CN109767090B - 一种化学危险工艺风险智能监控方法 - Google Patents
一种化学危险工艺风险智能监控方法 Download PDFInfo
- Publication number
- CN109767090B CN109767090B CN201811614096.5A CN201811614096A CN109767090B CN 109767090 B CN109767090 B CN 109767090B CN 201811614096 A CN201811614096 A CN 201811614096A CN 109767090 B CN109767090 B CN 109767090B
- Authority
- CN
- China
- Prior art keywords
- risk
- chemical
- historical
- grade
- hazard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种化学危险工艺风险智能监控方法，所有化学危险工艺下的历史数据，进行分组、提纯，作为历史工艺数据序列；提取化学危险工艺下的历史风险等级，对所述历史风险等级进行特征编码，训练出历史工艺数据序列与历史风险等级特征编码的对应关系的模型，列出建模公式并推算出风险评定公式；重新获取化工实际生产中的化学危险工艺参数的数据，根据风险评定公式，推算出对应的风险等级的特征编码；建立风险等级的查询模块，将上述计算得到的特征编码输入至查询模块，推算出实际化工生产中的风险等级。本发明实时监控各项风险措施，能够实时监控风险，智能的分析风险等级，并给与恰当的补充建议措施和警告信息，从而降低整体项目的实施风险。
Description
技术领域
本发明涉及一种化学危险工艺风险智能监控方法。
背景技术
施工过程中需要对项目中涉及到的危险工艺进行风险分析、监控。每一项偏差需要有对应的建议、实施措施，这些措施会降低项目进行中的风险。同时，需要对当前项目中的所有风险进行跟踪，明确当前项目中所有危险工艺的风险为可接受状态。确保项目实施过程中，各项危险指数都在可控制范围内，保障施工正常进行。
针对上述提出的任务内容，现有技术方案一般是人力分析每一项偏差对应的有用的措施，该措施实施后，可降低当前化学工艺的危险等级。同时，对于已有的措施，需要根据工程师的个人经验获取逐条分析是否合理。另外，整个项目实施过程中，需要不断去确认是否各项化学工艺危险的等级都降低至可接受安全范围内，因此需要人工遍历所有措施的状态。上述技术基本的缺陷在于：
（1）风险可控性低。由于人工分析每一项危险工艺对应的建议措施。不同项目，不同节点，不同的危险工艺可能存在分析误差，从而风险可控性较低。
（2）风险控制实时性差。现有技术中，化学危险工艺的风险监控依赖于被动地人工排查，易形成滞后，延误项目进行或者造成不可控的损失。
（3）风险等级评估的误差较大。现有技术中，化学危险工艺造成的损失、发生概率均为人工判断后产生。不会存在一定的误差。
发明内容
针对现有技术存在的上述技术问题，本发明的目的在于提供一种化学危险工艺风险智能监控方法，从而保障施工过程中，各项化学危险工艺能够安全、有效、快速的进行。
一种化学危险工艺风险智能监控方法，其特征在于包括以下步骤：
1）数据汇总及提纯：获取化工生产中的所有化学危险工艺下的历史数据，对获取的数据按照化学危险工艺类型进行分组、提纯，作为历史工艺数据序列；
2）数学建模：提取化学危险工艺下的历史风险等级，对所述历史风险等级进行特征编码，采用SVM的训练方法，训练出历史工艺数据序列与历史风险等级特征编码的对应关系的模型，列出建模公式；
3）风险评定：根据步骤2）的建模公式推算出风险评定公式，其中风险评定公式用于表征化学危险工艺数据与风险等级的特征编码的对应关系；重新获取化工实际生产中的化学危险工艺参数的数据，根据风险评定公式，推算出对应的风险等级的特征编码；
4）风险查询与监控：建立风险等级的查询模块，将步骤3）所得风险等级的特征编码输入至所述查询模块，进而推算得到化工实际生产中的化学危险工艺参数的风险等级，然后判断风险是否在可接受范围内，若风险不可接受，则找出风险等级不满足要求的化学危险工艺，并增加可降低化学危险工艺数据的改善措施，再按照上述方法进行循环风险计算；若风险可接受，则风险智能监控过程完成。
所述的一种化学危险工艺风险智能监控方法，其特征在于采用SVM的训练方法列出建模公式的方法为，包括以下步骤：
S1：对步骤1）所得历史工艺数据序列进行标准数字化表达，即建立多维向量，记为特征编码xi，其中特征编码xi的维度数量与化学危险工艺类型的数量相同；对化学危险工艺下的历史风险等级进行标准数字化表达，即建立多维向量，记为特征编码yi，其中特征编码yi的维度数量与事故损失类型的数量相同；
S2：训练出特征编码xi与特征编码yi的对应关系，建模公式如下：
式中，n为样本个数，
模型权重向量，b为模型偏置向量，T表示矩阵转置；根据上述建模公式，可训练得出
的数据结果。
所述的一种化学危险工艺风险智能监控方法，其特征在于步骤3）中，风险评定公式为
，y表示化工实际生产中的风险等级的特征编码，x表示化工实际生产中的化学危险工艺的特征编码。
所述的一种化学危险工艺风险智能监控方法，其特征在于事故损失类型分为财产损失、人员伤害和环境污染三个方面，所述特征编码yi为三维向量，三维向量内的数值是0~1之间的浮点数。
所述的一种化学危险工艺风险智能监控方法，其特征在于化学危险工艺的类型为温度、压力、可燃性物质的浓度中的至少一种。
所述的一种化学危险工艺风险智能监控方法，其特征在于步骤4）中，查询模块的建立方法为：根据化工生产中的化学危险工艺参数的数据，获取会发生事故的可能性大小等级和发生事故的危害等级，对可能性大小等级和危害等级分别赋予概率数值，建立风险矩阵列表；在所述风险矩阵列表内，一个可能性大小等级的概率数值和一个危害等级的概率数值确定一个风险等级；其中，风险矩阵列表内的概率数值和风险等级的特征编码的数值相对应。
所述的一种化学危险工艺风险智能监控方法，其特征在于所述可能性大小等级的确定方法为：根据事故每年发生的概率，确定事故发生的可能性大小，建立起可能性大小等级。
本发明取得的有益效果是：
化学危险工艺风险等级的自动评定。本发明针对措施类型，自动进行风险评估。提供了一种实时性的风险控制。本发明实时监控各项风险措施，并且定期排查。能够实时监控风险，智能的分析风险等级，并给与恰当的补充建议措施和警告信息，从而降低整体项目的实施风险。保证可靠的风险评估方案。本发明的风险监控自动进行，因此对每一项可能存在的工艺风险均能有效防范。
本发明极大地提高了化学危险工艺控制的效率。该发明可自动化的生成各项建议措施，监控各项措施的实施情况，同时动态的智能分析当前风险等级。能够极大地减少人工成本，同时降低人工操作带来的误差。有效的降低化学危险工艺的风险等级。该发明动态控制各项危险工艺的具体实施过程，能够迅速地捕捉各项危险工艺实施中的风险，并及时降低风险。提供系统，规范，专业的智能化控制流程。该发明的控制化流程是基于数据学习的方法，因此更客观。
附图说明
图1为本发明的事故发生的可能性等级赋予概率数值的方法；
图2为本发明的事故发生的后果严重性等级赋予概率数值的方法。
具体实施方式
下面结合具体实施例对本发明作进一步说明，但本发明的保护范围并不限于此。
实施例1 一种化学危险工艺风险智能监控方法：
对化工生产中的所有化学危险工艺参数的历史数据进行获取，对获取的数据按照化学危险工艺类型进行分组，如一项化工生产的危险工艺参数为温度T和压强P两种类型，则分为一组温度数据和一组压强数据，对分组后的数据利用K-means聚类算法，剔除偏离簇群中心较大的离群数据，完成数据提纯，该步骤的主要目的是去除训练数据中的人工错误数据，即完成对获取的数据进行提纯，作为历史工艺数据序列。
然后进行数学建模：采用SVM的训练方法，其原理是：通过训练过程实现大量数据的内在特征建模，即获取大量已知风险等级的输入，通过参数优化的数学方法，得到一组向量wi，即为模型。通过测试过程，针对输入的参数x，应用训练得到的模型wi中，算出对应的风险等级。
对上述得到的历史工艺数据序列进行标准数字化表达，即建立多维向量，记为特征编码xi，例如化学危险工艺参数的数据为温度T，数字化表达为[-t, +t]中的某一个具体的数字，并作为xi中的一维，同理可获取化学危险工艺参数的数据为压力P，按照上述方法获取xi中的二维，以此类推（由此特征编码xi的维度数量和化学危险工艺类型的数量是相同的）。
在化学危险工艺下，世界范围内的发生的事故是已知的，提取化学危险工艺下的历史风险等级，对所述历史风险等级进行特征编码，即进行标准数字化表达（建立多维向量），记为特征编码yi，风险等级评述的标准通常从财产损失、人员伤害和环境污染三个方面进行评定，这里我们将特征编码yi确定为一个三维向量，即通过训练出历史工艺数据序列与历史风险等级特征编码的对应关系的模型，列出建模公式，建立起化学危险工艺参数分别与财产损失、人员伤害和环境污染三个方面的对应关系。进行数字化表达是：将特征编码yi确定为以数值表达的向量，将特征编码yi内的数值确定为是0~1之间的浮点数。
建模公式为：
所述公式中：n为样本个数，
模型权重向量，b为模型偏置向量，T表示矩阵转置；根据所述建模公式，可训练得出
的数据结果；由此建立风险评定公式y=x*
+b，y表示化工实际生产中的风险等级的特征编码，x表示化工实际生产中的化学危险工艺的特征编码。
重新获取化工实际生产中的化学危险工艺参数的数据并进行数字化表达，记为特征编码x，将
和x代入到所述风险评定公式y=x*
+b中，即可计算得到化工实际生产中的风险等级的特征编码y。
为了更直观的表述出我们计算得到的特征编码y的风险等级，这里我们建立起风险等级的查询模块，通过将特征编码y输入至所述查询模块内，可以直观的看出化工生产中的风险是否可接受。
查询模块的建立方法为：根据化工生产中的化学危险工艺参数的数据，获取会发生事故的可能性大小等级和发生事故的危害等级，对可能性大小等级和危害等级分别赋予概率数值，建立风险矩阵列表；在所述风险矩阵列表内，一个可能性大小等级的概率数值和一个危害等级的概率数值确定一个风险等级。风险矩阵列表如表1所示。
表1
在表1中，一个危害等级和一个可能性大小等级对应一个风险等级，风险等级如L、M、H和E，其中L、M、H和E的风险等级依次升高，相应的风险概率也依次升高。
上述得到的化工实际生产中的风险等级的特征编码y和表1风险矩阵列表相对应，通过将特征编码y内的数值输入至表1中，即可计算得到一个风险等级。如后果严重性的各个等级均赋予一个概率数值（概率数值为0~1之间的浮点数），发生可能性的各个等级也均赋予一个概率数值（概率数值为0~1之间的浮点数）。由于特征编码y是从财产损失、人员伤害和环境污染三个方面的向量矩阵，因此通过将特征编码y输入至表1风险矩阵列表内时，可同时得到财产损失、人员伤害和环境污染三个方面的风险等级，即获取了对应的风险编码y后，分别映射回对应的实际指标，即：财产损失多少，人员伤害多少以及环境污染多少。
然后针对整个项目的风险等级分别从三个方面进行评估（财产损失、人员伤害和环境污染三个方面）。并且分析出当前某个维度是否存在严重的风险，如果存在，则分析该查询所有的化学危险工艺对应的风险，并找出风险等级不满足要求的工艺，新增合适的改善措施，例如实际化工生产中的温度过高而导致风险等级不满足要求，这时可以添加能够降低温度的改善措施（如增加降温装置），可以通知工程师进行完善，也可以自动的添加对应的措施，该措施可理解为一种既定的措施，然后循环进行风险计算。直至风险可接受，或者风险为施工方所接受为止。若按照上述过程，三个方面的维度的风险均在可接受范围之内，则化学危险工艺风险智能监控过程完成。
其中，对于表1风险矩阵列表内的发生可能性的各个等级赋予概率数值的方法可以如图1所示，在图1中根据事故发生的次数，进行赋予概率数值，并建立可能性大小的等级，如图1中，发生可能性极大对应的概率数值是10-1，而世界范围内未发生过事故对应的概率数值是10-5~10-6，图1中事故发生的次数可以是指1年发生的次数。
其中，对于表1风险矩阵列表内的后果严重性的各个等级赋予概率数值的方法可以如图2所示，以事故发生的危害后果确定危害等级，每个危害等级对应一个可容忍概率；事故发生的危害后果从财产损失、人员伤害或环境污染的方面进行确定危害后果，建立一个偏差危害列表，对于危害后果的发生概率，我们都有不同的可容忍概率。假如危害后果非常严重，我们对于此项后果的可容忍概率会非常低。例如：一年一次、十年一次、百年一次等。三个方面的偏差危害列表如图2所示，在图2中的可容忍概率指的是一年一次的概率。
从图2中可以看出，从财产损失、人员伤害和环境污染三个方面的后果严重性的各个等级，均赋予了一个概率数值。由此根据图1和图2，使得表1风险矩阵列表进行了数字化表达。
本说明书所述的内容仅仅是对发明构思实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式。
Claims (6)
1.一种化学危险工艺风险智能监控方法，其特征在于包括以下步骤：
1）数据汇总及提纯：获取化工生产中的所有化学危险工艺下的历史数据，对获取的数据按照化学危险工艺类型进行分组、提纯，作为历史工艺数据序列；
2）数学建模：提取化学危险工艺下的历史风险等级，对所述历史风险等级进行特征编码，采用SVM的训练方法，训练出历史工艺数据序列与历史风险等级特征编码的对应关系的模型，列出建模公式；
3）风险评定：根据步骤2）的建模公式推算出风险评定公式，其中风险评定公式用于表征化学危险工艺数据与风险等级的特征编码的对应关系；重新获取化工实际生产中的化学危险工艺参数的数据，根据风险评定公式，推算出对应的风险等级的特征编码；
4）风险查询与监控：建立风险等级的查询模块，将步骤3）所得风险等级的特征编码输入至所述查询模块，进而推算得到化工实际生产中的化学危险工艺参数的风险等级，然后判断风险是否在可接受范围内，若风险不可接受，则找出风险等级不满足要求的化学危险工艺，并采取可降低化学危险工艺数据的措施，再按照上述方法进行循环风险计算；若风险可接受，则风险智能监控过程完成；
步骤2）中，采用SVM的训练方法列出建模公式的方法为，包括以下步骤：
S1：对步骤1）所得历史工艺数据序列进行标准数字化表达，即建立多维向量，记为特征编码xi，其中特征编码xi的维度数量与化学危险工艺类型的数量相同；对化学危险工艺下的历史风险等级进行标准数字化表达，即建立多维向量，记为特征编码yi，其中特征编码yi的维度数量与事故损失类型的数量相同；
S2：训练出特征编码xi与特征编码yi的对应关系，建模公式如下：
式中，n为样本个数，
模型权重向量，b为模型偏置向量，T表示矩阵转置；根据上述建模公式，可训练得出
的数据结果。
2.根据权利要求1所述的一种化学危险工艺风险智能监控方法，其特征在于步骤3）中，风险评定公式为y=x*
+b，y表示化工实际生产中的风险等级的特征编码，x表示化工实际生产中的化学危险工艺的特征编码。
3.根据权利要求1所述的一种化学危险工艺风险智能监控方法，其特征在于事故损失类型分为财产损失、人员伤害和环境污染三个方面，所述特征编码yi为三维向量，三维向量内的数值是0~1之间的浮点数。
4.根据权利要求1所述的一种化学危险工艺风险智能监控方法，其特征在于化学危险工艺的类型为温度、压力、可燃性物质的浓度中的至少一种。
5.根据权利要求1所述的一种化学危险工艺风险智能监控方法，其特征在于步骤4）中，查询模块的建立方法为：根据化工生产中的化学危险工艺参数的数据，获取会发生事故的可能性大小等级和发生事故的危害等级，对可能性大小等级和危害等级分别赋予概率数值，建立风险矩阵列表；在所述风险矩阵列表内，一个可能性大小等级的概率数值和一个危害等级的概率数值确定一个风险等级；其中，风险矩阵列表内的概率数值和风险等级的特征编码的数值相对应。
6.根据权利要求5所述的一种化学危险工艺风险智能监控方法，其特征在于所述可能性大小等级的确定方法为：根据事故每年发生的概率，确定事故发生的可能性大小，建立起可能性大小等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811614096.5A CN109767090B (zh) | 2018-12-27 | 2018-12-27 | 一种化学危险工艺风险智能监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811614096.5A CN109767090B (zh) | 2018-12-27 | 2018-12-27 | 一种化学危险工艺风险智能监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109767090A CN109767090A (zh) | 2019-05-17 |
| CN109767090B true CN109767090B (zh) | 2020-09-29 |
Family
ID=66452142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811614096.5A Active CN109767090B (zh) | 2018-12-27 | 2018-12-27 | 一种化学危险工艺风险智能监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109767090B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111325455B (zh) * | 2020-02-13 | 2021-09-07 | 中国安全生产科学研究院 | 有限空间作业安全风险评估系统 |
| CN112149847A (zh) * | 2020-09-25 | 2020-12-29 | 北方联合电力有限责任公司临河热电厂 | 一种有限空间作业的流程确认方法 |
| CN113204985A (zh) * | 2020-11-06 | 2021-08-03 | 中国石油天然气股份有限公司 | 输油管道损坏风险评估方法及装置 |
| CN113159605B (zh) * | 2021-04-30 | 2022-08-05 | 浙江省天正设计工程有限公司 | 基于逻辑回归的化工装置智能化报警方法及系统 |
| CN113256102B (zh) * | 2021-05-20 | 2021-12-17 | 中国安全生产科学研究院 | 高风险工艺过程风险管控方法及系统 |
| CN113705074B (zh) * | 2021-05-25 | 2024-03-08 | 江苏省安全生产科学研究院 | 一种化工事故风险预测方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102033527A (zh) * | 2010-10-11 | 2011-04-27 | 刘征涛 | 化工园区液态环境风险源监测布点方法 |
| CN102903013A (zh) * | 2012-08-06 | 2013-01-30 | 华南理工大学 | 化工园区风险分析及布局优化系统 |
| CN104537211A (zh) * | 2014-12-12 | 2015-04-22 | 中钢集团武汉安全环保研究院有限公司 | 一种基于层次分析法及灰色理论的企业安全风险预警方法 |
| CN105389595A (zh) * | 2015-12-02 | 2016-03-09 | 中国石油大学(北京) | 一种化工装备长周期运行安全风险雷达监测方法及装置 |
| CN108415393A (zh) * | 2018-04-19 | 2018-08-17 | 中江联合(北京)科技有限公司 | 一种砷化镓产品质量一致性控制方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10268962B2 (en) * | 2014-10-10 | 2019-04-23 | Near-Miss Management Llc | Dynamic prediction of risk levels for manufacturing operations through leading risk indicators: dynamic risk analyzer engine |
| US11646808B2 (en) * | 2016-05-09 | 2023-05-09 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for adaption of data storage and communication in an internet of things downstream oil and gas environment |
-
2018
- 2018-12-27 CN CN201811614096.5A patent/CN109767090B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102033527A (zh) * | 2010-10-11 | 2011-04-27 | 刘征涛 | 化工园区液态环境风险源监测布点方法 |
| CN102903013A (zh) * | 2012-08-06 | 2013-01-30 | 华南理工大学 | 化工园区风险分析及布局优化系统 |
| CN104537211A (zh) * | 2014-12-12 | 2015-04-22 | 中钢集团武汉安全环保研究院有限公司 | 一种基于层次分析法及灰色理论的企业安全风险预警方法 |
| CN105389595A (zh) * | 2015-12-02 | 2016-03-09 | 中国石油大学(北京) | 一种化工装备长周期运行安全风险雷达监测方法及装置 |
| CN108415393A (zh) * | 2018-04-19 | 2018-08-17 | 中江联合(北京)科技有限公司 | 一种砷化镓产品质量一致性控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 危险化工工艺的风险评估研究方法综述;周仲元 等;《工业安全与环保》;20131231;第87-89页 * |
| 石化企业危险化工工艺风险等级评估指标体系研究;承奇 等;《中国安全生产科学技术》;20111031;第89-92页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109767090A (zh) | 2019-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109767090B (zh) | 一种化学危险工艺风险智能监控方法 | |
| CN111614491B (zh) | 一种面向电力监控系统安全态势评估指标选取方法及系统 | |
| CN107861942A (zh) | 一种基于深度学习的电力疑似投诉工单识别方法 | |
| CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警系统 | |
| Wang et al. | Indexing and designing deadbands for industrial alarm signals | |
| CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
| CN105574587A (zh) | 一种塑料注塑过程的在线工况过程监控方法 | |
| CN113071966A (zh) | 电梯故障预测方法、装置、设备及存储介质 | |
| CN103309347B (zh) | 一种基于稀疏表示的多工况过程监控方法 | |
| CN113570200A (zh) | 一种基于多维信息的电网运行状态监测方法及系统 | |
| CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理系统及方法 | |
| CN117319452B (zh) | 应用于硫酸钡制备下的安全巡检方法及系统 | |
| CN108171271B (zh) | 一种设备劣化早期预警方法和系统 | |
| CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
| CN105260814A (zh) | 一种基于大数据的输变电设备评估模型及处理方法 | |
| CN102693514A (zh) | 一种基于设备风险预控、重点设备监控的变电站设备自动评价方法 | |
| CN111158338A (zh) | 一种基于主成分分析的化工风险监测方法 | |
| CN111354497B (zh) | 一种核电站破口事故信息诊断方法 | |
| CN115795389A (zh) | 一种变压器冷却装置运行工况的监测方法及系统 | |
| CN108363738A (zh) | 一种工业设备数据分析算法的推荐方法 | |
| CN113779130A (zh) | 一种基于多维信息化技术的智慧型化工用产业中枢 | |
| CN105337419A (zh) | 一种保护故障信息系统及其保护告警信息处理方法 | |
| CN111340095A (zh) | 基于深度学习的环境监测数据质量控制方法 | |
| CN113934822A (zh) | 基于设备工况阵的配电网调度指令票综合校验系统及方法 | |
| CN116846892B (zh) | 一种应用边缘计算的能耗智能化监管系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |