液化气储罐事故预测系统及方法技术方案

本发明专利技术公开了一种液化气储罐事故预测系统，包括：信息采集系统，数据处理系统、数据处理系统和输出系统，所述数据处理系统的建立基于贝叶斯网络的数据分析方法；本发明专利技术还可公开了一种液化气储罐事故预测方法，将液化气储罐的实时状态信息传输至数据处理系统后，经由数据处理系统进行基于贝叶斯网络的数据分析，适应状态信息的动态变化，计算出各事故类型发生的概率，将可能出现的事故类型输出，实现动态事故实时预测。通过建立动态的事故预测系统，避免液化气储罐状态信息改变时，不能实时反映危险源的状态而造成安全事故。

Liquefied gas tank accident prediction system and method

The invention discloses a prediction system, liquefied gas tank accidents include: information acquisition system, data processing system, data processing system and output system, establish the analysis method of Bayesian network based on the data of the data processing system; the invention also discloses a method of prediction can be liquefied gas tank accidents, the real-time status information transmitted to the data processing system of liquefied gas storage tank after the analysis of Bayesian network based on the data from the data processing system, to adapt to the dynamic change of state information, calculate the probability of each accident type, accident type output will be possible, to realize the dynamic real-time prediction of accident. By establishing a dynamic accident prediction system to avoid the change of the state information of the liquefied gas storage tank, it can not reflect the status of the dangerous source in real time and cause a safety accident.

【技术实现步骤摘要】
液化气储罐事故预测系统及方法
本专利技术涉及危险识别领域，更具体地，涉及一种液化气储罐事故预测系统及方法。
技术介绍
风险评价是化工过程预防和危害转移的重要手段，并逐渐形成了如定量分析评价(QRA)、概率安全评价(PSA)等多种风险评价手段，危险识别是风险评价的首要步骤。危险识别是危险频率分析和结果分析的前提。经过多年发展，形成了多种危险识别方法如HAZOP分析法(HazardandOperabilityAnalysis，危险与可操作性分析)、故障树分析法等，这些方法被广泛应用于工业。然而危险源在不同的状态下其危险程度不同，现行的危险识别方法，如重大危险源辨识、HAZOP分析方法等均为静态特性。当状态信息改变时，不能实时反应危险源的状态，这将导致不准确甚至错误的结果。特别是当运行参数连续变化时，这个缺点将被放大。因此，需要建立动态的危险识别方法以适应事故风险的不断改变。
技术实现思路
基于此，本专利技术在于克服现有技术无法动态识别风险的缺陷，提供一种液化气储罐事故预测系统及方法，能适应各参数的动态变化，实时识别风险。其技术方案如下：一种液化气储罐事故预测系统，包括信息采集系统，采集液化气储罐的实时状态信息；数据处理系统，与信息采集系统连接，对实时状态信息进行分析；所述数据处理系统的建立基于贝叶斯网络的数据分析方法；输出系统，与数据处理系统连接，将可能出现的事故类型输出，实现动态事故实时预测。本技术方案将液化气储罐的实时状态信息传输至数据处理系统后，经由数据处理系统进行基于贝叶斯网络的数据分析，适应状态信息的动态变化，计算出各事故类型发生的概率，将可能出现的事故类型输出，实现动态事故实时预测。通过建立动态的事故预测系统，避免液化气储罐状态信息改变时，不能实时反映危险源的状态而造成安全事故。在其中一个实施例中，所述基于贝叶斯网络的数据分析方法包括以下步骤：1)、建立液化气储罐事故演化过程；2)、建立液化气储罐事故演化贝叶斯网络；3)、贝叶斯网络初始化。在其中一个实施例中，所述液化气储罐事故演化过程包括建立各状态信息之间的多分支演化过程。在其中一个实施例中，所述液化气储罐的状态信息包括状态参数、破裂方式、泄漏类型和事故类型。因此，所述液化气储罐事故演化过程即为状态参数、破裂方式、泄漏类型和事故类型之间的多分支演化过程。在其中一个实施例中，所述液化气储罐事故演化贝叶斯网络包括将液化气储罐事故演化过程离散成关键节点，并根据演化过程建立各关键节点之间的因果关系。因此，数据处理系统将关键节点的需求信息反馈至信息采集系统，所述信息采集系统根据数据处理系统的需求采集状态信息，所采集到的状态信息即为贝叶斯网络中的关键节点的状态，各关键节点均由状态信息离散而成。在其中一个实施例中，所述关键节点根据其在贝叶斯网络中的位置分为根节点、子节点和叶节点，根据其在贝叶斯网络中的作用分为证据节点、中间节点和查询节点；所述证据节点为根节点，只能通过信息采集系统观察或测量得到实时状态参数，所述查询节点为最终的事故类型输出，所述中间节点是连接证据节点和查询节点的过渡节点；所述证据节点只能是根节点，查询节点为子节点或叶节点，中间节点为根节点或子节点。本技术方案中的查询节点则是本技术方案的预测的事故类型。在其中一个实施例中，所述根节点的状态信息为状态参数，包括材料性能、运行参数、填充状态、泄漏位置、点火方式以及液化气储罐内的介质的介质性质以及液化气储罐内液体所含能量。由于状态参数为根节点的状态信息，因此，状态参数均只能通过信息采集系统采集，而无法通过分析得出。在其中一个实施例中，所述子节点和/或叶节点的状态信息包括破裂方式、泄漏类型和事故类型。所述子节点和叶节点的状态信息则通过贝叶斯网络分析计算根节点的状态信息可推理得出。在其中一个实施例中，所述贝叶斯网络初始化包括通过案例学习或专家知识，形成根节点的先验概率，以及子节点和叶节点的条件概率。所述先验概率是指：设B1，B2，...Bn是样本空间为Ω中的事件，若Bi发生的概率P(Bi)可根据已有的数据的分析或者根据专家知识即先验知识估计得到，则称P(Bi)为先验概率。所述条件概率是指令A、B表示两事件，且P(A)≠0，给定事件A发生的条件下事件B发生的条件概率为：所述先验概率和条件概率均可通过已有的数据分析或根据专家知识估计得到。本技术方案还提供一种液化气储罐事故预测方法，所述液化气储罐事故预测方法基于如上所述任一项实施例所述的液化气储罐事故预测系统，所述液化气储罐事故预测方法包括如下步骤：1)、信息采集系统接收数据处理系统反馈的关键节点的需求信息，实时收集液化气储罐的状态信息，将状态信息存储记录至数据库中，并将所需信息发送至数据处理系统；所述数据库中存储记录的状态信息，可作为其他数据分析方法初始化的依据。2)、数据处理系统将各关键节点的状态信息实时输入至初始化后的贝叶斯网络，当信息采集系统收集到的影响液化气储罐事故演化的状态信息发生变化时，将数据处理系统中对应的关键节点的初始化状态值或信息采集系统较早采集的状态信息更改为当前信息采集系统提供的实时状态信息，利用贝叶斯定理计算各关键节点的不同状态所对应的概率并更新；3)、输出系统将可能出现的事故类型输出，且附有各事故类型的发生概率，实现事故的动态实时预测。本专利技术的有益效果在于：本技术方案将液化气储罐的实时状态信息传输至数据处理系统后，经由数据处理系统进行基于贝叶斯网络的数据分析，适应状态信息的动态变化，计算出各事故类型发生的概率，将可能出现的事故类型输出，实现动态事故实时预测。通过建立动态的事故预测系统，避免液化气储罐状态信息改变时，不能实时反映危险源的状态而造成安全事故。所述数据库中存储记录的状态信息，可作为其他数据分析方法初始化的依据。附图说明图1为本专利技术的液化气储罐事故预测系统示意图；图2为本专利技术的液化气储罐事故演化过程示意图；图3为本专利技术的液化气储罐事故演化贝叶斯网络；图4为本专利技术的液化气储罐事故演化贝叶斯网络的初始化；图5为本专利技术的液化气储罐事故演化贝叶斯网络实时预测情景1；图6为本专利技术的液化气储罐事故演化贝叶斯网络实时预测情景2。附图标记说明：10、信息采集系统；20、数据处理系统；30、输出系统。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本专利技术进行进一步的详细说明。应当理解的是，此处所描述的具体实施方式仅用以解释本专利技术，并不限定本专利技术的保护范围。如图1所示的一种液化气储罐事故预测系统，包括信息采集系统10，采集液化气储罐的实时状态信息；数据处理系统20，与信息采集系统10连接，对实时状态信息进行分析；所述数据处理系统20的建立基于贝叶斯网络的数据分析方法；输出系统30，与数据处理系统10连接，将可能出现的事故类型输出，实现动态事故实时预测。本实施方式将液化气储罐的实时状态信息传输至数据处理系统10后，经由数据处理系统20进行基于贝叶斯网络的数据分析，适应状态信息的动态变化，计算出各事故类型发生的概率，将可能出现的事故类型输出，实现动态事故实时预测。通过建立动态的事故预测系统，避免液化气储罐状态信息改变时，不能实时反映危险源的状态而造成安全事故。进一步地，所述基于贝叶斯网络的数据分析方法包括本文档来自技高网...

【技术保护点】
一种液化气储罐事故预测系统，其特征在于，包括：信息采集系统，采集液化气储罐的实时状态信息；数据处理系统，与信息采集系统连接，对实时状态信息进行分析；所述数据处理系统的建立基于贝叶斯网络的数据分析方法；输出系统，与数据处理系统连接，将可能出现的事故类型输出，实现动态事故实时预测。

【技术特征摘要】
1.一种液化气储罐事故预测系统，其特征在于，包括：信息采集系统，采集液化气储罐的实时状态信息；数据处理系统，与信息采集系统连接，对实时状态信息进行分析；所述数据处理系统的建立基于贝叶斯网络的数据分析方法；输出系统，与数据处理系统连接，将可能出现的事故类型输出，实现动态事故实时预测。2.根据权利要求1所述的液化气储罐事故预测系统，其特征在于，所述基于贝叶斯网络的数据分析方法包括以下步骤：1)、建立液化气储罐事故演化过程；2)、建立液化气储罐事故演化贝叶斯网络；3)、贝叶斯网络初始化。3.根据权利要求2所述的液化气储罐事故预测系统，所述液化气储罐事故演化过程包括建立各状态信息之间的多分支演化过程。4.根据权利要求3所述的液化气储罐事故预测系统，其特征在于，所述液化气储罐的状态信息包括状态参数、破裂方式、泄漏类型和事故类型。5.根据权利要求2所述的液化气储罐事故预测系统，其特征在于，所述液化气储罐事故演化贝叶斯网络包括将液化气储罐事故演化过程离散成关键节点，并根据演化过程建立各关键节点之间的因果关系；数据处理系统将关键节点的需求信息反馈至信息采集系统。6.根据权利要求5所述的液化气储罐事故预测系统，其特征在于，所述关键节点根据其在贝叶斯网络中的位置分为根节点、子节点和叶节点，根据其在贝叶斯网络中的作用分为证据节点、中间节点和查询节点；所述证据节点为根节点，只能通过信息采集系统观察或测量得到实时状态参数，所述查询节点为最终的事故类型...

【专利技术属性】
技术研发人员：黄咸家，张龙梅，杨苹，彭岚，郑子辉，孙传禧，
申请(专利权)人：广州中国科学院工业技术研究院，
类型：发明
国别省市：广东,44