基于大數據的重大危險源監測預警系統

俞維露

（佳都科技集團股份有限公司，廣東 廣州 510000）

0 引言

隨著我國經濟快速發展，人民生活質量的提高，危化品的使用頻率和數量不斷增加。城市化工園區的建設，生產易燃、易爆、有毒物品等危險化學品企業的增多和聚集，危化品重大危險源的數量也顯著提升，安全生產事故特別是因生產、運輸、使用和存儲危險化學品誘發的火災、爆炸、毒害事故時有發生，大大提高了政府對危化品重大危險源的管控難度。

近年來，各級安監部門監管力度不斷加強以及生產經營單位安全意識的逐步提高，我國安全生產形勢保持持續總體穩定態勢。但我國的安全生產形勢依然嚴峻。天津港“8·12”瑞海國際危險貨物倉庫特別重大火災事故、大連中石油國際儲運有限公司“7·16”輸油管道爆炸火災事故、南京“7·28”地下丙烯管道泄漏爆炸事故、河北克爾化工有限公司“2·28”爆炸事故、廣東中石化茂名分公司“6·8”儲罐泄露著火事故。

建立基于大數據的重大危險源智能監測預警系統，增強危險化學品安全管控領域的創新能力、提升危險化學品全過程的管控與應急水平，建立立體化安全生產風險管控體系，聯結危險化學品安全管理的全要素、全方位、全過程，加強對重大危險源監管的能力，避免或減少安全生產事故，及時處置突發性事故以減少事故損失，是努力構建社會主義和諧社會的具體體現，是推動我國經濟發展、社會穩定，維護廣大人民最根本利益的體現[1]。

1 重大危險源監測

針對重大危險源工藝流程及過程系統進行分析，研究分析其火災爆炸條件以及泄漏特點，從中選取危險源評價指標，如氣體濃度、溫度、壓力、液位等進行監測。企業重大危險源數據采集與監測系統由3 個層面的應用構成：前端物聯網層、云端服務層和應用服務層。

（1）前端物聯網層。主要實現兩方面的功能：①提供傳感器接口，實現對傳感器數據的讀取。②實現物聯網數據信息上云。這樣就可以實現各種傳感器數據上云的目的。

（2）云端服務層。云端IOT 服務主要為各種物聯網前端提供接入服務，整個接入服務的內容包括設備接入、協議規范、設備管理、設備維護、點表工具、數據雙向傳輸和數據庫系統，實現設備的標識、配置、約定等等，并將其數據有規律的存入數據庫中。

（3）應用服務層。應用服務層實現傳感器數據的應用與展示，包括地理信息系統服務、數據采集與監測系統、危險源分析系統、信息展示系統、物聯網設備管理、園區企業信息管理以及為信息共享提供的應用接口服務。應用服務層要完成業務應用的目的，同時還可以為其他業務提供數據信息服務。

系統將采集到的原始數據進行清洗、分類和聚合。首先，對原始數據進行篩選和過濾，去除不可靠或冗余數據，保留具有參考價值的數據。其次，根據數據特征和標簽進行分類，將數據按照危險源類型進行歸類。由于重大危險源監測預警系統需要處理大量的數據，因此合適的大數據存儲和處理技術是關鍵[2]。

2 重大危險源預警

（1）重大危險源模型預警。可以分為風險預警模型和事故預警模型兩類。基于風險預警模型針對隱患階段進行風險識別。基于大數據分析、數據可視化及實時交互前沿技術，通過對重大危險源信息、事故信息、監測預警信息、風險隱患排查信息等海量靜態數據或動態數據進行分析和挖掘，對事故風險進行預測預判，實現規律挖掘、圖形化分析、智能預警等功能。重大危險源事故預警模型包括泄露擴散事故模式反演模型、火災/爆炸事故預警模型以及重大危險源、預警、事故、時段關聯分析模型的實現。對監測數據進行總結、聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等挖掘，針對重大危險源特征，構建出泄漏擴散事故模式反演模型及識別技術、火災/爆炸事故識別技術及預警模型，并開發其算法。

（2）視頻AI 智能分析預警。通過建模大量的視頻結果的模型數據，也就是圖片數據，這些數據已經區分出結果。將這些樣本輸入給神經網絡模型系統，由此建立起一個針對某種行為的AI 視頻分析模型，比如抽煙行為分析的AI 模型，這樣得出的抽煙行為分析模型就可以應用到實際的應用場景中。對于危化品生產企業，其安全生產過程管理至關重要，視頻AI 智能分析提供了有效的手段，視頻分析主要的識別場景模型包括煙霧識別、明火識別、漏油識別、漏水識別、安全帽識別、抽煙識別、人員闖入識別、睡崗識別、離崗識別等。

3 技術路線

基于大數據的重大危險源監測預警系統，研究的主要技術路線具體如下。

（1）重大危險源工藝流程及過程系統分析。通過實際現場調研，對重大危險源的工藝特點進行分析，利用事故樹方法，對重大危險源火災、爆炸、泄漏事故風險進行分析。

（2）基于物聯網的重大危險源數據采集與監測研究。針對不同的重大危險源應用環境，采用傳感信號采集、射頻信號采集和視頻信號采集3 種感知方式。

（3）數據庫建立。存儲方式包括分布式文件系統、分布式關系數據庫、分布式NoSQL 數據庫等，主要用于結構化、半結構化和非結構化海量數據的存儲和管理。建立危險源基礎數據庫、GIS 信息數據庫、危險源動態監測數據庫、危險源動態視頻控制數據庫、GPS 信息數據庫、應急資源靜態數據庫、應急資源動態數據庫、無人機管理數據庫。

（4）實時動態的重大危險源風險預警研究。建立預警指標體系，通過風險矩陣方法以及動態模糊神經網絡技術構建組合式重大危險源事故風險預警模型。重大危險源監測預警技術路線如圖1 所示。

圖1 重大危險源監測預警技術路線

4 系統設計

重大危險源監測預警系統設計如圖2 所示，主要包括感知層、網絡層、服務支撐層和應用層。

圖2 重大危險源監測預警系統架構

（1）感知層。物聯網的數據采集主要用于實現對重大危險源溫度、壓力、液位、有毒可燃氣體濃度等安全參數以及音頻、視頻數據的采集。數據采集的基礎設施，主要利用安監部門和重大危險源企業現有的傳感器、RFID、攝像機、二維條碼和無人機等來完成。

（2）網絡層。用戶實現廣泛的互聯功能。將分散的感知設備，通過M2M、異構網、移動網、互聯網、政務外網、專網等方式，將感知到的重大危險源監測信息無障礙、高可靠性、高安全性地傳輸到重大危險源智能監測、預警、管控及應急救援系統中。

（3）服務支撐層。主要是大數據平臺組成，主要功能包括數據的采集、存儲和處理分析。其中數據采集實現對感知數據的抽取/轉換/加載。數據存儲主要用于結構化、半結構化和非結構化海量數據（比如危險源數據、事故數據、危險源數據、3D GIS 數據、北斗數據、動態監測數據、動態視頻數據、應急資源動態數據、應急資源靜態數據、無人機數據等）的存儲和管理。數據的處理與分析以分布式并行框架和實時SQL 引擎為基礎，實現海量數據的深度加工、數據挖掘、數據建模、數據開放和數據可視化等功能。

（4）應用層。主要是基于大數據的重大危險源智能監測、預警、管控及應急救援系統的實現，包括4 個子系統，分別是重大危險源智能監測系統、重大危險源大數據預警系統、重大危險源智能管控系統、重大危險源智能應急決策系統[3]。

5 系統主要功能

5.1 重大危險源智能監測系統

在重大危險源參數的動態監測方面，實現對重大危險源企業溫度、壓力、液位、有毒可燃氣體濃度等安全參數的智能監測和預警聯動。系統提供聯合三維GIS、工藝流程圖、平面圖、趨勢圖等方式來直觀展示實時監測信息和監測歷史數據的功能，實現即時智能聯動報警，報警方式包括地圖自動定位、周邊視頻的自動播放、預警彈框提醒、預警短信提醒等。

利用大數據平臺的數據處理能力，對通過感知層采集和網絡層傳輸與匯聚的各類重大危險源相關的數據，利用分布式文件系統存儲海量數據，并使用分布式計算框架（如Spark）進行數據處理和分析。這些技術可以提供高容錯性、可伸縮性和高性能的數據處理能力，滿足系統對大規模數據的需求。最后，通過數據聚合和統計分析，得出關鍵指標和模型，用于識別潛在風險源[4]。

5.2 重大危險源大數據預警系統

基于風險預警模型，針對隱患階段就進行風險識別，通過選取危險化學品重大危險源分級來表征企業的固有危險性，同時結合選取罐區的工藝控制指標、泄漏報警指標來表征罐區的動態風險和高風險作業情況、試生產狀態、開停車狀態等來表征企業安全管理風險等影響因素，采用專家評分歸一法進行計算，得出重大危險源的預警值，提示相應的風險等級，并提供給業務應用展示，起到對重大危險源的監測預警作用。

同時，建立了重大危險源事故模型預警系統，包括泄露擴散事故模式反演模型、火災/爆炸事故預警模型，可實現重大危險源預警、事故、時段關聯分析，具備泄露擴散事故模式反演功能、火災/爆炸事故預警分析功能、事故規律大數據預警分析功能，實現重大危險源事故識別及預警[5]。

6 結語

通過對危化品企業重大危險源的分析，基于物聯網技術采集了氣體濃度、溫度、壓力、液位、RFID 標簽信息、監控視頻等實時數據，建立動態監測大數據庫，綜合企業管理因素，建立了基于風險的預警模型，可及時對重大危險源預警。同時，通過建立的泄露擴散事故模式反演模型、火災/爆炸事故預警模型，可預警重大危險源事故類型和后果，為化工園區和危化品企業，實現對重大危險的智能監測、預警、管控及應急救援提供了科學依據。