基于故障樹的生物質(zhì)氣化中毒事故BN-LOPA分析

楊秀珍 許開立教授 龔維立 張?zhí)鞄?楚明輝

(東北大學 資源與土木工程學院，遼寧 沈陽 110819)

0 引言

生物質(zhì)氣化的原料供應廣泛，并且能夠產(chǎn)生清潔能源，對環(huán)境友好，具有良好的發(fā)展前景。但由于生物質(zhì)氣化產(chǎn)生的燃氣中含有CO，一旦泄露，極易造成人員中毒和財產(chǎn)損失。因此對生物質(zhì)氣化中毒事故進行風險分析和評價，對于提出合理有效的事故預防措施，降低事故發(fā)生概率具有重要意義。

目前，能夠直觀表達事故基本原因的故障樹分析方法，是最常用的風險分析方法之一，但由于該方法將系統(tǒng)狀態(tài)簡單地劃分為正常和失效，忽略多狀態(tài)的假設推理關系，且利用布爾代數(shù)法計算最小割集合和最小徑集合，計算量大，針對較復雜系統(tǒng)的風險評價，仍具有一定局限性。然而，基于故障樹的貝葉斯網(wǎng)絡則具有直觀的邏輯關系表達能力和強大的推理計算能力，不僅簡化邏輯關系表達，還提高計算效率。例如宋超等利用貝葉斯概率統(tǒng)計和網(wǎng)絡推理，進行系統(tǒng)風險分布的定量分析，計算節(jié)點的后驗概率；但是，以上研究只是針對未采取任何安全措施的系統(tǒng)進行風險評價，忽略系統(tǒng)保護措施失效帶來的風險。保護層分析法是一種對系統(tǒng)保護措施失效風險進行評價并進行決策的系統(tǒng)分析方法。劉家喜等對系統(tǒng)的薄弱環(huán)節(jié)設置保護層并根據(jù)保護層分析法進行剩余風險等級評價；閆放等利用風險矩陣得出風險等級，并通過設計獨立防護層，降低事故的發(fā)生概率。因此，為實現(xiàn)復雜系統(tǒng)全面風險評價，本文提出基于故障樹的貝葉斯—保護層復合分析法(BN-LOPA)，該方法可客觀、準確地確定復雜系統(tǒng)的薄弱環(huán)節(jié)，并通過設置獨立保護層降低系統(tǒng)風險等級至可接受水平，較為全面研究事故發(fā)生機理并對保護措施有效程度進行評價。

1 基于故障樹的貝葉斯—保護層復合分析法概述

1.1 基于故障樹的貝葉斯網(wǎng)絡概述

貝葉斯網(wǎng)絡(Bayesian Networks，BN)是一種進行概率分析和推理的數(shù)學工具。它可利用具有網(wǎng)絡結構的有向圖簡易直觀地刻畫事件的內(nèi)部邏輯關系；另一方面，其強大的推理能力可以使其對不確定性事件以及概率性事件進行計算分析。堅實的理論基礎和強大的軟件支撐，使得貝葉斯網(wǎng)絡成為風險評價的有力工具。

故障樹模型不僅可以通過圖形直觀地演繹展現(xiàn)系統(tǒng)內(nèi)可能發(fā)生的零部件失效、工作環(huán)境變化、人失誤等因素(基本事件)如何導致系統(tǒng)失效而發(fā)生事故(頂事件)，還可以進行簡單的定量分析計算。但是由于事故發(fā)生形式的不確定性和復雜性，通過建立故障樹和貝葉斯網(wǎng)絡之間映射關系的基于故障樹的貝葉斯網(wǎng)絡分析方法具有更強的適用性。貝葉斯網(wǎng)絡是一個有向無環(huán)圖，包括節(jié)點和有向邊。貝葉斯網(wǎng)絡中沒有父節(jié)點的節(jié)點(根節(jié)點)對應故障樹中的基本事件，而有向邊則對應故障樹的邏輯門，故障樹的邏輯關系通過條件概率表(Conditional Probability Table，CPT)映射為貝葉斯網(wǎng)絡的聯(lián)結強度。設

A

、

B

為2組變量，

B

=

B

(

i

∈

I

)為相互獨立的隨機變量，則在“

A

已經(jīng)發(fā)生”的條件下，

B

發(fā)生的條件概率的計算公式如下：

(1)

式中：

n

—

B

組獨立隨機變量的個數(shù)。其中，

P

(

A

)可以用全概率公式展開：

(2)

相比于復雜的編程建模方法，GeNIe具有直觀簡化的圖形化建模能力，并可進行多種推理計算的貝葉斯網(wǎng)絡建模成熟軟件，因此，本文選取GeNIe軟件進行貝葉斯網(wǎng)絡建模。

1.2 基于故障樹的貝葉斯—保護層分析法

保護層分析法(Layers of Protection Analysis，LOPA)是基于定性風險評估信息的一種半定量的風險評價技術。其任務是判斷是否存在足夠的防護層，從而使風險降低到可容忍水平，達到安全生產(chǎn)的要求。基于故障樹得到的貝葉斯網(wǎng)絡，可演示事故場景的事件鏈(初始事件、中間事件、后果事件)；根據(jù)風險矩陣，可通過初始事件發(fā)生概率、失效后果嚴重程度和系統(tǒng)失效概率的數(shù)量級大小來表征事件的風險。首先，未采取獨立保護層的情況下發(fā)生事故的事件稱為未減輕事件，其導致事故發(fā)生的風險稱為潛在風險；采取獨立保護層情況下，還能誘發(fā)事故的事件稱為減輕事件，其誘發(fā)事故的風險稱為剩余風險。

1.2.1 風險等級分析

風險矩陣是一種通過評價事件風險等級簡化的定量風險分析方法，具有較好的客觀性。本文采用的風險矩陣，見表1。根據(jù)專家的建議以及氣化站實際情況，參考文獻[5]后果嚴重等級劃分標準，對本文提出的生物質(zhì)氣化中毒事故5個后果嚴重等級對應情況進行描述(見表2)；不同風險等級應采取的措施，見表3。

表1 風險矩陣Tab.1 Risk matrix

表2 后果嚴重等級Tab.2 Serious grade of consequences

表3 風險等級及要求的措施Tab.3 Grade of risk and required measures

1.2.2 故障概率計算

設置獨立防護層是防止事故發(fā)生的有效措施，獨立防護層失效的概率可通過每個防護層的失效概率乘積求出，計算公式如下：

(3)

式中：

P

—第

i

個獨立防護層的失效概率；

m

—獨立防護層的個數(shù)。

1.3 基于故障樹的貝葉斯—保護層復合分析法步驟

基于故障樹的貝葉斯—保護層復合分析法(BN-LOPA)，分析步驟如下：

(1)編制故障樹。了解工藝流程，收集歷史故障數(shù)據(jù)，編制生物質(zhì)氣化中毒事故的故障樹。

(2)基于故障樹構建貝葉斯網(wǎng)。根據(jù)構建的氣化中毒故障樹，利用GeNIe軟件建立有向無環(huán)的貝葉斯網(wǎng)絡映射其邏輯關系。

(3)確定風險貝葉斯網(wǎng)絡故障節(jié)點。輸入基本事件的發(fā)生概率進行更新，利用貝葉斯網(wǎng)絡的雙向推理技術，計算出各基本事件的后驗概率，進行對比分析，篩選對頂事件影響較大的基本事件，選擇該基本事件為風險貝葉斯網(wǎng)絡故障節(jié)點。其中，基本事件的發(fā)生概率從該氣化站裝置的故障統(tǒng)計資料和相似文獻資料中獲得。

(4)基于貝葉斯網(wǎng)絡進行防護層分析。

①根據(jù)風險矩陣，確定風險貝葉斯網(wǎng)絡故障節(jié)點潛在的風險等級，對該節(jié)點分別設置獨立防護層，并計算設置防護層后始發(fā)事件概率。

②根據(jù)減輕事件的概率和風險矩陣，確定事故發(fā)生的風險等級，研究是否需要繼續(xù)添加防護層來降低剩余風險以滿足安全生產(chǎn)的要求。

2 實例分析

2.1 生物質(zhì)氣化技術簡介

生物質(zhì)氣化以生物質(zhì)燃料為原料，在高溫和催化劑的條件下進行反應，最終得到清潔能源(主要成分是H、CO和CH)的熱化學反應。氣化的產(chǎn)物經(jīng)過去灰、脫焦后可通過管網(wǎng)輸向用戶，其工藝流程，如圖1。

圖1 生物質(zhì)氣化站工藝流程Fig.1 Process flow of biomass gasification station

由于生物質(zhì)氣化工藝中存在燃氣(主要成分為CO)，一旦泄漏，極易導致中毒事故，造成嚴重的人員傷亡和財產(chǎn)損失。因此根據(jù)生物質(zhì)氣化工藝流程，找到系統(tǒng)薄弱環(huán)節(jié)，并采取保護措施，對提高生產(chǎn)安全具有重要意義。

2.2 編制生物質(zhì)氣化中毒事故故障樹

分析氣化中毒事故發(fā)生原因，編制出生物質(zhì)氣化站發(fā)生泄漏中毒事故的故障樹(如圖2)，各符號所代表的事件，見表4。各基本事件的發(fā)生概率通過查閱資料獲得，見表5。

表5 各基本事件的發(fā)生概率Tab.5 Probability of basic events

表4 圖2中代碼含義Tab.4 Code implications in figure 2

圖2 生物質(zhì)氣化站燃氣泄漏中毒事故故障樹Fig.2 Fault tree of gas leakage poisoning at biomass gasification station

2.3 構建生物質(zhì)氣化中毒事故貝葉斯網(wǎng)絡

利用GeNIe軟件，根據(jù)生物質(zhì)氣化中毒事故的故障樹基本事件和頂事件之間的邏輯關系以及文獻[11-13]描述的邏輯門向貝葉斯網(wǎng)絡轉(zhuǎn)化的具體方法，構建生物質(zhì)氣化中毒事故貝葉斯網(wǎng)絡，如圖3。

圖3 生物質(zhì)氣化中毒事故貝葉斯網(wǎng)絡Fig.3 Bayesian Network of biomass gasification poisoning accident

輸入基本事件的先驗概率，通過貝葉斯網(wǎng)絡推理計算得出，在頂事件發(fā)生的條件下(發(fā)生概率為1.11×10)各基本事件的后驗概率，與先驗概率的比較情況，如圖4。

由圖4可看出，基本事件的先驗概率和后驗概率差別較大，相比于比較接近的先驗概率，基本事件的后驗概率相差明顯，且后驗概率的大小表征基本事件對頂事件發(fā)生的影響重要程度，在所有基本事件中，后驗概率最大的3個基本事件分別為

X

器壁磨損腐蝕、

X

防護用具失效、

X

防護用具不匹配，因此，這3個基本事件對應的節(jié)點可視為貝葉斯網(wǎng)絡中的故障節(jié)點。

圖4 基本事件的先驗概率和后驗概率Fig.4 Prior and posterior probabilities of basic events

2.4 基于貝葉斯網(wǎng)絡的防護層分析

生物質(zhì)氣化站大部分位于農(nóng)村地區(qū)或者郊區(qū)，但是由于其生產(chǎn)具有一定規(guī)模，燃氣中的CO一旦發(fā)生泄漏，會對氣化站內(nèi)的工作人員和周邊居民的生命健康造成威脅，嚴重可能導致人員中毒死亡。其次，燃氣泄漏可能導致周邊環(huán)境受到污染，且氣化站損壞設備的維修也會導致比較高的經(jīng)濟損失。事故后果嚴重等級可根據(jù)表3判斷為高。則可根據(jù)風險矩陣得出生物質(zhì)氣化中毒事故風險等級為7級，應確認落實控制措施，并進行維護。

對故障節(jié)點設置防護層，可防止節(jié)點發(fā)生故障，從而降低頂事件的發(fā)生概率，因此，對前文分析出的3個故障節(jié)點設置防護層，并分別計算未減輕事件和減輕事件的概率，并對應表2描述的事故后果情況，確定事件的后果嚴重等級，最終根據(jù)表1綜合評價防護層設置前后事件的風險等級，見表6。

由此可得，根據(jù)貝葉斯網(wǎng)絡推理計算，沒有設置獨立保護層前事故的發(fā)生概率1.11×10，專業(yè)人員對事故發(fā)生后果嚴重等級評價為“高”，對照表1得出中毒事故的風險等級為7級；通過對故障節(jié)點設置獨立保護層，根據(jù)表6得到的事件發(fā)生的概率，更新貝葉斯網(wǎng)絡對應的故障節(jié)點概率，可計算出設置獨立保護層后中毒事故的發(fā)生概率為5.35×10，采用上述同樣方法，得到中毒事故的風險等級為5級，可見，通過設置獨立保護層風險等級由需要落實控制措施的7級降到無需采取安全措施的5級。

表6 防護層分析結果Tab.6 Analysis results of protective layers

3 結論

(1)基于故障樹模型，提出BN-LOPA復合的定量風險評價方法，應用此方法得到生物質(zhì)氣化中毒事故發(fā)生概率為1.11×10，事故風險為7級。

(2)依賴貝葉斯網(wǎng)絡強大的雙向推導能力計算基本事件的后驗概率，得出器壁磨損腐蝕、法蘭失效、防護用具不匹配這3個基本事件是導致生物質(zhì)氣化中毒事故發(fā)生的最重要因素。

(3)分別對上述3個基本事件對應的節(jié)點設置獨立防護層，通過概率計算得到生物質(zhì)氣化中毒事故的發(fā)生概率由原來的1.11×10降低至5.35×10，根據(jù)風險矩陣，得到事故對應的風險等級由7級降到5級，能夠滿足安全生產(chǎn)的要求。