声明
摘要
图目录
表目录
1 绪论
1.1.研究背景与意义
1.2.石化行业风险评估的发展
1.3.石化行业大数据的发展
1.3.1 物联网在现代石化企业的应用
1.4.本文的研究内容、创新点和组织架构
1.4.1 本文的研究内容
1.4.2 本文的组织架构
1.4.3 本文的创新点
1.5.本章小结
2 石化企业安全大数据的结构化
2.1 引言
2.2 石化企业安全大数据的内涵
2.2.1 安全大数据的定义
2.2.2 安全大数据的分类
2.3 石化企业静态安全数据结构化
2.3.1 安全事故记录数据
2.3.2 安全应急预案数据
2.3.3 可靠性数据
2.4 石化企业动态安全数据结构化
2.4.1 DCS过程数据和报警数据
2.4.2 人工/自动巡检数据
2.4.3 视频监控安全数据
2.5 工业安全大数据分析与管理平台设计
2.5.1 视频监控大数据处理系统设计
2.5.2 DCS监控大数据处理系统设计
2.6 本章小结
3 石化企业安全大数据的实例化
3.1 基于TE过程扩展的TE Smart Plant
3.1.1 TE Process介绍
3.1.2 TE Smart Plant结构设计
3.1.3 TE Smart Plant动态建模仿真
3.2 静态安全数据的获取及处理
3.2.1 安全事故记录数据
3.2.2 安全应急预案数据
3.2.3 可靠性数据
3.3 动态安全数据的获取及处理
3.3.1 DCS过程数据和报警数据
3.3.2 人工/自动巡检数据
3.3.3 视频监控安全数据
3.4 本章小结
4 基于贝叶斯网络的过程系统动态风险评估
4.1 引言
4.2 传统风险评估方法概述
4.2.1 故障树分析
4.2.2 事件树分析
4.2.3 Bow-tie分析
4.3 贝叶斯网络简介
4.4 基于贝叶斯网络的动态风险评估算法
4.4.1 贝叶斯网络结构建立
4.4.2 贝叶斯网络模型修正
4.4.3 关键风险因素识别
4.4.4 利用安全数据进行动态风险分析
4.5 案例展示
4.5.1 案例对象介绍
4.5.2 案例对象建模
4.5.3 风险分析结果
4.6 本章小结
5 多源数据融合下的火灾事故风险预警与安全应急
5.1 引言
5.2 多源数据融合下的风险预警
5.2.1 传感器数据融合
5.2.2 决策级信息融合
5.3 多源数据融合下的安全应急
5.3.1 应急资源管理
5.3.2 安全应急调度
5.4 案例展示
5.4.1 案例对象介绍
5.4.2 基于CUSUM算法的火灾检测
5.4.3 基于多源信息融合的风险预警
5.4.4 多源数据下的火灾事故安全应急
6 总结与展望
6.1 研究工作总结
6.2 研究工作展望
参考文献
附录
致谢
个人简历
攻读学位期间取得的其它研究成果