基于模糊推理的油气储罐安全生产风险预警技术研究

陈雅丽

(中石化安全工程研究院有限公司,山东青岛 266104)

1 有效的风险预警技术是保障行业安全发展的重要手段

随着我国石油化工行业的快速发展和能源战略储备的需求增强,我国开始朝着油气储罐单体大型化[1]、综合化方向发展,同时储罐数量和储存区规模也在快速增加。由于油气储罐内介质一般具有易燃易爆特性,一旦储存区内储罐发生泄漏,极易引发多米诺式的火灾、爆炸等灾害事故,产生不良的社会影响[2]。因此,有必要对油气储罐的安全生产风险进行量化表征,建立科学、合理的风险预警模型,实现风险的快速感知及提前预警,帮助安全管理人员进行提前防范和控制,防止重特大安全事故的发生。

目前,国内在油气储罐安全生产风险预警研究领域常用的技术有综合指标体系评价技术[3-5]以及阈值预警技术[6,7]。其中,通过综合指标体系评价技术进行预警的方法可实现风险的量化评价,但需要对多个影响因素分配权重,削弱了单个因素对安全风险的影响,可能会降低预警的及时性;而利用多参数实时监测数据进行阈值预警的方法通常依据当前实时值是否超过阈值进行预警,大量历史数据未得到有效利用,且预警准确性依赖于阈值设置的合理性及科学性。因此,仍需要探索一种能够有效结合历史数据与实时监测数据,并保障预警及时性与准确性的综合预警方法,为油气储罐风险管控提供指导。

本文结合储罐关键运行参数历史数据与实时监测数据,利用历史监测数据和报警数据计算波动率及报警率,通过模糊推理协同计算各参数的风险值,同时综合考虑风险值和当前关键运行参数阈值预警情况,构建风险预警分级原则,形成具备及时性与准确性的油气储罐安全生产风险预警技术。

2 基于历史数据的油气储罐模糊风险预警模型研究

油气储罐温度、压力、液位等关键运行参数的历史报警数据可以反映企业对该储罐某一风险的安全管控水平或该储罐的安全性及稳定性,关键运行参数的波动率可以反映某一周期数据的平稳性,某一期间关键运行参数的突然波动说明这一周期储罐状态出现了较大的变化,可能出现了异常情况。故储罐某一关键运行参数的历史报警数据及参数波动率可作为风险预警的重要参考因素,当历史报警率较高且当前周期关键运行参数波动率较大时,则当前周期风险较大,反之亦然。

但依靠个人主观判断难以界定历史报警率高低、波动率大小程度与风险大小程度之间的关系,甚至可能会出现条件相差不大,预警结果大为不同的情况,影响风险预警效果,而模糊系统能够模拟人类凭经验和常识的推理过程,定量化处理模糊信息,并保证结论的一致性与鲁棒性。故可基于模糊系统,利用关键运行参数的历史报警数据及数值波动情况度量储罐的风险情况。

2.1 基于改进EWMA方法确定数值波动率

(1)

式中:ri——从当前实时值开始,往前选取的第i个历史数值;

(2)

式中:λ——固定常数,且0<λ<1。

从0.05开始,以0.1为间隔为λ取值,取得到的10个数据波动率均值为σ2。

2.2 油气储罐模糊风险预警模型构建

通过模糊推理方法[8]构建油气储罐风险预警模型,即使用模糊逻辑制定从给定输入到输出的映射过程,形成输入层、模糊化层、规则层、模糊推理层到输出层的模糊推理过程。

a) 输入层:该层确定输入层参数,将油气储罐温度、压力、液位等单一关键运行参数的当前实时值,向前选取的n个连续数值计算的波动率作为输入参数之一,并记当前实时值所处时刻为T1,第n个数值所处时刻为T2,将该关键参数在[T1,T2]周期内的报警率L作为另一个输入参数参与计算,报警率L可表示为公式(3)。

L=S/(T1-T2)

(3)

式中:S——在[T1,T2]周期内的报警持续时间,h。

b) 模糊化层:相较来说,三角形隶属函数模糊化运算对输入数据的鲁棒性较好,便于计算,且模糊化结果比较接近于人的认知特点,故采用三角形隶属函数将输入值分别模糊化为“高”、“中”、“低”3种语言变量,并构建波动率隶属函数、报警率隶属函数、风险值隶属函数分别如图1～图3所示,图像交叉部分代表此区域数值类属于多个范围,这种不确定性是模糊性的体现,符合人类认知的实际情况。

图1 波动率隶属函数度曲线

图2 报警率隶属函数度曲线

图3 风险值隶属函数度曲线

c) 规则层:根据历史报警与波动率对风险的表征程度建立模糊规则,确定波动率、报警率与风险值在不同情况下,它们之间的模糊关系设定:①如果σ2为“低”,L为“低”,则风险值为“低”;②如果σ2为“低”,L为“中”,则风险值为“低”;③如果σ2为“低”,L为“高”,则风险值为“中”;④如果σ2为“中”,L为“低”,则风险值为“低”;⑤如果σ2为“中”,L为“中”,则风险值为“中”;⑥如果σ2为“中”,L为“高”,则风险值为“高”;⑦如果σ2为“高”,L为“低”,则风险值为“中”;⑧如果σ2为“高”,L为“中”,则风险值为“高”;⑨如果σ2为“高”,L为“高”, 则风险值为“高”。

d) 模糊推理层:该层是模糊推理的核心,常用的模糊推理方法有Larsen算法、Zadeh 的 CRI 方法、全蕴涵三I算法、Mamdani 算法[9]等。Mamdani 算法常用于2个输入参数的运算,故采用Mamdani 算法对波动率和报警率进行运算,得到输入层参数触发的各模糊规则对应的模糊集合及各关键运行参数风险值的模糊集合。

e) 输出层:该层主要进行去模糊化,即确定一个最能代表各模糊集合的精确值。常用的去模糊化方法有最大隶属度法、重心法及中心平均法,中心平均法计算简单且鲁棒性较好,故采用中心平均法计算各关键运行参数风险值y*见公式(4)。

(4)

式中:N——模糊集合的个数;

ωi(y)——第i个模糊集合对应的最大隶属度。

3 结合实时监测值进行风险预警

当油气储罐关键运行参数的实时监测值达到高报、低报、高高报或低低报时,代表当前超出了安全状态临界值,存在着一定的安全风险。同时,基于波动率和报警率得到的各关键运行参数风险值y*越大代表风险越高,故基于专家经验,根据y*数值及关键运行参数当前实时监测值设定风险预警等级,如表1所示。

表1 风险预警条件及等级

4 案例分析

以国家危险化学品安全生产风险监测预警系统关键运行参数历史报警数据和实时监测数据为研究样本,选取某油气储存企业的5×104m3柴油储罐(以下简称T003储罐)为研究对象,应用模糊风险预警模型评估其风险等级,该储罐关键运行参数在某72 h内变化情况如表2所示,其液位高报值为12 m,温度高报值为25 ℃,且超过液位高报值的4月11日17:00至4月12日15:50的时间差为22 h 50 min,温度一直未达到高报值,即在此期间内,温度未有报警。

表2 参数变化情况数据

4.1 计算数值波动率及报警率

从0.05开始,以0.1间隔为λ取值,并将液位、温度及压力变化数据代入公式(2),得到各关键运行参数数据波动率如表3所示。

表3 数值波动率

则液位、温度的波动率σ2取值分别为21.413 408 02,0.000 658 40。将液位报警持续时间22 h 50 min代入公式(3),得到液位和温度的报警率L分别为0.317 1和0。

4.2 判定各监测参数风险值

利用模糊风险预警模型,基于各关键运行参数实时监测值。历史监测数据及报警持续时间计算T003储罐的风险值。

4.2.1 确定模糊推理系统输入层参数

基于各关键运行参数波动率及报警率计算结果,确定输入层参数数值如表4所示。

表4 输入层参数数值

4.2.2 确定隶属度函数

对各个关键监控参数,采用三角隶属函数将波动率、报警率、风险值及相互间关系进行模糊化处理,分别如图4及图5所示,波动率因素的下限为0,无上限,报警率因素上下限分别为1和0,并设定图像每条直线的斜率为1/3或-1/3。

图4 波动率隶属函数度曲线

4.2.3 结合规则层进行模糊推理

图6 基于Mamdani算法的液位风险推理过程

4.2.4 计算风险值

针对液位关键运行参数,基于Mamdani算法推理得到的结果,运用公式(4)求得液位关键运行参数的风险值为0.747 6。温度关键运行参数的风险值计算过程类似于液位关键运行参数,为0.000 3。

4.3 结合实时参数进行风险预警

T003储罐液位、温度的当前实时监测值均未达到高/低报,而液位风险值大于0.5,温度风险值小于0.1,故基于风险预警条件和等级表,对液位关键运行参数进行二级预警,对温度关键运行参数不预警。可考虑是否存在泄漏风险,并采取相应的管控措施。

5 结语

合理有效的油气储罐安全风险监测预警模型对防范重特大安全事故发生具有十分重要的作用。基于模糊推理的油气储罐安全生产风险预警技术利用历史数据和实时监测数据计算波动率及报警率,通过模糊推理协同计算油气储罐温度、压力、液位参数对应的风险值,并综合考虑风险值和各监测参数阈值预警情况对油气储罐安全生产风险进行分级预警,降低了高/低报等阈值设置不合理时对预警准确性的影响。

最后的案例结果表明该技术能够对油气储罐安全风险进行量化表征,即使关键运行参数监测设备发生故障,监测数据未能达到高/低报时,也可发出预警,实现超前预警,且帮助企业安全管理人员根据预警的参数和等级采取相应的管控措施,进行风险提前防范和控制,防止重特大安全事故的发生。未来,可将该风险预警技术应用于化工装置及企业安全风险管控。