CN113792489B - 管道风险防控模型的建立方法和安全风险目录构建方法 - Google Patents
管道风险防控模型的建立方法和安全风险目录构建方法 Download PDFInfo
- Publication number
- CN113792489B CN113792489B CN202111082336.3A CN202111082336A CN113792489B CN 113792489 B CN113792489 B CN 113792489B CN 202111082336 A CN202111082336 A CN 202111082336A CN 113792489 B CN113792489 B CN 113792489B
- Authority
- CN
- China
- Prior art keywords
- risk
- pipeline
- information
- prevention
- type
- 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
- 230000002265 prevention Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 52
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 238000012502 risk assessment Methods 0.000 claims abstract description 4
- 238000011835 investigation Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 7
- 239000003921 oil Substances 0.000 description 20
- 239000007789 gas Substances 0.000 description 12
- 238000004880 explosion Methods 0.000 description 10
- 239000010779 crude oil Substances 0.000 description 7
- 230000006378 damage Effects 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000003209 petroleum derivative Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 206010013647 Drowning Diseases 0.000 description 1
- 206010014357 Electric shock Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012047 cause and effect analysis Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 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
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000000926 separation method 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种管道风险防控模型的建立方法和安全风险目录构建方法。所述建立方法包括收集历史安全风险数据并归类,得到生产现场基础信息、风险信息和风险防控信息;提取生产现场基础信息和风险信息特征,得到第一、第二类标签;根据第一、第二类标签,对风险防控信息标定,得到标定结果;基于第一、第二类标签和标定结果,利用深度学习算法建立安全风险评估模型。所述构建方法包括:确定安全风险目录框架结构;确定安全风险目录标签;提取风险信息;确定风险信息、生产现场基础信息、防控措施的标签内容;将标签内容录入风险目录框架,形成风险目录。本发明方法简便,能帮助员工有效管控风险,可有效提升管道企业安全生产风险防控管理能力。
Description
技术领域
本发明涉及石油天然气行业安全生产风险防控技术领域,特别地,涉及一种管道风险防控模型的建立方法和安全风险目录构建方法。
背景技术
石油天然气管道输送企业属于高危行业,输送介质通常有原油、成品油、天然气,具有易燃易爆等理化特性,一旦发生泄漏可能引发火灾、燃烧爆炸,将导致重大人员伤亡和巨额经济财产损失。油气管道安全监管纳入危险化学品安全监管范畴,要严格按照有关危险化学品安全监管法律法规、规范技术标准实施监管。重大事故的不断发生让国家对危险化学企业提出了更严格的风险管控要求。
油气长输管道风险通常包括以下方面:(1)可能出现第三方损害风险,因为第三方损害管道结构,产生安全事故;(2)管道长久处于地下,或长期流动介质,从而发生腐蚀风险;(3)管道设计本身出现问题,影响管道的使用,最终产生风险;(4)油气长输管道后期需要维护和管理,管道人员进行错误的操作而产生的风险;(5)油气长输管道所处的环境可能发生改变,如天气状况恶劣,暴风雨等都可能产生风险。
目前,传统的管道企业拥有许多宝贵事故事件案例资源,但未深入挖掘事故案例价值,未充分利用事故信息资源,安全风险信息的共享与预防未得到有效的传播和推广。部分新成立的管道企业由于生产运行时间较短,现场员工因工作年限和专业能力的差异导致对现场风险缺乏有效认知,正可谓员工缺乏对安全风险的敬畏实则是企业安全生产的最大隐患。如何将同行业同企业的事故案例转换为基层现场安全生产的宝贵实践经验,以达到安全教育警示、举一反三防控效果,是现代管道企业安全生产风险防控和隐患排查治理首要解决的问题。
发明内容
针对现有技术中存在的不足,本发明的目的在于解决上述现有技术中存在的一个或多个问题。例如,本发明的目的之一在于提升管道企业生产过程中的风险防控能力。
为了实现上述目的,本发明一方面提供了一种管道风险防控模型的建立方法,所述方法可包括以下步骤:收集历史安全风险数据,并进行归类,得到生产现场基础信息、风险信息和风险防控信息;提取生产现场基础信息的特征,得到第一类标签,第一类标签包括类型、场所名称、周边环境和区域中的至少一种;提取风险信息的特征,得到第二类标签,第二类标签包括危害因素、风险描述、事故类别和风险级别中的至少一种;根据所述第一类标签和第二类标签,对风险防控信息进行标定,得到标定结果,标定结果为对应不同第一类标签和不同第二类标签的防控措施;基于所述第一类标签、第二类标签和标定结果,利用深度学习算法,建立安全风险评估模型。
进一步地,所述历史安全风险数据可包括已发生的关于油气管道的事故信息和/或事件信息。
进一步地,所述方法还可包括步骤:在所述归类之前,对所述收集的历史安全风险数据进行筛选,以除去重复、错误和无效的数据。
进一步地,所述方法还可包括步骤:按照统一的规则对所述生产现场基础信息中的场所名称重新命名。
进一步地,所述类型可以为管道;所述周边环境可包括重大危险源、管道高后果区、自然保护区、水源保护区、国际河流和国内河流中的至少一种;所述区域可包括根据工作分解结构法对管道企业生产现场进行功能划分后的多个区域。
进一步地,所述第二类标签还可包括事故后果。
进一步地,所述深度学习算法可包括:深度学习的卷积神经网络算法。
本发明另一方面也提供了一种基于事故事件的安全风险目录构建方法。
所述构建方法可包括以下步骤:确定安全风险目录框架结构,包括生产现场基础信息,风险信息和风险防控措施三部分;确定安全风险目录标签,包括生产现场基础信息标签、风险信息标签和防控措施标签;从已发生的事故和/或事件中提取风险信息,并以此确定风险信息的标签内容;确定生产现场基础信息的标签内容;确定防控措施的标签内容;标签内容确定后,将其录入风险目录框架,形成风险目录。
进一步地,所述从已发生的事故和/或事件中提取的风险信息包括:发生原因、事故类型、事故后果、事件类型和事件后果中的至少一种。
进一步地,所述防控措施标签包括:制度措施、管理措施、工程措施、技术措施和应急措施中的至少一种。
与现有技术相比,本发明的有益效果可包括:
(1)本发明能够为管道风险防控提供实时性、智能性决策,能够做到合理规划,实时评价、指导管道现场作业。
(2)本发明提出了适合石油天然气管道企业基于事故事件安全风险目录的构建方法,填补了石油天然气管道企业安全风险目录方面的技术空白。
(3)本发明能够指导管道企业管理者对同行业或企业内发生过的典型安全生产事故信息进行收集、提取和转换,建立安全风险数据信息库,即风险目录。
(4)本发明能够帮助企业基于历史事故事件案例建立管道风险防控模型以及完善的安全风险数据信息库,帮助现场员工快速查询并掌握同类生产现场设备设施或常规作业所存在的危害因素、风险、可能导致的事故后果以及对应风险防控措施,有效提升管道企业安全生产风险防控管理能力。
(5)本发明通过大量的安全风险信息数据的动态录入和更新,不断丰富和完善风险数据信息,以解决现场员工工作经验和专业能力的不足或欠缺导致生产现场风险管控难的问题,以达到安全教育警示、举一反三防控效果。同时,为现场员工处理同类风险或隐患时提供明确的风险防控措施制定方向和针对性内容,能够帮助现场员工有效管控风险。
附图说明
通过下面结合附图进行的描述,本发明的上述和其他目的和特点将会变得更加清楚,其中:
图1示出了本发明的基于事故事件的安全风险目录构建方法的一个流程示意图。
具体实施方式
在下文中,将结合附图和示例性实施例详细地描述本发明的管道风险防控模型的建立方法和安全风险目录构建方法。
示例性实施例1
所述管道风险防控模型的建立方法可包括以下步骤:
S10:收集历史安全风险数据,并进行归类,得到生产现场基础信息、风险信息和风险防控信息。
S20:提取生产现场基础信息的特征,得到第一类标签,第一类标签包括类型、场所名称、周边环境和区域;提取风险信息的特征,得到第二类标签,第二类标签包括危害因素、风险描述、类别和风险级别。其中,类别为事故类别和/或事件类别。进一步地,第二类标签还可包括后果,后果为事故后果和/或事件后果。
S30:根据所述第一类标签和第二类标签,对风险防控信息进行标定,得到标定结果,标定结果为对应不同第一类标签和不同第二类标签的防控措施。
S40:基于所述第一类标签、第二类标签和标定结果,利用深度学习算法,建立安全风险评估模型。其中,所述深度学习算法可包括本领域已有的深度学习算法,例如深度学习的卷积神经网络算法。
在本实施例中,所述历史安全风险数据包括已发生的关于油气管道的事故信息和事件信息中的至少一种。
在本实施例中,所述方法还可包括步骤:按照统一的规则对所述生产现场基础信息中的场所名称重新命名。
在本实施例中,所述第二类标签还包括风险发生原因,原因可以为直接原因和间接原因中的至少一种。
在本实施例中,标定结果中的防控措施可包括制度措施、管理措施、工程措施、技术措施和应急措施中的至少一种。
其中,制度措施可包括:隐患管理制度、生产安全风险防控管理制度和突发事件应急管理制度中的至少一种,例如建立的这三种制度。
管理措施可包括以下至少一种:每年至少开展一次密闭空间管道隐患排查;管道阴极保护运行范围-0.85~-1.25V;每X年开展一次安全现状评价,X为2~4,例如3。
工程措施可包括:油品泄漏密闭空间开孔技术措施。
技术措施可包括:设置输油管道泄漏监测系统,和/或,使用便携式可燃气体检测器。
应急措施可包括:输油管道泄漏应急处置预案。
示例性实施例2
风险目录是企业生产经营活动中各种安全风险信息的集成汇总,亦可称之为风险数据信息库。通过结合企业安全风险特点,根据企业生产经营全过程所涉及的危害因素,确定对应的风险描述及防控措施等综合信息,以此建立和完善企业安全风险数据信息,能够有效指导现场员工做好风险防控工作。
本发明为管道企业提供了一种安全风险数据信息库构建方法,该方法集合了事故案例资源,挖掘出事故的价值信息。
所述构建方法包括以下步骤:
步骤1:确定安全风险目录框架结构,包括生产现场基础信息,风险信息和风险防控措施。本发明是根据安全评价相关性原理,将框架结构分为生产现场基础信息、风险信息和防控措施。
步骤2:确定安全风险目录标签,根据管道企业对安全风险目录检索查询需求和安全评价程序,设置生产现场基础信息标签,包括类型、站场名称、周边环境和区域;根据安全评价程序,设置风险信息和防控措施标签,包括危害因素、风险描述、事故类别、风险等级和防控措施。该步骤可以根据管道企业对安全风险目录检索查询需求和安全评价程序,来设置生产现场基础信息标签。
步骤3:提取事故事件风险信息,采用因果分析法,明确事故事件发生的直接原因和间接原因,提取直接原因、事故类型、事故后果、事件类型和事件后果的风险信息,为安全风险目录标签内容的确定提供风险数据信息储备。
步骤4:确定风险目录标签内容,将提取的风险信息进行转换确定,生产现场基础信息标签内容根据生产实际直接进行确定;风险信息标签内容根据事故事件提取的风险信息进行转换确定:危害因素根据事故事件提取出的直接原因对标GB13861《生产过程危险和有害因素分类与代码》确定;风险描述根据对象、危害因素、导致/存在事故类型风险的排列方式转换确定;事故类别对标GB6441《企业职工伤亡事故分类》确定;风险等级根据事故事件提取出的事故后果对标《安全生产事故报告和调查处理条例》确定;防控措施根据风险控制优先原则,从制度、管理、工程、技术、应急方面确定防控措施内容和管理责任部门。
步骤5:标签内容确定后,录入风险目录框架,形成风险目录。
在本实施例中,安全风险目录其实质为安全风险数据信息库,它是以历史事故事件案例信息为基础,提供生产现场、设备和作业过程存在的危害因素、风险及控制措施,根据安全评价相关性原理,将研究的所有对象视为系统,找出系统属性、风险特征与事故和职业危害间存在的因果相关性。
系统的结构表达式:E=maxf(X,R,C)
E—最优结合效果;
X—系统组成的要素集;
R—系统组成要素的相关关系集;
C—系统组成的要素及其相关关系在各阶层上的分布形式;
f—X,R,C的结合效果函数。
因此,安全风险目录可根据安全评价相关性原理,将框架结构分为生产现场基础信息、风险信息、风险防控措施三部分。
进一步地,步骤2中类型包括管道;站场名称根据实际生产现场和管道名称确定;周边环境包括重大危险源、管道高后果区、自然保护区、水源保护区、国际河流和国内河流。区域包括生产现场各功能区域,根据WBS法(工作分解结构法)对管道企业生产现场进行功能区域划分,包括进站阀组区、出站阀组区、清管区、过滤分离区、计量分输区、自用气橇区、压缩机区、空冷区、排污罐区、消防水罐区、消防泵房、发电机房、空压机房、变电所、低压配电间、综合设备间、放空区等;管道功能区域可划分为一般埋地管道、高陡坡管道、横坡管道、河流跨越管段、河流穿越管段、公路穿越管段、铁路穿越管段、隧道穿越管段、阀室等。
进一步地,危险因素可按大类和小类进行划分,大类分为人的因素、物的因素、环境因素和管理因素,小类对标GB13861《生产过程危险和有害因素分类与代码》中的4位代码进行分类。事故类别划分为火灾、燃烧爆炸、容器爆炸、锅炉爆炸、物体打击、车辆伤害、机械伤害、起重伤害、触电、淹溺、灼烫、高处坠落、坍塌、中毒窒息等。风险等级划分为低风险、一般风险、较大风险、重大风险四类;防控措施划分为制度措施、管理措施、工程措施、技术措施和应急措施。危险因素根据GB13861-2009《生产过程危险和有害因素分类与代码》进行划分,事故类别根据GB6441-86《企业职工伤亡事故分类》进行划分,风险等级根据《安全生产事故报告和调查处理条例》进行确定。
进一步地,步骤2中安全风险目录标签属性获取渠道包括事故案例汇编、事故调查报告和事件调查报告。
在本实施例中,事故事件风险信息提取是关键,它关系着事故事件经验的获取,直接影响安全风险目录构建质量,采用因果分析法,明确事故事件发生的直接原因和间接原因,提取直接原因、间接原因、事故类型、事故后果、事件类型和事件后果的风险信息,为安全风险目录标签内容的确定提供风险数据信息储备;最后对安全风险目录各标签内容进行转换确定和录入。
为了更好地理解本发明的上述示例性实施例,下面结合具体示例对其进行进一步说明。
如图1所示,所述基于事故事件的安全风险目录构建方法,包括如下步骤:
确定安全风险目录框架结构。目录框架结构可包括生产现场基础信息,风险信息和风险防控措施。
确定安全风险目录标签。根据管道企业对安全风险目录检索查询需求和安全评价程序,设置生产现场基础信息标签,包括类型、站场名称、周边环境和区域;根据安全评价程序,设置风险信息和防控措施标签,包括危害因素、风险描述、事故类别、风险级和防控措施。
提取事故事件风险信息。以“11.22”输油管道爆炸事故调查报告为分析对象,提取事故事件风险信息。采用因果分析法,将调查报告中直接原因、事故类型、事故后果进行提取。直接原因为“输油管道与排水暗渠交汇处管道腐蚀减薄、管道破裂、原油泄漏,流入排水暗渠及反冲到路面。原油泄漏后,现场处置人员采用液压破碎锤在暗渠盖板上打孔破碎,产生撞击火花,引发暗渠内油气爆炸”;事故类型为“东黄输油管道泄漏爆炸特别重大事故”;事故后果为“共62人死亡、136人受伤”。
确定风险目录标签内容。可将提取的风险信息进行转换确定标签内容。在生产现场基础信息标签内容可根据事故调查报告直接确定,其中类型为“管道”、管道名称为“东黄输油管道”、周边环境为“管道高后果区”、区域为“一般埋地管道”。风险信息标签内容根据提取的风险信息进行转换确定:分析提取的事故直接原因,可知是原油泄漏在密闭空间形成混合性爆炸气体,遇到撞击火花引发爆炸。对标GB13861《生产过程危险和有害因素分类与代码》,危害因素确定为“原油”,大类为“物的因素”,小类为“易燃液体”。风险描述为“原油管道因腐蚀导致原油泄漏,在密闭环境下进行应急处置存在爆炸风险”。将提取的事故类型信息对标GB6441《企业职工伤亡事故分类》,事故类别确定为“燃烧爆炸”。将提取的事故后果信息对标《安全生产事故报告和调查处理条例》,风险等级确定为“重大风险”。制度措施应考虑建立健全相关安全管理制度,包括“建立隐患管理制度、生产安全风险防控管理制度、突发事件应急管理制度”;管理措施为“每年开展一次密闭空间管道隐患排查、管道阴极保护运行范围-0.85~-1.25V、每三年开展一次安全现状评价”;
工程措施为“油品泄漏密闭空间开孔技术措施”;技术措施为“设置输油管道泄漏监测系统、使用便携式可燃气体检测器”;应急措施为“制定输油管道泄漏应急处置预案”。
形成风险目录。即在确定标签内容后,录入风险目录框架,形成风险目录,具体如表1所示,表1由表1-1和1-2组成。
表1-1
表1-2
尽管上面已经通过结合示例性实施例描述了本发明,但是本领域技术人员应该清楚,在不脱离权利要求所限定的精神和范围的情况下,可对本发明的示例性实施例进行各种修改和改变。
Claims (5)
1.一种管道风险防控模型的建立方法,其特征在于,所述方法包括以下步骤:
收集历史安全风险数据,并进行归类,得到生产现场基础信息、风险信息和风险防控信息;所述历史安全风险数据包括已发生的关于油气管道的事故信息和/或事件信息;
提取生产现场基础信息的特征,得到第一类标签,第一类标签包括类型、场所名称、周边环境和区域中的至少一种;提取风险信息的特征,得到第二类标签,第二类标签包括危害因素、风险描述、类别和风险级别中的至少一种,第二类标签还包括风险发生原因和后果,原因为直接原因和间接原因中的至少一种,后果包括事件后果和/或事故后果;
根据所述第一类标签和第二类标签,对风险防控信息进行标定,得到标定结果,标定结果为对应不同第一类标签和不同第二类标签的防控措施;
基于所述第一类标签、第二类标签和标定结果,利用深度学习算法,建立安全风险评估模型;
所述标定结果中的防控措施包括制度措施、管理措施、工程措施、技术措施和应急措施中的至少一种;
制度措施包括:隐患管理制度、生产安全风险防控管理制度和突发事件应急管理制度中的至少一种;
管理措施包括以下至少一种:每年至少开展一次密闭空间管道隐患排查;管道阴极保护运行范围-0.85~-1.25V;每X年开展一次安全现状评价,X为2~4;
工程措施包括:油品泄漏密闭空间开孔技术措施;
技术措施包括:设置输油管道泄漏监测系统,和/或,使用便携式可燃气体检测器;
应急措施包括:输油管道泄漏应急处置预案。
2.根据权利要求1所述的管道风险防控模型的建立方法,其特征在于,所述方法还包括步骤:在所述归类之前,对所述收集的历史安全风险数据进行筛选,以除去重复、错误和无效的数据。
3.根据权利要求1所述的管道风险防控模型的建立方法,其特征在于,所述方法还包括步骤:按照统一的规则对所述生产现场基础信息中的场所名称重新命名。
4.根据权利要求1所述的管道风险防控模型的建立方法,其特征在于,所述类型为管道;
所述周边环境包括重大危险源、管道高后果区、自然保护区、水源保护区、国际河流和国内河流中的至少一种;
所述区域包括根据工作分解结构法对管道企业生产现场进行功能划分后的多个区域。
5.根据权利要求1所述的管道风险防控模型的建立方法,其特征在于,所述深度学习算法包括:深度学习的卷积神经网络算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082336.3A CN113792489B (zh) | 2021-09-15 | 2021-09-15 | 管道风险防控模型的建立方法和安全风险目录构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082336.3A CN113792489B (zh) | 2021-09-15 | 2021-09-15 | 管道风险防控模型的建立方法和安全风险目录构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792489A CN113792489A (zh) | 2021-12-14 |
CN113792489B true CN113792489B (zh) | 2024-01-05 |
Family
ID=78878500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111082336.3A Active CN113792489B (zh) | 2021-09-15 | 2021-09-15 | 管道风险防控模型的建立方法和安全风险目录构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792489B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030067305A (ko) * | 2002-02-08 | 2003-08-14 | 주식회사 삼천리 | 매설배관 위험진단 평가방법 |
CA2414644A1 (en) * | 2002-12-18 | 2004-06-18 | Baseline Technologies Inc. | Data management of pipeline datasets |
CN102830667A (zh) * | 2012-08-09 | 2012-12-19 | 北京中盈安信技术服务有限公司 | 一种基于管道完整性管理技术的油气管道安全维护系统 |
CN106649572A (zh) * | 2016-11-16 | 2017-05-10 | 中国特种设备检测研究院 | 城镇燃气聚乙烯管道失效基础数据处理实现方法及系统 |
CN107045638B (zh) * | 2016-12-30 | 2021-03-30 | 中国民航管理干部学院 | 一种基于情景意识模型的飞行安全事件分析方法 |
-
2021
- 2021-09-15 CN CN202111082336.3A patent/CN113792489B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030067305A (ko) * | 2002-02-08 | 2003-08-14 | 주식회사 삼천리 | 매설배관 위험진단 평가방법 |
CA2414644A1 (en) * | 2002-12-18 | 2004-06-18 | Baseline Technologies Inc. | Data management of pipeline datasets |
CN102830667A (zh) * | 2012-08-09 | 2012-12-19 | 北京中盈安信技术服务有限公司 | 一种基于管道完整性管理技术的油气管道安全维护系统 |
CN106649572A (zh) * | 2016-11-16 | 2017-05-10 | 中国特种设备检测研究院 | 城镇燃气聚乙烯管道失效基础数据处理实现方法及系统 |
CN107045638B (zh) * | 2016-12-30 | 2021-03-30 | 中国民航管理干部学院 | 一种基于情景意识模型的飞行安全事件分析方法 |
Non-Patent Citations (3)
Title |
---|
"Development of a Failure Probability Model based on Operation Data of Thermal Piping Network in District Heating System";Hyoung Seok Kim等;《Korean Chem. Eng. Res》;322-331 * |
"北美长输管道安全管理体系研究";李翔等;《石油化工自动化》;1-4 * |
"油气管道第三方破坏风险等级划分方法研究";赵新好等;《石油工业技术监督》;5-9 * |
Also Published As
Publication number | Publication date |
---|---|
CN113792489A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moreno et al. | Analysis of accidents in biogas production and upgrading | |
CN113313387B (zh) | 一种企业重大安全风险分级智能化管控方法及系统 | |
CN112633552B (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 | |
Sutton | Plant design and operations | |
Gong et al. | STAMP-based causal analysis of China-Donghuang oil transportation pipeline leakage and explosion accident | |
CN112686581A (zh) | 一种自然灾害次生危险化学品事故风险评估方法及评估系统 | |
CN105825320A (zh) | 一种石油化工企业承灾体脆弱性评估方法 | |
CN112686570A (zh) | 一种智能安全风险管控系统 | |
CN115511234A (zh) | 用于危险化学品安全生产风险的分级预警管理方法及系统 | |
Teng et al. | Disaster impact assessment of the underground hazardous materials pipeline | |
Gorlenko et al. | Comparative analysis of fire risks in coal and oil and gas industries | |
Bykovskaia et al. | Assessment of the environmental risks in the development of fossil fuels deposits in the Arctic zone of the Russian Federation | |
CN105805561B (zh) | 一种埋地管道泄漏事故的调查处理系统及方法 | |
CN113792489B (zh) | 管道风险防控模型的建立方法和安全风险目录构建方法 | |
CN103456135A (zh) | 基于物联网的水利水电工程施工安全隐患监测系统及方法 | |
Younesi et al. | Environmental risk assessment and management in oil platform construction phase Activities: A case study | |
CN113807638A (zh) | 一种尾矿库重大安全风险量化方法 | |
Gorlenko et al. | Environmental and economic assessment of damage to atmospheric air from oil and gas production enterprises using the example of the Lena-Tunguska oil and gas province | |
CN115730814A (zh) | 一种土壤污染状况调查基础信息采集分析系统及方法 | |
Puskar | Fires & Explosions in the Fracking World--Where, Why, & How to Minimize Risks | |
Wang et al. | Overview of oil and gas pipeline failure database | |
Ma et al. | Failure analysis and prevention of tailings industrial system containing heavy metals | |
Reer | Bursting the Bubble: Moving toward the Common Sense Principle When Considering Air Aggregation of Oil and Gas Facilities | |
Liu et al. | Application and exploration of job site safety control system in construction projects | |
Zhang et al. | Study on static risk assessment model of expressway operation companies |
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 |