基于貝葉斯網絡的陸上油氣管道失效風險研究

嚴亮,孫首群

(上海理工大學 機械工程學院，上海 200093)

基于貝葉斯網絡的陸上油氣管道失效風險研究

嚴亮,孫首群

(上海理工大學 機械工程學院，上海 200093)

利用貝葉斯網絡BN(Bayesian network)的不確定性推理和建模優勢，提出了一種基于BN的陸上油氣管道多因素多態失效風險分析方法。首先對造成管道失效的自然災害、腐蝕和施工管理等主要因素的失效狀態進行了分析修正，建立了BN概率計算模型。以某管道為實例，分別對管道失效單因素多態、兩因素多態、三因素多態等情況進行了定量分析和定量評估，得出了管道失效概率和各基事件的結構重要度。結果表明： 利用BN分析方法評價陸上油氣管道失效風險，能夠推算出更精確的基事件概率分布，同時找出導致事故發生的最可能原因，為陸上油氣管道事故的風險控制和安全管理提供了合理的建議。

貝葉斯網絡 陸上油氣管道 失效風險分析 概率計算

陸上油氣管道系統在運輸過程中，穿越路徑長，經過的地形復雜，易受到內外腐蝕、第三方破壞、誤操作、設備及材料缺陷等因素的影響，從而引起管道發生失效泄漏，造成巨大的經濟損失和嚴重的環境污染。如何科學有效地進行陸上油氣管道失效風險分析，預測其可能的失效狀態，進而采取有效措施來應對風險，對油氣管道的安全運行意義重大。

目前，中國對陸上油氣管道失效風險評估一般使用故障樹分析法FTA(fault tree analysis)，結合專家判斷模糊化方法求取管道失效概率，即先根據導致管道失效的主要因素構建管道失效故障樹，然后由專家對引起失效的基事件進行打分，再通過模糊數學方法計算得出管道失效概率[1-3]。然而FTA只能進行事件的二態性分析，且不能進行逆向推理。從推理算法上看，貝葉斯網絡BN(Bayesian network)法克服了FTA的缺陷[4-5]，不受事件二態性的限制，還能實現雙向推理。本文利用BN法進行陸上油氣管道失效風險分析。

1 貝葉斯網絡及其原理

BN是一種將概率統計應用于復雜系統進行不確定性推理和數據分析的方法，是圖論與概率理論相結合的產物。BN包括網絡結構和網絡參數兩部分： 網絡結構對應1個有向無環圖，用于表示問題域中變量之間的概率依賴關系；網絡參數對應網絡中每個節點相對于其父節點集的條件概率分布表，是父子節點之間概率依賴程度的一種量化表述[6]。利用聯合概率分布可以直接計算管道失效事件(E)的發生概率：

(1)

式中：Xi——對應網絡中的子節點,Pa(Xi)是其父節點集；n——網絡節點的數量。按照貝葉斯公式給出的條件概率定義：

(2)

式中：P(A)，P(B)——均為先驗概率；P(A|B)，P(B|A)——均為后驗概率。假設A是1個變量，存在n個狀態c1, …,ci, …,cn，則由全概率公式可以得出：

P(B)=∑P(B|A=ci)P(A=ci)

(3)

從而根據貝葉斯公式算出后驗概率P(A|B)[7]。

2 陸上油氣管道失效風險分析

2.1陸上油氣管道事故誘發因素

根據歐美等發達國家和地區的管道事故數據顯示，造成事故的主要因素有第三方破壞、腐蝕、設計缺陷、施工管理缺陷等[8]。而近十年國內對管道失效事故的統計數據顯示，大約80%的管道失效是由第三方破壞和腐蝕造成的[9]。盡管國外有關事故原因的統計數據和國內的統計數據有所差異，但是中國和歐美等國家在造成陸上油氣管道失效的最主要誘因是一致的，即第三方破壞和腐蝕是造成管道失效的最主要因素。根據美國管道和危險材料安全管理局(PHMSA)、歐洲燃氣管道事故數據庫(EGIG)等國際上比較成熟的管道失效數據庫的統計結果顯示，造成管道失效的主要因素有： 第三方破壞、腐蝕、設計、材料及設備缺陷、施工管理缺陷及自然災害等[10]。

2.2貝葉斯網絡模型

根據上述造成管道失效的主要誘發因素及其因果特征，構建陸上油氣管道失效BN模型，如圖1所示。頂上事件：E。中間事件：A1為第三方破壞，A2為管道嚴重腐蝕，A3為管道存在缺陷。基本事件：X1表示管道承壓能差，X2表示管道嚴重憋壓，X3表示自然災害，X4表示蓄意偷盜，X5表示野蠻施工，X6表示腐蝕，X7表示管道抗蝕性差，X8表示設計缺陷，X9表示材料及設備缺陷，X10表示施工管理缺陷。

圖1 陸上油氣管道失效貝葉斯網絡模型示意

3 案例分析

某天然氣管道建于1989年，管道直徑φ720，管材T/S52k6Mn和X52；設計壓力4MPa，運行壓力1MPa。導致該管道發生失效的各基事件概率參照文獻[11-12]得出，見表1所列。

表1 管道失效基事件概率表

3.1HuginExpert軟件計算

使用Hugin Expert建立管道失效BN模型，先輸入表1中各基事件概率分布，再根據圖1輸入下面事件的聯合強度概率表：

1) 事件A1受事件X4，X5的影響。

2) 事件A2受事件X6，X7的影響。

3) 事件A3受事件X8，X9，X10的影響。

4) 事件E受事件X1，X2，X3，A1，A2，A3的影響。

計算出E的失效概率為6.88×10-2，同時得到基事件導致管道失效時的結構重要度排序為：X3>X1>X5>X4>X9>X10>X2>X6>X8>X7。

3.2HuginExpert單因素多態修正

3.2.1自然災害的修正

當自然災害發生時，未必對管道造成破壞，可能由于外力作用擠壓管道造成失效，也可能起到支撐管道的作用而延長它的使用壽命，即可以分為兩種狀態，各占一半[13]。

故只有在自然災害因素造成管道失效時，將

P(E=1|A1=0，A2=0，A3=0，
X1=0，X2=0，X3=1)=1

(4)

修正為

P(E=1|A1=0，A2=0，A3=0，
X1=0，X2=0，X3=1)=0.5

(5)

修正后計算E的發生概率為5.59×10-2，各失效因素的結構重要度排序為：X1>X3>X5>X4>X9>X10>X2>X6>X8>X7。

3.2.2腐蝕因素的修正

將管道的腐蝕狀態僅分成腐蝕和不腐蝕兩種狀態是不合理的[14]，可以將腐蝕因素分成強腐蝕、中等腐蝕、輕微腐蝕、無腐蝕四種狀態，每種狀態導致管道失效的概率依次減小。為了方便失效分析，假定依次為X61=0.0075，X62=0.0335，X63=0.5755，X64=0.3835。計算出E的發生概率為6.88×10-2，各失效因素的結構重要度排序為：X3>X1>X7>X5>X4>X9>X10>X2>X6>X8。

3.2.3施工管理因素的修正

[14-15]將施工管理的質量分為優、良、中、差4個等級：

1) “優”指施工一方有充分進行該項施工的經驗，并有優秀的第三方進行監督。

2) “良”指施工一方有充分進行該項施工的經驗，雖有第三方監督，但是不得力，或者有優秀的第三方監督，但是施工一方經驗較欠缺。

3) “中”指施工一方有充分進行該項施工的經驗，但是無第三方監督。

4) “差”指施工一方既無經驗，又無第三方監督。

上述的“經驗”不僅僅是指設計、施工過多少管道，而是指管理和技術等方面取得的成功經驗。

為了方便管道失效分析，假定施工管理質量的優、良、中、差4個等級依次為X101=0.0005，X102=0.0025，X103=0.7985，X104=0.1985。計算出E的發生概率為6.88×10-2，各失效因素的結構重要度排序為：X3>X1>X5>X4>X9>X10>X2>X6>X8>X7。

3.3HuginExpert兩因素多態修正

1) 將自然災害和腐蝕因素相結合的修正，計算出E的發生概率為5.59×10-2，各失效因素的結構重要度排序為：X1>X3>X7>X5>X4>X9>X10>X2>X6>X8。

2) 將自然災害和施工管理因素相結合的修正，計算出E的發生概率為5.59×10-2，各失效因素的結構重要度排序為：X1>X3>X5>X4>X9>X10>X2>X6>X8>X7。

3) 將腐蝕和施工管理因素相結合的修正，計算出E的發生概率為6.88×10-2，各失效因素的結構重要度排序為：X3>X1>X7>X5>X4>X9>X10>X2>X6>X8。

3.4HuginExpert三因素多態修正

將自然災害、腐蝕和施工管理因素相結合的修正，計算出E的發生概率為5.59×10-2，各失效因素的結構重要度排序為：X1>X3>X7>X5>X4>X9>X10>X2>X6>X8。

通過上述分析結果可以發現在多因素多態修正中，管道失效的發生概率取決于自然災害因素，即只有對事件邏輯確定性進行修正時才會改變E的發生概率，而腐蝕和施工管理因素不會對E的發生概率產生影響，只是改變基事件的結構重要度排序。

4 結束語

1) 利用BN描述事件多態性和失效邏輯非確定性的能力，構建了陸上油氣管道失效的BN模型，再通過具體案例對管道失效的幾種狀態進行了研究。

2) 運用Hugin Expert軟件，對E進行了高效、準確的計算，同時對造成管道失效的自然災害、腐蝕和施工管理因素分別進行了單因素多態、兩因素多態和三因素多態修正，體現了BN對陸上油氣管道失效風險定量分析的優勢。修正后的BN模型更加符合實際，對于提高陸上油氣管道失效風險分析的系統性和準確性有著重要的現實意義。

3) 通過案例分析驗證了BN方法的合理性，但是在實際工程應用中，仍存在部分問題，如構建的模型可能與實際存在一定的偏差，缺乏導致管道失效主要因素的統計數據。因此，需要進一步完善模型，進一步研究管道失效多因素多態定量分析方法，以構建更加完善可靠的陸上油氣管道失效分析模型。

參考文獻：

[1] 王文和,沈潰領,王駿逸,等.油氣管道失效概率計算模型及其應用研究進展[J].化工設備與管道,2016(06)： 71-76.

[2] 陳利瓊,張鵬,梅云新,等.油氣管道危害辨識故障樹分析方法研究[J].油氣儲運,2007(02)： 18-30.

[3] 張靜,樊建春,溫東,等.基于故障樹的油氣管道泄漏模糊可靠性評估[J].油氣儲運,2010(06)： 401-406.

[4] 王廣彥,馬志軍,胡起偉.基于貝葉斯網絡的故障樹分析[J].系統工程理論與實踐，2004(06)： 78-83.

[5] 周忠寶.基于貝葉斯網絡的概率安全評估方法及應用研究[D].長沙： 國防科學技術大學，2006.

[6] 胡春玲.貝葉斯網絡結構學習及其應用研究[D].合肥： 合肥工業大學,2011.

[7] 尹曉偉,錢文學,謝里陽.基于貝葉斯網絡的多狀態系統可靠性建模與評估[J].機械工程學報,2009(02)： 206-212.

[8] Sklavounos S,Rigas F. Estimation of Safety Distances in the Vicinity of Fuel Gas Pipeline[J]. Loss Prevent Process Industries， 2006(19)： 24-31.

[9] Lu Yan, Wang Jia, Wei Wenpu, et al. Development and Application of Oil-Spill Risk Assessment Model for Offshore Pipeline[J]. Journal of Ocean University of China, 2014(03)： 415-420.

[10] Muhlbauer W K. Pipeline Risk Management Manual [M]. Burlington： Gulf Publishing Company， 1996： 20-35.

[11] 顧建榮.陸上油氣管道急劇危害定量風險評價研究[D].西安： 西安建筑科技大學,2016.

[12] 郝永梅,邢志祥,沈明,等.基于貝葉斯網絡的城市燃氣管道安全失效概率[J].油氣儲運,2012(04)： 270-273.

[13] 俞樹榮,楊慧來.基于貝葉斯網絡的長輸管道故障樹分析[J].石油化工設備，2009(02)： 47-50.

[14] 潘家華.油氣管道的風險分析(續一)[J].油氣儲運,1995(04)： 1-7.

[15] 潘家華.油氣管道的風險分析(待續)[J].油氣儲運,1995(03)： 11-15.

FailureRiskResearchofOnshoreOilandGasPipelineBasedonBayesianNetwork

Yan Liang, Sun Shouqun

(College of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai, 200093, China)

By using the advances of uncertainty reasoning and modeling of Bayesian network, a new method based on BN is proposed in the failure risk analysis of onshore oil and gas pipeline with multi factors and multi conditions. The failure states caused by the main factors of natural disasters, corrosion and construction management which induces the failure of onshore oil and gas pipeline are analyzed and modified first. Probability calculation model based on BN is established. Taking a pipeline as an example, the failure with single factor and multi conditions, double factors and multi conditions, three factors and multi conditions are quantitatively analyzed and assessed, the failure probability of pipeline and the importance of the base events are obtained. The result shows that through BN analysis evaluating failure risk of onshore oil and gas pipeline, probability distribution of the base events can be calculated more accurately. The most likely cause of the accident can be found out at the same time. Reasonable suggestions for the risk control and safety management of onshore oil and gas pipeline accidents are provided.

Bayesian network; onshore oil and gas pipeline; failure risk analysis; probability calculation

TP273

B

1007-7324(2017)05-0005-03

稿件收到日期： 2017-07-04，修改稿收到日期2017-08-02。

國家科技支撐計劃項目(2015BAK16B04)。

嚴亮(1989—)，男，安徽合肥人，在讀碩士研究生，研究方向： 油氣管道事故處置及管道安全風險分析。