基于IRML的油氣加工系統(tǒng)多層次故障傳播模型研究

馬 曦，張來斌，胡瑾秋，蔡戰(zhàn)勝,2

(1.中國石油大學 機械與儲運工程學院, 北京 102249；2.中海石油 中捷石化有限公司, 河北 滄州 061101)

基于IRML的油氣加工系統(tǒng)多層次故障傳播模型研究

馬 曦1，張來斌1，胡瑾秋1，蔡戰(zhàn)勝1,2

(1.中國石油大學 機械與儲運工程學院, 北京 102249；2.中海石油 中捷石化有限公司, 河北 滄州 061101)

大多數(shù)油氣加工生產(chǎn)事故是由于系統(tǒng)中相互關聯(lián)的設備或子系統(tǒng)發(fā)生連鎖失效而導致，設備或子系統(tǒng)的相互作用關系使故障傳播行為呈現(xiàn)復雜性且強非線性的特征，故此，采用基于系統(tǒng)彈性分析建模語言(IRML)的多層次故障傳播模型對石油加工復雜系統(tǒng)故障行為特征進行定性、定量分析。該模型分為靜態(tài)分析模塊和動態(tài)分析模塊，前者靜態(tài)分析故障傳播結構特征，后者通過故障情景模擬動態(tài)分析故障演化機理。通過案例分析，建立了常減壓蒸餾系統(tǒng)的多層次故障傳播模型，分析該系統(tǒng)故障傳播行為的靜態(tài)特征和動態(tài)特征。結果表明，多層次故障傳播模型適用于油氣加工系統(tǒng)復雜且強非線性的故障行為建模，建模參數(shù)可表示復雜系統(tǒng)的結構特征和故障傳播行為模式，可進一步用于油氣加工系統(tǒng)中故障傳播趨勢預測、故障溯源和柔性診斷等方面的研究。

油氣加工系統(tǒng)；多層次故障傳播模型；靜態(tài)分析模塊；動態(tài)分析模塊；故障傳播行為；故障演化

油氣加工系統(tǒng)本質(zhì)上是具有結構與功能統(tǒng)一的、開放的復雜動態(tài)大系統(tǒng)，它由不同屬性的子系統(tǒng)相互關聯(lián)、相互作用、相互滲透而構成。其安全問題有三大特征，即:(1)物料大多具有易燃易爆性、反應活性、毒性和腐蝕性；(2)生產(chǎn)裝置規(guī)模大、集成度高，且加工過程具有強非線性；(3)系統(tǒng)組成關系與行為復雜，與環(huán)境之間的關聯(lián)程度高、耦合性強，導致系統(tǒng)故障的形成、傳播、演化等具有多樣性、隨機性、涌現(xiàn)性等特點[1-2]。油氣加工系統(tǒng)中任何子系統(tǒng)或其中部件一旦發(fā)生故障，常引發(fā)連鎖反應，造成重大生產(chǎn)損失，甚至導致災難性的安全事故[3]。在石油加工系統(tǒng)故障行為建模的基礎上，研究故障征兆、故障模式、故障傳播路徑等特征，有助于提高預警系統(tǒng)的報警準確性，并快速準確地提出整改措施和故障后果警示，保證系統(tǒng)的安全，提高系統(tǒng)的彈性。國內(nèi)外故障行為研究中使用較多的故障傳播模型建模方法是符號定向圖法(SDG)[4]。SDG法常與危險與可操作分析法(HAZOP)結合，用于復雜系統(tǒng)故障診斷中[5]。然而，SDG模型側(cè)重于理想工況下故障傳播途徑的描述，而不能表達故障征兆、故障模式等故障行為特征，若研究工況發(fā)生變化，有可能引起分析結果與實際情況偏離。

Johansson等[6]提出一種在系統(tǒng)相關性結構模型的基礎上分析節(jié)點脆性和系統(tǒng)風險的方法。該方法要求掌握詳盡的系統(tǒng)工作機理，以得到較準確的響應結果。然而，油氣加工系統(tǒng)組成復雜，并且生產(chǎn)工況多變，很難實現(xiàn)全局模擬；而且該方法主要關注于風險后果的分析，忽略了故障傳播的過程分析。

多線性事件序列模型[7]，如時間和事件序列圖(STEP)，將事故描述成多個事件序列，系統(tǒng)分解成有因果關系或并行的事件集合。該類方法一定程度上可表示事故的發(fā)展，但其主要依靠經(jīng)驗者的主觀判斷，僅限于靜態(tài)的定性分析。

功能共振事故模型(FRAM)[7-8]是從系統(tǒng)功能的角度對事故的發(fā)展建模，它強調(diào)系統(tǒng)內(nèi)部的功能關系。但該方法功能單元復雜，輸出事件發(fā)展序列，建模結果單一，目前僅用于靜態(tài)的定性分析。

除了基于圖論方法的故障建模，人工智能方法，如神經(jīng)網(wǎng)絡、專家系統(tǒng)等也成為建立故障傳播模型，對復雜系統(tǒng)進行故障診斷的主要方法[9-10]。人工智能方法注重于故障模式的識別，無法分析故障的傳播途徑及特征，因此在故障溯源方面有一定缺陷，無法有效地輔助安全預警工作。

為了定性定量分析油氣加工系統(tǒng)在動態(tài)工況下的故障傳播特征，筆者在系統(tǒng)彈性分析建模語言(IRML)[11]的基礎上提出多層次故障傳播模型(HFPM)，并以常減壓蒸餾系統(tǒng)為例進行案例分析，以實現(xiàn)多層次故障傳播建模。

1 用于油氣加工系統(tǒng)的多層次故障傳播模型

多層次故障傳播模型(HFPM)是基于IRML語言提出的適用于油氣加工系統(tǒng)故障傳播行為建模的方法。分析系統(tǒng)結構特征，并通過模擬故障情景分析油氣加工系統(tǒng)的故障傳播行為。該模型由靜態(tài)分析模塊和動態(tài)分析模塊構成。

1.1 靜態(tài)分析模塊

靜態(tài)分析即結構分析，是根據(jù)分析系統(tǒng)的結構組成，得到各節(jié)點在特定系統(tǒng)結構下的故障傳播特點。

復雜系統(tǒng)的故障傳播是節(jié)點間相互作用關系的結果。根據(jù)這種關系將節(jié)點分為危險性節(jié)點、脆性節(jié)點和相關性節(jié)點[2,12]。

危險性集合C(k)：節(jié)點k相對于直接或間接地依賴于它的節(jié)點而言危險性。該集合大小定性地代表節(jié)點k的危險性程度。

脆性集合V(k)：節(jié)點k相對于它依賴的節(jié)點而言脆性。該集合大小定性地代表節(jié)點k的脆性程度。

相關性集合I(k)=C(k)∩V(k)：如果節(jié)點k與其他節(jié)點(如節(jié)點h)相互顯現(xiàn)危險性和脆性，則定義為兩節(jié)點相關。該集合大小定性地代表節(jié)點k與其它節(jié)點的相關性程度。

多層次故障傳播模型靜態(tài)分析模塊分為繪制系統(tǒng)結構圖、簡化結構圖和結構復雜化3個步驟。

(1)繪制系統(tǒng)結構圖。故障的傳播是通過設備或子系統(tǒng)間物質(zhì)信息交換實現(xiàn)，故障的傳播路徑與工藝流程相關，故石油加工生產(chǎn)流程圖可在一定程度上反應故障行為特征。在工藝流程圖的基礎上，根據(jù)工藝單元劃分出子系統(tǒng)節(jié)點，子系統(tǒng)內(nèi)的設備為次節(jié)點，設備間或子系統(tǒng)間的物質(zhì)和信息的流動路線簡化為支路，繪制系統(tǒng)結構圖。

(2)簡化結構圖。油氣加工系統(tǒng)結構抽象化，將子系統(tǒng)作為分析節(jié)點，得到每個節(jié)點的危險性集合、脆性集合和相關性集合，判斷子系統(tǒng)節(jié)點的危險性和脆性強弱。

(3)結構復雜化。以危險性和脆性較大的子系統(tǒng)作為分析對象，將子系統(tǒng)內(nèi)的設備作為分析節(jié)點，與步驟(2)類似判斷其危險性和脆性強弱。

靜態(tài)分析模塊得到最危險子系統(tǒng)與脆性最大子系統(tǒng)，在此基礎上進一步得到2個子系統(tǒng)中最危險設備和脆性最大的設備。

1.2 動態(tài)分析模塊

動態(tài)分析模塊將故障在系統(tǒng)內(nèi)的傳播行為特征定量化，在不同故障模式和不同工況下分析故障演化趨勢。動態(tài)分析模塊包括故障傳播情景分析、確定建模參數(shù)、定義狀態(tài)函數(shù)和繪制系統(tǒng)狀態(tài)函數(shù)圖4個步驟。

(1)故障傳播情景分析。多層次故障傳播模型與“如果…怎么樣…”法結合，對故障在系統(tǒng)內(nèi)的傳播趨勢進行分析，得到每個子系統(tǒng)或設備的事件時間序列[7]。

(2)建模參數(shù)。表征故障情景的建模參數(shù)有擾動施加時間TD、節(jié)點恢復時間TR、節(jié)點緩沖時間TF。擾動施加時間是指從擾動施加于初始節(jié)點到擾動從初始節(jié)點撤離的時間間隔。節(jié)點緩沖時間是指節(jié)點受到擾動直接作用到節(jié)點失效的時間間隔，在實際工況中是指設備某參數(shù)受到擾動直到超出正常工況閾值的時間。節(jié)點恢復時間是指節(jié)點開始恢復到節(jié)點恢復的時間間隔，在實際工況中是指設備某參數(shù)受控制系統(tǒng)調(diào)控從超出正常工況閾值到恢復正常值的時間。多層次故障傳播模型應用于實際生產(chǎn)中時，建模參數(shù)由當前的生產(chǎn)工況和故障模式?jīng)Q定，通過實驗或歷史監(jiān)控數(shù)據(jù)得到不同生產(chǎn)工況和故障模式下的各參數(shù)值。本研究中將參數(shù)設置為無量綱，僅作理論研究。

(3)定義狀態(tài)函數(shù)。當次節(jié)點處于正常狀態(tài)時，狀態(tài)函數(shù)r=1；反之，處于故障狀態(tài)時，狀態(tài)函數(shù)r=0。若某子系統(tǒng)節(jié)點i包含n個次節(jié)點，則該子系統(tǒng)節(jié)點狀態(tài)函數(shù)定義為R(i)=(r(1)+r(2)+r(3)…+r(n))/n，它表示故障在子系統(tǒng)內(nèi)的傳播狀態(tài)。子系統(tǒng)節(jié)點狀態(tài)函數(shù)R=1表示故障未傳播至子系統(tǒng)，或子系統(tǒng)已恢復正常狀態(tài)；R=0表示子系統(tǒng)完全故障，子系統(tǒng)內(nèi)全部部件處于故障狀態(tài)；0

整個系統(tǒng)的狀態(tài)函數(shù)可表示為受故障影響的子系統(tǒng)節(jié)點的狀態(tài)函數(shù)疊加，在故障傳播情景分析和建模參數(shù)的基礎上建立；函數(shù)值大小反映了故障在系統(tǒng)內(nèi)的傳播深度，值越小，故障傳播深度越大，系統(tǒng)的故障程度越大。

在常減壓蒸餾系統(tǒng)(見圖1)中，以初餾塔節(jié)點3.1故障為例進行情景分析。節(jié)點3.1經(jīng)過緩沖時間失效后，分別傳播至節(jié)點3.2和節(jié)點4.1，此時故障分兩條路徑向下層節(jié)點傳播，直到傳播至終節(jié)點。在此基礎上，由建模參數(shù)決定節(jié)點狀態(tài)的事件時間序列，從而得到受故障傳播影響的每個子系統(tǒng)節(jié)點的狀態(tài)函數(shù)時間序列，如表1～表4。將4個狀態(tài)函數(shù)疊加，得到系統(tǒng)的狀態(tài)函數(shù)。

圖1 常減壓蒸餾系統(tǒng)結構圖

表1 常減壓蒸餾系統(tǒng)節(jié)點3的狀態(tài)函數(shù)時間序列

Table 1 The sequentially timed state function of node 3 in atmospheric and vacuum distillation system

Node3Pre?disturbanceDisturbance3 1fails3 2fails3 1recovers3 2recoversTimepointt…t0t0+TF3 1t0+TF3 1+TF3 2t0+TD+TR3 1t0+TD+TR3 1+TR3 2R(3)=[r(3 1)+r(3 2)]/2110 500 51

表2 常減壓蒸餾系統(tǒng)節(jié)點4的狀態(tài)函數(shù)時間序列

表3 常減壓蒸餾系統(tǒng)節(jié)點5的狀態(tài)函數(shù)時間序列

表4 常減壓蒸餾系統(tǒng)節(jié)點6的狀態(tài)函數(shù)時間序列

(4)繪制系統(tǒng)狀態(tài)函數(shù)圖。根據(jù)步驟(3)得到的節(jié)點狀態(tài)函數(shù)時間序列繪制出系統(tǒng)狀態(tài)函數(shù)圖像，分析圖像得到故障在系統(tǒng)中的傳播行為特征。

油氣加工系統(tǒng)是自動智能化的復雜巨系統(tǒng)，石油加工過程的生產(chǎn)工藝參數(shù)由控制系統(tǒng)，如DCS系統(tǒng)控制。當工藝參數(shù)由于故障引起波動而超出控制閾值時，工藝參數(shù)會在某一時段出現(xiàn)超出正常閾值的波動，控制系統(tǒng)會通過控制器及時調(diào)節(jié)參數(shù)至正常值，因此檢測到的參數(shù)值在某一時間段呈現(xiàn)躍變波動的特點，最終恢復至正常值。因此，多層次故障傳播模型中定義的雙值狀態(tài)函數(shù)R可表示石油加工系統(tǒng)中設備參數(shù)的變化特征。故障在檢測參數(shù)上表現(xiàn)為擾動，案例分析中用“擾動”代替“故障”進行說明。

2 案例分析

常減壓蒸餾裝置是常壓蒸餾和減壓蒸餾兩個裝置的總稱，是煉油廠加工原油的第1個工序，若其發(fā)生故障可能會導致相連加工系統(tǒng)的非正常運轉(zhuǎn)，最終引發(fā)事故。

常減壓蒸餾系統(tǒng)主要包括6大子系統(tǒng)，即原油罐區(qū)子系統(tǒng)、原油脫鹽脫水子系統(tǒng)(電脫鹽罐)、初餾子系統(tǒng)(初餾塔和常壓塔)、常壓蒸餾子系統(tǒng)(常壓塔和常壓汽提塔)、減壓蒸餾子系統(tǒng)(減壓爐和減壓塔)、產(chǎn)品儲油罐或管線子系統(tǒng)。子系統(tǒng)之間和子系統(tǒng)內(nèi)設備之間每時每刻都在進行物質(zhì)和信息交換，設備間的物質(zhì)信息流實現(xiàn)故障在子系統(tǒng)內(nèi)部的傳播，而子系統(tǒng)間的物質(zhì)信息交換通道實現(xiàn)子系統(tǒng)間的故障傳播。

根據(jù)靜態(tài)分析模塊步驟(1)，構造多層次故障傳播模型的結構圖，如圖1所示。

2.1 多層次故障傳播模型靜態(tài)分析

按照1.1節(jié)中步驟(2)對圖1的常減壓蒸餾系統(tǒng)的結構圖進行簡化，得到如圖2所示的簡化結構圖。靜態(tài)分析得到相對于每個子系統(tǒng)節(jié)點的危險性集合、脆性集合和相關性集合，結果列于表5。由表5可看出，節(jié)點1受到擾動，故障傳播最廣，危險性最大；節(jié)點6最易受到擾動的影響，脆性最大。節(jié)點1 表示原油罐區(qū)，節(jié)點6表示產(chǎn)品油罐區(qū)，2個子系統(tǒng)節(jié)點均僅含1個設備節(jié)點，故不需要進行步驟(3) 的分析。得出結論，原油罐區(qū)和產(chǎn)品油罐區(qū)分別是危險性最大的節(jié)點和脆性最大的節(jié)點。

圖2 常減壓蒸餾系統(tǒng)簡化結構圖

表5 常減壓蒸餾系統(tǒng)危險性、脆性、相關性集合

Table 5 The criticality/vulnerability/interdependency set for atmospheric and vacuum distillation system

CriticalitysetVulnerabilitysetInterdependencysetNode1C(1)={2，3，4，5，6}V(1)={}I(1)={}Node2C(2)={3，4，5，6}V(2)={1}I(2)={}Node3C(3)={4，5，6}V(3)={1，2}I(3)={}Node4C(4)={5，6}V(4)={1，2，3}I(4)={}Node5C(5)={6}V(5)={1，2，3，4}I(5)={}Node6C(6)={}V(6)={1，2，3，4，5}I(6)={}

2.2 多層次故障傳播模型(HFPM)動態(tài)分析

2.2.1 擾動模式分類

石油加工系統(tǒng)的故障傳播媒介是設備和物料介質(zhì)，因此擾動模式分為設備擾動模式和介質(zhì)擾動模式。前者分為單設備和多設備擾動模式，后者分為單處介質(zhì)和多處介質(zhì)擾動模式。實例分析中以單設備擾動和單介質(zhì)擾動為例建立多層次故障傳播模型。

2.2.2 設備擾動

以單設備——初餾塔擾動為例(如圖3雙實線箭頭所示)，研究單設備擾動下常減壓系統(tǒng)中的故障演化行為，即系統(tǒng)抵抗擾動的柔性分析。對于受到多設備擾動的系統(tǒng)，其狀態(tài)函數(shù)值是多個設備擾動下的疊加。若n個設備受到擾動，n個擾動傳播至i設備的時間點不同，擾動到達i設備的時間點取n個時間點中的最小值，恢復時間取n個恢復時間的最大值。

擾動波及節(jié)點有3、4、5、6節(jié)點，在不同工況和擾動條件下，即不同的建模參數(shù)條件下，由1.2節(jié)中所述步驟(1)～(4)得到系統(tǒng)的狀態(tài)函數(shù)圖像，對圖像進行特征分析得到系統(tǒng)內(nèi)故障傳播的行為特征。

圖3 單設備或單處介質(zhì)擾動下的HFPM

(1)故障情景1：TD=2.5；各次節(jié)點緩沖時間和恢復時間參數(shù)均設為1。

擾動在2個時間單位時施加于初餾塔(節(jié)點3.1)，擾動作用2.5個時間單位，繪制出系統(tǒng)的狀態(tài)函數(shù)圖像，如圖4所示。由圖4可以看出，大系統(tǒng)經(jīng)過一段時間的波動后恢復正常狀態(tài)。

圖4 故障情景1單設備擾動狀態(tài)函數(shù)圖像

(2)故障情景2：TD=3.5，緩沖時間和恢復時間同故障情景1。

擾動在2個時間單位時施加于初餾塔(節(jié)點3.1)，擾動作用3.5個時間單位，繪制出系統(tǒng)的狀態(tài)函數(shù)圖像，如圖5所示。由圖5可以看出，系統(tǒng)經(jīng)過一段時間的波動后整體發(fā)生故障。對比故障情景1、2可以看出，系統(tǒng)在某節(jié)點受到擾動的情況下經(jīng)過一段時間的狀態(tài)波動后，可能恢復正常狀態(tài)，也可能發(fā)生全局故障。系統(tǒng)抵抗擾動的持續(xù)時間與生產(chǎn)工況有關，生產(chǎn)工況決定節(jié)點的緩沖時間參數(shù)和恢復時間參數(shù)，在故障情景2的基礎上改變節(jié)點時間參數(shù)得到故障情景3、4。

圖5 故障情景2單設備擾動狀態(tài)函數(shù)圖像

(3)故障情景3：TD=3.5；增大緩沖時間，恢復時間不變，各次節(jié)點緩沖時間設為1.5，恢復時間設為1。故障情景4：TD=3.5；緩沖時間不變，減小恢復時間，各次節(jié)點緩沖時間設為1，恢復時間設為0.5。該兩情景的系統(tǒng)的狀態(tài)函數(shù)圖像示于圖6。

如圖6所示，在單設備(初餾塔)擾動下，適當增大緩沖時間或減少恢復時間可改變系統(tǒng)對擾動的響應，促進系統(tǒng)從故障狀態(tài)恢復至正常狀態(tài)；在此設定的參數(shù)下，兩者相比，減少恢復時間比增大緩沖時間能更加快速有效地促進系統(tǒng)的恢復。

設定TD=2.5，繪制得到各節(jié)點緩沖或恢復時間參數(shù)-擾動持續(xù)時間的函數(shù)關系圖如圖7所示。可以看出，不同節(jié)點對系統(tǒng)故障傳播的敏感性不同，改變某些節(jié)點的時間參數(shù)不會影響系統(tǒng)擾動傳播的時間，如改變節(jié)點4、5、6的緩沖時間和節(jié)點5的恢復時間，系統(tǒng)的擾動傳播時間不變；而減少節(jié)點3、4、6的恢復時間，增大節(jié)點3的緩沖時間，系統(tǒng)的擾動傳播時間縮短，系統(tǒng)恢復加快。

圖6 故障情景3/4單設備擾動狀態(tài)函數(shù)圖像

圖7 單設備擾動系統(tǒng)節(jié)點恢復時間或緩沖時間-擾動傳播時間函數(shù)圖像

2.2.3 介質(zhì)擾動

以單處介質(zhì)——初餾塔與常壓塔間的介質(zhì)擾動為例(如圖3虛線箭頭所示)，建立多層次故障傳播模型。擾動施加于介質(zhì)時，相鄰的上、下游設備同時受到干擾，類似于多設備擾動的故障情景。多介質(zhì)擾動的情況同理于多設備擾動。

(1)故障情景1：TD=2；各次節(jié)點緩沖時間和恢復時間均設為1。

擾動在2個時間單位時施加于初餾塔(節(jié)點3.1)至常壓塔(節(jié)點4.1)的介質(zhì)中，擾動作用2個時間單位，繪制出系統(tǒng)的狀態(tài)函數(shù)圖像，如圖8所示。由圖8可以看出，大系統(tǒng)經(jīng)過一段時間的波動后恢復正常狀態(tài)。

圖8 故障情景1介質(zhì)擾動系統(tǒng)狀態(tài)函數(shù)圖像

(2)故障情景2：TD=2.5，緩沖時間和恢復時間同故障情景1。

擾動在2個時間單位時施加于初餾塔(節(jié)點3.1)至常壓塔(節(jié)點4.1)的介質(zhì)中，擾動作用2.5個時間單位，繪制得到系統(tǒng)的狀態(tài)函數(shù)圖像如圖9所示。由圖9可以看出，系統(tǒng)經(jīng)過一段時間的波動后整體發(fā)生故障。對比故障情景1、2可以看出，大系統(tǒng)某節(jié)點受到擾動經(jīng)過一段時間的狀態(tài)波動后，可能恢復正常狀態(tài)，也可能發(fā)生全局故障。系統(tǒng)抵抗擾動的持續(xù)時間與生產(chǎn)工況有關，生產(chǎn)工況決定節(jié)點的緩沖時間參數(shù)和恢復時間參數(shù)，在故障情景2的基礎上改變節(jié)點時間參數(shù)得到故障情景3、4。

(3)故障情景3：TD=2.5；增大緩沖時間，恢復時間不變，各次節(jié)點緩沖時間設為1.5，恢復時間設為1。故障情景4：TD=2.5；緩沖時間不變，減小恢復時間，各次節(jié)點緩沖時間設為1，恢復時間設為0.5。繪制得到兩情景系統(tǒng)的狀態(tài)函數(shù)圖像如圖10所示。

由圖10可見，在單介質(zhì)(初餾塔至常壓塔介質(zhì))擾動下，適當增大緩沖時間或減少恢復時間可改變系統(tǒng)對擾動的響應，促進系統(tǒng)從故障狀態(tài)恢復至正常狀態(tài)；在此設定的參數(shù)下，兩者相比，減少恢復時間比增大緩沖時間能更加快速有效地促進系統(tǒng)的恢復。

圖9 故障情景2介質(zhì)擾動系統(tǒng)狀態(tài)函數(shù)圖像

圖10 故障情景3/4介質(zhì)擾動系統(tǒng)狀態(tài)函數(shù)圖像

設定TD=2，繪制出各節(jié)點緩沖或恢復時間參數(shù)-擾動持續(xù)時間的函數(shù)關系圖如圖11所示。從圖11可見，不同節(jié)點對系統(tǒng)故障傳播的敏感性不同，改變某些節(jié)點的時間參數(shù)不會影響系統(tǒng)擾動傳播的時間，如改變節(jié)點3、4、5、6的緩沖時間和節(jié)點3、5的恢復時間，系統(tǒng)的擾動傳播時間不變；而減少節(jié)點4、6的恢復時間，系統(tǒng)的擾動傳播時間縮短，系統(tǒng)恢復加快。

圖11 介質(zhì)擾動系統(tǒng)節(jié)點恢復時間或緩沖時間-擾動傳播時間函數(shù)圖像

3 結 論

(1)基于IRML語言提出了一種定性定量相結合的多層次故障傳播模型。模型分為靜態(tài)分析模塊和動態(tài)分析模塊，前者靜態(tài)分析石油加工復雜系統(tǒng)故障傳播結構特征，后者通過故障情景模擬，動態(tài)分析石油加工復雜系統(tǒng)的故障演化機理。

(2)多層次故障傳播模型不僅能夠分析油氣加工系統(tǒng)故障傳播的結構特征，而且能定量地描述多工況、多故障模式下的故障傳播特征。

(3)以常減壓蒸餾系統(tǒng)為例進行多層次故障傳播建模。分別依據(jù)實際的工藝流程和工況條件確定模型中的結構圖和參數(shù)設置，得到的結果可靠有效，符合實際的故障傳播情況。因此，多層次故障傳播模型適用于油氣加工復雜系統(tǒng)的故障行為研究。

(4)多層次故障傳播模型與工藝流程模擬軟件相結合，可進一步實現(xiàn)實時的動態(tài)故障行為建模，促進油氣加工系統(tǒng)的故障趨勢預測、故障溯源和系統(tǒng)柔性診斷等方面的研究。

[1] 陳明亮. 化工裝置事故的多米諾效應定量分析關鍵問題研究[D].北京：北京化工大學，2013.

[2] 何俊. 基于復雜網(wǎng)絡理論的電力系統(tǒng)連鎖故障分析[D].吉林：東北電力大學，2013.

[3] 徐林. 石油化工中的風險評價[J].污染防治技術，2010，23(5)：42-46.(XU Lin.The risk assessment in petrochemical industry[J].Pollution Control Technology.2010，23(5)：42-46.)

[4] 張衛(wèi)華. 基于SDG的多種故障診斷方法融合的異常工況管理系統(tǒng)研究[D].北京：北京化工大學，2010.

[5] 于洋，陳曉春. 結構化SDG-HAZOP建模方法[C]//2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集.鳳凰：南昌工程學院經(jīng)濟貿(mào)易學院，2012：1198-1202.

[6] JOHANSSON J, HASSEL H.An approach for modeling interdependent infrastructures in the context of vulnerability analysis[J].Reliability Engineering and System Safety, 2010，95：1335-1344.

[7] HERRERA I A, WOLTIER R.Comparing a multi-linear (STEP) and systemic (FRAM) method for accident analysis[J].Reliability Engineering and System Safety, 2010，95：1269-1275.

[8] BELMONTE F, SCH?N W, HEURLEY L, et al.Interdisciplinary safety analysis of complex socio-technological systems based on the functional resonance accident model：An application to railway traffic supervision[J].Reliability Engineering and System Safety, 2011，96：237-249.

[9] 趙勁松, 陳丙珍, 沈靜珠.人工神經(jīng)網(wǎng)絡在動態(tài)過程故障診斷中的應用[J].石油學報(石油加工), 1996，16(1)：85-94.(ZHAO Jinsong, CHEN Binzhen, SHEN Jingzhu.Artificial neural networks in dynamic process fault diagnosis[J].Acta Petrolei Sinica (Petroleum Processing Section), 1996，16(1)：85-94.)

[10] 呂翠英, 徐亦方, 沈復.石油精餾系統(tǒng)故障診斷專家系統(tǒng)中基于深層知識的學習模型——一種不完善理論問題的處理方法[J].石油學報(石油加工), 1993，9(4)：28-34.( Lü Cuiying, XU Yifang, SHEN Fu.Petroleum distillation system fault diagnosis expert system based on deep knowledge learning model——A kind of imperfect theory approach problems[J].Acta Petrolei Sinica (Petroleum Processing Section), 1993，9(4)：28-34.)

[11] FILIPPINI R， SILVA A.A modeling framework for the resilience analysis of networked systems-of-systems based on functional dependencies.Reliability Engineering and System Safety[EB/OL]. http://dx.doi.org/10.1016/j.ress.2013.09.010.

[12] 王佳明. 基于復雜系統(tǒng)脆性理論的電網(wǎng)連鎖故障預警模型研究[D].北京：華北電力大學，2013.

Hierachical Fault Propagation Model for Petroleum Refining System Based on IRML

MA Xi1，ZHANG Laibin1，HU Jinqiu1，CAI Zhansheng1,2

(1.Mechanical&StorageandTtransportationEngineeringDepartment,ChinaUniversityofPetroleum,Beijing102249,China;2.CNOOCZhongJiePetrochemicalCo.,Ltd,Cangzhou061101,China)

As a continuous and integrated process consisting of diverse components, petroleum refining industry is a complex, non-linear, multivariate system. The fault behavior has characteristics of strong nonlinear and dynamic during fault propagation in petroleum refining system. The failure in one component can propagate to other components in a cascading manner. Hierarchical fault propagation model (HFPM) is proposed as an extension of the infrastructure resilience-oriented modeling language (IRML). The main contribution that consists in the design of HFPM is to analyze the structural and dynamicproperties of systems-of-systems during fault propagation. The analysis is of two types, static and dynamic. Static analysis deals with the degree components interact, i.e. structural feature. Dynamic analysis reveals the way fault propagates among components and system's resilience. The performance of the proposed model has been tested on an atmospheric and vacuum distillationsystem. Based on the results illustrated in this paper, HFPM can be used for fault propagation analysis in petroleum refining system and its modeling parameters can reflect structural feature and fault propagation behavior. Besides, HFPM can be further applied to the study on fault propagation trend prediction, fault tracing and system resilience in petroleum refining system.

petroleum refining system; hierarchical fault propagation model; static analysis module; dynamic analysis module; fault propagation behavior; fault evolution

2014-04-29

國家自然科學基金(51104168)、教育部新世紀優(yōu)秀人才支持計劃(NCET-12-0972)、北京市自然科學基金(3132027)、中國石油大學(北京)科研基金(YJRC-2013-35)、北京市優(yōu)秀博士學位論文指導教師科技項目(YB20111141401)資助

馬曦，女，博士研究生，從事油氣生產(chǎn)系統(tǒng)安全方面的研究；E-mail：seven7xi@126.com

1001-8719(2015)05-1193-10

P624.8

A

10.3969/j.issn.1001-8719.2015.05.024