CN113536654B - 一种常压储罐区多米诺事故动态预测方法、系统及装置 - Google Patents
一种常压储罐区多米诺事故动态预测方法、系统及装置 Download PDFInfo
- Publication number
- CN113536654B CN113536654B CN202110367134.7A CN202110367134A CN113536654B CN 113536654 B CN113536654 B CN 113536654B CN 202110367134 A CN202110367134 A CN 202110367134A CN 113536654 B CN113536654 B CN 113536654B
- Authority
- CN
- China
- Prior art keywords
- storage tank
- accident
- initial
- determining
- tank
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000000704 physical effect Effects 0.000 claims abstract description 32
- 230000003068 static effect Effects 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims description 37
- 238000004880 explosion Methods 0.000 claims description 33
- 239000007788 liquid Substances 0.000 claims description 24
- 239000000126 substance Substances 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 239000011232 storage material Substances 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000002485 combustion reaction Methods 0.000 description 11
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 7
- 230000005855 radiation Effects 0.000 description 6
- 239000003921 oil Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000008570 general process Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000013215 result calculation Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
Abstract
本发明涉及储罐事故检测领域,公开了一种常压储罐区多米诺事故动态预测方法、系统及装置,其技术方案要点是收集待评估罐区的基础数据;根据所述基础数据确定初始储罐;根据所述初始储罐的基础数据确定初始事故模式;根据所述初始事故模式确定事故演化模式;分别对每一种事故演化模式计算物理效应;判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式;根据所述邻近储罐事故模式构建静态贝叶斯网络;根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络;根据所述动态贝叶斯网络计算动态概率,确定最可能扩展事故链及关键储罐。
Description
技术领域
本发明涉及储罐事故检测领域,更具体地说,它涉及一种常压储罐区多米诺事故动态预测方法、系统及装置。
背景技术
化工产业是国民经济的支柱产业,其发展需要大量的储存空间(储罐)。中国建国70年以来的原油产量从12万吨飙升至2亿吨,2018全年消耗原油6.48亿吨,建成国家级石油储备基地9座,其中最大单罐容积15万立方米。原油储存需要大量的常压储罐。近年来,化工企业的集中化管理已成必然趋势,截至2018年底,中国化工园区数量已达 676家。各化工企业的常压储罐区共同构成了化工园区密集的储罐群。
许多化工产品具有易燃易爆性,一旦发生意外事故,会造成周边装置、建筑毁灭性破坏,引发罐区事故的多米诺效应,使事故后果严重度倍增。例如:2013年6月2日,中石化大连石化公司的三苯罐区由于违规动火作业引发甲苯储罐爆炸,罐内甲苯流出形成池火灾,受池火影响,罐区内的其他3个储罐相继发生爆炸起火,该起事故造成4人死亡, 697万元的直接经济损失。
综上所述,为了降低意外事故的发生几率,有必要对罐区设备进行有效的风险评估,从而给检修人员提供有力的参考依据。
发明内容
本发明的目的是提供一种常压储罐区多米诺事故动态预测方法、系统及装置,能够对常压储罐区事故多米诺效应的防控具有极其重要的理论意义和应用价值,为化工企业的常压罐区布局和消防应急处置提供指导。
本发明的上述技术目的是通过以下技术方案得以实现的:一种常压储罐区多米诺事故动态预测方法,包括如下步骤:
收集待评估罐区的基础数据;
根据所述基础数据确定初始储罐;
根据所述初始储罐的基础数据确定初始事故模式;
根据所述初始事故模式确定事故演化模式;
分别对每一种事故演化模式计算物理效应;
判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式;
根据所述邻近储罐事故模式构建静态贝叶斯网络;
根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络;
根据所述动态贝叶斯网络计算动态概率,确定最可能扩展事故链及关键储罐。
作为本发明的一种优选技术方案,所述根据所述基础数据确定初始储罐的过程包括如下步骤:
设定初始储罐判别标准;
根据所述初始储罐判别标准对所述基础数据进行分析,确定得出初始储罐。
作为本发明的一种优选技术方案,所述根据所述初始储罐的基础数据确定初始事故模式的过程包括如下步骤:
设定初始事故模式判别标准;
根据所述初始事故模式判别标准对初始储罐的基础数据进行分析,确定得到初始事故模式。
作为本发明的一种优选技术方案,所述根据所述初始事故模式确定事故演化模式的过程包括如下步骤:
根据初始事故模式、事故演化概率分析方法,结合事故链规律统计分析结果,得到事故链形式;
根据所述事故链形式计算每一种事故链形式的事故演化概率;
根据事故链形式和对应的事故演化概率共同构建事故演化模式。
作为本发明的一种优选技术方案,所述判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式,包括:
如果邻近储罐接收的物理效应大于储罐破坏阈值,则判断邻近储罐有可能发生事故;
根据扩展概率模型确定有可能发生事故的邻近储罐发生每一种事故形式的概率;
将发生一次事故扩展后的储罐作为初始储罐,确定可能发生事故的二次扩展储罐,得到扩展事故链;
分别计算每个扩展事故链的扩展概率;
以扩展事故链和对应的扩展概率构建邻近储罐事故模式。
作为本发明的一种优选技术方案,所述根据所述邻近储罐事故模式构建静态贝叶斯网络的过程包括如下步骤:
根据邻近储罐事故模式,将扩展事故链的扩展概率输入到条件概率表中,得到静态贝叶斯网络;
对静态贝叶斯网络进行先验概率和后验概率分析,确定静态条件下最可能的事故扩展顺序和关键事故储罐。
作为本发明的一种优选技术方案,所述根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络的过程包括如下步骤:
实时计算消防灭火因素对于扩展事故链和扩展概率的影响,形成具有时间维度的扩展事故链和对应的扩展概率,即构建动态贝叶斯网络。
作为本发明的一种优选技术方案,所述根据所述动态贝叶斯网络计算动态概率,确定最可能事故链及关键储罐的过程包括如下步骤:
对动态贝叶斯网络进行概率演算,得到各储罐在一定时间段内的概率变化趋势;
根据各储罐在一定时间段内的概率变化趋势确定概率最高的一条事故链,确定对邻近储罐影响最大的储罐。
一种常压储罐区多米诺事故动态预测系统,包括:
基础数据收集模块,用于收集待评估罐区的基础数据;
初始储罐确定模块,用于根据所述基础数据确定初始储罐;
初始事故模式确定模块,用于根据所述初始储罐的基础数据确定初始事故模式;
事故演化模式确定模块,用于根据所述初始事故模式确定事故演化模式;
物理效应计算模块,用于分别对每一种事故演化模式计算物理效应;
邻近储罐事故模式确定模块,用于判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式;
静态贝叶斯网络构建模块,用于根据所述邻近储罐事故模式构建静态贝叶斯网络;
动态贝叶斯网络构建模块,用于根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络;
动态概率计算模块,用于根据所述动态贝叶斯网络计算动态概率,确定最可能扩展事故链及关键储罐。
一种常压储罐区多米诺事故动态预测装置,包括:包括存储器和处理器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时实现前述的常压储罐区多米诺事故动态预测方法。
综上所述,本发明具有以下有益效果:考虑到储罐上的演化过程对邻近储罐间的事故扩展产生影响和消防灭火因素对事故链传播的影响,并结合贝叶斯方法评估事故链概率,提出了时间和空间耦合作用影响下,常压储罐区多米诺事故最可能事故链及最可能事故储罐的确定方法,对常压储罐区事故多米诺效应的防控具有极其重要的理论意义和应用价值,为化工企业的常压罐区布局和消防应急处置提供指导。
附图说明
图1是本发明方法的流程图;
图2是本发明的AFFF燃烧液面示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明提供一种常压储罐区多米诺事故动态预测方法,包括如下步骤:
S1、收集待评估罐区的基础数据,待评估罐区的确定过程为:基于《危险化学品重大危险源辨识》(GB18218-2018)或者其他危险判别标准,来辨识企业储罐区是否构成重大危险源,选定已构成重大危险源的储罐区作为评估对象,而且构成重大危险源储罐区的邻近罐区也应作为风险评估对象,即确定了待评估罐区。
基础数据包括大气数据、储罐规格参数、储罐平面布置、储罐间间距、储存物料种类及储罐储存物料的量;其中,储罐规格参数包括高度、直径、壁厚;大气数据包括温度、湿度、风速、风向。
S2、根据所述基础数据确定初始储罐。具体为:设定初始储罐判别标准,并根据所述初始储罐判别标准对所述基础数据进行分析,确定得出初始储罐具体过程为:
具体实施的,初始储罐判别标准包括:最大风险和最长事故链的原则、道化学火灾爆炸指数评价法风险评价法以及企业日常隐患排查治理档案。
实施的过程为:得到待评估罐区的基础数据后,基于最大风险和最长事故链的原则,即将事故风险最大、事故后果最严重的储罐作为初始储罐,运用道化学火灾爆炸指数评价法风险评价法,并结合企业日常隐患排查治理档案,即在日常隐患排查过程中,储罐隐患较多,则发生事故的可能性较大;尤其的,以道化学火灾爆炸指数评价法风险评价法计算为主,日常隐患排查为辅,判定罐区高风险储罐,即确定出初始储罐。
作为初始储罐确定的一个具体实施例,初始储罐的确定过程为:
查表确定储存物料的物质系数(MF),此处所查表格是提前设置好的表格,其为标记好每一种储存物料的物质系数(MF);
查表计算一般工艺危险系数(F1)和特殊工艺危险系数(F2),此处的一般工艺危险系数(F1)和特殊工艺危险系数(F2)为人为设定的数值,一般以专家打分表的形式提前设置好,以便于后续查表计算;
确定工艺单元危险系数F3=F1×F2;
确定火灾、爆炸指数F&EI=F3×MF;
计算安全措施补偿系数C=C1×C2×C3(C1、C2、C3查表得出)此处的查表也是由人工提前设置的安全措施补偿系数表,表内的数值也是由人工提前设置好;
计算暴露区域面积s’=π×(0.256×F&EI)2,其中0.256由人为设定,可以根据实际场景设置;
计算暴露区域面积s’的暴露区域内财产价值:M=原来成本×0.82×增长系数,原来成本为暴露区域内装置、物料的成本;0.82是考虑到事故发生时有些成本不会遭受损失或无需更换,如场地平整、道路、地下管线和地基、工程费等,是人为计算的参数,也可以根据实际情况进行具体的更精确的计算,调整具体的数值;增长系数为区域内设备经一段时间使用后的价值改变系数,也由人为确定和调整;
确定基本最大可能财产损失=M×F3;
确定实际最大可能财产损失=基本最大可能财产损失×C;并将实际最大可能财产损失最大的储罐认为其事故后果最严重,即作为初始储罐。
通过对S2中根据所述基础数据确定初始储罐的具体过程的描述可以看出,在此步骤中是人为的设置了一个初始储罐的判别标准,从而能够以该标准对基础数据进行分析得出最终的初始储罐,所以在设定初始储罐的判别标准时,还可以根据实际情况或者实际需要进行调整,以便于更加准确的找出初始储罐。
S3、根据所述初始储罐的基础数据确定初始事故模式;具体过程为:设定初始事故模式判别标准,并根据所述初始事故模式判别标准对初始储罐的基础数据进行分析,确定得到初始事故模式;
初始事故模式判别标准包括:初始事故储罐所储存的物料特性和储罐的罐体形式。
常压储罐区的事故模式通常由罐体形式和物料特性决定,常见的常压储罐的罐体形式包括固定顶罐、内浮顶罐、外浮顶罐等,罐内压力小于0.1MPa,用来储存易燃液体类化学品,此类化学品具有易燃性及一定的挥发性,因此常压储罐可能发生池火灾和蒸汽云爆炸。
根据事故发生位置可分为储罐内和储罐外,在储罐内的事故通常以火灾或者爆炸为初始事故,从而引发在储罐内部的爆炸、火灾或者储罐破裂泄漏。在储罐外则以泄漏为主要初始事故,常压储罐以泄漏引发的事故演化模式受点火源影响会表现出不同的事故种类。
针对物料特性为易燃的液体泄漏,其后续事故演化场景受到点火源出现时间影响。当罐内易燃液体发生泄漏后,如果立即接触点火源,则会被点燃形成火灾;如果泄漏物质没有立即接触到点火源,则其挥发的蒸气云在接触点火源后则会发生蒸气云爆炸并引发火灾。
综上,设定初始事故模式判别标准时,主要是根据初始事故储罐所储存的物料特性和储罐的罐体形式来做具体设定,也可以根据实际情况增加考虑因素,以方便于实际使用,从而得出初始事故模式。初始事故模式主要可以分为火灾、爆炸、泄露三类,其中火灾和爆炸较泄露更容易引发二次事故,因为二者能够产生直接的物理效应作用于邻近储罐,这里的物理效应指热辐射、超压、碎片等物理作用。
S4、根据所述初始事故模式确定事故演化模式;具体为:
对发生在初始储罐上的初始事故模式,根据常压罐区储罐上的事故演化概率分析方法,结合事故链规律统计分析结果,即将国内外发生的储罐事故进行统计形成数据库,再对其中事故链进行统计和分析得出的结果,得到事故链形式并计算在每一种事故链形式的事故演化概率,从而构建事故演化模式。
初始储罐,即初始事故储罐上的多米诺事故的链式传递的表达式为:
上式中,TF、TS、TT分别表示初始(一级)事故储罐、二级事故储罐、三级事故储罐,L、J、K表示泄漏(Leakage)、火灾(Fre)、爆炸(Explosion)三种事故形式的演化过程,例如,表示初始储罐上泄漏引发火灾的演化过程,/>表示在二级储罐上火灾引发爆炸的演化过程。当初始储罐发生事故时,如果事故在初始储罐上发生演化,则二级储罐既受到初始储罐事故演化过程中产生的物理效应的影响,也受到初始储罐最终事故模式影响。同样,三级储罐也会受到二级储罐以及初始储罐影响。依次往后,每一级储罐本身的事故演化过程和最终演化事故产生的物理效应都可能导致下一级储罐发生事故,形成一条事故链。
为了细化多米诺事故的概率分析,引入事故在储罐上的事故演化概率PEvolution,简称PE。根据对现有的136起常压罐区事故链的统计结果可以得出,在储罐上的事故演化最多发生2次。PE的表达式分别如下:
无演化:PE0=Pi;
一次演化:PE1=Pi×Pi→j;
二次演化:PE2=Pi×Pi→j×Pj→k;
上式中,PEn表示发生0-2次演化的概率(n=0,1,2),Pi表示在该储罐上发生的初始事故概率,Pi→j和Pj→k表示事故在储罐上的演化概率,i、j、k分别表示泄漏、火灾、爆炸三种事故。
在邻近储罐间的事故扩展过程中,泄漏不具备破坏作用,仅考虑火灾和爆炸对邻近储罐的影响,因此认为以火灾和爆炸为最终演化事故的演化过程有可能导致邻近储罐破坏,则泄漏、火灾、爆炸可能出现在储罐上的演化过程见表1:
表1事故演化过程
所以在确定了事故链形式之后,还分别算出每一条事故链的事故演化概率,从而构建为储罐上的事故演化模式。
S5、根据所述事故演化模式计算物理效应;
具体过程为:分别针对每一种事故演化模式,都采用相应的事故后果计算模型计算邻近储罐接收到的物理效应,其中最终的事故形式是火灾的,采用的事故后果计算模型可选用Thomas公式和Mudan模型。
Thomas公式的表达式如下:
无风情况下:
有风情况下:
式中:H为火焰可见高度,单位为m;D为液池直径,单位为m;ρ0为空气密度,单位为kg/m3;g为重力加速度,取9.8m/s2;m″为单位池面积质量燃烧率,单位为 kg/(m2·s);u为10米高处的风速,单位为m/s;ρv为可燃液体的蒸气密度,单位为kg/m3。
Mudan模型的表达式如下:I=E′Fτ;
τ=1-0.058ln(X);
式中:E′为火焰表面平均辐射强度,单位为kW/m2;F为几何视图因子;τ为大气透过率;η为效率因子,取值为0.13-0.35;ΔHc为液体燃烧热,单位为kJ/kg;x为邻近储罐离液池中心的水平距离。h为火焰高度与火焰半径的比;S为观察者距液池中心的距离与火焰半径的比;FH和FV分别表示垂直圆柱(即无风时)的水平和竖直视图因子, A、B表示中间系数,D为液池直径,I为邻近储罐收到的热辐射量;m″为单位池面积质量燃烧率。
而最终的事故形式是爆炸的,采用TNT当量法进行计算冲击波超压,其表达式如下:
p=p1000×αTNT1000;
式中:
WTNT为蒸气云的TNT当量,单位为kg;
a为蒸气云的TNT当量系数,取值范围为0.02~14.9%;
Wf为蒸气云中燃料的总质量,单位为kg;
Qf为燃料的燃烧值,单位为kJ/kg;
QTNT为TNT的爆炸热;
R为邻近与爆炸中心距离,单位为m;
R1000为邻近与1000kgTNT爆炸中心的相当距离,单位为m,
αTNT1000为TNT炸药爆炸与1000kgTNT爆炸试验的模拟比。
P为超压值,单位为MPa;
P1000为1000kgTNT当量的爆炸冲击波超压,具体的超压值和距离有关,根据实际情况选取,单位为MPa。
S6、判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式;
将邻近储罐接收到的物理效应与对应的储罐破坏阈值对比,如果大于阈值则认为邻近储罐有可能发生事故,然后根据预设的扩展概率模型计算每一种事故形式的概率,例如使用probit模型计算邻近储罐发生火灾、爆炸的概率;
表2列出了Cozzani和Salzano构建的常压储罐失效概率模型,即probit模型:
表2常压设备多米诺效应扩展概率模型
式中,Y表示设备失效概率的概率单位值;ttf表示邻近储罐在热辐射作用下发生失效的时间(单位为s);I表示邻近储罐所受热辐射强度的大小(单位为kw/m2);V表示邻近储罐体积(单位为m3);Δp表示邻近储罐所受峰值静态压力大小(单位为Pa)。邻近储罐的破坏概率Pd表达式如式3-1所示:
式中,Pd表示邻近储罐的破坏概率;Y表示设备破坏概率单位。
将发生一次事故扩展后的储罐作为初始事故储罐,确定可能发生事故的二次扩展储罐,重复步骤S4-S6,得到扩展事故链,并计算每个扩展事故链的扩展概率,以扩展事故链和对应的扩展概率构建邻近储罐事故模式。
根据现有的储罐事故数据库,罐区事故链大多数扩展一次,而最严重事故链扩展次数可达到三次及以上,因此在构建邻近储罐事故模式时可认为事故扩展三次终止。
S7、根据所述邻近储罐事故模式构建静态贝叶斯网络;
根据构建的事邻近储罐事故模式,将计算出的扩展事故链的扩展概率输入到条件概率表中,绘制静态贝叶斯网络,通过先验概率和后验概率分析,确定静态条件下最可能的扩展事故链和关键事故储罐,用于后续的动态贝叶斯网络计算出的扩展事故链概率验证。
S8、根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络;具体过程如下:
计算消防参数:
针对已选定的常压储罐区,对其分析;
计算与储罐相关的时间参数;时间参数包括:燃尽时间ttb、理论灭火时间tte、失效时间ttf、消防准备时间ttr,具体的:
燃尽时间ttb:储罐内的物料在无外界因素干预下,从开始燃烧直至物料燃尽所用时间,可以通过罐内物料存量与物料的质量燃烧速率的关系求出。
理论灭火时间tte:例如,在无外界因素影响下,消防队以一次灭火总共的AFFF供给流量开展灭火行动,扑灭储罐火灾所用时间。根据下面的方法进行计算:
AFFF在燃烧油池表面的流动模型的表达式如下:
式中RA表示AFFF在油面铺展的半径(单位为m),β是与摩擦常数kf、灭火剂密度ρ、重力常数g和灭火剂发泡倍数S有关的一个表征快慢的特征系数,ν实表示AFFF覆盖在油面的实际体积增速(单位为L/s),t表示时间(单位为s)。根据AFFF 中心投射进入油池液面后的覆盖过程,可将液面A分为如图2所示的近似圆形的覆盖区域 AA和燃烧区域AF。
将燃烧区域AF等效为池火面积,则等效池火的半径可表示为:
式中,RF表示等效池火的半径,单位m;D表示全液面燃烧的液池直径,单位m; RA表示AFFF在油面铺展的半径,单位m。
根据AFFF的平均覆盖速率公式:
νA=0.0148+0.00472ln(ν供)
其中,νA表示AFFF的平均覆盖速率,单位m/s;ν供表示泡沫供给强度,单位 L/s。
可得到等效池火半径与AFFF的平均覆盖速率的关系。则可以求出理论灭火时间:
式中,νA表示AFFF的平均覆盖速率,单位m/s;t’表示灭火时间,单位s。将等效池火半径转化为直径带入Thomas公式和Mudan模型,可分别得到在消防灭火条件下的池火灾的火焰高度和火焰热辐射强度变化情况。结合probit模型,即可得到灭火条件下的邻近储罐动态扩展概率模型。
③失效时间ttf:邻近储罐在事故储罐的物理效应下发生破坏的时间,可借助probit 模型计算得出。
④消防准备时间ttr:即从火灾发生到消防队抵达现场的时间,具体以实际情形为准,可以假设为ttr=10min。
综合四个时间之间的关系,可以构建上级事故储罐Tu向下级邻近储罐Tn在时间维度的事故链传播情景;
①当ttbTu<ttfTn时,Tn不会发生事故,即各时间点的火灾状态概率为0;
②当ttbTu≥ttfTn时,Tn有发生事故的可能性。此时需要考虑灭火因素对Tn发生事故可能性的影响,当ttr+tte(ITu=15kW/m2)<ttfTn,则Tn不会发生事故,Tn发生事故的概率会随灭火时间发生变化,可以采用灭火条件下的扩展概率模型计算。
③当ttbTu≥ttfTn且ttr+tte(ITu=15kW/m2)≥ttfTn时,Tn会有发生事故的可能,令t=ttfTn,则在t-Δt时,Tn不会发生事故,在t+Δt时,如果存在其他储罐To,则To会接受到来自Tu和Tn的协同物理效应。此时判断To是否发生事故的依据是Tu和Tn的协同物理效应降低到15kW/m2的tte与ttfTo的大小,当tte(ITu+ITn=15kW/m2)<ttfTn时, To不会发生事故,反之则有发生事故的可能,相关扩展概率的计算方法可以参照灭火条件下的扩展概率模型。
④如果周边还存在其他储罐装置,则可重复①-③的分析流程,获取各储罐在灭火条件下的概率变化情况,构建时间维度的事故链传播情景。
S9、根据所述动态贝叶斯网络计算动态概率,确定最可能事故链及关键储罐。
例如,可以运用GeNIe软件对构建的罐区DBN模型进行概率演算,得到各储罐在一定时间段内的概率变化趋势。通过设置辅助节点进行后验概率演算,确定各个事故链的储罐概率变化情况,分析出概率最高的一条事故链,确定对邻近储罐概率影响最大的储罐。
需要输入S6中得到的每个扩展事故链,及对应的先验概率。
软件计算出后验概率,后验概率最高的为最可能发生的扩展事故链,对应的储罐为关键储罐。
对应于上述的检测方法,本发明还提供一种常压储罐区多米诺事故动态预测系统,包括:
基础数据收集模块,用于收集待评估罐区的基础数据;
初始储罐确定模块,用于根据基础数据确定初始储罐;
初始事故模式确定模块,用于根据初始储罐的基础数据确定初始事故模式;
事故演化模式确定模块,用于根据初始事故模式确定事故演化模式;
物理效应计算模块,用于分别对每一种事故演化模式计算物理效应;
邻近储罐事故模式确定模块,用于判断物理效应是否超过阈值,若是则确定邻近储罐事故模式;
静态贝叶斯网络构建模块,用于根据邻近储罐事故模式构建静态贝叶斯网络;
动态贝叶斯网络构建模块,用于根据静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络;
动态概率计算模块,用于根据动态贝叶斯网络计算动态概率,确定最可能扩展事故链及关键储罐。
同时本发明还提供一种常压储罐区多米诺事故动态预测装置,包括:包括存储器和处理器,存储器存储有处理器可执行的计算机程序,处理器执行计算机程序时实现前述的一种常压储罐区多米诺事故动态预测方法。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种常压储罐区多米诺事故动态预测方法,其特征是:包括如下步骤:
收集待评估罐区的基础数据;基础数据包括大气数据、储罐规格参数、储罐平面布置、储罐间间距、储存物料种类及储罐储存物料的量;其中,储罐规格参数包括高度、直径、壁厚;大气数据包括温度、湿度、风速、风向;
根据所述基础数据确定初始储罐;
根据所述初始储罐的基础数据确定初始事故模式;
根据所述初始事故模式确定事故演化模式;
分别对每一种事故演化模式计算物理效应;
判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式;
根据所述邻近储罐事故模式构建静态贝叶斯网络;
根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络;
根据所述动态贝叶斯网络计算动态概率,确定最可能扩展事故链及关键储罐;
所述根据所述基础数据确定初始储罐的过程包括如下步骤:
设定初始储罐判别标准;
根据所述初始储罐判别标准对所述基础数据进行分析,确定得出初始储罐;
得到待评估罐区的基础数据后,基于最大风险和最长事故链的原则,即将事故风险最大、事故后果最严重的储罐作为初始储罐,运用道化学火灾爆炸指数评价法风险评价法,并结合企业日常隐患排查治理档案,即在日常隐患排查过程中,储罐隐患较多,则发生事故的可能性较大;以道化学火灾爆炸指数评价法风险评价法计算为主,日常隐患排查为辅,判定罐区高风险储罐,即确定出初始储罐;
所述根据所述初始储罐的基础数据确定初始事故模式的过程包括如下步骤:
设定初始事故模式判别标准;
根据所述初始事故模式判别标准对初始储罐的基础数据进行分析,确定得到初始事故模式;
初始事故模式判别标准包括:初始事故储罐所储存的物料特性和储罐的罐体形式;常压储罐区的事故模式由罐体形式和物料特性决定,常压储罐的罐体形式包括固定顶罐、内浮顶罐、外浮顶罐,罐内压力小于0.1MPa,用来储存易燃液体类化学品,此类化学品具有易燃性及一定的挥发性,因此常压储罐可能发生池火灾和蒸汽云爆炸;根据事故发生位置分为储罐内和储罐外,在储罐内的事故通常以火灾或者爆炸为初始事故,从而引发在储罐内部的爆炸、火灾或者储罐破裂泄漏;在储罐外则以泄漏为主要初始事故,常压储罐以泄漏引发的事故演化模式受点火源影响会表现出不同的事故种类;针对物料特性为易燃的液体泄漏,其后续事故演化场景受到点火源出现时间影响,当罐内易燃液体发生泄漏后,如果立即接触点火源,则会被点燃形成火灾;如果泄漏物质没有立即接触到点火源,则其挥发的蒸气云在接触点火源后则会发生蒸气云爆炸并引发火灾。
2.根据权利要求1所述的一种常压储罐区多米诺事故动态预测方法,其特征在于,所述根据所述初始事故模式确定事故演化模式的过程包括如下步骤:
根据初始事故模式、事故演化概率分析方法,结合事故链规律统计分析结果,得到事故链形式;
根据所述事故链形式计算每一种事故链形式的事故演化概率;
根据事故链形式和对应的事故演化概率共同构建事故演化模式。
3.根据权利要求2所述的一种常压储罐区多米诺事故动态预测方法,其特征在于,所述判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式的过程包括如下步骤:
如果邻近储罐接收的物理效应大于储罐破坏阈值,则判断邻近储罐有可能发生事故;
根据扩展概率模型确定有可能发生事故的邻近储罐发生每一种事故形式的概率;
将发生一次事故扩展后的储罐作为初始储罐,确定可能发生事故的二次扩展储罐,得到扩展事故链;
分别计算每个扩展事故链的扩展概率;
以扩展事故链和对应的扩展概率构建邻近储罐事故模式。
4.根据权利要求3所述的一种常压储罐区多米诺事故动态预测方法,其特征在于,所述根据所述邻近储罐事故模式构建静态贝叶斯网络的过程包括如下步骤:
根据邻近储罐事故模式,将扩展事故链的扩展概率输入到条件概率表中,得到静态贝叶斯网络;
对静态贝叶斯网络进行先验概率和后验概率分析,确定静态条件下最可能的事故扩展顺序和关键事故储罐。
5.根据权利要求4所述的一种常压储罐区多米诺事故动态预测方法,其特征在于,所述根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络的过程包括如下步骤:
实时计算消防灭火因素对于扩展事故链和扩展概率的影响,形成具有时间维度的扩展事故链和对应的扩展概率,即构建动态贝叶斯网络。
6.根据权利要求5所述的一种常压储罐区多米诺事故动态预测方法,其特征在于,所述根据所述动态贝叶斯网络计算动态概率,确定最可能事故链及关键储罐的过程包括如下步骤:
对动态贝叶斯网络进行概率演算,得到各储罐在一定时间段内的概率变化趋势;
根据各储罐在一定时间段内的概率变化趋势确定概率最高的一条事故链,确定对邻近储罐影响最大的储罐。
7.一种常压储罐区多米诺事故动态预测系统,其特征在于,包括:
基础数据收集模块,用于收集待评估罐区的基础数据;基础数据包括大气数据、储罐规格参数、储罐平面布置、储罐间间距、储存物料种类及储罐储存物料的量;其中,储罐规格参数包括高度、直径、壁厚;大气数据包括温度、湿度、风速、风向;
初始储罐确定模块,用于根据所述基础数据确定初始储罐;
所述根据所述基础数据确定初始储罐的过程包括如下步骤:
设定初始储罐判别标准;
根据所述初始储罐判别标准对所述基础数据进行分析,确定得出初始储罐;
得到待评估罐区的基础数据后,基于最大风险和最长事故链的原则,即将事故风险最大、事故后果最严重的储罐作为初始储罐,运用道化学火灾爆炸指数评价法风险评价法,并结合企业日常隐患排查治理档案,即在日常隐患排查过程中,储罐隐患较多,则发生事故的可能性较大;以道化学火灾爆炸指数评价法风险评价法计算为主,日常隐患排查为辅,判定罐区高风险储罐,即确定出初始储罐;
初始事故模式确定模块,用于根据所述初始储罐的基础数据确定初始事故模式;
所述根据所述初始储罐的基础数据确定初始事故模式的过程包括如下步骤:
设定初始事故模式判别标准;
根据所述初始事故模式判别标准对初始储罐的基础数据进行分析,确定得到初始事故模式;
初始事故模式判别标准包括:初始事故储罐所储存的物料特性和储罐的罐体形式;常压储罐区的事故模式由罐体形式和物料特性决定,常压储罐的罐体形式包括固定顶罐、内浮顶罐、外浮顶罐,罐内压力小于0.1MPa,用来储存易燃液体类化学品,此类化学品具有易燃性及一定的挥发性,因此常压储罐可能发生池火灾和蒸汽云爆炸;根据事故发生位置分为储罐内和储罐外,在储罐内的事故通常以火灾或者爆炸为初始事故,从而引发在储罐内部的爆炸、火灾或者储罐破裂泄漏;在储罐外则以泄漏为主要初始事故,常压储罐以泄漏引发的事故演化模式受点火源影响会表现出不同的事故种类;针对物料特性为易燃的液体泄漏,其后续事故演化场景受到点火源出现时间影响,当罐内易燃液体发生泄漏后,如果立即接触点火源,则会被点燃形成火灾;如果泄漏物质没有立即接触到点火源,则其挥发的蒸气云在接触点火源后则会发生蒸气云爆炸并引发火灾;
事故演化模式确定模块,用于根据所述初始事故模式确定事故演化模式;
物理效应计算模块,用于分别对每一种事故演化模式计算物理效应;
邻近储罐事故模式确定模块,用于判断所述物理效应是否超过阈值,若是则确定邻近储罐事故模式;
静态贝叶斯网络构建模块,用于根据所述邻近储罐事故模式构建静态贝叶斯网络;
动态贝叶斯网络构建模块,用于根据所述静态贝叶斯网络和消防灭火因素构建动态贝叶斯网络;
动态概率计算模块,用于根据所述动态贝叶斯网络计算动态概率,确定最可能扩展事故链及关键储罐。
8.一种常压储罐区多米诺事故动态预测装置,其特征在于,包括:包括存储器和处理器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367134.7A CN113536654B (zh) | 2021-04-06 | 2021-04-06 | 一种常压储罐区多米诺事故动态预测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367134.7A CN113536654B (zh) | 2021-04-06 | 2021-04-06 | 一种常压储罐区多米诺事故动态预测方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113536654A CN113536654A (zh) | 2021-10-22 |
CN113536654B true CN113536654B (zh) | 2023-11-21 |
Family
ID=78094391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110367134.7A Active CN113536654B (zh) | 2021-04-06 | 2021-04-06 | 一种常压储罐区多米诺事故动态预测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536654B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861988A (zh) * | 2022-04-15 | 2022-08-05 | 沈阳化工大学 | 动态贝叶斯网络和故障树模型预测常压储罐群事故方法 |
CN115293656B (zh) * | 2022-10-08 | 2023-04-07 | 西南石油大学 | 基于贝叶斯网络的并行油气管道多米诺效应风险分析方法 |
CN117113788B (zh) * | 2023-10-25 | 2023-12-29 | 南京南工应急科技有限公司 | 一种火灾和爆炸耦合下钢制常压储罐结构失效预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980902A (zh) * | 2017-04-05 | 2017-07-25 | 广州中国科学院工业技术研究院 | 液化气储罐事故预测系统及方法 |
CN111242504A (zh) * | 2020-01-23 | 2020-06-05 | 南京工业大学 | 基于多米诺效应的煤气化装置风险概率的计算方法 |
CN112529412A (zh) * | 2020-12-11 | 2021-03-19 | 华南理工大学 | 一种多灾耦合下危化品火灾多米诺事故动态风险分析方法 |
-
2021
- 2021-04-06 CN CN202110367134.7A patent/CN113536654B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980902A (zh) * | 2017-04-05 | 2017-07-25 | 广州中国科学院工业技术研究院 | 液化气储罐事故预测系统及方法 |
CN111242504A (zh) * | 2020-01-23 | 2020-06-05 | 南京工业大学 | 基于多米诺效应的煤气化装置风险概率的计算方法 |
CN112529412A (zh) * | 2020-12-11 | 2021-03-19 | 华南理工大学 | 一种多灾耦合下危化品火灾多米诺事故动态风险分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113536654A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113536654B (zh) | 一种常压储罐区多米诺事故动态预测方法、系统及装置 | |
Yang et al. | The probability prediction method of domino effect triggered by lightning in chemical tank farm | |
Tauseef et al. | Case studies of 28 major accidents of fires/explosions in storage tank farms in the backdrop of available codes/standards/models for safely configuring such tank farms | |
Khan et al. | DOMIFFECT (DOMIno eFFECT): user-friendly software for domino effect analysis | |
CN111242504B (zh) | 基于多米诺效应的煤气化装置风险概率的计算方法 | |
CN112633553B (zh) | 燃气管线-危化企业耦合隐患辨识与风险评估方法及系统 | |
Wu et al. | An integrated quantitative risk assessment method for urban underground utility tunnels | |
Bernechea et al. | Optimizing the design of storage facilities through the application of ISD and QRA | |
LaChance | Risk-informed separation distances for hydrogen refueling stations | |
Khan et al. | The world's worst industrial accident of the 1990s what happened and what might have been: A quantitative study | |
CN108345986B (zh) | 一种化工危险源动态量化评估方法 | |
Yuan et al. | Evaluation on consequences prediction of fire accident in emergency processes for oil-gas storage and transportation by scenario deduction | |
CN112633552A (zh) | 一种燃气管线与周边管线耦合隐患识别与风险评估方法与系统 | |
Spoelstra et al. | Domino effects at LPG and propane storage sites in the Netherlands | |
Lobato et al. | A comparison of hydrogen cloud explosion models and the study of the vulnerability of the damage caused by an explosion of H2 | |
Vrouwenvelder et al. | Modelling of hazards | |
CN111104725A (zh) | 一种输油管道的个人风险计算方法及系统 | |
Zhou et al. | An assessment model of fire resources demand for storage of hazardous chemicals | |
CN114861988A (zh) | 动态贝叶斯网络和故障树模型预测常压储罐群事故方法 | |
Tsai et al. | Integrated self-assessment module for fire rescue safety in a chemical plant–A case study | |
CN111915131A (zh) | 燃气管道保护方法、装置、电子设备和存储介质 | |
CN116485038A (zh) | 一种压力储罐区火灾次生多米诺事故的动态预测方法 | |
CN115100822B (zh) | 一种燃气泄漏风险预警分级方法 | |
Lobato et al. | Consequence analysis of an explosion by simple models: Texas refinery gasoline explosion case | |
Luo et al. | Consequence analysis of CNG leakage at joint refueling and charging stations |
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 | ||
CB02 | Change of applicant information |
Address after: 30 Puzhu South Road, Nanjing, Jiangsu Province 210000 Applicant after: NANJING University OF TECHNOLOGY Applicant after: Nanjing Nangong emergency Technology Co.,Ltd. Address before: 30 Puzhu South Road, Nanjing, Jiangsu Province 210000 Applicant before: NANJING University OF TECHNOLOGY Applicant before: Nanjing South Industrial Safety Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |