动态贝叶斯网络和故障树模型预测常压储罐群事故方法

摘要

动态贝叶斯网络和故障树模型预测常压储罐群事故方法，涉及一种预测常压储罐群事故方法，首先收集待评估常压储罐群的基础数据，基于泄露和破裂的风险评价结果确定初始危险储罐；考虑火灾、爆炸两种重大事故，分别计算两种事故的物理效应，基于故障树分析法对初始危险储罐与邻近储罐间可能的事故演化模式进行分析，并建立常压储罐群重大事故的故障树模型；根据事故物理效应计算邻近储罐的事故概率，根据故障树模型构建常压储罐群重大事故概率的静态贝叶斯网络；根据静态贝叶斯网络构建常压储罐群重大事故概率的动态贝叶斯网络，计算发生重大事故的动态概率，结合故障树模型预测最可能发生的事故演化模式及关联储罐。

说明书

技术领域

本发明涉及一种预测常压储罐群事故方法，特别是涉及一种动态贝叶斯网络和故障树模型预测常压储罐群事故方法。

背景技术

化工产业是国民经济的支柱产业，由于化工产品普遍具有易燃、易爆等特点，而常压储罐又是化工产品的主要储存手段。一旦常压储罐发生事故往往会对同一围堰中的其他储罐产生影响。故对常压储罐群的重大事故的安全评估非常有必要。

常压储罐中的液体介质往往具备易燃易爆等物理特性，一旦常压储罐发生破裂或泄漏，遇到明火后就会发生火灾或爆炸。同一围堰内各个常压储罐邻近建造，当有一个储罐发生火灾或爆炸，其邻近的常压储罐发生事故的概率将会大幅度提高，使事故后果的严重度提高。

常压储罐一般指钢制立式圆筒形焊接储罐，广泛应用于石油、石化行业生产以及危险化学品仓储，一旦发生泄漏，即可能造成火灾、爆炸、环境污染等恶性事故。目前，我国的大型常压储罐存在很多超期不检的情况，为保障其安全平稳运行，有效预防重大事故发生，非常有必要对常压储罐群事故进行预测。

发明内容

本发明的目的在于提供一种动态贝叶斯网络和故障树模型预测常压储罐群事故方法，本发明针对常压罐区火灾和爆炸重大事故，基于动态贝叶斯网络和故障树模型，提出了考虑时间和空间耦合作用的常压储罐群重大事故的预测方法，该方法能够辨识常压储罐群最可能事故演化模式及关联储罐，对制定常压储罐群重大事故的应急响应预案和保障化工企业常压罐区的危化品安全，具有重要的理论意义和应用价值。

本发明的目的是通过以下技术方案实现的：

动态贝叶斯网络和故障树模型预测常压储罐群事故方法，其特征在于，所述方法包括以下步骤：

（1）收集待评估常压储罐群的基础数据；

（2）根据所述基础数据确定初始危险储罐及其事故模式；

（3）根据所述初始危险储罐的事故模式，计算火灾或爆炸重大事故的物理效应；

（4）建立常压储罐群重大事故的故障树模型；

（5）根据所述故障树模型构建常压储罐群重大事故概率的静态贝叶斯网络；

（6）根据所述静态贝叶斯网络构建常压储罐群重大事故概率的动态贝叶斯网络；

（7）根据所述动态贝叶斯网络计算动态概率，预测常压储罐群最可能发生的重大事故演化模式及关联储罐；

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述收集待评估常压储罐群的基础数据的过程为：

根据《GB/T 30578-2014常压储罐基于风险的检测及评价》收集常压储罐失效概率分析所需的基础数据。

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述根据所述基础数据确定初始危险储罐及其事故模式的过程为：

根据《GB/T 30578-2014常压储罐基于风险的检测及评价》，基于泄露和破裂失效概率的评价结果确定初始危险储罐；

设定初始事故模式判别标准，确定初始危险储罐的初始事故模式。

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述根据所述初始危险储罐的事故模式，计算火灾或爆炸重大事故的物理效应的过程为：

根据池火灾模型，计算火灾的物理效应；

根据冲击波爆炸模型和TNT当量模型，计算爆炸的物理效应。

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述建立常压储罐群重大事故的故障树模型的过程为：

根据火灾或爆炸的物理效应，结合常压储罐群的分布，分析可能发生的事故演化模式；

根据可能发生的各事故演化模式构造常压储罐群重大事故的故障树模型。

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述根据所述故障树模型构建常压储罐群重大事故概率的静态贝叶斯网络的过程为：

根据《GB/T 30578-2014常压储罐基于风险的检测及评价》计算出初始危险储罐的失效概率；

根据Cozzani和Salzano提出的常压储罐破坏概率模型，计算在火灾或爆炸事故下邻近储罐的破坏概率；

根据专家经验和国内136例储罐事故的统计结果，计算常压储罐在破坏的情况下发生火灾或爆炸的概率；

基于所述的初始危险储罐的失效概率、在火灾或爆炸事故下邻近储罐的破坏概率和破坏情况下常压储罐发生火灾或爆炸的概率，计算各级危险储罐发生火灾或爆炸的概率；

基于所述的各级危险储罐发生火灾或爆炸的概率，得到常压储罐群重大事故静态贝叶斯网络的条件概率表；

根据故障树模型构造静态贝叶斯网络的网络结构。

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述根据所述静态贝叶斯网络构建常压储罐群重大事故概率的动态贝叶斯网络的过程为：

根据所述的静态贝叶斯网络的网络结构，构建常压储罐群重大事故概率的动态贝叶斯网络的网络结构；

根据静态贝叶斯网络的条件概率表确定动态贝叶斯网络的初始条件概率表；

计算动态贝叶斯网络的状态转移概率；

动态贝叶斯网络的初始条件概率表由静态贝叶斯网络的条件概率表确定，动态贝叶斯网络的状态转移概率由

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述根据所述动态贝叶斯网络计算动态概率，预测常压储罐群最可能发生的重大事故演化模式及关联储罐的过程为：

根据动态贝叶斯网络的逻辑推理算法，计算事故演化模式的动态概率；

判别动态概率最大的事故演化模式，预测常压储罐群最可能发生的重大事故演化模式及关联储罐。

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述当初始危险储罐的事故模式是火灾时，常压储罐发生火灾通常为池火灾，故计算火灾的物理效应时选用池火灾模型；当初始危险储罐的事故模式是爆炸时，选用超声波冲击模型和TNT当量模型计算物理效应。

所述的动态贝叶斯网络和故障树模型预测常压储罐群事故方法，所述根据静态贝叶斯网络的网络结构确定动态贝叶斯网络的网络结构；

根据所述动态贝叶斯网络计算动态概率，预测常压储罐群最可能发生的重大事故演化模式及关联储罐。

附图说明

图1是本发明提出的常压储罐群重大事故预测方法流程图；

图2是初始危险储罐与邻近储罐间可能的事故演化模式示意图；

图3是常压储罐群重大事故的故障树模型；

图4是本发明的静态贝叶斯网络图；

图5是本发明的动态贝叶斯网络图。

具体实施方式

为使本发明的目的、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，对本发明进行进一步的详细说明。

本发明提供一种基于故障树分析法和动态贝叶斯网络的常压储罐群重大事故预测方法，包括如下步骤：

S1、收集待评估常压储罐群的基础数据，具体过程为：

根据《GB/T 30578-2014常压储罐基于风险的检测及评价》，收集常压储罐失效概率分析所需的基础数据包括：

储罐（包括涂层、保温、和衬里）投用、维修、改造日期；

储罐涂层、保温、和衬里安装质量；

储罐的操作压力、操作温度；

储罐中可能存在的工艺介质种类（包括罐底水层）、各工艺介质的相对含量（包括腐蚀介质）；

储罐各层壁板和底板的建造材料、名义厚度；

储罐建造热处理工艺；

储罐底板类型、衬垫类型、阴极保护类型、土壤电阻率、排放雨水能力；

储罐水汲取设施以及是否安装蒸汽盘管加热器；

储罐历次检验的有效性和检验次数；

储罐建造、修理、改造所使用的设计规范或标准；

储罐泄漏探测系统的类型。

S2、根据所述基础数据确定初始危险储罐及其事故模式，具体过程为：

计算常压罐区所有常压储罐的失效概率

式中，

选择失效概率

S3、根据所述初始危险储罐的事故模式，计算火灾或爆炸重大事故的物理效应，具体过程为：

当事故模式是火灾，常压储罐发生火灾通常为池火灾，其模型为：

式中，

假设液池为半径为r的圆形液池，则火焰高度模型为：

式中，

液池燃烧时放出的总热辐射通量为：

式中，

假设全部辐射热量由液池中心点的小球面辐射出来，则在距离池中心某一距离

式中，

当事故模式是爆炸时，冲击波超压的计算公式为：

式中，

爆炸药量w根据TNT当量算，其公式为：

式中，

S4、建立常压储罐群重大事故的故障树模型，具体过程为：

在一个围堰中，当储罐发生火灾或爆炸时，事故物理效应范围内的所有储罐都会受到影响。处在初始危险储罐事故物理效应影响范围内的各储罐作为二级危险储罐，处在二级危险储罐事故物理效应影响范围内的各储罐作为三级危险储罐。如图2所示；

根据所述的事故演化模式构造常压储罐群重大事故的故障树模型，如图3所示。

S5、根据所述故障树模型构建常压储罐群重大事故概率的静态贝叶斯网络，具体过程为：

根据《GB/T 30578-2014常压储罐基于风险的检测及评价》计算出初始危险储罐的失效概率；

计算出事故的物理效应（火灾热辐射、爆炸冲击波超压）后，与邻罐的阈值进行比较，判断在不同事故中物理效应是否超过邻罐的阈值。若超过，则根据Cozzani和Salzano提出的常压储罐失效概率模型，计算在火灾或爆炸事故下邻近储罐的破坏概率。

对于火灾热辐射，邻罐破坏概率为：

式中，

对于爆炸冲击波超压，邻罐失效概率为：

式中，

邻近储罐的破坏概率

式中，

根据专家经验得到储罐在的情况下发生事故（火灾或爆炸）的概率为

根据国内136例储罐事故的统计结果，计算已破坏的储罐在邻罐发生火灾和爆炸的情况下发生火灾、爆炸事故的概率分别为

基于所述的初始危险储罐的失效概率、在火灾或爆炸事故下邻近储罐的破坏概率和破坏情况下常压储罐发生火灾或爆炸的概率，计算初始、二级、三级危险储罐发生火灾或爆炸的概率；

初始危险储罐发生火灾事故的概率

二级危险储罐发生火灾事故的概率

三级危险储罐发生火灾事故的概率

基于所述的各级危险储罐发生火灾或爆炸的概率，得到常压储罐群重大事故静态贝叶斯网络的条件概率表。

根据故障树模型构建常压储罐群重大事故概率的静态贝叶斯网络的网络结构，如图4所示。

S6根据所述静态贝叶斯网络构建常压储罐群重大事故概率的动态贝叶斯网络，具体过程为：

动态贝叶斯网络由

式中，

根据静态贝叶斯网络的网络结构确定动态贝叶斯网络的网络结构，如图5所示。

S7、根据所述动态贝叶斯网络计算动态概率，预测常压储罐群最可能发生的重大事故演化模式及关联储罐，具体过程为：

动态贝叶斯网络的逻辑推理步骤包括：

一个具有

根据贝叶斯公式：

将式(20)代入式(21)，得到：

根据贝叶斯网络的条件独立性假设：

式中，

将式(19)代入式(18)：

式中，

对于

由于离散动态贝叶斯网络本身也符合贝叶斯网络的条件独立性假设，故有：

式中，

将式(22)代入(21)得：

式中，

根据动态贝叶斯网络的逻辑推理算法，计算事故演化模式的动态概率；根据动态概率的计算结果，预测常压储罐群最可能发生的重大事故演化模式及关联储罐。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。