一种基于煤气化设备动态风险的评估方法技术

本发明专利技术公开了一种基于煤气化设备动态风险的评估方法，针对煤气化装置设备运行中风险具有动态变化的特征，提出动态风险评价的方法，通过对煤气化工艺流程的分析，找出关键/主要设备，利用HAZOP分析结果和前导事件作为风险预测的依据，借助静态/动态故障树和动态贝叶斯网络，建立动态风险评价体系。利用动态贝叶斯网络构建煤气化装置设备风险因素推演模型，并对煤气化企业关键/主要设备风险因素的情景演变路径、节点概率进行分析。该动态风险评价能够有效地将专家经验、历史数据以及各种不完整、不确定性信息综合起来，提高建模效率和可信度，构成完整的大型煤气化装置设备安全风险评估体系。

A dynamic risk assessment method based on coal gasification equipment

【技术实现步骤摘要】
一种基于煤气化设备动态风险的评估方法
本专利技术涉及安全风险评估
，尤其涉及一种基于煤气化设备动态风险的评估方法。
技术介绍
煤炭能源是人们日常生活中重要的能源资源，然而煤气化作为一个新兴产业，发展安全、绿色、环保的煤气化产业能有效的补充我国油、气资源的不足。但煤气化的生产过程中大多工艺条件苛刻、生产装置复杂、中间反应呈多样化，高温、高压等不安全的因素较多，且原辅材料和产品大多具有燃爆性、毒性、腐蚀性等危险特性。鉴于煤气化企业生产过程的特殊性，事故的发生不仅会造成设施设备等财产损失，还可能造成人员伤亡，甚至环境污染。现有的研究主要是针对煤气化企业某一特定的生产装置进行静态风险分析，对其进行评估时很少考虑时间因素。因此，如何对煤气化工艺装置与设备运行过程开展动态风险评估，揭示事故的孕育和发生的动力学及致灾机理，并科学的规避风险是现代煤气化行业主要关注和亟待解决的重要问题。
技术实现思路
针对上述缺陷或不足，本专利技术的目的在于提供一种基于煤气化设备动态风险的评估方法。为达到以上目的，本专利技术的技术方案为：一种基于煤气化设备动态风险的评估方法，包括：将煤气化设备划分为关键设备、主要设备和一般设备，并且系统分析煤气化工艺过程各个设备运行过程中存在的主要危险、有害因素以及各因素之间的相互影响关系；基于头脑风暴法或HAZOP分析结果建立各关键设备和主要设备的静态/动态故障树模型，所述静态/动态故障树模型包括根节点、中间节点以及叶节点；将静态/动态故障树模型转化为动态贝叶斯网络模型，通过贝叶斯网络的拓扑结构表达设备失效之间的逻辑关系；计算每个节点的先验概率、根节点后验概率，并根据现场实际生产的记录和实验研究的数据，将前导事件信息作为证据信息输入动态贝叶斯网络模型，得到动态风险评价结果。所述将静态/动态故障树模型转化为动态贝叶斯网络模型的转化规则包括：将静态/动态故障树模型中的静态逻辑门的进行转化，其中，静态逻辑门包括与门、或门、以及非门；将静态/动态故障树模型中的动态逻辑门的进行转化，其中，动态逻辑门包括优先与门、顺序相关门、备件门、以及功能相关门。根据权利要求2所述的基于煤气化设备动态风险的评估方法，其特征在于，将静态/动态故障树模型中的静态逻辑门的进行转化具体步骤为：假定E＝0表示事件E不发生，E＝1表示事件E发生，fE(t)为事件E发生时间的概率密度函数；将与门逻辑关系对应为动态贝叶斯网络，其中节点条件概率分布为：P{A(T+ΔT)＝1|A(T)＝1}＝1(2)P{B(T+ΔT)＝1|A(T)＝1}＝1(4)P{TE＝1|A(T+ΔT)＝1,B(T+ΔT)＝1}＝1(5)P{TE＝1|else}＝0(6)将或门逻辑对应为动态贝叶斯网络，其中节点A(T+ΔT)的条件概率分布与式(1)、式(2)相同，节点TE的条件概率分布为：P{TE＝1|A(T+ΔT)＝1}＝1(7)P{TE＝1|B(T+ΔT)＝1}＝1(8)P{TE＝1|A(T+ΔT)＝0,B(T+ΔT)＝0}＝0(9)将非门逻辑对应为动态贝叶斯网络，其中节点A(T+ΔT)的条件概率分布与式(1)、式(2)相同，节点TE的条件概率分布为P{TE＝1|A(T+ΔT)＝1}＝0(10)P{TE＝1|A(T+ΔT)＝0}＝1(11)其中，ΔT为时间间隔。静态/动态故障树模型中的动态逻辑门的进行转化具体步骤为：根据优先与门的时序逻辑关系，添加两个二态节点FS1和FS2,其中，FS1＝1表示A在B之前发生，FS2＝1表示B在C之前发生，FS1＝0表示A未在B之前发生，FS2＝0表示B未在C之前发生；优先与门各节点的条件概率分布为：根据顺序相关门的时序逻辑关系，分析基本事件的功能相关门，得到与之相对应的动态贝叶斯网络，其中各节点的条件概率分布为：根据温备件门的时序逻辑关系，分析主部件和备份部件的温备件门，得到与之相对应的动态贝叶斯网络，其中个节点的条件概率分布为：式中fαS(t)为部件S处于备份期的失效密度函数；根据触发事件和相关基本事件的关系，得到与之相对应的动态贝叶斯网络，其中各节点的条件分布概率为：将煤气化设备划分为关键设备、主要设备和一般设备包括：根据主要生产设备发生故障后和停机修理时，对生产、质量、成本、安全、交货期方面影响的程度与造成损失，将设备划分为关键设备、主要设备和一般设备。所述计算每个节点的先验概率、根节点后验概率为：利用模糊数学法或历史数据算出每个节点的先验概率；运用贝叶斯网络反向推理功能计算根节点后验概率。所述前导事件包括报警、未遂事件和事故。与现有技术比较，本专利技术的有益效果为：本专利技术提供了一种基于煤气化设备动态风险的评估方法，针对煤气化装置设备运行中风险具有动态变化的特征，提出动态风险评价的方法，通过对煤气化工艺流程的分析，找出关键/主要设备，利用HAZOP分析结果和前导事件作为风险预测的依据，借助静态/动态故障树和动态贝叶斯网络，建立动态风险评价体系。利用动态贝叶斯网络构建煤气化装置设备风险因素推演模型，并对煤气化企业关键/主要设备风险因素的情景演变路径、节点概率进行分析。该动态风险评价能够有效地将专家经验、历史数据以及各种不完整、不确定性信息综合起来，提高建模效率和可信度，构成完整的大型煤气化装置设备安全风险评估体系。附图说明图1是本专利技术动态风险评估流程图；图2是本专利技术HAZOP-FTA方法综合思路图；图3是本专利技术优先与门及对应的动态贝叶斯网络图；图4是本专利技术顺序相关门及对应的动态贝叶斯网络图；图5是本专利技术温备件门及对应的动态贝叶斯网络图；图6是本专利技术功能相关门及对应动态贝叶斯网络图；图7是本专利技术气化炉燃烧室超温FTA分析图。具体实施方式下面将结合附图对本专利技术做详细描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。实施例1如图1所示，本专利技术提供了一种基于煤气化设备动态风险的评估方法，包括：1、将煤气化设备划分为关键设备、主要设备和一般设备，并且系统分析煤气化工艺过程各个设备运行过程中存在的主要危险、有害因素以及各因素之间的相互影响关系；煤气化企业生产所需设备多而复杂，各装置高低、大小不同，动静结合，工艺管线纷繁复杂，工艺控制条件苛刻。具体的，根据主要生产设备发生故障后和停机修理时，对生产、质量、成本、安全、交货期等方面影响的程度与造成损失的大小，将设备划分为关键设备、主要设备和一般设备。2、基于头脑风暴法或HAZOP分析结果建立各关键设备和主要设备的静态/动本文档来自技高网...

【技术保护点】
1.一种基于煤气化设备动态风险的评估方法，其特征在于，包括：/n将煤气化设备划分为关键设备、主要设备和一般设备，并且系统分析煤气化工艺过程各个设备运行过程中存在的主要危险、有害因素以及各因素之间的相互影响关系；/n基于头脑风暴法或HAZOP分析结果建立各关键设备和主要设备的静态/动态故障树模型，所述静态/动态故障树模型包括根节点、中间节点以及叶节点；/n将静态/动态故障树模型转化为动态贝叶斯网络模型，通过贝叶斯网络的拓扑结构表达设备失效之间的逻辑关系；/n计算每个节点的先验概率、根节点后验概率，并根据现场实际生产的记录和实验研究的数据，将前导事件信息作为证据信息输入动态贝叶斯网络模型，得到动态风险评价结果。/n

【技术特征摘要】
1.一种基于煤气化设备动态风险的评估方法，其特征在于，包括：
将煤气化设备划分为关键设备、主要设备和一般设备，并且系统分析煤气化工艺过程各个设备运行过程中存在的主要危险、有害因素以及各因素之间的相互影响关系；
基于头脑风暴法或HAZOP分析结果建立各关键设备和主要设备的静态/动态故障树模型，所述静态/动态故障树模型包括根节点、中间节点以及叶节点；
将静态/动态故障树模型转化为动态贝叶斯网络模型，通过贝叶斯网络的拓扑结构表达设备失效之间的逻辑关系；
计算每个节点的先验概率、根节点后验概率，并根据现场实际生产的记录和实验研究的数据，将前导事件信息作为证据信息输入动态贝叶斯网络模型，得到动态风险评价结果。


2.根据权利要求1所述的基于煤气化设备动态风险的评估方法，其特征在于，所述将静态/动态故障树模型转化为动态贝叶斯网络模型的转化规则包括：
将静态/动态故障树模型中的静态逻辑门的进行转化，其中，静态逻辑门包括与门、或门、以及非门；
将静态/动态故障树模型中的动态逻辑门的进行转化，其中，动态逻辑门包括优先与门、顺序相关门、备件门、以及功能相关门。


3.根据权利要求2所述的基于煤气化设备动态风险的评估方法，其特征在于，将静态/动态故障树模型中的静态逻辑门的进行转化具体步骤为：
假定E＝0表示事件E不发生，E＝1表示事件E发生，fE(t)为事件E发生时间的概率密度函数；
将与门逻辑关系对应为动态贝叶斯网络，其中节点条件概率分布为：



P{A(T+ΔT)＝1|A(T)＝1}＝1(2)



P{B(T+ΔT)＝1|A(T)＝1}＝1(4)
P{TE＝1|A(T+ΔT)＝1,B(T+ΔT)＝1}＝1(5)
P{TE＝1|else}＝0(6)
将或门逻辑对应为动态贝叶斯网络，其中节点A(T+ΔT)的条件概率分布与式(1)、式(2)相同，节点TE的条件概率分布为：
P{TE＝1|A(T+ΔT)＝1}＝1(7)
P{TE＝1|B(T+ΔT)＝1}＝1(8)
P{TE＝1|A(T...

【专利技术属性】
技术研发人员：杨雪峰，马梦迪，孙铁，张素香，多依丽，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：辽宁;21