基于二維灰云模型的LNG動力船航行過程風險推理*

朱清華，胡甚平，田 力，李文晶

(上海海事大學 商船學院，上海 201306)

0 引言

以液化天然氣作為船舶燃料已成為符合嚴格排放法規的可行解決方案。因為LNG燃料具有易燃易爆特性[1]，所以針對LNG動力船航行過程風險進行量化研究很有必要。

近年，國內外學者對LNG動力船安全風險進行研究：Abdussamie等[2]針對LNG動力船加注過程存在潛在后果和操作人員風險安全進行研究；Yeo等[3]使用貝葉斯網絡(BN)對卸載過程動態安全性分析，估計事件發生可能性及安全系統故障概率；Iannaccone等[4]基于船用柴油傳統技術，對可預見液化天然氣加注技術固有安全性能進行比較分析；Animah等[5]用模糊評判法對內河LNG動力船航行過程中環境風險進行研究；Jenong[6]研究液化天然氣船用燃氣供應系統中高壓燃油制備室風險問題。上述研究從相對獨立層面界定船舶航行不同時期風險影響因素，但LNG動力船航行周期內會發生LNG加注、存儲、使用、釋放等任務，船舶遭遇航行、停泊和裝卸等任務，且任務實施工況間相互影響。

部分學者將數學模型與云模型結合，對風險評估展開研究：Liu等[7]提出，云模型可處理定性概念與定量描述的不確定性轉換；姜曾國等[8]用二維云模型從概率和風險損失2個指標定性評估橋梁風險；徐征捷等[9]將模糊層次分析法與云模型結合，利用云模型改進常規模糊綜合評判法；王洪利等[10]基于云模型與灰理論建立灰云模型，融合信息不完全性和人主觀評判隨機性；胡甚平[11]將海上交通風險定義為可能性與后果共同作用，運用灰云推理解決多維度風險測度問題。

本文針對LNG動力船航行過程中LNG使用與船舶航行2個主要作業方式，引入基于二維灰云模型進行LNG動力船航行過程風險多屬性推理，從定量角度分析整個過程風險等級與風險耦合效果，論證過程風險耦合特性。

1 LNG動力船航行風險識別與推理

1.1 LNG動力船航行過程風險

LNG動力船航行一方面將面臨傳統船舶航行人、機、環、管等因素引發的風險事件，另一方面面臨燃料泄漏、火災爆炸和低溫傷害等風險。根據文獻[11]可知，風險是系統內意外事件發生概率和后果的組合，LNG動力船航行過程風險可定義為由LNG動力船航行系統因子相互作用影響下人、船、環境受傷害概率及受傷害嚴重程度組合[12]，如式(1)所示：

(1)

式中：Rν為系統因子風險程度，分為4個等級即高風險Ⅰ，較高風險Ⅱ，一般風險Ⅲ，低風險Ⅳ；v，n分別為系統整體和意外事件影響因子，具體指人、船、環境、管理和LNG等LNG動力船系統風險因子；Pn為系統因子n導致系統意外事件發生概率，包括非常少見(P1)，少見(P2)，一般(P3)，頻繁(P4)，非常頻繁(P5)；Sn為系統因子n導致系統意外事件發生引發后果，一般用非常嚴重(S5)，嚴重(S4)，一般(S3)，輕微(S2)，微小(S1)描述；Wn為系統因子n導致系統意外事件發生影響程度及權重。本文風險定量選擇P和S組合，定義為P*S。

LNG動力船航行過程風險由LNG使用和船舶航行2個任務因素耦合作用形成。

1.2 動力船航行過程風險

在進行風險評估前首先進行風險識別、風險分析、風險評價及風險控制。鑒于LNG動力船航行場景特征，確立由LNG使用和船舶航行2個任務共同構成的航行過程風險。LNG使用著重分析LNG理化特性風險，船舶航行著重分析典型場景條件下船舶通航風險。LNG動力船航行系統因子較多且復雜，可分為人、機械、環境、管理，其中，機械因子劃分為船舶和LNG。這些因子在LNG動力船航行過程中，隨船舶作業屬性不同表現狀態不同，且相互作用與形式存在一定差異。

針對LNG使用風險，受LNG效率擾動及人為失誤影響，存在儲罐超壓、LNG泄漏等風險，且表現為風險影響因素不確定；針對船舶航行風險，易受環境干擾，導致船舶失速、交通類風險和LNG火災爆炸。在考慮人、物與環境不安全因素時，結合實際情況建立LNG動力船航行過程系統因子及風險指標體系，見表1。

表1 LNG動力船航行過程風險指標體系

1.3 LNG動力船風險推理

LNG動力船航行風險取決于每個風險因子發生概率P和產生后果S，而P、S具有不確定性，一般只能做定性描述。為給出定量描述，本文引入二維灰云推理模型，二維灰云推理流程如圖1所示。

圖1 二維灰云推理流程

2 風險推理方法

2.1 云模型與灰云

云模型可實現定性概念與定量值之間不確定性轉換，反映概念歧義性與表達隨機性[13]。二維云模型是一維云模型的延伸，如式(2)所示：

u:U→[0,1],?(x,y)∈U,(x,y)→u

(2)

式中：u為確定度；U為論域；x,y為論域中任意值。二維云模型通過6個數值特征描述總體定量屬性：

1)期望(Ex,Ey)：標定相應定性概念中心值，是云的重心。

2)熵(Fx,Fy)，指期望曲線的熵，反映定性概念在坐標軸方向寬度。

3)超熵(Hx,Hy)，反映二維云投影在平面上厚度，即離散程度。

灰云模型是為克服傳統白化函數缺點提出的1種集成灰性、隨機性、模糊性的模型方法。面對當前多因素相互影響的LNG動力船航行風險問題，灰云模型能有效解決灰性造成的不確定性信息表示問題。

灰云模型是云模型與灰色理論的結合，二維灰云模型將2個一維灰云模型組合，其數字特征如式(3)所示：

(3)

二維灰云確定度如式(4)所示：

(4)

式中：Ix,Iy表示峰值；Ly,Lx,Kx,Ky表示左右界值；Fx,Fy為熵；Hx,Hy為超熵。其中一維變量如式(5)所示：

(5)

式中：σ為給定常數。

2.2 基于條件的云發生器

1)將(Fx,Fy)作為數學期望值、(Hx,Hy)作為標準差，產生二維正態隨機數(Fxi,Fyi)，滿足高斯分布隨機數據。

2)將(Fxi,Fyi)作為標準差，以(Ixi,Iyi)為期望，生成二維正態隨機數Drop(xi,yi)。

3)通過計算得到云滴(xi,yi,ui)，其中(xi,yi)為定性概念與論域中對應位置的值，ui為(xi,yi)該語言值中充當定量度量。

(6)

(7)

式中：F′為正態隨機數，F′～N(F,H2)。

2.3 基于灰云模型風險推理

基于灰云模型風險推理主要包括以下6個步驟：

步驟2：構造灰云尺標。本文采用黃金分割率確立灰云尺標。其中，概率評價論域為[0,10]，后果評價論域為[0,5]，標準灰云數字特征見表2。

表2 標準灰云數字特征

通過專家咨詢得到LNG動力船航行風險大小數字特征Ⅰ級高風險G(41,32,50,0.333 3,0.041 7)；Ⅱ級較高風險G(25,18,32,0.333 3,0.041 7)；Ⅲ級一般風險G(13,8,18,0.333 3,0.041 7)；Ⅳ級低風險G(4,0,8,0.333 3,0.041 7)。

步驟3：確定定性規則。為構造灰云發生器，首先確定風險事件發生概率、后果及風險大小間定性規則。

步驟4：構造規則發生器。規則推理結構由X條件云發生器和Y條件云發生器構成，將定性分析問題轉換為灰云模型定量分析[14]。以x為風險發生概率輸入值，以y為風險影響程度輸入值，通過二維云X條件云發生器得到確定度u，將u輸入一維云Y條件云發生器，獲得單因素作用風險值Ri，將單因素作用風險值Ri加權求和得到最終風險值[15]。

步驟5：權重計算。考慮LNG動力船航行過程中LNG使用和船舶航行作業方式風險形成因素及相互作用程度差異性，需獲取差異化權重值。

1)構造優先關系矩陣。確立層次結構模型，可確定各層次因素相對關系。為準確描述任意2個因素對決策重要性，本文采用0.1～0.9標度法構建表示兩兩因素間相對重要程度的模糊互補矩陣Q=(qij)n×n作為優先關系矩陣。

2)模糊一致矩陣。對矩陣Q=(qij)n×n每行求和，并進行數學變換得到模糊一致矩陣G，如式(8)～(9)所示：

(8)

(9)

式中：i=1,2,3,…,n；j=1,2,3,…,n。

3)因素相對權重計算。基于模糊一致矩陣，采用排序法對各層因素權重進行計算。船舶航行風險因子權重Wn如圖2所示。

圖2 船舶航行風險因子權重

采用虛擬云中浮云計算指標合成，如式(10)所示：

(10)

式中：Exi,Eni,Hei,wi分別為風險因子i對應期望、熵、超熵和權重。

采用虛擬云綜合云模型計算2種作業耦合風險，如式(11)所示：

(11)

式中：Exi,Eni,Hei,wi分別為不同作業i對應期望、熵、超熵和權重。其中，LNG使用、船舶航行權重W=[0.449 5,0.550 5]。

步驟6：規則推理。根據前人觀點及專家建議，確立概率、后果和風險大小間關系,見表3。

表3 風險矩陣

風險等級評價云圖如圖3所示。規則1表示如果概率P1(該風險發生的機率為非常少見)且后果S1(對目標影響微小)，代表風險很低，風險等級為Ⅳ級，風險狀態為低風險。

圖3 風險等級評價云圖

3 實例應用

某LNG動力船長寬283.06 m×43.4 m，總噸位95 753 t，在A港進行加注作業后開往M港。在出港過程中完成LNG使用和船舶航行2種作業方式。采集相關數據并完成過程風險評估。

3.1 情景描述與數據獲取

LNG動力船LNG使用和船舶航行作業安全狀態受各類風險因素影響。針對各指標狀態進行專家評分，獲得每個指標P，S狀態值。

根據設定場景，邀請船舶設計、建造以及航海技術和風險工程領域10名專家，判定各系統因子概率P及后果等級S，并結合云模型將定性判斷數據定量化，確定各因子概率和后果判定結果，如圖4所示。由圖4可知，各數據差異性較明顯，在船舶航行過程中表現不一致。

圖4 LNG使用、航行風險因子P、S值

3.2 模型仿真

按照前述風險仿真流程，結合采集數據進行仿真，以C1為例詳述仿真過程。將人員技術素養風險概率P=3.5和S=3輸入規則發生器，進行100次仿真，得到若干云滴，推理得到風險等級為一般，運用乘法原理計算C1風險，其平均值為10.5。同理，仿真得到其它25個風險因子風險等級，以灰色框條表示云推理結果，如圖5所示。通過乘法原理風險合成公式，得到LNG使用和船舶航行階段不同風險表現。對LNG使用和船舶航行中事故發生概率和后果耦合，用乘法公式得出最終LNG動力船航行過程整體風險值，并用云推理風險等級。

圖5 LNG動力船系統因子風險值和推理結果

3.3 過程風險分析

由圖5可知，LNG使用中，管路閥件因子數據值高；在船舶航行中，熱源(泵、熱工作業、排煙口)因子數據值高。仿真結果見表4，LNG動力船航行過程風險云曲面如圖6所示。

表4 仿真結果

1)LNG使用風險值13.074 8，圖6(a)云顯示處于規則3、規則4和規則5之間，但更靠近規則5，表示該過程風險等級為Ⅲ級，圖6(d)仿真統計值顯示安全等級Ⅲ級占比較多，則LNG使用風險狀態為一般風險。

2)船舶航行風險值7.886 8，圖6(b)云顯示該狀態處于規則1、規則2和規則5之間，但更靠近規則1和規則2，表示船舶航行風險等級為Ⅳ級，圖6(e)仿真統計值顯示安全等級Ⅳ級占比較多，則船舶航行風險狀態為低風險。

3)LNG動力船LNG使用和航行耦合風險為10.206 7。圖6(c)顯示LNG動力船航行過程風險處于規則1、規則2和規則5之間，但更靠近規則5，得到LNG動力船航行過程風險處于Ⅲ級，圖6(f)仿真統計值顯示安全等級屬于Ⅲ級占比較多，則LNG動力船航行過程處于一般風險狀態。

圖6 LNG動力船航行過程風險云曲面

4)燃料供應系統實現液化氣體從燃料艙到發動機的安全控制，整個鏈路中處所、設備、管路閥件均屬于系統控制對象。根據初始事件發展路徑，潛在后果包括小型燃氣泄漏、局部燃燒爆炸、連鎖火災爆炸、大型燃氣泄漏等。船舶航行中根據探測濃度值不同，需采用先報警后關斷策略。關斷時需綜合考慮發動機類型、發生泄漏區域(燃料閥門的前或后段)、燃料供應布置形式以及切斷后船舶動力性等因素進行應急關斷操作決策。

5)基于液化天然氣動力船供氣系統工作流程，當工況變化時，需對發動機設置相應控制方案，以達到最優溫度控制效果，滿足發動機工作需求，保持船舶性能穩定。因存在LNG供應風險，船舶航行過程易出現船舶失速與船舶失控連鎖風險。船舶港內航行時，需要建立完善的安全管理程序，熟悉風險及應對方案，進一步提高失控應急處置能力。因此，需加強人員教育與培訓，以保障LNG動力船安全航行。

4 結論

1)LNG動力船不同作業方式風險值不同，船舶航行處于低風險狀態，LNG使用處于一般風險狀態，整個航行過程處于一般風險狀態，且風險計算值與推理風險等級一致。

2)基于氣體探測、通風、探火以及其他危害等監測系統效率，依據燃料艙、熱交換器、壓縮機、氣體燃料發動機等不同對象建立不同安全控制策略。

3)將二維灰云模型理論應用于LNG動力船航行過程風險評價，將風險發生概率與后果組合，能有效彌補風險評價單一維度評判風險等級不足，且實現定性分析與定量評估間轉換。