基于多源異構數據融合的化工安全 風險動態量化評估方法

馮偉，譚美亭(河南吉成先科咨詢服務有限公司，河南 鄭州 450000)

0 引言

早在多年以前，我國就有許多的學者針對安全風險預測進行了研究，并制定了較為完善的定量風險分析方法，但隨著行業的發展，當前的定量風險分析方法存在著許多的缺陷，在實際運用的過程中難以及時的針對事件的具體情況進行更新，導致其預測的準確性受到影響。而在近些年來，隨著貝葉斯網絡的出現，動態風險評估工作當中得到了進一步的優化，但采用這種貝葉斯網絡需要有大量的數據結合到其中，但是在實際的石油化工行業生產過程當中，想要獲得大量的故障數據是極為困難的一件事情，因此這種方法并不容易實施。而除了貝葉斯網絡以外，當前還有運用符號有相圖來進行動態風險的評估工作，采用這種方法可以通過分析節點之間的關系來進行系統故障的描述，但是在實際運用的過程當中，由于無法標記故障的路徑，這個無法直觀的地展示出風險在動態傳播時的相關數據。采用模糊網的方式來研究動態的風險傳播機制，具有一定的可行性，能夠有效的把各個風險節點進行聯系，從而更加直觀的地展現出對初始事件到事故發生演化過程當中的具體表現，以此來獲得事故演化的路徑，在當前的電網、交通等領域當中都有廣泛的運用到模糊網。但是由于在計算過程當中，需要涉及到大量的數據，而這些數據主要是通過數據庫來獲得，這在一定程度上難以反映出真實的工況。對此，在基于模糊網的基礎之上，通過結合大數據、人工智能等方式實時的采集數據以此來優化模糊網。

在當前的技術不斷優化的發展過程中，自動化、信息化、智能化等都滲透到企業生產的各個環節中?；て髽I生產時會用到傳感器來收集數據，而由于這些數據分布在多個數據源當中，因此具有多源異構等特點?？紤]到當前的風險分析缺乏有效的數據引入，無法真實地反映實際的工況。對此，文章采用HAZOP+LOPA分析的方法，建立動態的風險量化評估模型，結構如圖1所示。從而實現實時定量評估化工企業存在的事故，其發生的概率精確地測量出風險點動態當中的風險值，從而更為科學有效地指導化工企業日常的安全風險管控措施[1]。

圖1 多源異構數據融合架構

1 數據融合的概念及發展趨勢

1.1 數據融合的基本概念

有關數據融合的技術研發，最早是因為軍事發展需求而逐漸被提出來的。但是隨著研究人員不斷深入研究這項技術，從而讓這項技術逐漸形成了獨立的一門學科，許多人對這門學科的研究不再局限于軍事層面，而是結合知識推理的方式令數據融合這一技術變得一般化，進入到其他的許多產業當中[2]。

在軍事發展中應用數據融合這項技術，主要是通過多傳感器的數據進行關聯與組合的方式，能夠實現精準的位置判斷以及身份估計。因此，通過結合這項技術能夠有效地對戰場當中的情況進行了解，以此了解到具體的威脅情況。

之后，為了更好地把數據融合這項技術運用到其他領域中，對數據庫進行了相應的改良。通過改良能夠讓數據獲取的來源更為廣泛，從而讓數據融合的技術不僅是針對軍事領域，同時還能運用到更多其他的領域中。有專家認為當前的數據融合技術屬于多層次、多維度的一種處理技術，在處理過程中為了精準地識別身份，對危險事件進行評估，獲取到危險事故發生概率以及可能會帶來的傷亡情況[3]。

1.2 數據融合的發展趨勢

在當前的數據融合研究當中仍然存在著許多的問題，如沒有搭建較為成熟的數據融合理論框架，以及在融合系統當中對其容錯性的要求無法得到有效的滿足，導致了數據融合在實際應用的過程當中存在較大的問題和影響，而且在當前有關數據融合的研究當中，在涉及到融合算法上的研究大多都處于剛起步的階段[4]。

針對以上的問題，接下來應當要：

(1)通過深入的數據融合研究，構建成熟的融合理論框架，制定完善的體系；

(2)圍繞數據融合技術解決相關的配套系統，如數據庫的搭建和數據預處理等；問題，確保數據融合技術在實際應用的過程當中減少不必要的阻礙；

(3)在數據融合的研究當中，需要不斷地融入新興技術；

(4)搭建能夠滿足到多種應用場景的數據融合算法與模型；

(5)在研究數據融合技術的過程當中，還應當要注重數據融合的商業化應用。

2 多源異構數據預處理方法

數據預處理作為數據融合當中最為重要的一個環節，對于預處理的實際應用將會直接影響到數據融合當中的結果。但在當前許多的有關數據融合研究當中，都沒有單獨圍繞數據預處理展開深入的研究，在數據預處理的工作上，存在一定的不足。

在數據融合技術的實際應用當中，受到數據多源異構的特點，導致了在數據搜集的時候不同的數據源當中的信息會在不同的程度上存在相應的問題。比如因數據的唯一性、權威性等導致數據的維度無法統一、數據亢余等問題出現，這些問題都會導致在后期的結果運算過程當中造成一定的影響。對此，重視數據預處理，能夠提高數據融合當中的數據準確性。

2.1 數據填充技術

總體而言，在當前針對數據缺失的處理方法當中，主要包括刪除、填充和不處理。在數據的填充技術上可以分為兩種，一種是數據的操作人員根據現有的知識經驗在缺失數據的部位填充合理的預期值；另外一種方法是，根據統計學的原理，結合現有的數據進行合理的填充，其具體的流程是：

/*Algorithm EM:

輸入：觀察數據x= (x1,x2, … ,xn)，聯合分布p(x, y|θ)，條件分布p(z|x,θ)

輸出：模型參數θ的最優值

STEP1：初始化參數θ的初值θ0

STEP2：重復STEP3、STEP4

STEP3：計算聯合分布的條件概率期望：

STEP4：重新計算模型參數:

其中，z為未觀測數據；STEP3叫做E步，求期望；STEP4叫做M步，求極大化。

2.2 特征降維技術

特征降維是為了降低算法開銷，讓數據更加容易處理，以及讓更重要的特征信息能夠明確地凸顯出來，降維操作是行之有效的方法。下面介紹一種PCA降維方法。PCA的算法步驟是：

(1)初始化矩陣Xnm，代表n個m維的屬性，將數據進行去均值處理，有需要的話再進行歸一化；

(2)求協方差矩陣及協方差矩陣的特征值和特征向量；

(3)將特征向量按照對應的特征值從大到小排列，選擇前k個特征向量組成投影矩陣P；

(4)Y=PX就是降維到k維后的數據。

在數據預處理中，數據填充和特征降維在算法上具有較大的改進空間，即不同的算法對于處理結果的影響較大，其余預處理操作，比如：標準化、歸一化、數據去重等都已經有較為成熟完備的方法或工具，此處不做贅述。

3 模糊Petri網基本原理

在對模糊網Petri進行改進之后，可以把其設置為九元組：{P,L,T,F, IN,OUT,W,V,D}，其中：

(1)P={p1,p2,p3,…,pi}代表的是故障庫的一個結合，具體包含了在化工廠當中可能會存在的所有故障，而i代表的是故障的一個總數；

(2)L={l1,l2,l3,…,ln}代表的是保護層庫所，也就是在系統中所包含的保護層，n代表的是保護層的個數總和；

(3)T={t1,t2,t3,…,tm}表示變遷集，也就是具體的某個風險事故的發生過程，m代表的是發生變遷數量；

(4)F= {f1,f2,f3,…,fi}指的是與Pi互相對應的命題集；

(5)IN 為P→T進行函數的輸入；

(6)OUT 為T→P進行函數輸出；

(7)W為權函數，表示庫所p對變遷t成立的支持度；

(8)V={μ1,μ2,μ3,…,μm}指的是故障庫和保護層庫所當中的可信度集合；

(9)D={d1,d2,d3,…,dm}指的是在變遷發生中的閾值的集合，也就是變遷t需要滿足wi×μ1≥d1。

以化工企業中的煉化系統所發生的儲罐溢流現象作為案例，對其進行模糊 Petri 網的建立，具體如圖2所示。

圖2 模糊Petri網模型

在故障所當中的p1指的是當化工企業中有員工誤開了大閥，可信度μL1指的是故障發生時的一個概率，變遷t1指的是當前儲罐內的液位逐步升高的情況下，出現了變遷t1的閾值與權值為d1與w1。

其次，在故障所p2當中指的是儲罐的液位升高，可信度μ2指的是儲罐中的液位升高可能 性。當μ1×μL1＞d1，t1則 會 出 現 新 的 變 化：μ2=μ1×μL1×w1，如 果 是μ1×μL1＜d1的 情 況 下，t1不出現任何變化[5]。

4 動態量化評估模型建立

根據模糊 Petri 網原理中的基本內容，具體的分析環節如圖 3 所示。

圖3 改進模糊Petri網的分析步驟

(1)洞察與辨別事故的場景

結合HAZOP開展初始風險級別的確立，尤其確定篩選出具有高風險的事故，并采用LOPA進行事故場景的分析，從而得出事故發生的原因和影響，并根據事故具體的內容得出對應的措施。

(2)辨別初始事件及觸發事件

觸發事件當中主要指的是修正因子，修正因子主要是指人員暴露率、死亡率等。

(3)建立模糊Petri網模型

根據以上的內容，建立模糊網。

5 實例分析

在化工廠當中，正已烷從上游的工藝單元進入到正已烷緩沖罐T-401的這個過程中，整個流程具體如圖4所示。

圖4 正己烷緩沖罐工藝流程圖

(1)基于HAZOP的分析結果，可以對正已烷緩沖罐的外溢事故的場景進行確定，獲取到風險傳播過程中的初始事件、觸發事件的保護層，搭建改進過的模糊Petri網模型。

(2)在這個模型當中，初始庫包含的故障所p1、p2、p3、p4以及 保護 層庫所的l1、l2、l3、l4，其中初始庫的可信度主要是依據企業的歷史運行數據，結合各種參數的運算方法，對其取值進行計算，然后變遷的權值與閾值主要是根據專家的經驗計算得出。

在經過模型的數據運算，最后可以獲取到緩沖罐溢流的發生概率應當在1.21×10-4，根據計算公式，可以獲得點火的概率應當在0.64，人員的暴露概率在0.5，根據計算可以獲取到火災的爆炸概率應該為9.99×10-7，以及在火災爆炸的情況下，人員的傷亡概率應該在4.99×10-7。通過對數據的分析可以判斷該風險處于可接受的范圍之中[6]。

由于當前的保護層數量存在龐大復雜的情況，企業無法精準有效地識別出當前保護層的安全情況，對此，需要分別計算出該模型在BPCS控制系統當中的故障和人員干預失效等影響，從而為日常的檢查提供必要的依據。

6 結語

本文在研究過程中，先是介紹了數據融合的概念，探討了多源異構的數據梳理方法，然后提出了優化過的模糊Petri網，并且著重圍繞著正已烷緩沖罐溢流事件作為案例進行分析，以此精準獲取到了風險傳播過程中的各項數據。相較于傳統的模糊Petri網，本文所提出的方法其有效率更高。