σ2為“中”,L為“中”,則風險值為“中”;⑥如果σ2為“中”,L為“高”,則風險值為“高”;⑦如果σ2為“高”,L為“低”,則風險值為“中”;⑧如果σ2為“高”,L為“中”,則風險值為“高”;⑨如果σ2為“高”,L為“高”, 則風險值為“高”。

d) 模糊推理層:該層是模糊推理的核心,常用的模糊推理方法有Larsen算法、Zadeh 的 CRI 方法、全蘊涵三I算法、Mamdani 算法[9]等。Mamdani 算法常用于2個輸入參數的運算,故采用Mamdani 算法對波動率和報警率進行運算,得到輸入層參數觸發的各模糊規則對應的模糊集合及各關鍵運行參數風險值的模糊集合。

e) 輸出層:該層主要進行去模糊化,即確定一個最能代表各模糊集合的精確值。常用的去模糊化方法有最大隸屬度法、重心法及中心平均法,中心平均法計算簡單且魯棒性較好,故采用中心平均法計算各關鍵運行參數風險值y*見公式(4)。

(4)

式中:N——模糊集合的個數;

ωi(y)——第i個模糊集合對應的最大隸屬度。

3 結合實時監測值進行風險預警

當油氣儲罐關鍵運行參數的實時監測值達到高報、低報、高高報或低低報時,代表當前超出了安全狀態臨界值,存在著一定的安全風險。同時,基于波動率和報警率得到的各關鍵運行參數風險值y*越大代表風險越高,故基于專家經驗,根據y*數值及關鍵運行參數當前實時監測值設定風險預警等級,如表1所示。

表1 風險預警條件及等級

4 案例分析

以國家危險化學品安全生產風險監測預警系統關鍵運行參數歷史報警數據和實時監測數據為研究樣本,選取某油氣儲存企業的5×104m3柴油儲罐(以下簡稱T003儲罐)為研究對象,應用模糊風險預警模型評估其風險等級,該儲罐關鍵運行參數在某72 h內變化情況如表2所示,其液位高報值為12 m,溫度高報值為25 ℃,且超過液位高報值的4月11日17:00至4月12日15:50的時間差為22 h 50 min,溫度一直未達到高報值,即在此期間內,溫度未有報警。

表2 參數變化情況數據

4.1 計算數值波動率及報警率

從0.05開始,以0.1間隔為λ取值,并將液位、溫度及壓力變化數據代入公式(2),得到各關鍵運行參數數據波動率如表3所示。

表3 數值波動率

則液位、溫度的波動率σ2取值分別為21.413 408 02,0.000 658 40。將液位報警持續時間22 h 50 min代入公式(3),得到液位和溫度的報警率L分別為0.317 1和0。

4.2 判定各監測參數風險值

利用模糊風險預警模型,基于各關鍵運行參數實時監測值。歷史監測數據及報警持續時間計算T003儲罐的風險值。

4.2.1 確定模糊推理系統輸入層參數

基于各關鍵運行參數波動率及報警率計算結果,確定輸入層參數數值如表4所示。

表4 輸入層參數數值

4.2.2 確定隸屬度函數

對各個關鍵監控參數,采用三角隸屬函數將波動率、報警率、風險值及相互間關系進行模糊化處理,分別如圖4及圖5所示,波動率因素的下限為0,無上限,報警率因素上下限分別為1和0,并設定圖像每條直線的斜率為1/3或-1/3。

圖4 波動率隸屬函數度曲線

4.2.3 結合規則層進行模糊推理

圖6 基于Mamdani算法的液位風險推理過程

4.2.4 計算風險值

針對液位關鍵運行參數,基于Mamdani算法推理得到的結果,運用公式(4)求得液位關鍵運行參數的風險值為0.747 6。溫度關鍵運行參數的風險值計算過程類似于液位關鍵運行參數,為0.000 3。

4.3 結合實時參數進行風險預警

T003儲罐液位、溫度的當前實時監測值均未達到高/低報,而液位風險值大于0.5,溫度風險值小于0.1,故基于風險預警條件和等級表,對液位關鍵運行參數進行二級預警,對溫度關鍵運行參數不預警?？煽紤]是否存在泄漏風險,并采取相應的管控措施。

5 結語

合理有效的油氣儲罐安全風險監測預警模型對防范重特大安全事故發生具有十分重要的作用?；谀：评淼挠蜌鈨薨踩a風險預警技術利用歷史數據和實時監測數據計算波動率及報警率,通過模糊推理協同計算油氣儲罐溫度、壓力、液位參數對應的風險值,并綜合考慮風險值和各監測參數閾值預警情況對油氣儲罐安全生產風險進行分級預警,降低了高/低報等閾值設置不合理時對預警準確性的影響。

最后的案例結果表明該技術能夠對油氣儲罐安全風險進行量化表征,即使關鍵運行參數監測設備發生故障,監測數據未能達到高/低報時,也可發出預警,實現超前預警,且幫助企業安全管理人員根據預警的參數和等級采取相應的管控措施,進行風險提前防范和控制,防止重特大安全事故的發生。未來,可將該風險預警技術應用于化工裝置及企業安全風險管控。