化工裝置危險與可操作自動分析評價的研究*

吳 岡， 田曉英， 何 艷

（1.黑龍江省科學院自動化研究所，黑龍江哈爾濱150090；2.黑龍江省科學院高技術研究院，黑龍江哈爾濱150090）

隨著現代科技水平日益提高、計算機科學與控制科學的飛速發展，控制系統的自動化規模和復雜程度迅速提高。同時許多設備在控制系統中發生故障或失效的潛在可能性也隨之增加，甚至即使是微小故障，都可能造成整個控制系統的失效、癱瘓，特別是在航天、石油、化工、煤炭等領域，一旦發生事故將造成巨大的災難性后果。

利用計算機仿真技術進行工業生產過程中的故障危險分析評價及診斷是近年來仿真技術發展的一個熱門領域。美國安全工程領域專家認為：實時動態仿真具有先天和固有的優點，將在化工危險和可操作性評價及事故排除應用方面產生作用。通過仿真，建立動態仿真平臺，能提高建模效率、減少重復勞動、降低使用者勞動強度，標準化、工程化、可擴展性有顯著提高。能降低石油化工生產過程的潛在危險，比如：裝置內部由于操作失誤，控制系統故障或設備故障等非正常原因導致物理化學變化異常所引起的超溫、超壓或泄漏等危險以及故障在生產過程中傳播的不利后果［1］。

1 方案設計原則

為提高石油化工企業安全生產能力，方案設計原則是從計算機應用的角度出發，將基于SDG深層知識建模與推理技術應用到石油化工企業的在線安全生產中。方案的總體設計原則就是：

（1）對石油化工裝置進行全面、深入的計算機安全評價，深度挖掘當前煉油生產裝置中潛在的安全隱患；

（2）在評價結論的基礎上開發石油化工裝置異常工況在線咨詢系統，在異常工況發生時能夠實時地對危險原因進行診斷定位和不利后果的提前預測，從而提高操作人員對緊急情況的處理能力。

1.1 總體方案

研究采用如圖1所示流程展開：

圖1 總體方案流程Fig.1 General project flow

2 理論研究

2.1 理論基礎

2.1.1 危險與可操作性分析（HAZOP）

2.1.1.1 HAZOP標準及診斷方法

危險和可操作性分析HAZOP是一種形式化的方法［2］，該方法全面系統地研究系統中每一個元件及其中重要的參數偏離指定的設計條件所導致的危險和可操作性問題。HAZOP主要通過研究工藝管線、儀表圖、帶控制點的工藝流程圖（P&ID）或工廠的仿真模型來確定，重點分析由管路和每一個設備操作所引發的潛在事故的影響及其選擇的相關參數，最終應識別出所有的故障原因，得出當前的防護裝置和安全措施。所作的評估結論包括原因后果和所要求的安全措施。

基于模型的危險分析方法又分為定性模型分析和定量模型分析兩類。SDG方法是目前完成自動HAZOP最有效的方法［3，4］，由SDG模型推理建立的專家系統又稱為深層知識專家系統。

故障診斷是指對運行中的機械或設備及裝置的異常狀態的檢測、異常狀態原因的識別以及預測的各種技術的總稱。故障診斷具有在線性質，是為實時事故檢測和監測服務的，是安全系統的重要組成部分，必須快速識別和預測，只能由計算機系統自動完成，無法由人工進行。

使用計算機進行故障危險識別與診斷，它包括以下幾種方法［5］：

（1）基于歷史數據的方法：數據濾波法，定性趨勢分析法，統計分析法，小波分析法，神經元網絡法；

（2）基于專家系統的方法：基于規則的專家系統，神經元網絡自動識別法，神經元網絡仿真聯合法；

（3）基于模型及仿真方法：標識有向圖法（SDG），觀測器法，定性仿真法，定量仿真法。

2.1.1.2 計算機輔助HAZOP的進展［6，7］

計算機輔助HAZOP今后的發展方向是：以智能化為核心，結合淺層知識和深層知識的“專家系統”各自的優點，采用動態仿真技術進行案例試驗，開發具有綜合優勢的自動HAZOP軟件，同時以邏輯化輔助HAZOP軟件為下游自動生成HAZOP文件。

2.1.2 符號有向圖（SDG）概念

2.1.2.1 SDG的基本概念

所謂符號有向圖，是一種由節點（node）和節點之間有方向連線，又稱支路（branch）構成的網絡圖，稱之為 SDG（Signed Directed Graph）。

2.1.2.2 SDG模型

SDG模型γ是有向圖G與函數φ的組合，即γ=(G,φ)。有向圖G由4部分組成G=(V,E,δ+,δ-)：節點集合V={vi}；支路集合E={ek}；鄰接關聯符“δ+”：E→V（支路的起始節點）和“δ-”：E→V（支路的終止節點），該“鄰接關系”分別表示每一個支路的起始節點“δ+ek”和終止節點“δ-ek”。函數φ：E→{+,-}，φ(ek)=φ(vi,vj)稱為支路ek的符號（ek=(vi,vj)∈E）。

SDG模型γ=(G,φ)的樣本是節點狀態值的一個函數ψ：V→{+，0，-}，ψ(vi)稱為節點vi的符號（vi∈V），即：

其中，ε vi代表節點，vi處于正常狀態的閾值。

系統狀態S根據各狀態變量對應的節點值ψ（vi）∈SV確定。當每一個節點的值確定后，該系統的狀態S就被確定下來。有向邊符號φ（ek）∈{+,-}由SDG模型給出，節點符號ψ(vi)∈{+,0,-}由SDG模型樣本給出。

正是由于SDG具有包容大量信息的能力，在人工智能領域，稱SDG模型為深層知識模型（deep knowl-edge based model）［8］，運用SDG模型揭示復雜系統的變量間內在因果關系及影響是定性仿真的一個重要分支，因而SDG模型又稱為定性模型（qualitativemodel）［9}。

2.2 基于SDG的計算機輔助HAZOP方法

2.2.1 基于SDG的HAZOP原理及方法

2.2.1.1 基于SDG的HAZOP原理

基于SDG的HAZOP方法從系統的機制入手，以分析復雜系統內部變量之間的關系及這種關系在危險發生時的傳遞作用為基礎進行，特別適用于大型復雜過程工業的安全評價。我們只需要將某一個節點的局部非正常原因與直接后果列明即可，剩下的工作交由計算機來完成。

2.2.1.2 基于SDG的HAZOP方法

SDG模型建立完成后，引入兩個新的節點，一個是非正常原因節點，另一個是不利后果節點。接下來的工作就是用一種適當的方法在這類模型中進行推理，以尋找非正常原因與不利后果。

非正常原因節點（簡稱原因節點）專用于管理會導致危險的原因，比如閥門誤開大、管道阻塞等。不利后果節點（簡稱后果節點）專用于管理系統產生的后果，比如泄漏、爆炸等。

2.2.2 SDG-HAZOP建模［10］

2.2.2.1 工藝流程剖析

在流程工業中，各個設備裝置或過程變量都是通過物質流、能量流和信息流進行相互的傳遞與影響，從而形成一張錯綜復雜的影響關系網絡。通過對過程工業特點與結構的分析，我們可以把由單元設備與管道組成的系統看成是化工流程的核心組成部分。危險在各個單元設備（如罐）或管道上形成后，會沿著工藝流程，在單元設備中傳播，累積到一定程度，當發展到某一個薄弱環節處即形成事故。

2.2.2.2 參數節點的分類

圖2 變量節點分類Fig.2 Classification of variable node

2.2.2.3 原因后果節點的分類

我們在建模時，只需羅列出某個過程變量它自己的直接原因或直接后果即可。因為這些非正常原因與不利后果的信息都是與某個設備直接相關，所以在搜索資料時比較容易。

2.2.3 流程系統SDG-HAZOP建模步驟

為了保證建模質量和過程的全面性，可以按照以下過程進行建模，共分六個階段，如圖3所示。

圖3 SDG結構化建模Fig.3 SDG structural modeling

2.3 過程數據采集

在線應用HAZOP技術需要從生產現場獲取裝置的大量實時數據，數據采集接口負責采集和上傳數據，可與全廠甚至更遠的各種系列的控制和傳感設備連接。支持多種通訊協議，包括OPC、DDE等協議，可連接各種DCS、PLC和智能儀表等。

3 研發實施及展望

首先通過對石化企業裝置的了解分析，確定評價范圍、完成面向安全的P&ID圖紙的繪制、工程化建模文檔的整理并構建SDG-HAZOP模型。同時，針對數據采集接口開發以及在線咨詢系統開發也相應展開，輔助現場操作人員對異常情況進行決策支持。

3.1 對石油化工裝置建模

在熟悉流程的基礎上，按照建模的基本流程與步驟，首先進行關鍵變量的選取，同時列寫出對關鍵變量有影響的參數依照上述步驟建立SDG模型后，經過反復簡化以及與現場工藝人員校驗，最終得到關于整個流程的SDG-HAZOP模型。

3.2 安全評價軟件具備的功能

（1）全流程圖形化SDG-HAZOP建模與組態；

（2）異常工況在線咨詢；

（3）基于深度優先的推理引擎，推理深度與效率高；

（4）面向多種接口的數據采集。

3.3 現場實施

將異常工況在線咨詢系統軟件與現場實際裝置相連，從現有DCS系統上采集數據。通過長周期在線運行，檢測系統診斷軟件的穩定性和對工況的適應能力，對工藝單元進行了HAZOP安全評價，并開發完成石油化工裝置異常工況在線咨詢系統。

4 結論及展望

通過對石油化工裝置進行全面、深入地計算機自動安全評價，深度挖掘生產裝置中潛在的安全隱患。在評價結論的基礎上所開發石油化工裝置異常工況在線咨詢系統，在非正常工況發生時能夠實時地對危險原因進行診斷定位和不利后果的提前預測，從而提高操作人員對緊急情況的處理能力。對出現的問題及時進行處理，使生產運行狀態保持平穩。通過對影響原材料用量的過程以及對水、電、蒸汽等用量的監測和分析，可以及時發現問題，特別對生產調度來說，可以及時平衡物料供應，減少單耗，提高經濟效益；可以使成本控制發生在生產過程中，而不是在生產過程完成后，以達到降低成本的目的。同時還能大大提高企業生產的安全可靠性，對提高企業的經濟效益和社會效益有著深遠的意義。

［1］吳重光.過程系統仿真技術［M］.中國石化工業出版社,1998.

［2］Kletz,T.A.(1999).HAZOP and HAZAN.In Loss prevention.(4thed).Rugby,UK:Institution ofChemical Engineers.

［3］Ramesh Vaidhyanatha,Venkat Venkatasubramanian.Experience with a Expert Systemfor Hazop Analysis［J］.Computers Chem,1996,20:1589-1594.

［4］V.Venkatasubramanian,J.Zhao,and S.Viswanathan.Intelligent System for HAZOP Analysis of Complex Process Plants［J］.Computers Chem.Engng.2000,24:2291-2302

［5］顧祥柏.石油化工安全分析方法及應用［M］.北京：化學工業出版社，2001

［6］Rajagopalan Srinivasan and Venkat Venkatasubramanian,Automating HAZOP analysis of batch chemical plants:Part I the knowledge repre sentation framework,Computers Chem,Engng［J］,1998,Vol.22,No.9.pp.1345-1355

［7］Rajagopalan Srinivasan and Venkat Venkatasubramanian,Automating HAZOP analysis ofbatch chemical plants:Part II Algorithmand application,Computers Chem,Engng［J］,1998,Vol.22,No.9.pp.

［8］Suh J C,Lee S,Yoon E S.NewStrategyfor Automated Hazard Analysis of Chemical Plants.Part 2:Reasoning Algorithm and Case Study［J］.Journal of Loss Prevention in the Process Industries,1997,10(2):127-134.

［9］Dimitradis V D,Shah N,Pantelides C C.Modeling and Safety Verification of Discrete/Continuous Chemical Processing Systems［J］.American Institute of Chemical Engineering Journal,1997,43(4):1041-1059.1357-1370

［10］楊帆，蕭德云，SDG建模及其應用的進展［J］.控制理論與應用,2005，22（5）：768