基于改進理想點解法的油氣管道事故綜合預測研究*

王 霞,段慶全

(中國石油大學(北京) 機械與儲運工程學院，北京 102249)

0 引言

油氣管道作為油氣運輸過程中的1個關鍵環節，已形成連接東西、南北、海外的國家骨干網絡。2015年底，我國原油、成品油、天然氣主干管道里程總計11.2萬km。2017年5月發布的《中長期油氣管網規劃》中指出，預計2025年全國油氣管網規模達到24萬km，建成廣覆蓋、多層次的現代油氣管網體系。然而，管道運營安全問題日益突出，為提高油氣管道安全運行水平，有必要及時對油氣管道事故發生的可能性進行預測，從而為管道企業進行管道完整性管理提供決策支持。

20世紀90年代，國外學者采用概率模型、馬爾可夫理論和灰色理論法等對腐蝕、第三方活動等單風險因素造成的油氣管道事故進行了預測。21世紀初，綜合多風險因素的油氣管道事故預測逐漸有了一些建樹。比如，El-Abbasy等[1]采用人工神經網絡預測海上油氣管道狀況，驗證數據集的結果表明平均百分比有效性高于97%，說明模型能夠有效預測管道狀況；Senouci等[2]采用模糊邏輯預測油氣管道的安全狀況，但模型因數據缺乏的限制，部分失效原因預測精度較差。國內主要是針對單風險引發的油氣管道事故進行預測，針對系統整合的油氣管道事故預測研究鮮有涉及[3-6]。油氣管道事故的發生受多因素影響，必須采用1種方法增強分析結果的客觀性、全面性和準確性。目前，存在的油氣管道事故預測方法存在一些不足[7]：概率評價法雖已被初步應用，但實用性有待改進；神經網絡法的學習樣本不足時無法保證預測精度；灰色理論法對于波動性較大的油氣管道事故數據擬合較差；馬爾可夫理論只考慮最大概率，忽略了其他概率的影響；貝葉斯模型計算過程中對風險因素的失效概率無法精確度量。總之，油氣管道事故綜合預測在我國還處于起步和探索階段。結合我國管道的實際情況，對油氣管道事故綜合預測進行研究意義重大。

油氣管道事故綜合預測的基本思想是對可能導致管道事故和有利于潛在事故預防的重要因素進行綜合分析，確定高風險管段。因此，提出基于改進理想點解法的油氣管道事故綜合預測模型。理想點解法是多屬性的綜合分析方法，是從數據的內部結構出發，通過數學變化產生綜合預測量化結果，可考慮腐蝕、外部干擾、設計/建造等多風險因素。理想點解法已經普遍應用于經濟、醫學、農業和能源等行業，而且取得了良好的效果[8-12]。Patil等[9]采用理想點解法對供應鏈在知識管理方面的解決方案進行排序，提供了一個更加準確、有效和系統的決策支持工具，逐步實施知識管理中的解決方案以提高其成功率；周科平等[11]基于理想點解法建立了深部金屬礦山的巖爆預測模型，實際工程應用表明該巖爆預測方法具有工程實用價值；賈寶山等[12]建立了逼近理想解排序法的煤礦安全綜合評價模型。

本文擬對理想點解法進行改進，即改進效益/成本型指標的規范化公式及正/負理想解的定義，使之適用于油氣管道事故綜合預測。該方法可為管道企業從整體上掌握油氣管道的安全狀況提出了1種新的科學方法，從而為管道企業進行管道完整性管理提供決策支持。

1 理想點解法的原理及改進

1.1 理想點解法的原理

理想點解法(Technique for Order Preference by Similarity to an Ideal Solution， TOPSIS)是Hwang和Yoon于1981年首次提出，是多屬性決策中常用的一種解決多元質量特性優化問題的方法。理想點解法較之單項指標分析法，能集中反映總體情況，進行綜合分析預測。假設存在i(i=1，2，...，m)個決策單元，j(j= 1，2，...，n)個評價指標，pij表示i決策單元的第j個評估指標值，ωj表示第j個評估指標的權重值。根據這個假設，引入理想點解法的建模過程如下[13-15]：

1)構建初始決策矩陣Pm×n。

2)基于初始決策矩陣Pm×n構建規范化決策矩陣Nm×n，規范值nij的計算如公式(1)所示：

(1)

式中：nij為i決策單元的第j個評估指標規范化值；pij表示i決策單元的第j個評估指標初始值。

3)構建加權規范化決策矩陣Vm×n，各元素vij的計算如公式(2)所示：

vij=ωj·nij(i=1,2,…,m;j=1,2,…,n)

(2)

式中：vij為i決策單元的第j個評估指標加權規范化值；ωj表示第j個評估指標的權重值；nij為i決策單元的第j個評估指標規范化值。

4)計算正理想解V+和負理想解V-，如公式(3)所示：

(minυij|j∈I*)}

(maxυij|j∈I*)}

(3)

式中：V+為正理想解；V-為負理想解；I為效益型指標；I*為成本型指標。效益型指標是數值越大越好的指標，成本型指標是數值越小越好的指標。

5)計算目標值與正/負理想解的分離度，如公式(4)所示：

(4)

式中：d+為目標值與正理想解的分離度；d-為目標值與負理想解的分離度；vij為i決策單元的j評估指標加權規范化值；v+為正理想解；v-為負理想解。

6)計算各方案的貼近度，如公式(5)所示：

(5)

式中：r*為各方案的貼近度；d+為目標值與正理想解的分離度；d-為目標值與負理想解的分離度。

1.2 理想點解法的改進

傳統理想點解法的效益型指標和成本型指標的規范化都以各個方案中該指標的最大值和最小值為參考比較，由此得出的正、負理想解對應所有方案中每項指標的最優值和最劣值[15]。在油氣管道事故綜合預測中，每項指標的正理想解應對應油氣管道最好狀況時的值，每項指標的負理想解應對應油氣管道最劣狀況時的值。由此計算出的各油氣管道狀態到正理想解和負理想解的距離在一定程度上分別表示了油氣管道目前狀態偏離最優狀態和最劣狀態的程度，與正理想解的距離越小，而與負理想解的距離越大，就表示油氣管道安全狀態越優，則發生事故的可能性越小。因此，將理想點解法用于油氣管道事故綜合預測時，效益型指標和成本型指標規范化處理分別做如下改進，如公式(6)所示：

j=1,2,…,n)

j=1,2,…,n)

(6)

2 油氣管道事故綜合預測模型

2.1 油氣管道事故綜合預測指標體系

依據各國或組織對管道失效原因的分類以及國內最新油氣管道事故原因分析現狀[16]，從腐蝕、外部干擾、材料/建造、自然災害和運行與操作5個方面對油氣管道事故進行綜合分析，結合改進層次分析法，建立了油氣管道事故綜合預測指標體系，包括目標層(即油氣管道事故)、準則層(即油氣管道事故綜合預測一級指標)、指標層(即油氣管道事故綜合預測二級指標)。具體如圖1所示。

圖1 油氣管道事故綜合預測指標體系Fig.1 The index system of comprehensive accident prediction for oil and gas pipelines

2.2 油氣管道事故綜合預測指標權重確定

由理想點解法的原理可知，應用理想點解法進行預測必須先確定各指標的權重。預測過程中指標的權重對被預測對象的最后得分影響很大，要做到預測指標權重的確定盡可能合理。通過大量的對比分析[17-19]，發現采用改進層次分析法計算油氣管道事故綜合預測指標權重更合適。改進層次分析法是1種非常成熟的計算指標權重的方法，已普遍應用于冶金礦產、交通運輸等行業[20-22]，而且取得了良好的效果。權重確定過程中采用改進的層次分析法，其優點在于由比較矩陣改造而成的擬優一致性矩陣滿足一致性條件，無需進行一致性檢驗，而且還可以大幅度減少迭代次數，滿足計算精度的要求。

采用基于五標度法的改進層次分析法，確定油氣管道事故綜合預測的指標權重，計算結果如表1所示。

2.3 油氣管道事故綜合預測模型

多段管線i(i= 1,2,…，m)組成多屬性決策問題的決策單元，二級預測指標j(j= 1,2,…，16)，即外腐蝕、內腐蝕、應力腐蝕等組成決策問題的指標集。

1)采用特爾斐方法同相關專家及現場技術人員協商對各預測管段的指標集分別進行賦值，從而構建初始決策矩陣Pm×16。各指標賦值分值在0～100之間，賦值原則為各管段的指標因素的情況越好，則賦值越大。比如外腐蝕指標，依據各管段的土壤電阻率(Ω·m)、管道運行時間(a)、其他金屬埋地物(個)、交流電流密度(A/m2)、直流管地電位(mV)、陰極保護有效性(%)、防腐層絕緣電阻率(Ω·m)7個方面的實際值進行綜合考慮，若一段管段的外腐蝕的情況與油氣管道最好狀況時相差越小，則該管段外腐蝕指標的賦值越大。各管段各指標的賦值即為管線i的j評估指標的初始值(pij)，從而組成初始決策矩陣Pm×16。

表1 油氣管道事故綜合預測指標權重Table 1 The index weight of comprehensive prediction for oil and gas pipeline accident

2)按照公式(6)進行規范化處理，從而構成規范化決策矩陣Nm×16。

3)按公式(2)可得加權規范化決策矩陣Vm×16，其中由改進層次分析法計算的二級預測指標的權重矩陣W16×16如表2所示。

表2 二級預測指標的權重矩陣WTable 2 The weight matrix of the second-level prediction indexes

4)按照公式(3)求正/負理想解。采用特爾斐方法進行賦值都是基于效益值，因此所有的指標都為效益型指標。將歸范化后的油氣管道事故預測指標的最好狀況、最壞狀況的值分別指標權重構成的矩陣W16×16相乘，即可得到油氣管道事故綜合預測指標體系中各指標對應的正、負理想解，如表3所示。

5)按照公式(4)和公式(5)分別計算各管段(方案)與正/負理想解的分離度和貼近度。

2.4 油氣管道事故發生可能性的評定

借鑒EI-Abbasy等人[1]將油氣管道狀態分為完好、較好、一般、危險和極其危險狀態，將預測對象貼近度區間(0，1)進行間隔處理，油氣管道事故發生可能性劃分依據如表4所示。根據計算得到預測對象的貼近度即可確定各油氣管道事故發生可能性。

3 實例分析

以某條長輸管線作為預測對象進行事故綜合預測。檢測過程中按照完整性管理要求，將該條長輸管線分為5段。首先，采用特爾斐法得到該5段管線二級預測指標的實際值，構成初始決策矩陣P5×16，如表5所示。

然后，將初始決策矩陣P5×16進行規范化，與二級指標權重矩陣W16×16相乘，得到該5段管線加權規范化決策矩陣V5×16，如表6所示。

最后，計算5段管線與正/負理想解的分離度和貼近度，從而進行油氣管道事故發生可能性評定，結果如表7所示。

表3 正、負理想解Table3 The positive and negative ideal solutions

表4 貼近度與油氣管道事故發生可能性對應表Table 4 Closeness and the possibility of oil and gas pipeline accident correspondence table

表5 初始決策矩陣P5×16Table 5 The initial decision matrix P5×16

表6 加權規范化決策矩陣V5×16Table6 The weighted normalization decision matrix V5×16

表7 貼近度計算Table 7 The closeness calculation

通過上述預測結果可知：管段2、管段4的貼近度在0.40～0.60內，說明這2段管線較可能發生事故，必須采取有效措施降低事故發生的可能性至最低合理可接受范圍。分析其主要原因為：影響管段2事故發生的關鍵因素為外部干擾，這段管線沿線兩邊人口密集，地面活動較多，交通運輸車輛從管道上方的道路上頻繁通過。因此，該管段必須制止外界造成的破壞，采取措施遏制違章施工、沿線壓管等行為。影響管段4事故發生的關鍵因素為運行與操作，要從工程技術上減少管道運行出錯和員工誤操作，一方面提高員工的工作素質；另一方面提高監督管理能力，依法對油氣管道的運行進行嚴格管理。管段1、管段3、管段5的貼近度在0.80～0.95內，說明這3段管線較不可能發生事故，無需采取控制措施，但需要保存記錄。經過分析可知預測結果與現場情況高度吻合，證明基于改進理想點解法的油氣管道事故綜合預測模型對管道事故預測是準確的、可行的。

4 結論

1)基于改進理想點解法的油氣管道事故綜合預測模型綜合考慮了油氣管道實際特點及專家經驗，預測結果具有綜合性，有助于改進僅靠單項指標或少數指標導致評判結果可靠性低的缺點。

2)通過對想點解法的改進，即在油氣管道事故綜合預測中，每項指標的正理想解對應油氣管道最好狀況時的值，每項指標的負理想解對應油氣管道最劣狀況時的值，使之更合理的適用于油氣管道事故綜合預測。實例分析表明，經過改進的理想點解法用于油氣管道事故綜合預測是有效的。

3)將理想點解法應用到油氣管道事故綜合預測中是一種新的應用，它為管道企業從整體上掌握油氣管道的安全狀況提出了1種新的思路，可為管道企業進行管道完整性管理提供決策支持。

[1] EL-ABBASY M S, SENOUCI A, ZAYED T, et al. Artificial neural network models for predicting condition of offshore oil and gas pipelines[J]. Automation in Construction, 2014, 45(45): 50-65.

[2] SENOUCI A, ELABBASY M, ELWAKIL E, et al. A model for predicting failure of oil pipelines[J]. Structure and Infrastructure Engineering, 2014, 10(3): 375-387.

[3] WU Jiansong, ZHOU Rui, XU Shengdi, et al. Probabilistic analysis of natural gas pipeline network accident based on Bayesian network[J]. Journal of Loss Prevention in the Process Industries, 2017, 46(46): 126-136.

[4] 張新生, 趙夢旭, 王小完. 尾段殘差修正GM(1,1)模型在管道腐蝕預測中的應用[J]. 中國安全科學學報, 2017, 27(1):65-70.

ZHANG Xinsheng，ZHAO Mengxu, WANG Xiaowan. Application of GM (1,1) model with residual error correction in pipeline corrosion prediction[J]. China Safety Science Journal, 2017, 27(1):65-70.

[5] 陳玉超, 蔣宏業, 吳瑤晗, 等. 基于Bow-tie模型的城鎮輸油管道風險評價方法研究[J]. 中國安全生產科學技術, 2016, 12(4):148-152.

CHEN Yuchao, JIANG Hongye，WU Yaohan，et al. Study on risk assessment method of urban oil pipeline based on Bow-tie model[J].Journal of Safety Scienceand Technology,2016,12(4):148-152.

[6] 韓小明, 苗繪, 王哲. 基于大數據和神經網絡的管道完整性預測方法[J]. 油氣儲運, 2015, 34(10):1042-1046.

HAN Xiaoming, MIAO Hui，WANG Zhe. Based on large data and neural network of pipeline integrity prediction method [J]. Oil & Gas Storage and Transportation, 2015, 34(10):1042-1046.

[7] 鄭小平, 劉夢婷, 李偉. 事故綜合預測方法研究述評[J]. 安全與環境學報, 2008, 8(3):162-169.

ZHENG Xiaoping，LIU Mengting，LI Wei. A review of the research on accident prediction methods[J]. Journal of Safety and Environment, 2008, 8(3):162-169.

[8] HATAMI-MARBINI A, KANGI F. An extension of fuzzy TOPSIS for a group decision making with an application to Tehran stock exchange[J]. Applied Soft Computing, 2017, 52: 1084-1097.

[9] PATIL S K, KANT R. A fuzzy AHP-TOPSIS framework for ranking the solutions of Knowledge Management adoption in Supply Chain to overcome its barriers[J]. Expert Systems With Applications, 2014, 41(2): 679-693.

[10] 王新民, 秦健春, 張欽禮, 等. 基于AHP-TOPSIS評判模型的姑山駐留礦采礦方法優選[J]. 中南大學學報(自然科學版), 2013, 44(3):1131-1137.

WANG Xinmin， QIN Jianchun, ZHANG Qinli, et al. Optimization of mining methods for Gushan resident mine based on AHP-TOPSIS evaluation model[J]. Journal of Central South University (Natural Science Edition), 2013, 44(3):1131-1137.

[11] 周科平, 雷濤, 胡建華. 深部金屬礦山RS-TOPSIS巖爆預測模型及其應用[J]. 巖石力學與工程學報, 2013, 32(S2):3705-3711.

ZHOU Kepin, LEI Tao, HU Jianhua. Prediction model of RS-TOPSIS rock burst in deep metal mine and its application [J]. Journal of Rock Mechanics and Engineering, 2013, 32(S2):3705-3711.

[12] 賈寶山, 尹彬, 王翰釗, 等. AHP耦合TOPSIS的煤礦安全評價模型及其應用[J]. 中國安全科學學報, 2015, 25(8):99-105.

JIA Baoshan, YIN Bin, WANG Hanzhao, et al. Coal mine safety evaluation model with AHP-TOPSIS and its application[J]. China Safety Science Journal, 2015, 25(8):99-105.

[13] KARAHALIOS H. The application of the AHP-TOPSIS for evaluating ballast water treatment systems by ship operators[J]. Transportation Research Part D-Transport and Environment, 2017, 52(A): 172-184.

[14] 陳金強, 李群湛. 基于灰色TOPSIS和DGA的變壓器狀態預測[J]. 高壓電器, 2015, 51(9):39-43.

CHEN Jinqiang, LI Qunzhan. Transformer state prediction based on gray TOPSIS and DGA[J]. High voltage electrical appliances, 2015, 51(9):39-43.

[15] 程文清，李新葉.基于改進理想點解法的電力變壓器狀態綜合評估[J].高壓電器，2009，45(6)：120-123, 127.

CHENG Wenqing, LI Xinye. Comprehensive evaluation of power transformer state based on improved TOPSIS[J]. High voltage electrical appliances, 2009, 45(6):120-123,127.

[16] 狄彥, 帥健, 王曉霖, 等. 油氣管道事故原因分析及分類方法研究[J]. 中國安全科學學報, 2013, 23(7):109-115.

DI Yan, SHUAI Jian, WANG Xiaolin, et al. Cause analysis and classification of oil and gas pipeline accident[J]. China Safety Science Journal, 2013, 23(7):109-115.

[17] 俞樹榮, 馬欣, 梁瑞, 等. 基于層次分析法的管道風險因素權數確定[J]. 天然氣工業, 2005, 25(6):132-133.

YU Shurong, MA Xin, LIANG Rui, et al. Determining the weight of pipeline risk factors based on analytic hierarchy process[J]. Natural Gas Industry, 2005, 25(6):132-133.

[18] 易云兵, 姚安林. 基于不確定層次分析法確定管道風險因素權重[J]. 天然氣工業, 2006, 26(3):149-151.

YI Yunbing, YAO Anlin. Determining the weight of pipeline risk factors based on uncertain analytic hierarchy process[J]. Natural Gas Industry, 2006, 26(3):149-151.

[19] 趙忠剛，姚安林，趙學芬，等.油氣管道風險因素的權重賦值方法研究[J].天然氣工業，2007，27(7)：103-105, 108.

ZHAO Zhonggang, YAO Anlin, ZHAO Xuefen, et al. Study on weight assignment method of risk factors of oil and gas pipeline[J]. Natural Gas Industry, 2007, 27(7):103-105,108.

[20] SUN Haoyang, WANG Sufen, HAO Xinmei. An improved analytic hierarchy process method for the evaluation of agricultural water management in irrigation districts of North China[J]. Agricultural Water Management, 2017, 179(SI): 324-337.

[21] 劉玉玲，游春.改進的層次分析法在公路隧道施工安全評價中的應用[J].安全與環境工程，2009，16(3)：75-78,91.

LIU Yuling, YOU Chun. Application of improved analytic hierarchy process in safety assessment of highway tunnel construction[J]. Safety and environmental engineering， 2009，16(3)：75-78,91.

[22] 張天軍，蘇琳，喬寶明，等.改進的層次分析法在煤與瓦斯突出危險等級預測中的應用[J].西安科技大學學報，2010，30(5)：536-542,547.

ZHANG Tianjun, SU Lin，QIAO Baoming，et al. Application of improved analytic hierarchy process in coal and gas outburst hazard level prediction[J]. Journal of Xi'an University of Science and Technology, 2010, 30(5):536-542,547.