CN113361903B - 油气管道外腐蚀风险评估方法、装置及设备 - Google Patents
油气管道外腐蚀风险评估方法、装置及设备 Download PDFInfo
- Publication number
- CN113361903B CN113361903B CN202110616212.2A CN202110616212A CN113361903B CN 113361903 B CN113361903 B CN 113361903B CN 202110616212 A CN202110616212 A CN 202110616212A CN 113361903 B CN113361903 B CN 113361903B
- Authority
- CN
- China
- Prior art keywords
- risk
- event
- risk event
- node
- oil
- 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
- 230000007797 corrosion Effects 0.000 title claims abstract description 161
- 238000005260 corrosion Methods 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000012502 risk assessment Methods 0.000 claims abstract description 163
- 238000012423 maintenance Methods 0.000 claims description 130
- 238000007689 inspection Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 111
- 239000002689 soil Substances 0.000 description 31
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 230000008439 repair process Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000004210 cathodic protection Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004162 soil erosion Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000033116 oxidation-reduction process Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种油气管道外腐蚀风险评估方法、装置及设备，该方法包括：确定当前发生的第一风险事件，通过更新预先建立的风险评估模型中，第一风险事件的对应节点的模型参数，获得风险评估模型输出的预定风险事件的发生概率，再根据该预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。本申请的方法，通过更新风险评估模型中，第一风险事件的对应节点的模型参数，实现了数据的动态化，提高了油气管道外腐蚀风险评估的准确性。
Description
技术领域
本申请涉及油气运输技术领域，尤其涉及一种油气管道外腐蚀风险评估方法、装置及设备。
背景技术
油气运输是指，将石油与天然气由产地运送至各地。其中，管道运输由于具有损耗低、安全性高、占地面积小等优点，在油气运输中起着越来越重要的作用。但是，由于石油和天然气具有易燃性、易爆性、流动性、毒性等特点，为了避免不必要的损失以及资源浪费，需要保证油气管道的安全性。因此，需要进行油气管道外腐蚀风险评估，避免由于管道外腐蚀影响管道的安全。
目前，常见的油气管道外腐蚀风险评估方法主要包括定性分析方法和定量分析方法，例如故障树分析法、马尔科夫模型分析法和神经网络模型分析法等。在上述方法中，认为油气管道运输过程中某些风险事件的发生会导致其他风险事件一定发生，这种相关性是确定的，可以基于逻辑“与门”和“或门”来表示。从而基于确定出的风险事件，进行油气管道外腐蚀风险评估。
但是，油气管道运输过程存在动态特性，也就是说，不同时刻可能发生的风险事件存在不确定性，各风险事件的相关性也存在不确定性，故通过以上方法进行油气管道外腐蚀风险评估准确性不高，因此，如何实现准确性更高的油气管道外腐蚀风险评估是亟待解决的问题。
发明内容
本申请提供一种油气管道外腐蚀风险评估方法、装置及设备，用以实现准确性更高的油气管道外腐蚀风险评估。
第一方面，本申请实施例提供一种油气管道外腐蚀风险评估方法，包括：
确定当前发生的第一风险事件；
通过更新预先建立的风险评估模型中，所述第一风险事件的对应节点的模型参数，获得所述风险评估模型输出的预定风险事件的发生概率；其中，所述预定风险事件与油气管道外腐蚀事件存在直接关联；其中，所述风险评估模型为贝叶斯网络模型，所述风险评估模型的各节点表征与油气管道外腐蚀事件关联的各风险事件，节点的模型参数表征该节点对应的风险事件的发生概率；
根据所述预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。
进一步地，如上所述的方法，所述方法还包括：
获取与油气管道外腐蚀事件关联的各风险事件；
根据所述各风险事件，基于贝叶斯网络构建风险评估模型；
针对历史数据中的历史风险事件，确定属于根节点对应的风险事件的第一历史风险事件，并根据所述第一历史风险事件的历史数据，统计获得所述第一历史风险事件对应的根节点的模型参数；
针对各风险事件中，除所述第一历史风险事件以外的其它风险事件，根据各用户设定的所述其它风险事件的发生频次，采用模糊集理论，计算获得所述其他风险事件对应的节点的模型参数，以建立所述风险评估模型。
进一步地，如上所述的方法，所述根据所述各风险事件，基于贝叶斯网络构建风险评估模型，包括：
根据所述各风险事件，确定所述贝叶斯网络的各节点，所述各节点与所述各风险事件一一对应；
根据各风险事件之间的关联关系，构建所述风险评估模型。
进一步地，如上所述的方法，所述根据各用户设定的所述各风险事件的发生频次，采用模糊集理论，计算获得所述各节点的模型参数，包括：
针对每个风险事件，对各用户设定的该风险事件的发生频次进行归一化处理，并采用模糊集理论，将归一化处理后的各用户设定的每个风险事件的发生频次转化为模糊数，获得各风险事件对应的聚类模糊数；
采用中心面积法，对所述各风险事件对应的聚类模糊数进行去模糊化处理，获得所述各风险事件对应的模糊性评分；
根据所述各风险事件对应的模糊性评分，采用模糊概率转化公式，计算所述各节点的模型参数。
进一步地，如上所述的方法，所述根据所述各风险事件，基于贝叶斯网络构建风险评估模型之后，还包括：
获取风险评估模型中的各失效风险事件的维修策略，所述失效风险事件为失效类型下的风险事件；
针对风险评估模型中的每个失效风险事件，将该失效风险事件对应的维修策略作为该失效风险事件对应节点的父节点，在所述风险评估模型中加入维修策略对应的节点；
所述方法还包括：
从所述风险评估模型中，查找所述第一风险事件对应的节点的父节点中，表征维修策略的第一父节点；
获得并输出所述第一父节点表征的第一维修策略。
进一步地，如上所述的方法，所述第一维修策略为多个，每个第一维修策略包括多个维修手段；所述获得并输出所述第一父节点表征的第一维修策略，包括：
针对每个第一维修策略，基于该第一维修策略中的维修手段、以及预先建立的成本计算公式，计算多个第一维修策略的成本，所述公式为：
其中，R为第一维修策略的成本，CRi为所述第一维修策略中第i个维修手段的维修成本，CFj为第j个第一风险事件发生时的损失，PFj为实施对应的维修手段后发生第j个第一风险事件的概率，CDk为采用第k类巡检频率进行巡检时的巡检成本，PDk为采用第k类巡检频率进行巡检的概率，n为第一维修策略中维修手段的数量，m为第一风险事件的数量，s为巡检频率的分类数量；
输出所述多个第一维修策略中成本最小的第一维修策略。
第二方面，本申请实施例提供一种油气管道外腐蚀风险评估装置，包括：
确定模块，用于确定当前发生的第一风险事件；
处理模块，用于通过更新预先建立的风险评估模型中，所述第一风险事件的对应节点的模型参数，获得所述风险评估模型输出的预定风险事件的发生概率；其中，所述预定风险事件与油气管道外腐蚀事件存在直接关联；其中，所述风险评估模型为贝叶斯网络模型，所述风险评估模型的各节点表征与油气管道外腐蚀事件关联的各风险事件，节点的模型参数表征该节点对应的风险事件的发生概率；
计算模块，用于根据所述预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。
第三方面，本申请实施例提供一种电子设备，包括：存储器，处理器；
存储器：用于存储所述处理器可执行指令的存储器；
其中，所述处理器用于调用所述存储器中的程序指令执行如第一方面所述的油气管道外腐蚀风险评估方法。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的油气管道外腐蚀风险评估方法。
第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的油气管道外腐蚀风险评估方法。
本申请提供一种油气管道外腐蚀风险评估方法、装置及设备，确定当前发生的第一风险事件，通过更新预先建立的风险评估模型中，第一风险事件的对应节点的模型参数，获得风险评估模型输出的预定风险事件的发生概率，再根据该预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。也就是说，本申请通过更新风险评估模型中，第一风险事件的对应节点的模型参数，实现了数据的动态化，提高了油气管道外腐蚀风险评估的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请提供的油气管道外腐蚀风险评估方法的流程图；
图2为本申请提供的风险评估模型的示意图；
图3为本申请提供的油气管道外腐蚀风险评估方法的流程图；
图4为本申请提供的油气管道外腐蚀风险评估方法的流程图；
图5为本申请提供的风险评估模型的示意图；
图6为本申请提供的油气管道外腐蚀风险评估装置的结构示意图；
图7为本申请的电子设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
随着油气运输技术的发展，管道运输成为了一种重要的运输方式，其中，最常见的是埋地管道。由于管道长期被包裹在土壤环境中，容易导致管道外腐蚀，因此为了保证油气管道的安全性，需要进行油气管道外腐蚀风险评估，避免由于管道外腐蚀影响管道的安全。
目前，常见的油气管道外腐蚀风险评估方法主要包括定性分析方法和定量分析方法，在上述方法中，认为油气管道运输过程中某些风险事件的发生会导致其他风险事件一定发生，这种相关性是确定的，可以基于逻辑“与门”和“或门”来表示。从而基于确定出的风险事件，进行油气管道外腐蚀风险评估。
但是，油气管道运输过程存在动态特性，也就是说，不同时刻可能发生的风险事件存在不确定性，各风险事件的相关性也存在不确定性，故通过以上方法进行油气管道外腐蚀风险评估准确性不高。
本申请提供的油气管道外腐蚀风险评估方法、装置及设备，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
实施例一
图1为本申请提供的油气管道外腐蚀风险评估方法的流程图，如图1所示，本实施例提供的油气管道外腐蚀风险评估方法，包括以下步骤：
步骤101、确定当前发生的第一风险事件。
步骤102、通过更新预先建立的风险评估模型中，所述第一风险事件的对应节点的模型参数，获得所述风险评估模型输出的预定风险事件的发生概率；其中，所述预定风险事件与油气管道外腐蚀事件存在直接关联；其中，所述风险评估模型为贝叶斯网络模型，所述风险评估模型的各节点表征与油气管道外腐蚀事件关联的各风险事件，节点的模型参数表征该节点对应的风险事件的发生概率。
步骤103、根据所述预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。
需要说明的是，本实施例提供的油气管道外腐蚀风险评估方法的执行主体可以为油气管道外腐蚀风险评估装置。在实际应用中，该油气管道外腐蚀风险评估装置可以通过计算机程序实现，例如应用软件，计算机程序等，也可以通过存储有相关计算机程序的介质，例如，U盘、光盘等实现；或者，还可以通过集成或安装有相关计算机程序的实体装置实现，例如，芯片等。
在本实施例中，由于油气管道运输过程存在动态特性，因此不同时刻可能发生的导致油气管道外腐蚀的风险事件存在不确定性，各风险事件的相关性也存在不确定性，因此为了提高油气管道外腐蚀风险评估的准确性，可以对预先建立的风险模型的模型参数进行动态更新。具体地，油气管道外腐蚀风险评估装置首先可以确定当前发生的第一风险事件。
接下来，油气管道外腐蚀风险评估装置可以将预先建立的风险评估模型中，该第一风险事件的对应节点的模型参数进行更新处理，从而获得风险评估模型输出的预定风险事件的发生概率。
图2为本申请提供的风险评估模型的示意图，如图2所示，该风险评估模型为贝叶斯网络模型，在图2中，预定风险事件为“土壤腐蚀”事件和“杂散电流腐蚀”事件。在一种可能的情况中，若确定当前发生的第一风险事件为“外防腐层失效”事件，则油气管道外腐蚀风险评估装置可以将该“外防腐层失效”事件对应节点的模型参数更新为100％，即可获得风险评估模型输出的“土壤腐蚀”事件和“杂散电流腐蚀”事件的发生概率。
需要说明的是，风险评估模型的各节点表征与油气管道外腐蚀事件关联的各风险事件。其中，关联包括直接关联和间接关联。
直接关联指的是两个事件具有直接的因果关系，在本实施例中，预定风险事件与油气管道外腐蚀事件即存在直接关联，在图2中体现为“土壤腐蚀”事件对应的节点与“外腐蚀”事件对应的节点之间可通过一个箭头直接连接，“杂散电流腐蚀”事件对应的节点与“外腐蚀”事件对应的节点之间也可通过一个箭头直接连接。此外，在图2中，例如“外防腐层失效”事件与“防腐措施失效”事件等，事件对应的节点之间可通过一个箭头直接连接的事件，均为直接关联。
相应地，间接关联指的是两个事件具有间接的因果关系，在图2中体现为两个事件对应的节点之间需要通过多个箭头相连接。例如，“施工质量存在问题”事件与“外腐蚀”事件，该两个事件对应的节点之间需要通过四个箭头相连接，即“施工质量存在问题”事件与“外腐蚀”事件存在间接关联。
此外，节点的模型参数表征该节点对应的风险事件的发生概率。在预先建立的风险评估模型中，包含有预先计算好的各节点的模型参数，在实际应用时，仅需将当前发生的一个或多个第一风险事件的对应节点的模型参数进行更新，即可获得预定风险事件的发生概率。
此外，风险评估模型的建立方法将在实施例二中进行详细说明，在此不做赘述。
最后，油气管道外腐蚀风险评估装置可以根据预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率，具体计算方法本实施例中不做限定。
本实施例提供的油气管道外腐蚀风险评估方法，确定当前发生的第一风险事件，通过更新预先建立的风险评估模型中，第一风险事件的对应节点的模型参数，获得风险评估模型输出的预定风险事件的发生概率，再根据该预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。也就是说，在本申请实施例中，通过更新风险评估模型中，第一风险事件的对应节点的模型参数，实现了数据的动态化，提高了油气管道外腐蚀风险评估的准确性。
实施例二
图3为本申请提供的油气管道外腐蚀风险评估方法的流程图，如图3所示，本实施例提供的油气管道外腐蚀风险评估方法，在上述实施例一的基础上，还包括以下步骤：
步骤201、获取与油气管道外腐蚀事件关联的各风险事件。
步骤202、根据所述各风险事件，基于贝叶斯网络构建风险评估模型。
步骤203、针对历史数据中的历史风险事件，确定属于根节点对应的风险事件的第一历史风险事件，并根据所述第一历史风险事件的历史数据，统计获得所述第一历史风险事件对应的根节点的模型参数；
步骤204、针对各风险事件中，除所述第一历史风险事件以外的其它风险事件，根据各用户设定的所述其它风险事件的发生频次，采用模糊集理论，计算获得所述其他风险事件对应的节点的模型参数，以建立所述风险评估模型。
在本实施例中，为了建立风险评估模型，油气管道外腐蚀风险评估装置首先可以获取与油气管道外腐蚀事件关联的各风险事件。具体获取方式本实施例中不做限定。举例来说，在一种可能的情况中，各风险事件可以为“第三方活动”事件、“施工质量存在问题”事件、“防腐层材质选择错误”事件、“防腐层质量存在问题”事件、“管道服役时间”事件、“零件失效”事件、“线路失效”事件、“外防腐层失效”事件、“阴极保护系统失效”事件、“防腐措施失效”事件、“土壤腐蚀”事件、“杂散电流腐蚀”事件、“土壤腐蚀性”事件、“杂散电流”事件以及“巡检频率”事件。
然后，油气管道外腐蚀风险评估装置可以根据各风险事件，基于贝叶斯网络构建风险评估模型。
贝叶斯网络使用图形的方法描述数据间的相互关系，贝叶斯网络的方法反映的是整个数据库中数据间的概率关系模型，缺少某一数据变量仍然可以建立精确的模型。
需要说明的是，贝叶斯网络由网络结构和参数两部分构成，此处的构建风险评估模型指的是构建贝叶斯网络的网络结构。
在一种可选的实施方式中，构建方法具体包括：根据所述各风险事件，确定所述贝叶斯网络的各节点，所述各节点与所述各风险事件一一对应；根据各风险事件之间的关联关系，构建所述风险评估模型。
在本实施方式中，由于贝叶斯网络的网络结构为有向无环图，包含有多个相关联的节点，因此，油气管道外腐蚀风险评估装置可以根据各风险事件，确定贝叶斯网络的各节点。其中，各节点与各风险事件一一对应。接下来，油气管道外腐蚀风险评估装置可以根据各风险事件之间的关联关系，构建风险评估模型。
承接上例来说，在一种可能的情况中，由于“土壤腐蚀”的原因包括“土壤腐蚀性”和“防腐措施失效”，“杂散电流腐蚀”的原因包括“杂散电流”和“防腐措施失效”，而“防腐措施失效”包括“外防腐层失效”和“阴极保护系统失效”。因此，“土壤腐蚀性”事件和“防腐措施失效”事件分别与“土壤腐蚀”事件直接关联，“杂散电流”事件和“防腐措施失效”事件分别与“杂散电流腐蚀”事件直接关联，“外防腐层失效”事件和“阴极保护系统失效”事件分别与“防腐措施失效”事件直接关联，而“外防腐层失效”事件与“土壤腐蚀”事件间接关联。在图2所示的风险评估模型中，将各风险事件对应的节点通过箭头相连接，并通过两个风险事件对应的节点之间箭头的个数表征其关联关系。
最后，在油气管道外腐蚀风险评估装置构建风险评估模型之后，还需要计算模型中各节点的模型参数，以建立完整的风险评估模型。具体地，油气管道外腐蚀风险评估装置可以针对历史数据中的历史风险事件，确定属于根节点对应的风险事件的第一历史风险事件。
其中，第一历史风险事件为根节点对应的风险事件，且与该风险事件相关的历史数据数量大于阈值，且其相关的历史数据能够进行详细的统计。
此外，阈值大小可根据实际情况进行确定，本实施例中对此不做限定。
接下来，油气管道外腐蚀风险评估装置可以根据第一历史风险事件的历史数据，统计获得第一历史风险事件对应的根节点的模型参数。
针对各风险事件中，除第一历史风险事件以外的其它风险事件，油气管道外腐蚀风险评估装置可以根据各用户设定的各风险事件的发生频次，采用模糊集理论，计算获得其他节点的模型参数，以建立风险评估模型。具体计算方法将在本申请其他实施例中进行详细说明，在此不做赘述。
需要说明的是，承接上例来说，在实际应用中，由于“土壤腐蚀性”事件的影响因素众多，共有八个因素，因此需要根据《金属和合金的腐蚀土壤环境腐蚀性分类标准》，对该八个因素进行状态划分，每个状态对应不同的评分分数。
表1为土壤腐蚀性影响因素说明表，如表1所示，最左侧一列为土壤腐蚀性影响因素，包括土壤的电阻率(Ω·m)、管道自然腐蚀电位(mv)、氧化还原电位(mv)、土壤PH值、土壤含水量(％)、土壤含盐量(％)、土壤氯离子含量(％)和土壤质地。中间一列为对每个因素的状态划分，例如，土壤的电阻率可以分为<20Ω·m、20Ω·m～50Ω·m和>50Ω·m。相应地，最右侧一列为每个状态对应的评分分数，例如，土壤的电阻率为<20Ω·m时，对应的评分分数为4.5，土壤的电阻率为20Ω·m～50Ω·m时，对应的评分分数为3，土壤的电阻率为>50Ω·m时，对应的评分分数为0。
表1
然后，可以根据八个因素的评分分数之和，确定土壤土壤腐蚀性评价等级。表2为土壤腐蚀评价等级表，如表2所示，左侧一列为八个因素的评分分数之和N，包括19＜N≤32、11＜N≤19、5＜N≤11和0≤N≤5。相应地，右侧为各分数之和N对应的土壤腐蚀性评价等级，即当19＜N≤32时，对应的土壤腐蚀性评价等级为强，当11＜N≤19时，对应的土壤腐蚀性评价等级为中，当5＜N≤11时，对应的土壤腐蚀性评价等级为较弱，当0≤N≤5时，对应的土壤腐蚀性评价等级为弱。
表2
| 分数之和N | 土壤腐蚀性 |
| 19＜N≤32 | 强 |
| 11＜N≤19 | 中 |
| 5＜N≤11 | 较弱 |
| 0≤N≤5 | 弱 |
最后，可以根据该评价等级计算“土壤腐蚀性”事件对应节点的模型参数，具体计算方式本实施例中不做限定。
本实施例提供的油气管道外腐蚀风险评估方法，获取与油气管道外腐蚀事件关联的各风险事件，并根据各风险事件，基于贝叶斯网络构建风险评估模型，再根据历史数据统计获得第一历史风险事件对应的根节点的模型参数，针对除第一历史风险事件以外的其它风险事件，根据各用户设定的其他风险事件的发生频次，采用模糊集理论，计算获得其他节点的模型参数，从而建立风险评估模型，为后续利用该风险评估模型进行风险评估做好准备。
图4为本申请提供的油气管道外腐蚀风险评估方法的流程图，如图4所示，本实施例提供的油气管道外腐蚀风险评估方法，在上述实施例二的基础上，步骤203，具体包括以下步骤：
步骤301、针对每个风险事件，对各用户设定的该风险事件的发生频次进行归一化处理，并采用模糊集理论，将归一化处理后的各用户设定的每个风险事件的发生频次转化为模糊数，获得各风险事件对应的聚类模糊数。
步骤302、采用中心面积法，对所述各风险事件对应的聚类模糊数进行去模糊化处理，获得所述各风险事件对应的模糊性评分。
步骤303、根据所述各风险事件对应的模糊性评分，采用模糊概率转化公式，计算所述各节点的模型参数。
在本实施例中，为了获得风险评估模型中各节点的模型参数，可以根据各用户设定的各风险事件的发生频次，采用模糊集理论进行计算。具体地，油气管道外腐蚀风险评估装置首先可以针对每个风险事件，对各用户设定的该风险事件的发生频次进行归一化处理，并采用模糊集理论，将归一化处理后的各用户设定的每个风险事件的发生频次转化为模糊数，获得各风险事件对应的聚类模糊数，具体公式为：
其中，Pj为第j个风险事件对应的聚类模糊数，wi为第i个用户的重要性权重，Pij为第i个用户设定的第j个风险事件的发生概率，具体地，该发生概率可以为非常高(VH)、较高(H-VH)、高(H)、稍高(FH)、中等(M)、稍低(FL)、低(L)、较低(L-VL)和非常低(VL)，n为风险事件的数量，m为用户的人数，Scorei为第i个用户的重要性评分值。
接下来，油气管道外腐蚀风险评估装置可以采用中心面积法，对各风险事件对应的聚类模糊数进行去模糊化处理，获得各风险事件对应的模糊性评分，具体公式为：
其中，P*为模糊性评分，μ(x)为隶属度函数，p＝(a,b,c,d)为各风险事件对应的聚类模糊数组成的模糊数集。
最后，为了得到各节点的模型参数，油气管道外腐蚀风险评估装置可以根据各风险事件对应的模糊性评分，采用模糊概率转化公式进行计算，具体公式如下：
其中，FP为模糊概率，也即模型参数，K为常数，P*为模糊性评分。
本实施例提供的油气管道外腐蚀风险评估方法，针对各风险事件的相关性存在的不确定性问题，采用模糊集理论计算风险评估模型中各节点的模型参数，从而使获得的模型参数准确度更高。
实施例三
在上述实施例二的基础上，为了进一步说明本申请的油气管道外腐蚀风险评估方法，在步骤202之后，还包括：获取风险评估模型中的各失效风险事件的维修策略，所述失效风险事件为失效类型下的风险事件；针对风险评估模型中的每个失效风险事件，将该失效风险事件对应的维修策略作为该失效风险事件对应节点的父节点，在所述风险评估模型中加入维修策略对应的节点。
所述方法还包括：从所述风险评估模型中，查找所述第一风险事件对应的节点的父节点中，表征维修策略的第一父节点；获得并输出所述第一父节点表征的第一维修策略。
在本实施例中，由于若发生风险事件会导致不必要的损失以及资源浪费，因此针对失效风险事件，需要采用相应的维修策略对管道进行维修。因此，为了在实际应用时，能够准确且快速地得到第一风险事件相应的第一维修策略，从而提高维修效率，可以在风险评估模型中加入维修策略对应的节点，以便通过风险评估模型快速得到所需的维修策略。
具体地，油气管道外腐蚀风险评估装置首先可以获取风险评估模型中的各失效风险事件的维修策略，具体获取方式本实施例中不做限定，其中，失效风险事件为失效类型下的风险事件，例如“外防腐层失效”事件。相应地，该“外防腐层失效”事件的维修策略为外防腐修补和外防腐替换。
接下来，油气管道外腐蚀风险评估装置可以针对风险评估模型中的每个失效风险事件，将该失效风险事件对应的维修策略作为该失效风险事件对应节点的父节点，即可实现在风险评估模型中加入维修策略对应的节点。
举例来说，图5为本申请提供的风险评估模型的示意图，如图5所示，针对风险评估模型中的“外防腐层失效”事件，可以将该“外防腐层失效”事件对应的维修策略“外防腐修补”和“外防腐替换”，分别作为该“外防腐层失效”事件对应节点的父节点，即实现了在风险评估模型中加入“外防腐层失效”事件相应的维修策略对应的节点。
相应地，在实际应用时，由于第一风险事件对应的节点的父节点可能有多个，包括其他风险事件对应的节点和维修策略对应的节点，因此为了获得第一风险事件相应的第一维修策略，油气管道外腐蚀风险评估装置可以从风险评估模型中，查找第一风险事件对应的节点的父节点中，表征维修策略的第一父节点，获得并输出该第一父节点表征的第一维修策略，即第一风险事件相应的第一维修策略。
需要说明的是，在实际应用时，本实施例提供的油气管道外腐蚀风险评估方法，可以与实施例一提供的油气管道外腐蚀风险评估方法结合实施，也可以单独实施。当结合实施时，在确定第一风险事件后，采用风险评估模型进行风险评估，可以得到油气管道外腐蚀事件的发生概率和第一风险事件相应的第一维修策略。当单独实施时，则可单独获取油气管道外腐蚀事件的发生概率或第一风险事件相应的第一维修策略。
本实施例提供的油气管道外腐蚀风险评估方法，针对风险评估模型中的每个失效风险事件，通过将该失效风险事件对应的维修策略作为该失效风险事件对应节点的父节点，实现在风险评估模型中加入维修策略对应的节点。在应用时，可以从风险评估模型中查找第一风险事件对应的节点的父节点中，表征维修策略的第一父节点，获得并输出该第一父节点表征的第一维修策略，从而能够准确且快速地得到第一风险事件相应的第一维修策略，提高维修效率。
在上述实施例三的基础上，所述第一维修策略为多个，每个第一维修策略包括多个维修手段；所述获得并输出所述第一父节点表征的第一维修策略，包括：针对每个第一维修策略，基于该第一维修策略中的维修手段、以及预先建立的成本计算公式，计算多个第一维修策略的成本，所述公式为：
其中，R为第一维修策略的成本，CRi为所述第一维修策略中第i个维修手段的维修成本，CFj为第j个第一风险事件发生时的损失，PFj为实施对应的维修手段后发生第j个第一风险事件的概率，CDk为采用第k类巡检频率进行巡检时的巡检成本，PDk为采用第k类巡检频率进行巡检的概率，n为第一维修策略中维修手段的数量，m为第一风险事件的数量，s为巡检频率的分类数量；输出所述多个第一维修策略中成本最小的第一维修策略。
实际应用中，由于第一风险事件相应的第一维修策略通常为多个，每个第一维修策略包括多个维修手段，因此，为了节约成本，需要选择成本最小的第一维修策略作为最终使用的维修策略。具体地，油气管道外腐蚀风险评估装置可以针对每个第一维修策略，基于该第一维修策略中的维修手段、以及预先建立的成本计算公式，计算多个第一维修策略的成本，具体公式为：
其中，R为第一维修策略的成本，CRi为所述第一维修策略中第i个维修手段的维修成本，CFj为第j个第一风险事件发生时的损失，PFj为实施对应的维修手段后发生第j个第一风险事件的概率，CDk为采用第k类巡检频率进行巡检时的巡检成本，PDk为采用第k类巡检频率进行巡检的概率，n为第一维修策略中维修手段的数量，m为第一风险事件的数量，s为巡检频率的分类数量。
最后，油气管道外腐蚀风险评估装置可以输出多个第一维修策略中成本最小的第一维修策略，作为最终使用的维修策略。
本实施例提供的油气管道外腐蚀风险评估方法，通过对第一维修策略的成本进行计算，获取成本最小的第一维修策略，作为最终使用的维修策略。从而可以节约成本，避免不必要的资金浪费。
实施例四
图6为本申请提供的油气管道外腐蚀风险评估装置的结构示意图，如图6所示，本实施例提供的油气管道外腐蚀风险评估装置包括：确定模块41、处理模块42以及计算模块43。其中，确定模块41，用于确定当前发生的第一风险事件。处理模块42，用于通过更新预先建立的风险评估模型中，所述第一风险事件的对应节点的模型参数，获得所述风险评估模型输出的预定风险事件的发生概率；其中，所述预定风险事件与油气管道外腐蚀事件存在直接关联；其中，所述风险评估模型为贝叶斯网络模型，所述风险评估模型的各节点表征与油气管道外腐蚀事件关联的各风险事件，节点的模型参数表征该节点对应的风险事件的发生概率。计算模块43，用于根据所述预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。
本实施例提供的油气管道外腐蚀风险评估装置，确定当前发生的第一风险事件，通过更新预先建立的风险评估模型中，第一风险事件的对应节点的模型参数，获得风险评估模型输出的预定风险事件的发生概率，再根据该预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率。也就是说，在本实施例中，通过更新风险评估模型中，第一风险事件的对应节点的模型参数，实现了数据的动态化，提高了油气管道外腐蚀风险评估的准确性。
可选实施方式中，所述油气管道外腐蚀风险评估装置，还包括：获取模块44以及构建模块45。其中，获取模块44，用于获取与油气管道外腐蚀事件关联的各风险事件。构建模块45，用于根据所述各风险事件，基于贝叶斯网络构建风险评估模型。所述确定模块41，还用于针对历史数据中的历史风险事件，确定属于根节点对应的风险事件的第一历史风险事件，并根据所述第一历史风险事件的历史数据，统计获得所述第一历史风险事件对应的根节点的模型参数。所述计算模块43，还用于针对各风险事件中，除所述第一历史风险事件以外的其它风险事件，根据各用户设定的所述其它风险事件的发生频次，采用模糊集理论，计算获得所述其他风险事件对应的节点的模型参数，以建立所述风险评估模型。
可选实施方式中，所述构建模块45，还用于根据所述各风险事件，确定所述贝叶斯网络的各节点，所述各节点与所述各风险事件一一对应，根据各风险事件之间的关联关系，构建所述风险评估模型。
可选实施方式中，所述计算模块43，还用于：针对每个风险事件，对各用户设定的该风险事件的发生频次进行归一化处理，并采用模糊集理论，将归一化处理后的各用户设定的每个风险事件的发生频次转化为模糊数，获得各风险事件对应的聚类模糊数。采用中心面积法，对所述各风险事件对应的聚类模糊数进行去模糊化处理，获得所述各风险事件对应的模糊性评分。根据所述各风险事件对应的模糊性评分，采用模糊概率转化公式，计算所述各节点的模型参数。
可选实施方式中，所述获取模块44，还用于获取风险评估模型中的各失效风险事件的维修策略，所述失效风险事件为失效类型下的风险事件。所述构建模块45，还用于针对风险评估模型中的每个失效风险事件，将该失效风险事件对应的维修策略作为该失效风险事件对应节点的父节点，在所述风险评估模型中加入维修策略对应的节点。所述油气管道外腐蚀风险评估装置，还包括：查找模块46以及输出模块47。其中，查找模块46，用于从贝叶斯网络中查找所述第一风险事件对应的节点的父节点中表征维修策略的第一父节点。输出模块47，用于获得并输出所述第一父节点表征的第一维修策略。
可选实施方式中，所述第一维修策略为多个，每个第一维修策略包括多个维修手段。所述计算模块43，还用于针对每个第一维修策略，基于该第一维修策略中的维修手段、以及预先建立的成本计算公式，计算多个第一维修策略的成本，所述公式为：
其中，R为第一维修策略的成本，CRi为所述第一维修策略中第i个维修手段的维修成本，CFj为第j个第一风险事件发生时的损失，PFj为实施对应的维修手段后发生第j个第一风险事件的概率，CDk为采用第k类巡检频率进行巡检时的巡检成本，PDk为采用第k类巡检频率进行巡检的概率，n为第一维修策略中维修手段的数量，m为第一风险事件的数量，s为巡检频率的分类数量。所述输出模块47，还用于输出所述多个第一维修策略中成本最小的第一维修策略。
需要说明的是，本实施例提供的油气管道外腐蚀风险评估装置执行的技术方案和效果可以参见前述方法实施例的相关内容，在此不再赘述。
实施例五
图7为本申请的电子设备的结构示意图，如图7所示，本申请还提供了一种电子设备500，包括：存储器501和处理器502。
存储器501，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机执行指令。存储器501可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
处理器502，用于执行存储器501存放的程序。
其中，计算机程序存储在存储器501中，并被配置为由处理器502执行以实现本申请任意一个实施例提供的油气管道外腐蚀风险评估方法。相关说明可以对应参见附图中的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
其中，本实施例中，存储器501和处理器502通过总线连接。所述总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
实施例六
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本申请任意一个实施例提供的油气管道外腐蚀风险评估方法。
实施例七
本申请实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本申请任意一个实施例提供油气管道外腐蚀风险评估方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程油气管道外腐蚀风险评估装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (7)
1.一种油气管道外腐蚀风险评估方法，其特征在于，包括：
确定当前发生的第一风险事件；
通过更新预先建立的风险评估模型中，所述第一风险事件的对应节点的模型参数，获得所述风险评估模型输出的预定风险事件的发生概率；其中，所述预定风险事件与油气管道外腐蚀事件存在直接关联；其中，所述风险评估模型为贝叶斯网络模型，所述风险评估模型的各节点表征与油气管道外腐蚀事件关联的各风险事件，节点的模型参数表征该节点对应的风险事件的发生概率；
根据所述预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率；
所述方法还包括：
获取与油气管道外腐蚀事件关联的各风险事件；
根据所述各风险事件，基于贝叶斯网络构建风险评估模型；
针对历史数据中的历史风险事件，确定属于根节点对应的风险事件的第一历史风险事件，并根据所述第一历史风险事件的历史数据，统计获得所述第一历史风险事件对应的根节点的模型参数；
针对各风险事件中，除所述第一历史风险事件以外的其它风险事件，根据各用户设定的所述其它风险事件的发生频次，采用模糊集理论，计算获得所述其他风险事件对应的节点的模型参数，以建立所述风险评估模型；
所述根据所述各风险事件，基于贝叶斯网络构建风险评估模型之后，还包括：
获取风险评估模型中的各失效风险事件的维修策略，所述失效风险事件为失效类型下的风险事件；
针对风险评估模型中的每个失效风险事件，将该失效风险事件对应的维修策略作为该失效风险事件对应节点的父节点，在所述风险评估模型中加入维修策略对应的节点；
所述方法还包括：
从所述风险评估模型中，查找所述第一风险事件对应的节点的父节点中，表征维修策略的第一父节点；
获得并输出所述第一父节点表征的第一维修策略。
2.根据权利要求1所述的方法，其特征在于，所述根据所述各风险事件，基于贝叶斯网络构建风险评估模型，包括：
根据所述各风险事件，确定所述贝叶斯网络的各节点，所述各节点与所述各风险事件一一对应；
根据各风险事件之间的关联关系，构建所述风险评估模型。
3.根据权利要求1所述的方法，其特征在于，所述根据各用户设定的所述各风险事件的发生频次，采用模糊集理论，计算获得所述各节点的模型参数，包括：
针对每个风险事件，对各用户设定的该风险事件的发生频次进行归一化处理，并采用模糊集理论，将归一化处理后的各用户设定的每个风险事件的发生频次转化为模糊数，获得各风险事件对应的聚类模糊数；
采用中心面积法，对所述各风险事件对应的聚类模糊数进行去模糊化处理，获得所述各风险事件对应的模糊性评分；
根据所述各风险事件对应的模糊性评分，采用模糊概率转化公式，计算所述各节点的模型参数。
4.根据权利要求1所述的方法，其特征在于，所述第一维修策略为多个，每个第一维修策略包括多个维修手段；所述获得并输出所述第一父节点表征的第一维修策略，包括：
针对每个第一维修策略，基于该第一维修策略中的维修手段、以及预先建立的成本计算公式，计算多个第一维修策略的成本，所述公式为：
其中，R为第一维修策略的成本，CRi为所述第一维修策略中第i个维修手段的维修成本，CFj为第j个第一风险事件发生时的损失，PFj为实施对应的维修手段后发生第j个第一风险事件的概率，CDk为采用第k类巡检频率进行巡检时的巡检成本，PDk为采用第k类巡检频率进行巡检的概率，n为第一维修策略中维修手段的数量，m为第一风险事件的数量，s为巡检频率的分类数量；
输出所述多个第一维修策略中成本最小的第一维修策略。
5.一种油气管道外腐蚀风险评估装置，其特征在于，包括：
确定模块，用于确定当前发生的第一风险事件；
处理模块，用于通过更新预先建立的风险评估模型中，所述第一风险事件的对应节点的模型参数，获得所述风险评估模型输出的预定风险事件的发生概率；其中，所述预定风险事件与油气管道外腐蚀事件存在直接关联；其中，所述风险评估模型为贝叶斯网络模型，所述风险评估模型的各节点表征与油气管道外腐蚀事件关联的各风险事件，节点的模型参数表征该节点对应的风险事件的发生概率；
计算模块，用于根据所述预定风险事件的发生概率，计算并输出油气管道外腐蚀事件的发生概率；
获取模块，用于获取与油气管道外腐蚀事件关联的各风险事件；
构建模块，用于根据所述各风险事件，基于贝叶斯网络构建风险评估模型；
所述确定模块，还用于针对历史数据中的历史风险事件，确定属于根节点对应的风险事件的第一历史风险事件，并根据所述第一历史风险事件的历史数据，统计获得所述第一历史风险事件对应的根节点的模型参数；
所述计算模块，还用于针对各风险事件中，除所述第一历史风险事件以外的其它风险事件，根据各用户设定的所述其它风险事件的发生频次，采用模糊集理论，计算获得所述其他风险事件对应的节点的模型参数，以建立所述风险评估模型；
所述获取模块，还用于获取风险评估模型中的各失效风险事件的维修策略，所述失效风险事件为失效类型下的风险事件；
所述构建模块，还用于针对风险评估模型中的每个失效风险事件，将该失效风险事件对应的维修策略作为该失效风险事件对应节点的父节点，在所述风险评估模型中加入维修策略对应的节点；
所述方法还包括：
查找模块，用于从所述风险评估模型中，查找所述第一风险事件对应的节点的父节点中表征维修策略的第一父节点；
输出模块，用于获得并输出所述第一父节点表征的第一维修策略。
6.一种电子设备，其特征在于，包括：存储器，处理器；
存储器：用于存储所述处理器可执行指令的存储器；
其中，所述处理器用于调用所述存储器中的程序指令执行如权利要求1-4任一项所述的油气管道外腐蚀风险评估方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-4任一项所述的油气管道外腐蚀风险评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110616212.2A CN113361903B (zh) | 2021-06-02 | 2021-06-02 | 油气管道外腐蚀风险评估方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110616212.2A CN113361903B (zh) | 2021-06-02 | 2021-06-02 | 油气管道外腐蚀风险评估方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113361903A CN113361903A (zh) | 2021-09-07 |
| CN113361903B true CN113361903B (zh) | 2023-12-12 |
Family
ID=77531272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110616212.2A Active CN113361903B (zh) | 2021-06-02 | 2021-06-02 | 油气管道外腐蚀风险评估方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361903B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090003903A (ko) * | 2007-07-05 | 2009-01-12 | 한국가스공사 | 매설 배관의 외부부식 직접평가 방법 |
| CN106846155A (zh) * | 2017-03-29 | 2017-06-13 | 哈尔滨理工大学 | 基于模糊贝叶斯网络的海底管道泄漏事故风险评估方法 |
| WO2018075722A1 (en) * | 2016-10-21 | 2018-04-26 | Baker Hughes, A Ge Company, Llc | Geomechanical risk and hazard assessment and mitigation |
| CN109255490A (zh) * | 2018-09-28 | 2019-01-22 | 西安建筑科技大学 | 一种基于kpca-bas-grnn的埋地管道外腐蚀速率预测方法 |
| CN109359762A (zh) * | 2018-08-23 | 2019-02-19 | 阿里巴巴集团控股有限公司 | 风险预测模型生成方法、风险预测方法、装置及服务器 |
| CN109668820A (zh) * | 2019-01-22 | 2019-04-23 | 北京市燃气集团有限责任公司 | 埋地管道外腐蚀风险综合评判方法 |
| CN109740210A (zh) * | 2018-12-21 | 2019-05-10 | 中国石油大学(北京) | 一种页岩气压裂井下砂堵事故实时风险评估方法及装置 |
| CN111260207A (zh) * | 2020-01-14 | 2020-06-09 | 南智（重庆）能源技术有限公司 | 高含硫井下管柱及输气管线腐蚀智能诊断评估方法 |
| CN111523759A (zh) * | 2020-03-18 | 2020-08-11 | 北京理工大学 | 燃气管道动态风险评估方法及装置 |
| CN112183912A (zh) * | 2019-07-05 | 2021-01-05 | 中国石油化工股份有限公司 | 一种输油站场管道失效概率评估方法及装置 |
-
2021
- 2021-06-02 CN CN202110616212.2A patent/CN113361903B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090003903A (ko) * | 2007-07-05 | 2009-01-12 | 한국가스공사 | 매설 배관의 외부부식 직접평가 방법 |
| WO2018075722A1 (en) * | 2016-10-21 | 2018-04-26 | Baker Hughes, A Ge Company, Llc | Geomechanical risk and hazard assessment and mitigation |
| CN106846155A (zh) * | 2017-03-29 | 2017-06-13 | 哈尔滨理工大学 | 基于模糊贝叶斯网络的海底管道泄漏事故风险评估方法 |
| CN109359762A (zh) * | 2018-08-23 | 2019-02-19 | 阿里巴巴集团控股有限公司 | 风险预测模型生成方法、风险预测方法、装置及服务器 |
| CN109255490A (zh) * | 2018-09-28 | 2019-01-22 | 西安建筑科技大学 | 一种基于kpca-bas-grnn的埋地管道外腐蚀速率预测方法 |
| CN109740210A (zh) * | 2018-12-21 | 2019-05-10 | 中国石油大学(北京) | 一种页岩气压裂井下砂堵事故实时风险评估方法及装置 |
| CN109668820A (zh) * | 2019-01-22 | 2019-04-23 | 北京市燃气集团有限责任公司 | 埋地管道外腐蚀风险综合评判方法 |
| CN112183912A (zh) * | 2019-07-05 | 2021-01-05 | 中国石油化工股份有限公司 | 一种输油站场管道失效概率评估方法及装置 |
| CN111260207A (zh) * | 2020-01-14 | 2020-06-09 | 南智（重庆）能源技术有限公司 | 高含硫井下管柱及输气管线腐蚀智能诊断评估方法 |
| CN111523759A (zh) * | 2020-03-18 | 2020-08-11 | 北京理工大学 | 燃气管道动态风险评估方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 在役油气管道腐蚀预测及预先维修策略研究.中国优秀硕士学位论文全文数据库（电子期刊） 工程科技I辑.2020,B019-667. * |
| 基于故障树-贝叶斯网络的管道失效概率计算研究;林禄彬 等;石油化工自动化;第57卷(第3期);40-45 * |
| 油气长输管道外腐蚀维护风险缓解程度模型.石油工业技术监督.2006,35-39. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113361903A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Amaghionyeodiwe | Research note: A causality analysis of tourism as a long-run economic growth factor in Jamaica | |
| CN111967976A (zh) | 基于知识图谱的风险企业确定方法及装置 | |
| CN103366091A (zh) | 基于多级阈值指数加权平均的异常报税数据检测方法 | |
| CN116579768B (zh) | 一种发电厂在线仪表运维管理方法及系统 | |
| Nchofoung et al. | Natural resources, renewable energy, and governance: A path towards sustainable development | |
| CN110264055B (zh) | 部件危害性评估方法、装置、设备及计算机可读存储介质 | |
| Agyeman et al. | Exploring the nexus link of environmental technology innovation, urbanization, financial development, and energy consumption on environmental pollution: Evidence from 27 emerging economies | |
| CN113361903B (zh) | 油气管道外腐蚀风险评估方法、装置及设备 | |
| CN116739742A (zh) | 信贷风控模型的监控方法、装置、设备及存储介质 | |
| CN113822441B (zh) | 决策模型训练方法、装置、终端设备及存储介质 | |
| CN115600926A (zh) | 项目后评价方法、装置、电子设备及存储介质 | |
| CN113988709A (zh) | 中压配电线路故障率分析方法、装置、终端设备及介质 | |
| Gaies et al. | Is financial globalization polluting?–symmetric and asymmetric effects of external liabilities on CO2 emissions in the MENA region | |
| Imam et al. | Political economy of reform and regulation in the electricity sector of sub-Saharan Africa | |
| Minnoor et al. | Nifty price prediction from Nifty SGX using machine learning, neural networks and sentiment analysis | |
| Qasim et al. | Cost estimation techniques for software development: A systematic literature review | |
| CN114881424B (zh) | 一种武器装备体系的脆性风险分析方法及装置 | |
| CN111651726B (zh) | 一种用于矿山安全评价和风险预测的数学模型建立方法 | |
| Wu | Reliability demonstration test model for binomial system with reliability growth | |
| Hac | Banking risk and country governance | |
| CN116227706A (zh) | 预测方法、装置、设备、存储介质和程序产品 | |
| Breuer et al. | Stress tests: from arts to science | |
| CN117635310A (zh) | 贷款逾期风险的确定方法、装置、设备和介质 | |
| Kwon et al. | Evaluation of Relative Importance of Network Components by System-reliability-based Disaster Resilience Analysis | |
| Yin et al. | Corporate failure prediction of Chinese listed companies: A variable precision rough set theory |
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 |