基于Bow-Tie模型和貝葉斯網絡的LNG加氣站動態風險分析

陳靜，董敏，史博文

1.包頭市住房和城鄉建設局（內蒙古 包頭 014017）

2.包頭港華燃氣有限公司（內蒙古 包頭 014200）

3.內蒙古西部天氣包頭市昊宇新能源有限責任公司（內蒙古 包頭 014040）

LNG具有安全、環保、經濟等優勢，常作為車用燃料用于重型卡車和大型客車。截至2019年，全國共建成LNG加氣站超過3 100座[1]，到2030年我國LNG進口需求將達到1 455億m3[2]。旺盛的需求將帶動LNG進口量和接收能力的持續增加，LNG加氣站布局也將會不斷發展和完善[3]。另外，LNG一旦泄漏，在環境溫度下極易形成易燃、易爆的蒸發氣，若被點燃將造成劇烈的燃燒爆炸事故，給人民群眾的生命財產造成極大損失[4]。為此，有必要對相關站場進行風險分析，為LNG安全行業的設計、制造、安裝、施工、操作和維護以及檢修等方面的決策提供參考[5]。目前國內外針對LNG生產-運輸系統進行了大量的風險評價，但主要集中在LNG運輸船、接收站、工廠和儲罐[6]。而針對LNG加氣站的風險分析與評價內容相對缺乏，特別是缺少運用動態風險分析方法對LNG加氣站進行分析[7]。因此，本文建立了LNG加氣站的Bow-Tie（BT）模型，并根據映射規則將其轉化為貝葉斯網絡Bayesian Network（BN）模型，以模糊集理論和多層次專家評判得到的模糊概率為先驗概率，對LNG加氣站系統進行了動態風險評估（Dynamic risk analysis，DRA）。

1 評價模型建立

1.1 基于Bow-Tie模型的貝葉斯網絡模型

BT模型由關鍵事件、事故樹和事件樹構成，其中事故樹可識別引起關鍵事件的基本事件，而事件樹根據安全功能的失敗或成功，顯示關鍵事件的可能后果[8]，典型BT模型如圖1所示。該模型是較為流行的風險分析方法之一，但存在不能適應事故動態性的缺點。為了克服該缺點，可引入BN模型，它能清晰地表達每個事件之間的因果關系[9]。本文采用Khakzad等人提出的BT模型到BN模型的映射法則[10]，將BT模型轉換為相應的BN模型。由于本文重點分析LNG加氣站事故的原因，因此不再對關鍵事件所引發的后果進行過多分析，故只需要對事故樹進行一一映射。

圖1 BT模型的一般結構

1.2 模型建立

根據美國能源部科學技術信息辦公室OSTI評估報告，引起LNG加氣站事故的主要因素是LNG泄漏[11]。結合對國內多個LNG加氣站的調研，以及參考相關文獻[12]，建立了如圖2所示的BT模型，其模型符號注釋見表1。根據所得到的BT模型事故樹中的基本事件、中間事件和關鍵事件對應著貝葉斯網絡中的葉節點、中間節點以及根節點，采用GeNIe軟件得到BN模型如圖3所示。

表1 BT模型符號注釋表

圖2 典型LNG加氣站BT模型

圖3 典型LNG加氣站失效事故樹BN模型

2 融合專家知識的模糊概率

經過調研、收集文獻和查找挪威船級社OREDA數據庫[13]，很難獲取表1基本事件發生概率。因此，只有結合專家知識的方法來計算基本事件的發生概率。本文利用融合專家知識的模糊概率方法，它將模糊集理論和層次分析法與專家的判斷進行融合，獲得基本事件的發生概率。先利用層次分析法獲取專家權重，再用模糊集理論將專家知識轉化為基本事件的模糊概率。

2.1 專家評定

邀請5位具有天然氣相關站場（包括CNG或LNG加氣站）設計建造、施工管理和安全評價相關工程經驗的工程師以及具有相關項目研究背景的高校教師作為專家，對LNG站場安全風險因素進行評價，相關信息見表2。根據基本事件發生概率，將每個事件發生水平分為5個級別：極高（VH、紅），高（H、橙），中（M、黃），低（L、藍）和極低（VL、綠）。結合專家的知識和經驗，判斷導致LNG加氣站燃氣泄漏的基本事件的發生概率，相關判決結果見表3。需要注意，經過專家知識轉化的基本事件模糊概率已經列入表3，而具體轉化過程見2.2節。

表2 專家基本情況

表3 專家評判結果與模糊概率

專業技術知識和工程經驗存在不可避免的差異，采用層次分析法被用來確定專家判斷的權重[14]。將專家的教育程度、職稱和工齡作為評價指標。從上到下建立了專家能力的層次化指標體系，如圖4所示。每個指標的相對重要性通過判斷矩陣得到，判斷矩陣的標準層，學位和專業職稱的判斷矩陣通過1-9標度法[15]構建，見表4~表7。

圖4 專家能力目標體系

表4 準則層判斷矩陣

表5 專家教育程度判斷矩陣

表6 專家職稱判斷矩陣

表7 專家工齡判斷矩陣

層次分析法計算權重分4個步驟：第一步，構建如表4～表7的判斷矩陣；第二步，計算各判斷矩陣特征向量及其最大特征根；第三步，進行一致性檢驗，經過計算，各判斷矩陣的一致性比均小于0.1，滿足一致性檢驗的要求，表明各判斷矩陣是合理可靠的；第四步，進行復合權重計算，具體對每個判斷矩陣進行歸一化計算。通過計算各層次指標對其上層指標的權重，自上而下地確定各層次指標相對于評價指標的權重。最后，5位專家的權重分別是0.228 8、0.207 0、0.258 6、0.132 1、0.173 6。

2.2 模糊概率

基本事件發生概率的不同水平對應于不同的隸屬度函數[16]。根據圖5所示的隸屬度函數曲線，將專家對每個基本事件的判斷模糊化，轉化為相應的模糊數。其中5種隸屬度函數所對應的模糊數分別為fVL=[0,0,0.1,0.2]，fL=[0.1,0.25,0.4]，fM=[0.3,0.5,0.7]，fH=[0.6,0.7,0.9]，fVH=[0.8,0.9,1,1]。根據表8中專家的權重，對不同專家的不同模糊數進行歸納，得到同一基本事件的總模糊數[17]。

圖5 隸屬度函數曲線

式中：Yi表示基本事件Xi的總體模糊數；wj表示專家權重；yij表示專家j給出的基本事件Xi的模糊數；m表示基本事件數量；n表示專家數量。

采用最大最小集合方法將模糊數轉化為模糊可能性得分[18-19]。模糊可能性評分被定義為:

式中：FMR和FML分別表示模糊數的左右效用得分，可以通過以下方式計算得到。

式中：fmax(x)和fmin(x)分別表示模糊最大化集和模糊最小化集，定義為：

對于LNG加氣站的風險分析，基本事件的發生概率即為由基本事件引起的LNG加氣站燃氣泄漏的失效概率[11]。模糊可能性評分可以經過計算轉換成每個基本事件發生的模糊概率，如式（5）所示。經過上述計算，得到每個基本事件的模糊概率，結果已經列入表3。以基本事件X26為例，按照公式（1）可以求得其總體模糊數的λ截集為[0.156 6λ+0.560 4,0.873 7-0.156 6λ]，轉化為綜合模糊數為[0.560 4,0.717 1,0.873 7]。按照公式（2）、（3）和（4）求得模糊可能性評分為0.687 7。最后按照公式（5）計算得到該事件的模糊概率，即為0.017 0。同理，可求得其他基本事件的模糊概率。

3 動態風險分析

3.1 泄漏預測

將基本事件的模糊概率作為先驗概率，輸入到BN模型中。由軟件計算可知，該LNG加氣站失效概率為0.078 822，說明LNG加氣站發生LNG泄漏的概率還是較大。假設LNG加氣站出現泄漏，所有基本事件的后驗概率可以通過更新BN網絡來獲得，如表9的第三列所示。通過BN網絡，不僅可以計算出事件的先驗概率和后驗概率，還可以根據最新的信息預測LNG加氣站的故障，即實現動態風險分析。比如，假設發生車輛駛離（X14）事件，則加氣站發生LNG泄漏的概率會按表9第4行所示更新。具體來看，當出現LNG車輛加氣過程中帶著軟管駛離的情況（即車輛駛離），整個LNG加氣站的泄漏概率變為了0.081 371。相較于先驗概率0.078 822并沒有增加許多，可以看出這種情況不會造成太大的LNG泄漏。這可能是因為，雖然出現了車輛駛離拉斷了加氣軟管，但是因為存在拉斷閥，造成車輛LNG儲罐或者站場LNG儲罐的破壞的可能性低。因建立了53個基本事件，若要對這些基本事件就LNG加氣站泄漏的影響進行排序還需要進行敏感性分析。

表9 LNG加氣站基本事件發生概率與基本事件提升指數

續表

3.2 溯源分析

3.2.1 敏感性分析

如圖6所示，通過比較和分析基本事件的先驗概率和后驗概率，以及它們之間的差異，可以得到每個基本事件對LNG加氣站泄漏的敏感性。從圖6中可以看出，對于加氣站泄漏高度敏感的基本事件依次為誤操作（X26）、氣相閥無法開啟（X52）、密封材料失效（X35）、充裝閥組失效（X20）、截斷閥失效（X51）、儲罐回氣問題（X21）、軟管超壓（X11）、安全閥無法開啟（X53）、密封超壓（X34）。從敏感性分析可知，影響LNG加氣站泄漏主要集中在以下4個方面，誤操作（X26）、閥組失效（IE19）、密封失效（IE12）和充裝過程相關失效（IE6）。結合前面的失效預測可以看出誤操作是影響LNG加氣站泄漏的最主要因素，與前人研究結果是一致的。比如在化工和加工工業中，相關研究表明因人為失誤而導致的事故占總數的70%至90%[20-21]。故建議在加大對于站場工作人員的管理培訓并提高技能水平，以及加大安全排查力度和調高維護水平，特別是針對閥門的檢查，以及定期更換密封材料。

圖6 基本事件先驗與后驗概率的距離差值

3.2.2 提升指數

當基本事件缺失時，通過計算LNG加氣站泄漏發生概率的變化，分析基本事件對泄漏概率提升的貢獻值。通過比較各基本事件的貢獻值，可以找出對LNG加氣站可靠性影響較大的基本事件。提升指數的定義是為了量化每個基本事件的貢獻值[22]，其計算公式如下：式中：IIi表示基本事件Xi的提升指數；Ii表示基本事件Xi對關鍵事件提升的貢獻；P(K)prior表示關鍵事件的先驗概率，本文中即為LNG泄漏的先驗概率；Pi(K)prior表示基本事件Xi缺失時對LNG泄漏的先驗概率。

當每個基本事件分別丟失時，LNG加氣站泄漏的失效概率由BN模型網絡進行更新。根據公式（6）及（7），得出每個基本事件的提升指數，如表9和圖7所示。對導致LNG加氣站泄漏失效概率增加起重要作用的基本事件是X26、X52、X35、X20、X51、X21、X11、X34、X53，這與敏感性分析的結果基本一致。

圖7 基本事件的提升指數

3.2.3 演化路徑

確定事故演化路徑的最有效方法是進行最小割集分析。采用布爾代數方法計算故障樹模型的最小割集。通過分析最小割集的重要性，得到了導致LNG加氣站泄漏的最可能的演化路徑。計算公式如下：

式中：I(MCSi)表示最小割集MCSi的重要度；P(MCSi)表示最小割集MCSi的發生概率；P（LNG）表示關鍵事件的發生概率，即LNG泄漏的發生概率；P(Xj)為組成最小割集的基本事件Xj的發生概率。

通過計算，得到最小割集在LNG加氣站事故樹模型中的重要性，結果列入表10。最小割集重要度的大小對應導致關鍵事件發生的最可能事故發展路徑。可以看出，導致LNG泄漏事故的演變路徑最有可能是誤操作（X26），其次是氣相閥無法開啟（X52）。

表10 最小割集重要度

續表

通過溯源性分析，結果表明：LNG加氣站泄漏的最可能的風險源是站場工作人員的誤操作。其次是閥組失效，主要包括系統截斷閥失效、氣相閥無法開啟和安全閥無法開啟；密封失效，包括密封設施設計、制造、安裝和維護錯誤、密封部位超壓和密封材料的失效；以及充裝過程相關失效，包括錯誤軟管連接、充裝系統閥組失效、儲罐回氣問題、過度充裝和車輛超載。因此，需要提高站場工作人員的相關培訓，定期進行安全檢查，重點檢查站場各種閥組特別是各種氣相閥門，保證BOG平衡以及安全閥能夠開啟狀態，以及定期更換密封材料防止因老化而導致LNG泄漏的出現。

4 結論

本文建立了LNG加氣站泄漏的BT模型，并根據映射規則建立了相應的貝葉斯網絡模型。結合專家判斷，利用模糊集理論和層次分析法對LNG加氣站進行了動態風險分析。主要結論如下：

1）導致LNG加氣站泄漏的主要影響因素包括誤操作、閥組失效、密封失效和充裝過程相關失效。

2）可以通過更新信息來進行LNG加氣站的故障預測，值得注意的是車輛的駛離（軟管仍連接）并不會對LNG加氣站的泄漏造成很大影響。

3）對LNG加氣站故障具有較高敏感性和較高促進指數的基本事件是一致的。LNG加氣站的安全管理需要加強人員操作培訓，定期對閥組和密封材料進行檢查和維護，加強對于充裝過程的規范化管理，嚴格規范充裝操作過程。