基于圖神經網絡的社區戶內燃氣系統動態風險評估

史運濤，黨亞光*，雷振伍，張蔭芬，董 哲

(1.北方工業大學現場總線技術及自動化北京市重點實驗室,北京 100144；2.中國標準化研究院,北京 100089)

隨著我國城市管道燃氣事業的迅速發展，燃氣管道大量進入社區及居民用戶家中。由于燃氣供氣范圍不斷擴大、用戶數量不斷增長，與燃氣有關的各類風險因素也隨之增加，社區戶內燃氣事故呈逐年上升趨勢。據“燃氣爆炸”微信公眾平臺的不完全統計，2020年全國燃氣安全事故共548起，其中室內燃氣事故有327起，占比達到了燃氣事故總數的59.7%。不難看出，社區燃氣用戶已成為燃氣事故高發群體。為了加強對社區戶內燃氣系統的監管，確保社區居民的安全用氣，需要對社區戶內燃氣系統進行風險評估，以快速全面地了解社區戶內燃氣系統的風險水平，從而指導管理者和使用者選擇適當的防范措施來遏制燃氣風險事故的發生，保障社區居民的生命和財產安全。

目前燃氣系統風險評估的對象多為燃氣管道，針對社區戶內燃氣系統，研究工作主要集中于戶內燃氣事故原因的分析與梳理，而對于社區戶內燃氣系統風險評估方法的研究較少。如楊濤等從燃氣設施和安裝質量兩方面著手構建安全評價體系，并基于打分法進行了社區戶內燃氣系統的風險評估；程琦從“操作人員—操作設備—安全管理”三個方面分析室內燃氣管道系統的安全風險影響因素，并構建了室內燃氣管道系統的安全風險評價指標體系；徐小羽通過梳理社區戶內燃氣系統的風險因素，構建了社區戶內燃氣系統的故障樹模型，并利用風險因素評分劃分風險等級，實現了社區戶內燃氣系統的安全評價。

綜上研究可以看出，目前對于社區戶內燃氣系統的風險評估大都是基于專家經驗的靜態分析方法，無法體現社區戶內燃氣系統風險的動態特性。此外，現有的風險評估方法一般只對社區戶內燃氣系統中單獨組成部分進行建模，忽略了社區戶內燃氣系統風險復雜的耦合影響關系，無法對社區戶內燃氣系統可能發生的風險事件提供及時的警告與維護建議。

近年來，基于機器學習的應用可以作為動態風險評估方法的解決方案。因此，本文提出了一種基于圖神經網絡的社區戶內燃氣系統動態風險評估方法。首先，通過構建社區戶內燃氣系統的動態風險評估指標體系，用來反映社區戶內燃氣系統的安全失效動態風險；然后，將知識圖譜用于社區戶內燃氣系統的場景構建，利用知識圖譜來反映社區戶內燃氣系統動態風險復雜的耦合影響關系，并在構建社區戶內燃氣系統知識圖譜基礎上，提出了一種基于圖神經網絡的社區戶內燃氣系統動態風險評估方法，通過對知識圖譜中實體特征進行聚合，挖掘實體深層次的信息，從而實現社區戶內燃氣系統的動態風險評估，可為社區燃氣用戶的安全管理提供理論參考；最后，通過案例應用分析研究，驗證了該方法的有效性和可靠性。

1 構建社區戶內燃氣系統動態風險評估指標體系

建立一個合理的風險評價指標體系對于風險評估具有科學的指導性作用。通過對2016—2020年全國燃氣事故統計數據以及社區戶內典型燃氣安全事故進行全面分析，識別出社區戶內燃氣系統存在的風險問題和風險因素。結合事故分析結果和專家意見，分別從社區戶內燃氣設施因素、運行環境因素、人為因素和管理因素4個方面構建如圖1所示的社區戶內燃氣系統動態風險評估指標體系，實現對社區戶內燃氣系統風險水平科學、準確的描述。

圖1 社區戶內燃氣系統動態風險評估指標體系Fig.1 Dynamic risk assessment index system of community indoor gas system

1.1 燃氣設施因素

社區戶內燃氣系統的構成,如圖2所示。社區燃氣用戶家中的燃氣設施一般包括燃氣立管、燃氣表、燃氣閥門、燃氣灶具、燃氣連接管、燃氣熱水器、抽油煙機等。而燃氣設施由于老化、腐蝕、故障和安裝不當等原因會引發燃氣泄漏的風險問題。例如：導致燃氣表泄漏的原因主要包括使用時間較長造成燃氣表本身密封件老化發生燃氣泄漏、燃氣表使用環境不清潔造成燃氣表腐蝕穿孔發生燃氣泄漏、受外力影響或安裝問題導致燃氣表表體或連接處受損引發燃氣泄漏；而燃氣灶具的風險問題一般包括灶具的老化、灶具自身質量問題和灶具點火失敗等故障問題；燃氣熱水器的風險問題除了由于服役時間長易造成燃氣泄漏外，還包括因設施安裝位置不當和煙道問題可能引起室內聚集大量一氧化碳(CO)。

圖2 社區戶內燃氣系統構成Fig.2 Composition of community indoor gas system

通過對社區戶內燃氣設施的風險分析，其評估指標體系分別從燃氣設施的服役時間、外防腐層完整性、安裝位置和設備故障狀況4個三級指標來反映社區戶內燃氣設施的風險水平。

1.2 運行環境因素

通過分析社區戶內燃氣事故發生原因及其產生的影響，社區戶內燃氣系統安全失效可劃分為燃氣爆炸事故和人員CO中毒事故。燃氣設施由于泄漏以及用氣環境通風不良等風險問題會導致室內可燃氣體聚集，當可燃氣體濃度達到爆炸極限或遇到明火會引發嚴重的燃氣爆炸事故；此外，燃氣設施安裝在密閉空間或通風不良的位置，由于燃氣的不充分燃燒會造成CO聚集，進一步可導致人員CO中毒事故。因此，社區戶內燃氣系統運行環境的風險水平可以通過可燃氣體濃度和CO濃度2個三級指標來反映。

1.3 人為因素

社區戶內燃氣系統由于用戶違規操作和使用不當等人為因素引發的燃氣事故也常有發生，例如：用戶缺乏安全用氣意識，出現用氣時無人看管、使用燃氣后未及時關閉閥門或關閉不到位、未及時更換超期使用的燃氣設施等不良用氣習慣；為了個人使用的便利，未經批準私改燃氣設施、封包暗藏燃氣設施、堆積易燃易爆物品等導致用氣環境失效等。因此，針對社區戶內燃氣系統風險的人為因素，三級指標體系包括用氣習慣、用氣環境可靠性。

1.4 管理因素

管理因素主要是指由于燃氣管理單位存在管理缺陷而引發的風險問題，如燃氣公司未按照規定進入戶內進行周期檢修、宣教不到位等。因此，社區戶內燃氣系統動態風險的管理因素的三級指標體系包括安全教育知識宣傳力度和入戶檢修頻率。

2 構建社區戶內燃氣系統的知識圖譜

知識圖譜旨在描述真實世界中存在的各種實體或概念，以及它們之間的關聯關系。在知識圖譜中，每個實體具有屬性值，每個屬性值用來刻畫實體的內在特征，而關系用來連接兩個實體，用來刻畫它們之間存在的關聯關系。知識圖譜以圖的形式表示客觀世界中存在的“實體”和實體間的“關系”。本文在社區戶內燃氣系統動態風險評估指標體系的基礎上，利用知識圖譜來反映戶內燃氣系統風險復雜的耦合影響關系，實現社區戶內燃氣系統的場景構建。

具體地，將評估指標體系中二級指標“燃氣設施因素”作為一種實體類型，其余二級指標“運行環境因素”“人為因素”和“管理因素”綜合為“燃氣用戶”實體類型，用來反映燃氣用戶的風險水平。同時，根據社區戶內燃氣系統的構成，定義“燃氣設施”之間的關系為“連接”；“燃氣設施”與“燃氣用戶”間的關系為“屬于”。最終，構建的社區戶內燃氣系統知識圖譜，見圖3。

圖3 社區戶內燃氣系統知識圖譜Fig.3 Knowledge graph of community indoor gas system

此外，將評估指標體系中的三級指標作為實體的內在特征，即實體的屬性值。為了對實體特征進行規范的描述，根據《城鎮燃氣設計規范》[GB 50028—2006(2020年版)]中居民生活用氣應用要求，對實體的特征進行了簡化和離散化處理，其離散化處理結果見表1。考慮到實體“燃氣設施”對實體“燃氣用戶”的風險影響，將兩種實體間的特征進行關聯，如：“用氣習慣”的結果受“服役時間”的影響；“燃氣設施可靠性”的結果受“設施故障狀況”的影響。在離散化結果中，由于燃氣設施的設計壽命不同，因此“服役時間”的特征值由燃氣設施的設計壽命決定。例如戶內燃氣系統中某一灶具閥門的服役時間為3～4 a之間，其設計壽命為10 a，則對應的特征值為“<設計壽命50%”。

表1 社區戶內燃氣系統實體特征的離散化處理Table 1 Discretization of entity features of community indoor gas system

3 基于圖神經網絡的社區戶內燃氣系統動態風險評估方法

根據上述構建的社區戶內燃氣系統知識圖譜以及對知識圖譜實體特征的離散化處理結果，本文提出了一種基于圖神經網絡的社區戶內燃氣系統動態風險評估方法。圖神經網絡(Graph Neural Network,GNN) 是一種連接模型，它通過圖的節點之間的消息傳遞來捕捉圖的依賴關系，能夠處理具有廣義拓撲圖結構的數據，如知識圖譜等，并可深入發掘其特征和規律。目前GNN的主要應用包括實體分類、鏈路預測和圖分類等任務場景。

如圖4所示為基于圖神經網絡的社區戶內燃氣系統動態風險評估模型的實現流程。

圖4 社區戶內燃氣系統動態風險評估模型的實現流程Fig.4 Implementation process of community indoor gas system dynamic risk assessment model

將社區戶內燃氣系統知識圖譜的實體特征矩陣和表示實體間連接關系的鄰接矩陣作為社區戶內燃氣系統動態風險評估模型的輸入。模型結構共分為3層：實體級注意力層、語義級注意力層和實體分類層。在社區戶內燃氣系統知識圖譜中，實體間具有不同的關系，給定一種關系，每個實體都有基于該關系的鄰居實體。首先，實體級注意力層利用注意力機制學習某一實體(目標實體)在特定關系下鄰居實體的重要性，得到目標實體在鄰居實體影響下的特征嵌入；然后，語義級注意力層利用注意力機制學習不同關系的重要性，為其分配權重，并計算目標實體在不同關系影響下的實體特征嵌入，挖掘實體特征的深層信息；最后，將經實體級注意力層和語義級注意力層后得到的目標實體新的特征嵌入輸入到實體分類層進行分類，判定目標實體的標簽類別，實現目標實體的風險等級劃分。

3.1 模型相關變量定義

在構建社區戶內燃氣系統動態風險評估模型前，先對模型中的相關變量進行定義。

定義1：社區戶內燃氣系統知識圖譜由

G

=(

V

，

R

)表示，其中

V

={

e

,

e

,…,

e

}表示知識圖譜中的實體集合,

R

={

r

,

r

,…,

r

}表示知識圖譜的關系集合,

N

表示知識圖譜中的實體個數,

D

表示知識圖譜中的關系個數。

定義3：社區戶內燃氣系統知識圖譜中實體間的關系稱為語義路徑，實體在不同的語義路徑下具有不同的語義信息。語義路徑集合表示為

φ

={

φ

,

φ

,…,

φ

,…,

φ

}，其中

P

為知識圖譜中的語義路徑個數,

φ

表示某一語義路徑。

3.2 實體級注意力層

針對社區戶內燃氣系統知識圖譜，考慮實體間的影響關系，對實體特征信息進行聚合。首先，實體級注意力層利用實體級注意力機制學習基于特定語義路徑目標實體的鄰居實體重要性，并為它們分配不同的權重，通過聚合目標實體自身特征和鄰居實體的特征，得到目標實體新的特征嵌入。

由于不同實體類型具有不同的特征空間，為了將知識圖譜中不同類型實體的特征映射到同一特征空間中，需要將實體特征進行線性變換，得到映射到高維空間的特征向量，其計算公式為

(1)

為了學習鄰居實體對于目標實體的權重，引入了實體級注意力機制，其作用是能夠更好地學習到目標實體與鄰居實體特征之間的依賴關系，其計算公式為

(2)

為了使實體級注意力系數便于計算和比較，利用softmax函數對實體級注意力系數進行歸一化處理，其公式為

(3)

公式(3)是一個單層的前饋神經網絡，并加入了LeakyReLu函數作為非線性的激活函數。利用該式運算得到了歸一化后的不同實體間的注意力系數，使用注意力系數計算對應特征的線性組合并結合多頭注意力機制，其計算公式為

(4)

3.3 語義級注意力層

在實體級注意力層的基礎上，為了得到實體在不同語義路徑下的特征嵌入，在語義級注意力層引入了語義級注意力機制，將實體級注意力層的輸出作為語義級注意力層輸入，通過計算不同語義路徑的重要性，得到不同語義路徑的權重，進一步得到實體在不同語義路徑下的特征嵌入。

(5)

與實體級注意力系數一致，為了使語義級注意力系數更容易計算和比較，利用softmax函數對語義注意力系數進行歸一化處理，其公式為

μ

=softmax(

attn

_

sem

)

(6)

(7)

3.4 模型結構

為了獲得社區戶內燃氣系統知識圖譜中目標實體的最終特征嵌入，模型分別使用了兩個實體級注意力層和語義級注意力層，具體計算公式如下：

(8)

(9)

3.5 實體分類層

為了實現知識圖譜中實體的風險等級評估，在實體級和語義級注意力層后增加了實體分類層。定義社區戶內燃氣系統風險評價等級集合為{低風險，較低風險，中等風險，較高風險，高風險}，利用softmax函數作為實體分類層激活函數，將語義級注意力層的輸出作為實體分類層的輸入，可得到目標實體屬于各個風險等級的概率。實體分類層的計算公式為

(10)

社區戶內燃氣系統動態風險評估模型的整體結構，見圖5。

圖5 社區戶內燃氣系統動態風險評估模型結構Fig.5 Structure of dynamic risk assessment model for indoor gas

為了對模型中的參數進行訓練，利用交叉熵損失函數對帶標簽的訓練數據與預測結果進行對比。交叉熵損失函數的計算公式為

(11)

表2 實體分類標簽編碼Table 2 Encodings of entity classification label

利用公式(11)計算帶標簽實體的真實風險等級與預測結果之間的差異，并利用梯度下降法反傳誤差進行半監督學習，對模型中可學習的參數進行訓練。

3.6 模型訓練

3.6.1 數據來源與數據處理

為了對社區戶內燃氣系統動態風險評估模型的參數進行訓練，通過對北京市石景山區建鋼南里社區進行調研，獲得了相關數據。在社區中，通過設計數據采集表獲得知識圖譜中的實體特征數據，同時利用項目應用示范工程在社區加裝的物聯網傳感器獲得社區燃氣用戶可燃氣體濃度和CO濃度的相關數據。

通過數據采集，得到建鋼南里社區103個燃氣用戶共1 000個實體的特征數據，通過對數據進行處理后得到模型輸入的特征矩陣和鄰接矩陣。

另外，為了構建模型訓練的標簽集合，結合層次分析法和專家打分法對實體進行風險評估。具體計算步驟為：利用層次分析法獲得實體特征的權值矩陣

W

，并根據實體的特征進行專家打分，得到分數矩陣

S

，通過公式Risk=

W

·

S

計算實體的分數，并根據風險等級劃分原則(見表3)，確定實體的風險等級。

表3 風險等級劃分表Table 3 Risk classification

3.6.2 模型參數設置

3.6.3 模型訓練結果

模型訓練結果見圖6，其中train_loss和val_loss分別對應左縱坐標中訓練集損失和驗證集損失；train_acc和val_acc分別對應右縱坐標中的訓練集準確率和驗證集準確率。

圖6 模型訓練結果Fig.6 Model training results

由圖6可見，當迭代至334次時，模型準確率達到了最高的88.3%，說明當訓練集數據只占數據集的20%時，模型已有較好的預測結果。

繼續增大訓練集數據量，并在不同訓練集占比下重復訓練10次，將驗證集和測試集準確率的最大值作為模型訓練結果，見表4。

表4 不同訓練集占比的模型訓練結果對比Table 4 Comparison of different training set proportion model results

根據模型訓練結果(見表4)，模型具有較高的準確率，可用于社區戶內燃氣系統的風險評估。

4 案例應用與分析

本文選取北京市石景山區建鋼南里社區燃氣用戶作為評估對象，分別于2019年10月和2020年10月使用數據采集表對該社區中103個燃氣用戶進行調研，獲得了相關數據，并利用訓練好的社區戶內燃氣系統動態風險評估模型對其進行風險評估，其評估結果見圖7和表5。

圖7 建鋼南里社區中不同時間實體數據風險水平變化Fig.7 Change of entity risk level at different time in Jiangang Nanli Community

表5 建鋼南里社區中不同時間較高風險和高風險實體類型數量的統計結果Table 5 Comparison of the number of high-risk and higher-risk entity types at different time in Jiangang Nanli Community

由圖7可見，根據模型評估結果，隨著時間的變化，建鋼南里社區中較高風險和高風險的實體數量有所增加。通過對該社區中不同時間較高風險和高風險實體類型數量的統計結果(見表5)進行對比分析，發現在該社區中燃氣連接管、燃氣表和燃氣熱水器等實體類型存在較高風險和高風險的數量相對較多。結合社區燃氣用戶使用燃氣的實際情況，分析其原因主要為：①社區部分燃氣用戶使用的燃氣連接管材質為膠管，而燃氣膠管的設計壽命一般為18個月，在該社區中特別在老年人家中存在燃氣膠管超期使用的情況較多；②建鋼南里社區是建成于20世紀80年代的老舊小區，社區內公共燃氣設施服務年限較長，戶內燃氣表和燃氣立管由于老化和腐蝕等原因，存在較為嚴重的風險問題；③社區部分燃氣用戶使用的燃氣熱水器安裝在衛生間、廚房等通風不良的位置，存在較大的安全隱患，同時部分用戶家中使用的燃氣熱水器服役時間較長，存在設施老化、故障等問題。

此外，根據建鋼南里社區部分實體間的風險影響評估結果(見圖8)可以看出：當“燃氣熱水器3”的實體特征為{>設計壽命90%，破損點≥5個，安裝位置不合格，有故障}，模型預測其風險等級為“高風險”，與之相連的“燃氣用戶3”受其影響，模型預測其風險等級為“中等風險”；當與“燃氣用戶12”相連的“燃氣表12”、“燃氣灶具12”和“抽油煙機12”的實體特征分別為{>設計壽命90%，破損點≥5個，安裝位置不合格，有故障}、{>設計壽命90%，破損點<5個，安裝位置不合格，有故障}和{>設計壽命90%，破損點≥5個，安裝位置不合格，無故障}，模型預測“燃氣表12”、“燃氣灶具12”和“抽油煙機12”的風險等級分別為{高風險，高風險，較高風險}，受3個實體的風險影響，模型預測“燃氣用戶12”的風險等級為“高風險”。

圖8 建鋼南里社區中實體間的風險影響評估結果Fig.8 Risk impact results between entities of Jiangang Nanli Community

通過上述分析可知，所構建的動態風險評估模型可以針對社區戶內燃氣系統風險復雜的耦合影響關系進行動態風險評估，并根據評估結果確定社區戶內燃氣系統存在的風險問題，這對采取有效的風險防控措施指明了方向,如：社區管理者應督促燃氣用戶對風險較高的燃氣連接管和燃氣熱水器進行及時更換；對于腐蝕較為嚴重的燃氣表，燃氣公司應及時進行檢修和更換，以避免燃氣事故的發生。

5 結論與建議

本文以社區戶內燃氣系統為研究對象，通過構建社區戶內燃氣系統動態風險評估指標體系，結合社區戶內燃氣系統的構成，建立了社區戶內燃氣系統的知識圖譜，并提出了一種基于圖神經網絡的社區戶內燃氣系統動態風險評估方法。通過實例應用分析表明：該方法可以針對社區戶內燃氣系統風險復雜的耦合影響關系，實現社區戶內燃氣系統的安全動態風險評價，對社區燃氣用戶的安全管理與采取及時有效的風險防控措施具有一定的指導和參考意義。

本文的研究中，評估對象未考慮燃氣取暖器、燃氣壁掛爐等戶內燃氣設施的影響，未來將進一步完善評估對象，并深入研究圖神經網絡方法在燃氣風險評估中的應用。