基于BN-FCEM的燃氣管道風險評估

中圖分類號 TQ055.8+1 文獻標志碼A 文章編號 0254-6094（2025）04-0674-10

我國城市燃氣管網工程體量巨大，且逐年快速增加[1]。為居民生活及工業生產提供便利的同時也帶來了諸多安全隱患。燃氣管道一旦發生泄漏，極易造成風險難以預測和控制的復合型災害，使災害范圍擴大，風險上升。例如2021年湖北十堰“6·13\"燃氣重大爆炸事故，共造成25人死亡、138人受傷，直接經濟損失達5395.41萬元[2]。因此，為了加強燃氣管道安全管理工作，預防和減少燃氣管道事故，保障人民群眾生命和財產安全，研究有效的燃氣管道風險評估方法具有重要的現實意義。

依據SY/T6859—2020《油氣輸送管道風險評價導則》，風險可以表示為失效可能性與后果的乘積。常用的油氣管道風險評估方法主要分為定性、半定量和定量分析法。定性分析法有風險矩陣法、層次分析法（AnalyticHierarchyProcess，AHP）及模糊綜合評價法（FuzzyComprehensiveEvaluationMethod，FCEM）等。半定量分析法有危險和可操作性分析法（HazardandOperability Analysis，HAZOP）、保護層分析法（LayerofPro-tectionAnalysis，LOPA）和物元可拓理論（Matter-elementExtensionTheory，MET）。定量分析法有故障樹分析法（Fault TreeAnalysis，FTA）、事件樹分析法（Event TreeAnalysis，ETA）及貝葉斯網絡（Bayesian Network，BN）等。

風險識別方面，孫逸林等集成事故地圖和貝葉斯網絡，結合2014～2022年間發生的322起典型城鎮燃氣管網事故，對城鎮燃氣管網事故關鍵致因和最大致因鏈進行了識別并針對分析結果提出相應風險防控對策[3]。DENGQ等基于解釋性結構模型和貝葉斯網絡模型，結合89起歷史城市燃氣管道事故案例，對燃氣管道泄漏的主要風險源和風險因素之間的耦合關系進行了分析[4]。於孝春等為全面分析燃氣管道泄漏的因果關系，引入BT模型構建城市燃氣管道泄漏的網絡關系圖，基于模糊集理論，對各事件進行模糊失效概率分析；最后結合模糊層次分析法，對事件樹的頂點事件后果嚴重性進行計算，得到了燃氣管道泄漏后果值[5。風險分析方面，呂良海等為有效分析并評估室內燃氣泄漏風險，引入時間參數，對室內燃氣事故概率進行預測[6]。杜雨霽等為了準確評估燃氣管網的風險等級，選取管道自身因素、外界環境、巡檢養護3個一級指標以及壓力等9個二級指標，基于模糊層次分析和改進變異系數建立了燃氣管網風險等級評估模型，實現燃氣管網的量化風險評估[7]。張繼信等為解決綜合管廊燃氣管網系統風險因素多、風險狀態隨時間動態變化等問題，在傳統故障樹、靜態貝葉斯網絡等方法的基礎上提出了城市綜合管廊燃氣泄漏動態風險評價方法[8]

然而，現有的研究成果缺乏對于風險的綜合分析或者對于風險后果的分析僅局限于針對安全屏障的二元變量，且沒有深入研究挖掘關鍵風險源并加以管控對燃氣管道泄漏事件預防和減少的重要性。此外，檢驗檢測方面，常用的燃氣管道風險評估方法為模糊綜合評價法，但是該方法無法進行模型推理、識別燃氣管道泄漏事故發生的重要風險因素。

為此，筆者針對燃氣管道泄漏風險問題，提出了基于貝葉斯網絡和模糊綜合評價法的城市燃氣管道風險評估方法。首先，基于貝葉斯網絡進行燃氣管道風險概率分析；其次，在貝葉斯網絡模型的基礎上進行反向推理，識別燃氣管道泄漏的重要風險因素；最后，基于模糊綜合法評估燃氣管道泄漏的風險后果，結合風險概率分析結果，評估城市燃氣管道風險水平，為燃氣管道安全管理提供決策輔助。

1 風險評估理論

1.1 貝葉斯網絡

BN模型又稱有向無環圖（DirectedAcyclicGraphical，DAG）模型或信念網絡，是一種基于貝葉斯理論的概率模型。貝葉斯網絡以圖論和概率論為基礎，模型由有向無環圖和條件概率表組成，有向無環圖由代表隨機變量的節點和表示節點間因果關系的有向弧構成，節點由父節點指向子節點，其中無父節點的節點稱為根節點，無子節點的節點稱為葉節點。貝葉斯網絡結構示意圖如圖1所示[9]

貝葉斯網絡模型的構建過程較為繁瑣。首先，需要確定研究對象的關鍵節點；其次，分析各變量之間的因果關系，構建研究對象拓撲圖；最后，確定各節點的網絡參數即相應各節點的概率，節點概率主要包含先驗概率和條件概率；具體流程如圖2所示。

圖1 貝葉斯網絡結構示意圖

1.2模糊綜合評價法

模糊綜合評價法（Fuzzy Comprehensive Eval-uationMethod，FCEM）是一種基于模糊數學的綜合評價方法[10]。FCEM分析風險后果主要分為5個步驟：

a.建立風險評價指標集

表示指標集數量；

b.建立風險后果等級集

表示風險后果等級分級；

c.確定隸屬度向量 β=[B_j1，B_j2 ， …，B_jn2. ]T，j泛指底層指標數量；d.確定指標權重 n₃ 表示指標數量；e.得到模糊綜合評價結果 V=W×B 。

1.3 改進層次分析法

采用改進層次分析法得到初始判斷矩陣，其中相對重要性 的計算式如下[11]：

其中， n 表示指標層指標數； a_ij 表示元素指標 X_i 和 X_i 之間的重要性比例標度，其取值及定義見表1。

a_ij 計算式如下：

其中 ，r_i，r_j 表示第i j 個指標的相對重要性。權重 計算式如下：

圖2 貝葉斯網絡模型構建流程

表1重要性比例標度取值及定義

2 風險評價方法

筆者提出的燃氣管道風險評估方法流程框架如圖3所示。

2.1 風險評價準則

結合燃氣管道風險評價相關法規、定期檢驗內容及相關文獻，對燃氣管道的泄漏風險等級進行量化。風險共分為5級（表2），不同風險等級的含義為：I級—不需要監督檢查；Ⅱ級—需要遵守安全操作規程；Ⅲ級—需要定期監督檢查整改；V級—需要采取措施降低風險；V級——需要實時監督檢查，以防事故發生。風險 R= 風險概率P× 風險后果C，其中風險概率P可分為1～5級，各級取值范圍分別為（0，0.0003]、（0.0003，0.003]、（0.003，0.03]、（0.03，0.3]、（0.3，1）。

2.2 燃氣管道泄漏風險識別及模型構建

將燃氣管道泄漏作為頂事件，通過燃氣管道事故報告、參考燃氣管道泄漏相關文獻及專家咨詢來確定燃氣管道泄漏的中間事件及底事件，再結合燃氣管道全面檢驗項目，將FTA模型轉換為圖4所示的BN模型拓撲網絡結構，表3為各節點的詳細信息。

圖3燃氣管道風險評估方法流程框架

表2燃氣管道綜合風險等級

圖4燃氣管道泄漏事故BN模型拓撲網絡結構

2.3 參數信息

貝葉斯網絡模型構建主要包含兩個部分：網絡結構構建和網絡參數確定。

網絡結構可以通過蘊含因果關系的模型轉換形成，也可通過大量的案例數據進行網絡結構學習建立。為使網絡結構更加符合實際，筆者通過FTA模型轉換建立貝葉斯網絡結構。

網絡參數可由燃氣管道泄漏事故統計數據和專家評估方法確定，但由于不具備大量的燃氣管道泄漏事故分析報告來獲取數據，文中的網絡參數采用專家評價和現場檢驗的方法來確定。通常情況下，專家難以給出事件發生概率的精準值，因此，專家評估具有一定的不確定性，模糊集理論的出現較好地彌補了該缺陷，從而可以利用自然語言對事件的發生概率進行描述。

2.3.1 專家意見聚合

職稱、學歷及工作經驗等因素導致專家評估結果的可靠性存在差異，為了減少專家個體差異對評估結果的影響，使評估結果相對精確，將權重分配到專家個體。專家權重說明見表4。

表3燃氣管道風險評價指標體系

表4專家權重說明

二元變量采用Noise-OR模型確定條件概率，條件概率[12]和概率分布計算式分別如下：

其中， X_n 表示指標變量， P_i^? 表示僅風險指標i的失效導致上一級指標失效的概率， ?，N 表示專家人數，Y表示泄漏事件， X₁ 表示事件 X 發生， ω_ik 表示判斷風險指標i發生的第 k 個專家對應的權重得分， ω_k 表示全部專家權重得分之和。

以第三方破壞為例，邀請18名燃氣管道檢驗檢測人員，咨詢僅第三方施工無監控時，導致第三方破壞事件發生的概率。其中，有1名I類、3名Ⅱ類和3名Ⅲ類專家認為會發生，則失效概率為0.39。同理可得風險指標B4、B6的失效概率為0.34，0.32 。根據式（4）計算節點A2的條件概率，結果見表5。其中，1表示該節點失效，0表示正常。

表5節點A2的條件概率

（續表5）

采用七級自然語言獲取專家的評估信息后，需進行評價語言聚合，筆者利用三角模糊函數對專家語言進行聚合，評價語言對應的模糊數見表6。

表6評價語言及其模糊數

2.3.2 參數計算

獲取根節點失效概率的步驟如下：a.建立失效概率評價語言；b.模糊數轉化，利用三角模糊數進行專家評價語言的轉換，得到三角模糊概率 P_i^k=（a_i^k，b_i^k，c_i^k） ，其中 Φ_ai^kΦ_σi^kΦ_σi^k 為表6中的模糊數；

c.解模糊， ，其中FPS表示 （2

模糊可能性評分；d.概率計算， 其中 K=

/3FP 表示模糊概率。

以人員巡線頻率為例，七級自然語言對應的描述為：每日巡線、每兩天巡線、每三天巡線、每周巡線、每兩周巡線、每月巡線、無巡線。實際上，工業園區內巡線人員每兩天巡線一次，因此，該管道人員巡線指標失效的專家評價語言為L，該風險指標失效概率為0.004。

2.3.3 重要風險源識別

識別燃氣管道泄漏重要風險源并進行重點管控對燃氣管道安全運行具有重要意義。筆者引入關鍵重要度概率對泄漏風險因素進行分析，其計算式如下：

其中， P（X=1|x_i=1 ）表示 發生時事件 ∵X 發生的概率， P（X=1|x_i=0 表示 不發生時事件 ：X 發生的概率 P（X=1，x_i=1 ）表示 和 X 同時發生的概率， P（X= 1，x_i=0 表示 不發生與 X 發生的概率， P（x_i=1 ）表示x_i 發生的概率， P（x_i=0） ）表示 不發生的概率， x_i 泛指指標變量， _，A 表示根節點 ，A_p?U_p 泛指概率， U 表示葉節點， P（U） 表示泄漏事件葉節點后驗概率。

2.4基于FCEM的燃氣管道泄漏后果分析

依據油氣輸送管道風險評價導則，管道失效后果應在了解管道輸送介質的危險性、介質的泄漏量、泄漏點周圍環境、應急響應措施等方面的基礎上進行評估，結合現場檢驗，確定燃氣管道泄漏后果影響因素見表7。

依據改進層次分析法，結合相關文獻和專家經驗，得到各指標權重見表8。

表7燃氣管道泄漏后果嚴重性指標

表8失效后果指標權重

3 實例分析

3.1 項目背景

某工業園區為浙江省省級開發區，成立于2006年。占地面積2.22平方公里，以發展塑料制品、黑色金屬冶煉壓延加工及茶產品為主。園區融合了發達地區城市發展的先進經驗，實現了工業交通、人口、生活及商貿的協調發展。選取其某一部分燃氣管道工程進行風險評估，如圖5所示。

3.2 結果分析

3.2.1 風險概率

應用Netica軟件進行分析，風險概率分析結果如圖6所示。該燃氣管道工程風險發生概率為0.0158，處于風險概率等級的第3個級別。

圖5某燃氣管道工程圖

圖6燃氣管道風險概率分析結果

3.2.2 關鍵重要度

關鍵重要度分析結果如圖7所示。

圖7燃氣管道風險因素關鍵重要度

該燃氣管道工程關鍵致因為B6、B10、B11、B13，和該段燃氣工程實際情況相符。該工程位于居民場所和市場交匯處，地面人流量和車流量大，容易引發地面沉降，造成燃氣管道泄漏，在檢測過程中發現兩處路面沉降；管道存在污水管、通信井、綠化帶等凈距不足現象，增加了管道腐蝕、植被外力破壞、泄漏燃氣爆炸的隱患，對于高危工程的燃氣管道而言是不合理的。此外，近期發生的燃氣管道事故凸顯了安全管理對于燃氣管道安全科學運行的重要性，其中，加強員工安全教育培訓有助于其正常工作的科學性，理解自身的工作職責，在發生意外突發事件時，能夠提升解決事件的概率。而作為燃氣管道最后一道防線的報警系統，企業應給予相應的重視，不能忽視。

3.2.3 風險后果

通過專家調查法確定隸屬度向量，結果如下：

V=W×B=[0.1216，0.2592，0.2992，0.2509，0.0691]

依據模糊綜合評價原則，該燃氣管道風險后果造成中風險的可能性最大。

3.2.4 綜合風險

依據風險定義，該燃氣管道工程風險水平處于Ⅲ級，需要定期監督檢查整改。風險評價結果與該燃氣管道段定期檢驗風險評估相符，因此該風險評估模型能夠有效對燃氣管道進行分析，為燃氣管道風險管控提供決策支持。

4結束語

以某工業園區部分燃氣管道為例，運用貝葉斯網絡和模糊綜合評價進行風險評估。基于專家分析及現場檢驗獲得貝葉斯網絡模型模型參數，采用Netica軟件進行分析，得到燃氣管道泄漏的風險概率，并充分運用貝葉斯網絡的推理功能，結合關鍵重要度指標，對燃氣管道泄漏事故關鍵因素進行識別；基于模糊綜合評價法，綜合考慮燃氣管道泄漏量、泄漏點周圍環境、應急響應措施等方面的因素，得到燃氣管道泄漏的風險后果。考慮風險概率和風險后果，確定該燃氣管道的風險水平為Ⅱ級，存在問題需要進行整改。

由于缺乏必要的歷史數據，文中風險評估的指標和參數在參考現場檢驗檢測外主要依賴主觀經驗。下一步將整理歷史燃氣管道事故，通過統計數據獲取指標及參數，對模型進行修正。

參考文獻

[1］中華人民共和國住房和城鄉建設部．中國城鄉建設統計年鑒2022[M].北京：中國統計出版社，2023

[2] 孫逸林，鄭小強，劉險峰，等.重大城市燃氣管道泄漏爆炸事故定量分析方法研究——以湖北十堰“6·13”事故為例[J].安全與環境學報，2022，22（6）：3312-3320.

[3]孫逸林，鄭小強，劉丹秀，等.基于AcciMap-BN的城鎮燃氣管網生產安全事故致因分析[J].油氣儲運，2024，43（2）：189-199.

[4]DENGQ，WANGK，WUJH，et al.An integrated modelfor evaluating the leakage risk of urban gas pipe：A casestudybasedon Chineserealaccidentdata[J].NaturalHazards，2022，116：319-340.

[5]於孝春，賈朋美，張興.基于模糊Bow-tie模型的城鎮燃氣管道泄漏定量風險評價[J].天然氣工業，2013，33（7）：134-139.

[6]呂良海，梁藝苑，張溴彬，等.模糊DBN的室內燃氣泄漏動態風險評估方法研究［J].安全與環境學報，2024，24（4）：1337-1345.

[7]杜雨霽，付明，端木維可，等.基于FAHP-ICV的燃氣管網風險評估方法［J].清華大學學報（自然科學版），2023，63（6）：941-950.

[8]張繼信，黃東陽，尤秋菊，等.基于動態貝葉斯網絡的城市綜合管廊燃氣泄漏動態風險評價[J].安全與環境學報，2023，23（10）：3455-3464.

[9]潘李冬，鄭宇，鄭娟，等.基于BN-FCEM的化工企業安全風險分析方法[J].安全與環境工程，2023，30（5）：1-10;18.

[10]劉春波，王新華，何仁洋，等.埋地鋼質管道腐蝕防護綜合評價技術研究[J].壓力容器，2007，24（6）：10-16.

[11] 左軍.層次分析法中判斷矩陣的間接給出法[J].系統工程，1988（6）：56-63.

[12] 盧鑫月，許成順，侯本偉，等.基于動態貝葉斯網絡的地鐵隧道施工風險評估[J].巖土工程學報，2022，44（3）：492-501.

（收稿日期：2024-08-16，修回日期：2025-06-19）

Risk Assessment for Gas Pipelines Based on BN-FCEM

PAN Li-dong1， ZHENG Jian-yong1，GU Yu-qi1，ZHOU Zhong-he1，XU Jie- le¹ ， XIA Li ^1，2

（1.Zhejiang Academy of Special Equipment Science; 2.Key Laboratory of Special Equipment Safety Testing Technology of Zhejiang Province.）

AbstractFor purpose of analyzing gas pipelines’risk level，identifying the leakage's source and reducing the occurrence of gas pipeline accidents，a gas pipeline risk assessment model based on Bayesian network （BN）and fuzzy comprehensive evaluation method （FCEM） was proposed through the inspection in-situ. Firstly，having the fault tree model adopted to analyze therelated factors of gas pipeline leakage and derivative accidents ；and then，having fault tree model based to map BN model rules，and having both fuzzy set theory and Noise-OR model introduced to establish a BN model for gas pipeline leakage so as toevaluate gas pipeline leakage probability and identify risk sources of the gas pipeline leakage according to keyimportance of indicators combined with the model’sreverse reasoning function；finally，having the fuzzy comprehensive evaluation employed to analyze the leakage consequence，including having the comprehensive risk probability based to determine the risk level.Havinga single gas pipeline in an industrial park taken as an example to verify the effctiveness of the model shows that，the model proposed can beter reflect the problems in the project operation and it provides decision support for pipeline risk control. Key Words gas pipeline risk assessment， BN，FCEM， key cause