海底管道泄漏風險演化復雜網絡分析*

孟祥坤，陳國明，朱紅衛

(中國石油大學(華東) 海洋油氣裝備與安全技術研究中心，山東 青島 266580)

數字出版日期： 2017-04-20

0　引言

隨著我國油氣資源開采戰略重心由陸地向海洋的轉移，海底管道投用量逐年增加[1]。海底管道所處海洋環境惡劣，除承受著復雜的工作載荷外，還承受各種確定與非確定性的環境載荷和意外風險載荷，管道泄漏及其引發的連鎖事故屢見不鮮[2]。海底管道一旦發生泄漏事故，不僅會造成重大經濟損失，而且會導致嚴重的環境污染。因此，開展海底管道事故的影響因素分析及其演化過程研究對事故預防具有重要工程意義。

目前，國內外學者針對海底管道的泄漏事故主要集中在其影響因素分析[3-4]、數值模擬[5-6]和擴散預測評估[7]等方面，對于泄漏事故的演化方面研究較少。傳統的安全分析方法無法從系統角度解釋事故演化的內在機制，而復雜網絡模型[8]為泄漏事故的系統性演化分析提供了理論依據。復雜網絡理論提出以后，由于其將系統的復雜性與網絡有機地結合在一起，契合復雜系統事故演化的特點[9]，在臺風災害演化[8]、交通網絡[10-11]、電力系統[12]等具有時間相關性和功能相關性的復雜系統安全分析領域得到廣泛應用，對網絡的拓撲結構進行了詳細研究，分析造成風險的各個因素節點，揭示風險演化的內在規律，同時提出相應的控制措施。

鑒于此，針對海底管道系統泄漏事故的特征，在現有研究基礎上，構建泄漏風險演化網絡模型，采用無權有向網絡中的節點出入度和聚類系數，以及帶權有向網絡中的最短路徑等參數對事故風險演化過程進行分析，以期為海底管道泄漏事故的預防提供參考。

1　海底管道泄漏演化模型

1.1　復雜網絡理論及其應用

事故的發生經常是突發性的，但許多事故也會表現出多米諾效應：初始節點受到微小擾動后，可能觸發整個系統的連鎖反應，導致系統中大部分節點崩潰，進而導致災難性事故的發生。復雜網絡可將分析對象復雜的風險演化過程轉化為簡單的網絡計算，通過網絡節點的出入度、聚類系數和最短路徑等分析風險因素的重要性，確定關鍵節點和路徑，從而得出其斷鏈控制方法。系統復雜網絡的主要表征參數有以下3項[11]。

1.1.1度

以影響管道泄漏的風險事件為網絡節點，節點度為連接該節點的其他節點的數量，節點i的度記為：

(1)

式中：aij為節點vi與節點vj之間連接邊的數目。度越大，則表明該節點在網絡中越重要。根據風險因素的影響程度，可對網絡中連接邊賦予權重，得到海底管道系統泄漏風險演化路徑對應的加權圖。

1.1.2系統聚類系數

許多大規模的復雜網絡具有明顯的聚類效應，系統結構的聚類系數反應了演化結構的集團化程度，聚類系數越大，節點之間的聯系越緊密。節點vi的聚類系數為：

(2)

式中：n為與節點vi相鄰的節點總數；Li為n個相鄰節點之間實際相連的邊數。若Ci=0，則該節點為孤立節點；若Ci=1，則與該節點相連的任意節點相互連接。整個系統的聚類系數C為：

(3)

式中：N為節點總數，C值越大，整個網絡中形成短距離聯系的程度也就越大。

1.1.3最短路徑

復雜網絡運算的目的之一是求出引發結果事件的最快途徑，即最短路徑。但網絡連鎖圖不能直接進行計算，需要轉換為帶權的有向圖。轉化后，有向圖由節點和帶權邊組成，其中，帶權邊表示網絡中前一事件導致后續事件發生的難易程度。因此，最短路徑計算的關鍵在于圖形的變換和權的設定，即：

3）枝條冬春季短截能增加成枝力，也能刺激葉芽生長旺盛而延遲結果。利用夏季摘心培養結果枝，一般在新梢長至10～15 cm時摘心，摘心部位以下的葉芽有1～2個萌發成中、短枝，其余芽則抽生葉叢枝，在營養條件較好的情況下，葉叢枝當年可以形成花芽。對于枝量比較好的樹，盡量采取緩放的辦法及早結果。

G=(V,E,W)

(4)

式中：V={v1,v2,v3, …,vn}，是各初始事件、傳遞事件和結果事件的集合；E={e1,e2,e3, …,en}，是節點事件之間的邊集；W則為邊權的集合。節點vi與節點vj之間的最短路徑長度稱為結點間的距離，記作d(i,j)。

1.2　泄漏事故風險演化連鎖模型

海底管道在規劃、設計和施工階段的風險最終在運行過程中顯現。管道在運行過程中面臨波浪、海流、臺風和地震等破壞力極大的動力作用載荷的惡劣環境，各類載荷時空變化復雜，其單獨或交互作用于海底管道，對管道的正常運行產生嚴重影響。管道在服役過程中面臨的風險主要有自然條件風險、腐蝕風險、第三方破壞風險和人因組織風險。

1.2.1自然條件風險

海底管道自然條件的嚴峻性和復雜性表現為浪高、流急、泥沙回淤強度大、地質地基條件軟弱等，造成海底管線懸空、塌陷、移位、沉降，直至發生疲勞斷裂而發生泄漏；同時，地震會導致管線周圍土體的變形，還將在短時間內使管道周圍流體產生劇烈的往復運動，通過土體和流體運動間接對管道產生影響。

1.2.2腐蝕風險

海底管道的腐蝕主要分為內腐蝕和外腐蝕2種情況。外腐蝕表現為外防腐層破損或剝離、陰極保護被破壞等情況，土壤、海水、微生物以及雜散電流會對管道產生腐蝕；內腐蝕是由于原油中含二氧化碳、硫化氫等酸性介質，這些介質直接與管道鋼結構發生化學反應而腐蝕內壁。

1.2.3第三方破壞風險

第三方破壞包含航運及漁業活動、墜落物、打孔盜油盜氣等。航運過程中的拋錨、拖錨及漁業活動中的漁網拖拽等可能對管道刮擦或者鋸切，導致管道水泥保護層的破壞、管道橫向移動等；墜落物主要來源于過往或附近作業船只，損壞裸露或埋深較淺的管道；打孔盜油盜氣造成管道結構缺陷及局部應力集中。

1.2.4人因與組織風險

海底管道部分事故與人和組織管理失誤有關，人因失誤產生的原因非常復雜，與專業技能、工作負荷和交接班制度等相關，可能導致管道作業過程中的誤操作，以及應急響應不及時等。

綜合上述風險辨識與分析，將影響管道泄漏事故的風險因素劃分為30個主要風險事件，如表1所示。

表1　海底管道泄漏風險事件

根據事件之間的影響關系與邏輯順序，建立風險因素之間的演化結構模型，有向網絡圖如圖1所示，演化模型共包含30個節點和54條邊，分別代表風險事件和演化關系，并構成相應的風險傳遞鏈，其中，組織管理不善、輸送含酸性介質、颶風沖擊海洋平臺和海底地震為初始事件，管道泄漏為末端事件，其余為風險傳遞事件。

圖1　海底油氣管道泄漏風險演化連鎖模型Fig.1　Evolutional model of risk for submarine pipeline leakage

2　無權有向網絡風險演化分析

2.1　節點出入度

在海底管道泄漏風險演化網絡模型中，風險事件對后續事件的影響程度取決于其出度，即出度越大，對后續事件的綜合影響程度就越大。風險事件的入度代表導致該事件的發生的路徑個數，入度越大，說明導致該事件的途徑就越多，控制難度也會相應增加。據圖1，出度和入度分別指代風險事件的箭頭指出和被指向的總數，各風險事件的出度和入度如表2所示。

表2　無權有向圖分析結果

由表2知，海底管道泄漏演化過程中作業組織不合理、第三方監管不善、打孔盜油盜氣、船只拋錨、漁網拖曳、監控失效等風險事件的出度比較大，影響范圍較廣；誤操作、管道破裂、管道外部護層受損、管道移位、配重層受損、等危險事件的入度相對較大，導致該事件發生的途徑較多，且誘發泄漏的原因也更直接，較難控制和預防；綜合所有風險節點，誤操作、管道破裂、管道移位、配重層受損等中間節點的度均超過6，說明與這些節點相連的其他節點數量較多，即與其他風險因素之間的相互影響作用大，是影響管道泄漏的重要因素。

據此，度較高的中間節點在海底管道全壽命周期應予以重點關注。從避免發生和切斷傳遞的斷鏈控制角度，在管道運營期間合理規劃工作安排以防止從業人員工作負荷過大、定期開展培訓教育以提高從業人員技能以及完善交接班制度等是防止誤操作的重要手段，并建立針對誤操作的容錯機制；針對管道移位和配重層受損，在鋪設階段做好路由選址以避開海床活躍區域和漁業、航運頻繁區域，在運營階段加強巡線以避免第三方破壞，在出現移位和受損后及時做好加固工作；而管道破裂是導致泄漏的最直接也是最嚴重的因素，需在本質安全設計、安裝、運營和報廢全壽命周期采取技術和管理綜合手段進行預防和控制。

2.2　聚類系數

為清晰的表明事件的發生順序，根據出入度分析，將所有風險事件分為3級，入度為零的事件即初始事件為一級事件，處于模型最頂端的事件即管道泄漏為三級事件，風險傳遞事件為二級事件。

據式(2)，各節點的聚類系數計算后如表2所示。其中：一級事件中，海底地震的聚類系數為1外，其余事件的聚類系數均為0，說明作為初始節點，所引發的下一級風險事件之間的相互影響較小；二級事件中，海水沖擊管道、儀表系統失效、監控失效和應急響應不及時等事件的聚類系數較高，表明這些事件與其相連接的事件群之間具有密集連接的性質，從抑制風險傳遞的角度，增強管道穩定性、提高儀表系統可靠性、定時檢測維修和提高應急響應速度是切斷泄漏風險傳遞路徑的有效手段；三級事件即管道泄漏，聚類系數為0，表明導致最終后果的直接原因之間聯系不緊密。

海底管道系統泄漏風險演化網絡的綜合聚類系數由式(3)計算為C=0.131，表明在整個復雜網絡中，導致最終事件的成因復雜，但是大部分風險事件之間的相互影響并不明顯，而是存在著顯著的傳遞關系，采取斷鏈控制措施、切斷演化路徑可達到控制或減緩海底管道泄漏事故發生的目的。

3　帶權有向網絡風險演化分析

節點出入度以及聚類系數分別分析了網絡中節點的重要程度及聯系程度，但未考慮上一節點事件引發后續節點事件的難度程度，即忽略邊權的影響。在實際演化過程中各個連鎖事件引發的可能性是不相同的，而帶權的有向網絡可以較好的解決這一問題。

將圖1演化模型中的邊賦予權重，轉化成帶權的有向網絡，參照文獻[13]的權重標準對邊權E進行賦值，以{1, 3, 5, 7, 9, ∞}分別表示前一節點發生時，后一節點{肯定，極可能，可能，不易，極難，不可能}發生。

根據Dijkstra[14]提出的帶權有向圖計算方法，如果使節點集合(v1,v2, …,vn-1,vn)的路徑最短，則要使(v1,v2, …,vn-1)的路徑最短，即保證各傳遞路徑都是最短的。采用該方法編制計算程序，由初始事件v1，v4，v5和v6開始，分別得到的各自的最短路徑(可能不止1條)。

表3　邊權值

圖2　海底管道泄漏最短路徑示意Fig.2　Digram of shortest paths for leakage of subsea pipelines

圖2中粗線條為各初始事件的最短路徑，其中以v4開始的最短路徑有2條，具體路徑如表4所示。

表4　各初始事件最短路徑

據表4，以v4輸送酸性介質和v6海底地震為初始事件得到的演化路徑最短，其次為v5颶風沖擊海洋平臺，v1組織管理不善的演化路徑最長。這是由于組織管理因素是人的因素，對整個管道系統安全運行造成的影響是間接性的；而其他因素是工藝和環境的因素，對系統事故的影響也更直接。

但是，整體而言，各初始事件的最短路徑較短且相差不大，初始事件經少數的幾步傳遞即可導致泄漏事故的發生，表現出明顯的小世界網絡特性。從抑制初始事件和控制傳遞事件的角度，在鋪設之前做好路由選址避開海床活躍區以提高管道穩定性，在海底管道輸送過程中處理酸性介質以減緩或抑制腐蝕進程，在運行階段提高組織管理水平以減輕或防止第三方破壞，落實管道完整性管理制度、提高從業人員素質以及實時監測與定時檢測是預防海底管道泄漏事故發生、保障管道持續安全運行的重要手段。

4　結論

1)構建以風險事件為節點、以事件發展聯系為連接邊的海底管道泄漏演化復雜網絡模型，通過無權有向網絡中的節點出入度和聚類系數、帶權有向網絡中的最短路徑等分析風險事件的重要性、連接性和演化性，可確定影響海底管道系統泄漏的關鍵環節，進而提出針對性斷鏈措施與控制建議。

2)海底管道泄漏網絡的聚類系數為0.13，網絡聚集程度偏低，表現出明顯的演化性與傳遞性；各初始事件的最短路徑均不超過10，說明初始事件經少數幾步傳遞即可導致泄漏事故的發生；降低節點事件風險并切斷其與后續事件聯系是防止初始事件升級演化為泄漏事故的重要措施。

3)基于復雜網絡的風險演化評價方法將復雜的事故風險發展過程轉化為簡潔的網絡計算，適用范圍不局限于海底管道系統，可以擴展到整個海洋石油裝備系統，簡化風險評價過程，提高分析對象的本質安全化。

4)在海底管道系統泄漏風險演化研究方面，對網絡節點和風險傳遞鏈賦予概率屬性，對關鍵節點和路徑進行量化分析，將是進一步研究的重點。

[1]金曉劍, 趙英年, 李健民, 等. 海洋石油工程領域“十一五”技術創新成果及“十二五”展望[J]. 中國海上油氣, 2011, 23(5):285-292.

JIN Xiaojian, ZHAO Yingnian, LI Jianmin, et al. Technology innovation achievements of the Eleventh Five-year Plan and prospect of the Twelfth Five-year Plan in offshore oil engineering field[J]. China Offshore Oil and Gas, 2011, 23(5):285-292.

[2]Aljaroudi A, Khan F, Akinturk A, et al. Risk assessment of offshore crude oil pipeline failure[J]. Journal of Loss Prevention in the Process Industries, 2015, 37: 101-109.

[3]Vinnem J E. Offshore risk assessment vol. 1 principles, modelling and applications of QRA studies[M]. 3rd ed. London: Springer Verlag, 2014.

[4]胡顯偉, 段夢蘭, 官耀華. 基于模糊 Bow-tie 模型的深水海底管道定量風險評價研究[J]. 中國安全科學學報, 2012, 22( 3): 128-133.

HU Xianwei，DUAN Menglan，GUAN Yaohua. Quantitative risk assessment of deepwater submarine pipeline based on fuzzy bow-tie model[J]. China Safety Science Journal, 2012, 22( 3): 128-133.

[5]李新宏, 朱紅衛, 陳國明, 等. 海底管道泄漏天然氣擴散規律數值模擬[J]. 油氣儲運, 2016, 35(2): 215-220.

LI Xinhong, ZHU Hongwei, CHEN Guoming, et al. Numerical simulation on the gas diffusion law due to leakageof submarine pipeline[J]. Oil & Gas Storage and Transportation, 2016, 35(2): 215-220.

[6]劉瑞凱, 吳明, 王同秀, 等. 海底埋地熱油管道泄漏擴散的數值模擬[J]. 中國安全生產科學技術, 2012, 8(8): 63-68.

LIU Ruikai, WU Ming, WANG Tongxiu, et al. Numerical simulation on leakage and diffusion of submarine buried hot oil pipeline[J]. Journal of Safety Science and Technology, 2012, 8(8): 63-68.

[7]B. Blocken, T. Stathopoulos, P. Saathoff， et al. Numerical evaluation of pollutant dispersion in the built environment: comparisons between models and experiments[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008, 96 (10): 1817-1831.

[8]陳長坤, 紀道溪. 基于復雜網絡的臺風災害演化系統風險分析與控制研究[J]. 災害學, 2012, 27(1): 1-4.

CHEN Changkun, JI Daoxi. Risk analysis and control for the evolution disaster system of typhoon based on complex network[J]. Journal of Catastrophology, 2012, 27(1): 1-4.

[9]房丙午, 黃志球, 王勇, 等. 基于貝葉斯網絡的復雜系統動態故障樹定量分析方法[J]. 電子學報, 2016, 44(5): 1234-1239.

FANG Bingwu, HUANG Zhiqiu, WANG Yong, et al. Quantitative analysis method of dynamic fault tree of complex system using Bayesian Network[J]. Acta Electronica Sinica, 2016, 44(5): 1234-1239.

[10]鄭嘯, 陳建平, 邵佳麗, 等. 基于復雜網絡理論的北京公交網絡拓撲性質分析[J]. 物理學報, 2012, 61(19): 95-105.

ZHENG Xiao，CHEN Jianping，SHAO Jiali，et al. Analysis on topological properties of Beijing urban public transit based on complex network theory[J]. Acta Physica Sinica, 2012, 61(19): 95-105.

[11]武喜萍, 楊紅雨, 韓松臣. 基于復雜網絡理論的多元混合空管技術保障系統網絡特征分析[J]. 物理學報, 2016, 65(14): 15-23.

WU Xiping, YANG Hongyu, HAN Songchen. Analysis on network properties of multivariate mixed air traffic management technical support system based on complex network theory[J]. Acta Physica Sinica, 2016, 65(14): 15-23.

[12]蘇慧玲, 李揚. 基于電力系統復雜網絡特征的線路脆弱性風險分析[J]. 電力自動化設備, 2014, 34(2): 101-107.

SU Huiling, LI Yang. Line vulnerability risk analysis based on complex network characteristics of power system[J]. Electric Power Automation Equipment, 2014, 34(2): 101-107.

[13]郭恒, 陳國明. 基于圖論的海洋平臺連鎖風險評價[J]. 中國安全科學學報, 2012, 22(5): 106-112.

GUO Heng, CHEN Guoming. Offshore platform chain risk assessment based on Graph Theory[J]. China Safety Science Journal, 2012, 22(5): 106-112.

[14]徐俊明. 圖論及其應用[M]. 合肥: 中國科學技術大學出版社, 2010: 31-34.