CN115239045A - 一种安全风险监测的方法和装置 - Google Patents

一种安全风险监测的方法和装置 Download PDF

Info

Publication number
CN115239045A
CN115239045A CN202110654616.0A CN202110654616A CN115239045A CN 115239045 A CN115239045 A CN 115239045A CN 202110654616 A CN202110654616 A CN 202110654616A CN 115239045 A CN115239045 A CN 115239045A
Authority
CN
China
Prior art keywords
protective layer
failure probability
safety
failure
determining
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.)
Granted
Application number
CN202110654616.0A
Other languages
English (en)
Other versions
CN115239045B (zh
Inventor
杨哲
张杰东
党文义
刘晓龙
姜雪
刘迪
王雅真
慕云涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Safety Engineering Research Institute Co Ltd
Original Assignee
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Qingdao Safety Engineering Institute filed Critical China Petroleum and Chemical Corp
Publication of CN115239045A publication Critical patent/CN115239045A/zh
Application granted granted Critical
Publication of CN115239045B publication Critical patent/CN115239045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q50/04—Manufacturing
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种安全风险监测的方法和装置，属于风险评估领域。所述安全风险监测的方法包括：确定影响装置的至少一个关键安全变量；获取所述关键安全变量波动时各保护层成功的次数和失败的次数；基于所述关键安全变量波动时各保护层成功的次数和失败的次数确定各保护层实时失效概率；基于所述各保护层实时失效概率对各保护层经验失效概率进行修正，确定修正后的失效概率。通过本申请的技术方案能够动态修正保护层的失效概率，精准地确定装置的各关键安全变量波动引发危险事件的可能性，实现装置风险的实时监测和有效预警。

Description

一种安全风险监测的方法和装置
技术领域
本发明涉及风险评估领域，具体地涉及一种安全风险监测的方法和装置。
背景技术
近十几年来，随着化工行业的发展，在全球范围内发生过很多重大工业事故，引起社会各界的关注与重视。这很大程度上促进了对过程安全管理的研究与发展。要实现有效的过程安全管理，就要对装置的风险进行量化的分析，保护层分析作为化工过程一种安全有效的风险分析方法已在行业内被广泛应用。
保护层分析方法是一个简化的流程化定量风险分析方法，对初始事件的发生概率、保护层失效概率和后果严重性等级进行评估。目前现有的保护层分析方法属于阶段性、静态的风险评估，不能动态反映装置的实时风险状态，风险控制薄弱环节的反馈具有滞后性。
发明内容
本发明实施例的目的是提供一种安全风险监测的方法和装置，能够根据装置自身的运行情况动态修正保护层的失效概率，精准地确定装置的各保护层的实时风险，实现装置风险的实时监测和有效预警。
为了实现上述目的，本发明实施例提供一种安全风险监测的方法，所述方法包括：确定影响装置的至少一个关键安全变量；获取所述关键安全变量波动时各保护层成功的次数和失败的次数；基于所述关键安全变量波动时各保护层成功的次数和失败的次数确定各保护层实时失效概率；基于所述各保护层实时失效概率对各保护层经验失效概率进行修正，确定修正后的失效概率。
可选的，所述方法还包括：基于所述修正后的失效概率确定装置发生事故的可能性。
可选的，所述获取所述关键安全变量波动时各保护层成功的次数和失败的次数包括：确定与每一所述关键安全变量的波动相关联的保护层及异常事件，构建事件树模型；根据发生所述异常事件的次数确定所述各保护层成功的次数和失败的次数。
可选的，根据以下公式确定各保护层实时失效概率：
Figure BDA0003113288490000021
其中，i为所述各保护层的第i道保护层，i大于等于1，
Figure BDA0003113288490000022
为第i道保护层实时失效概率，NiS、NiF分别为第i道保护层的成功次数和失败次数。
可选的，所述基于所述各保护层实时失效概率对各保护层经验失效概率进行动态修正，确定修正后的失效概率包括：采用贝叶斯公式对所述各保护层经验失效概率进行动态修正。
可选的，所述各保护层经验失效概率通过实验或者历史数据取得。
可选的，所述基于修正后的失效概率确定装置发生事故的可能性包括：基于所述修正后的失效概率确定所述关键安全变量波动时事故发生的可能性；根据所述关键安全变量波动时事故发生的可能性确定所述装置发生事故的可能性。
可选的，根据以下公式确定所述关键安全变量波动时事故发生的可能性：
Figure BDA0003113288490000023
其中，
Figure BDA0003113288490000031
为修正后的第i道保护层失效概率，P(V)为所述关键安全变量波动时事故发生的可能性，θi为保护层的状态，θi＝0表示第i道保护层成功，θi＝1表示第i道保护层失败。
可选的，通过观测所述异常事件是否发生、所述关键安全变量是否超过正常范围以及各保护层的触发状态中的任意一种方式确定所述第i道保护层成功或失败。
可选的，所述装置发生事故的可能性为所有所述关键安全变量波动时事故发生的可能性的最大值。
可选的，所述各保护层包括，基本过程控制系统、报警及人员响应、高高/低低报警及人员响应、ESD(紧急停车系统)中的至少一个。
可选的，所述各异常事件包括，低关键安全事件、中关键安全事件、高关键安全事件、较高关键安全事件、事故。
相应的，本发明实施例提供一种安全风险监测装置，该装置包括：
统计模块，用于确定影响装置的至少一个关键安全变量；获取所述关键安全变量波动时各保护层成功的次数和失败的次数；
处理模块，基于所述关键安全变量波动时各保护层成功的次数和失败的次数确定各保护层实时失效概率；基于所述各保护层实时失效概率对各保护层经验失效概率进行动态修正，确定修正后的失效概率。
可选的，所述处理模块还用于基于所述修正后的失效概率确定装置发生事故的可能性。
可选的，所述装置用于实现任意一项所述安全风险监测的方法。
本申请的技术方案可基于实时的工艺数据动态计算各保护层的实时失效概率，通过贝叶斯方法，利用各保护层的实时失效概率对各保护层的经验失效概率进行动态修正，可精准地确定装置的各保护层的实时风险。
进一步的，本申请的技术方案利用修正后各保护层的失效概率对装置事故可能性进行自动计算，实现了装置风险的实时监测和有效预警。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明实施例提供的一种安全风险监测的方法的流程示意图；
图2是本发明实施例提供的获取所述关键安全变量波动时各保护层成功的次数和失败的次数的流程示意图；
图3是本发明实施例提供的事件树模型；
图4是本发明实施例提供的修正后的各保护层的失效概率变化图；
图5是本发明实施例提供的基于修正后的失效概率确定装置发生事故的可能性的流程示意图；
图6是本发明实施例提供的一种安全风险监测装置的结构框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是本发明实施例提供的一种安全风险监测的方法的流程示意图，请参考图1，该安全风险监测的方法可以包括以下步骤：
步骤S110：确定影响装置的至少一个关键安全变量；
所述关键安全变量指的是与石化装置安全运行直接相关的主要监控工艺参数，如液位、压力、温度等，关键安全变量偏离正常运行范围可能导致事故的发生。
优选的，可以通过任何安全风险评估技术提取所述关键安全变量，例如，HALOPA分析技术和SIL分析技术，实施例一中，在石化装置内的各类运行参数中，对可能造成安全事故的安全参数，根据液位、压力、温度等作用类型进行分类统计，形成数据储存，以加氢工艺装置举例来说：
表1加氢工艺装置关键安全变量统计
Figure BDA0003113288490000051
将液位变量定义为安全变量A，压力变量定义为安全变量B，温度变量为安全变量C，共提取10个关键安全变量，分别为：热高分液位A1、冷高分液位A2、汽提塔塔釜液位A3、分馏塔釜液位A4、原料油泵出口压力B1、原料油缓冲罐压力B2、反应器床层压力B3、热油泵出口压力B4、反应器床层温度C1、加热炉出口油品温度C2。
步骤S120：获取所述关键安全变量波动时各保护层成功的次数和失败的次数，具体步骤如图2所示，步骤S210：确定与每一所述关键安全变量的波动相关联的保护层及异常事件，构建事件树模型；步骤S220：根据发生所述异常事件的次数确定所述各保护层成功的次数和失败的次数。
所述保护层是指通过保护设施或人员响应，降低风险发生概率或抑制后果影响严重度的方式，包括但不限于基本过程控制系统、报警及人员响应、高高/低低报警及人员响应、ESD(紧急停车系统)。
所述异常事件指的是关键安全变量波动时可能导致装置发生的恶性事件，包括但不限于低关键安全事件、中关键安全事件、高关键安全事件、较高关键安全事件、事故。
优选的，可以通过分析逐一确定与所述关键安全变量波动相关联的保护层，举例说明，在具体实施例一中，参见表2，针对关键液位安全变量A，逐一分析其关联保护层，总计A变量共关联保护层7个，分别为，液位低低三取二联锁、液位选择开关、液位高报警、液位高低报警及人员响应、液位高、高高报警及人员响应、塔底液位自动控制回路、液位低低联锁停分馏塔底泵，实施例一的石化装置总计ABC三个关键安全变量，共关联保护层25个：
表2加氢装置关键安全变量A关联保护层统计
Figure BDA0003113288490000061
优选的，可以根据发生所述异常事件的次数、关键安全变量脱离正常范围的次数以及各保护层的触发状态中的任意一种或多种结合的方式确定所述各保护层成功的次数和失败的次数。举例来说，通过统计所述异常事件发生的次数确定所述各保护层成功的次数和失败的次数，在具体实施例二中，事件树模型如图3所示，与关键安全变量V相关联的保护层为4个，分别为，基本过程控制系统(BPCS)(PL1)、报警及人员响应(PL2)、高高/低低报警及人员响应(PL3)、ESD(紧急停车系统)(PL4)。关键安全变量波动引起的异常事件分别记录为E1-低关键事件、E2-中关键事件、E3-高关键事件、E4-较高关键事件、E5-事故，图中S代表成功，F代表失败，关键安全变量V波动，超出正常范围时，引起E1-低关键事件，此时，第1道保护层被触发，如果第1道保护层成功，则关键安全变量V的值返回正常范围，在这个过程中，只引起了一次E1-低关键事件；如果第1道保护层失败，则第2道保护层被触发，如果第2道保护层成功，则关键安全变量V的值返回正常范围，在这个过程中，引起了一次E2-中关键事件；如果第2道保护层失败，则第3道保护层被触发，如果第3道保护层成功，则关键安全变量V的值返回正常范围，在这个过程中，引起了一次E3-高关键事件；如果第3道保护层失败，则第4道保护层被触发，如果第4道保护层成功，则关键安全变量V的值返回正常范围，在这个过程中，引起了一次E4-较高关键事件，如果第4道保护层失败，则引起E5-事故。对各类异常事件次数进行周期的累积统计：
表3关键安全变量V波动时各类异常事件次数统计
周期 E1 E2 E3 E4 E5
1 6 5 2 1 0
2 10 11 4 1 0
3 19 17 7 2 0
4 33 62 18 10 1
5 41 80 24 13 1
…
通过本申请数据集的方式对异常事件数据进行储存，提高了装置安全信息的存储效率，解决了装置关键安全变量多，每秒可产生数万个数据的问题。
步骤S130：基于所述关键安全变量波动时各保护层成功的次数和失败的次数确定各保护层实时失效概率；
优选的，可以根据以下公式确定各保护层实时失效概率：
Figure BDA0003113288490000081
其中，i为所述各保护层的第i道保护层，i大于等于1，
Figure BDA0003113288490000082
为第i道保护层实时失效概率，NiS、NiF分别为第i道保护层的成功次数和失败次数。
在具体实施例二中，以第一个周期为例，E1-低关键事件发生6次、E2-中关键事件发生5次、E3-高关键事件发生2次、E4-较高关键事件发生1次、E5-事故发生0次，针对第1道保护层，发生E1-低关键事件代表第1道保护层成功、发生E2-中关键事件、E3-高关键事件、E4-较高关键事件以及E5-事故代表第1道保护层失败，因此在第一个周期内，第1道保护层成功的次数为6次，失败的次数为8次，其实时失效概率
Figure BDA0003113288490000083
为(5+2+1+0)/(6+5+2+1+0)＝0.5714；针对第2道保护层，发生E2-中关键事件代表第2道保护层成功、发生E3-高关键事件、E4-较高关键事件以及E5-事故代表第2道保护层失败，因此在第1个周期内，第2道保护层成功的次数为5次，失败的次数为3次，其实时失效概率
Figure BDA0003113288490000084
为(2+1+0)/(5+2+1+0)＝0.3750；针对第3道保护层，发生E3-高关键事件代表第3道保护层成功、发生E4-较高关键事件以及E5-事故代表第3道保护层失败，因此在第1个周期内，第3道保护层成功的次数为2次，失败的次数为1次，其实时失效概率
Figure BDA0003113288490000085
为(1+0)/(2+1+0)＝0.3333；针对第4道保护层，发生E4-较高关键事件代表第4道保护层成功、发生E5-事故代表第4道保护层失败，因此在第1个周期内，第4道保护层成功的次数为1次，失败的次数为0次，其实时失效概率
Figure BDA0003113288490000086
为0/(1+0)＝0.0000，以此类推，可以动态计算每个周期关键安全变量V波动时，每个保护层的失效概率为：
表4关键安全变量V波动时各保护层实时失效概率统计
周期 PL<sub>1</sub> PL<sub>2</sub> PL<sub>3</sub> PL<sub>4</sub>
1 0.5714 0.3750 0.3333 0.0000
2 0.6154 0.3125 0.2000 0.0000
3 0.5778 0.3462 0.2222 0.0000
4 0.7339 0.3187 0.3793 0.0909
5 0.7421 0.3220 0.3684 0.0714
…
步骤S140：基于所述各保护层实时失效概率对各保护层经验失效概率进行动态修正，确定修正后的失效概率；
可以通过任何数据修正的方式对各保护层经验失效概率进行动态修正，优选的，可以采用贝叶斯公式
Figure BDA0003113288490000091
对所述各保护层经验失效概率进行动态修正，其中
Figure BDA0003113288490000092
为修正后的失效概率，P(ni)为经验失效概率；所述贝叶斯公式为利用搜集到的信息对原有判断进行修正的有效手段；所述经验失效概率为通过专家知识、工艺流程图或行业标准计算所得的关键安全变量波动时的静态数据。
在具体实施例二中，通过查阅得到保护层PL1的经验失效概率P(n1)为0.0426；保护层PL2的经验失效概率P(n2)为0.0512；保护层PL3的经验失效概率P(n3)为0.1120；保护层PL4的经验失效概率P(n4)为0.0381。关键安全变量V波动时修正后的失效概率为：
Figure BDA0003113288490000093
第1个周期第1道保护层关键安全变量V波动时修正后的失效概率为：
Figure BDA0003113288490000094
第1个周期第2道保护层关键安全变量V波动时修正后的失效概率为：
Figure BDA0003113288490000095
第1个周期第3道保护层关键安全变量V波动时修正后的失效概率为：
Figure BDA0003113288490000096
Figure BDA0003113288490000097
第1个周期第4道保护层关键安全变量V波动时修正后的失效概率为：
Figure BDA0003113288490000101
具体实施例二中，各保护层修正后的失效概率为：
表5关键安全变量V波动时各保护层修正后的失效概率统计
周期 PL<sub>1</sub> PL<sub>2</sub> PL<sub>3</sub> PL<sub>4</sub>
1 0.0560 0.0314 0.0593 0.0381
2 0.0665 0.0239 0.0306 0.0381
3 0.0574 0.0278 0.0348 0.0381
4 0.1093 0.0246 0.0716 0.0420
5 0.1135 0.0250 0.0685 0.0411
…
其中，图4为关键安全变量V波动时，修正后的各保护层失效概率变化图，从图中可以知道修正后的各保护层失效概率的变化趋势。
步骤S150：基于所述修正后的失效概率确定装置发生事故的可能性，具体步骤如图5所示，步骤S310：可以根据所述修正后的失效概率确定所述关键安全变量波动时事故发生的可能性；步骤S320：可以根据所述关键安全变量波动时事故发生的可能性确定所述装置发生事故的可能性。
优选的，可以根据以下公式确定所述关键安全变量波动时事故发生的可能性：
Figure BDA0003113288490000102
其中，
Figure BDA0003113288490000103
为修正后的第i道保护层失效概率，P(V)为所述关键安全变量波动时事故发生的可能性，θi为保护层的状态，θi＝0表示第i道保护层成功，θi＝1表示第i道保护层失败。其中，确定所述第i道保护层成功或失败的方式包括但不限于观测所述异常事件是否发生、所述关键安全变量是否超过正常范围以及各保护层的触发状态中的任意一种或多种结合。
在具体实施例二中，在第5个周期后，如果在某个时刻关键安全变量V1波动超过BPCS控制值，其发生事故可能性P(V1)为：
P(V1)＝0.11350×0.0250×0.0685×0.0411＝7.02×10-5
在第5个周期后，如果在某个时刻关键安全变量V1波动超过报警及人员响应(PL2)控制值，其发生事故可能性P(V1)为：
P(V1)＝0.11350×0.02500×0.0685×0.0411＝2.81×10-3
在第5个周期后，如果在某个时刻关键安全变量V1波动超过高高/低低报警及人员响应(PL3)控制值，其发生事故可能性P(V1)为：
P(V1)＝0.11350×0.02500×0.06850×0.0411＝4.11×10-2
优选的，可以通过以下公式确定装置发生事故的可能性：
P(Vindex)＝Max(P(V1)，P(V2)，P(V3)…P(Vn))
其中，有n个关键安全变量，分别为关键安全变量V1、关键安全变量V2、关键安全变量V3…关键安全变量Vn，P(V1)为关键安全变量V1波动时事故发生的可能性，P(V2)为关键安全变量V2波动时事故发生的可能性，P(V3)为关键安全变量V3波动时事故发生的可能性，P(Vn)为关键安全变量Vn波动时事故发生的可能性，P(Vindex)为装置发生事故的可能性，所述装置发生事故的可能性为所有所述关键安全变量波动时事故发生的可能性的最大值。
相应的，本发明实施例提供一种安全风险监测装置，该装置包括：统计模块，用于确定影响装置的至少一个关键安全变量；获取所述关键安全变量波动时各保护层成功的次数和失败的次数；
处理模块，基于所述关键安全变量波动时各保护层成功的次数和失败的次数确定各保护层实时失效概率；基于所述各保护层实时失效概率对各保护层经验失效概率进行动态修正，确定修正后的失效概率；基于所述修正后的失效概率确定装置发生事故的可能性。
有关本发明提供的一种安全风险监测装置的具体细节及益处，可参阅上述针对本发明提供的一种安全风险监测的方法的描述，于此不再赘述。
实施例一
以加氢工艺装置举例说明本申请提供的一种安全风险监测的方法：
步骤1：通过HALOPA分析技术，在加氢工艺装置内的各类运行参数中，对可能造成安全事故的安全参数，根据液位、压力、温度等作用类型进行分类统计，形成数据储存，确定影响装置的关键安全变量，将液位变量定义为安全变量A，压力变量定义为安全变量B，温度变量为安全变量C，共提取10个关键安全变量，分别为：热高分液位A1、冷高分液位A2、汽提塔塔釜液位A3、分馏塔釜液位A4、原料油泵出口压力B1、原料油缓冲罐压力B2、反应器床层压力B3、热油泵出口压力B4、反应器床层温度C1、加热炉出口油品温度C2。
步骤2：确定与每一所述关键安全变量的波动相关联的保护层及异常事件，构建事件树模型；针对关键液位安全变量A，逐一分析其关联保护层，总计A变量共关联保护层7个，分别为，液位低低三取二联锁、液位选择开关、液位高报警、液位高低报警及人员响应、液位高、高高报警及人员响应、塔底液位自动控制回路、液位低低联锁停分馏塔底泵，按照异常事件的严重程度将异常事件分为8个等级。
步骤3：统计各异常事件发生的次数如下表，确定所述各保护层成功的次数和失败的次数：
周期 E1 E2 E3 E4 E5 E6 E7 E8
1 10 6 5 4 3 2 1 0
2 12 11 9 5 3 2 1 0
3 16 14 13 12 4 2 1 0
4 30 60 18 10 5 2 1 0
5 40 80 24 13 3 3 1 0
…
以第一个周期为例，保护层PL1成功的次数为10，失败的次数为(6+5+4+3+2+1+0＝21)，保护层PL2成功的次数为6，失败的次数为(5+4+3+2+1+0＝15)，保护层PL3成功的次数为5，失败的次数为(4+3+2+1+0＝10)，保护层PL4成功的次数为4，失败的次数为(3+2+1+0＝6)，保护层PL5成功的次数为3，失败的次数为(2+1+0＝3)，保护层PL6成功的次数为1，失败的次数为(1+0＝1)，保护层PL7成功的次数为0，失败的次数为0。
步骤4：计算每个保护层的实时失效概率
Figure BDA0003113288490000131
以第一个周期为例，第一个保护层的实时失效概率为
Figure BDA0003113288490000132
第二个保护层的实时失效概率为
Figure BDA0003113288490000133
统计每个保护层的实时失效概率如下表：
周期 PL<sub>1</sub> PL<sub>2</sub> PL<sub>3</sub> PL<sub>4</sub> PL<sub>5</sub> PL<sub>6</sub> PL<sub>7</sub>
1 0.6774 0.7142 0.6666 0.6000 0.5000 0.5000 0.0000
2 0.6771 0.7142 0.6666 0.6000 0.5000 0.3333 0.0000
步骤5：对各个保护层的经验失效概率进行修正
Figure BDA0003113288490000134
步骤6：根据公式
Figure BDA0003113288490000135
确定所述关键安全变量A波动时事故发生的可能性。
步骤7：根据所述关键安全变量波动时事故发生的可能性确定所述装置发生事故的可能性P(Vindex)＝Max(P(V1)，P(V2)，P(V3)…P(Vn))，其中，有n个关键安全变量，分别为关键安全变量V1、关键安全变量V2、关键安全变量V3…关键安全变量Vn，P(V1)为关键安全变量V1波动时事故发生的可能性，P(V2)为关键安全变量V2波动时事故发生的可能性，P(V3)为关键安全变量V3波动时事故发生的可能性，P(Vn)为关键安全变量Vn波动时事故发生的可能性，P(Vindex)为装置发生事故的可能性，所述装置发生事故的可能性为所有所述关键安全变量波动时事故发生的可能性的最大值。
实施例二
以催化裂化装置举例说明本申请提供的一种安全风险监测的方法：
步骤1：通过开展HAZOP分析，确定影响装置的关键安全变量有V1、V2、V3、V4、V5、V6、V7。
步骤2：以关键安全变量V1波动作为初始事件，构建事件树，确定关键安全变量V1的保护层有基本过程控制系统(BPCS)(PL1)、报警及人员响应(PL2)、高高/低低报警及人员响应(PL3)、ESD(紧急停车系统)(PL4)。
步骤3：通过查询资料得到关键安全变量V1波动各保护层的经验失效概率P(ni)为：
保护层PL1的经验失效概率P(n1)为0.0426；
保护层PL2的经验失效概率P(n2)为0.0512；
保护层PL3的经验失效概率P(n3)为0.1120；
保护层PL4的经验失效概率P(n4)为0.0381。
步骤4：通过网关协议等数据采集方式动态装置采集关键安全变量V1的波动情况数据，对各类异常事件次数进行周期的累积统计，见下表所示：
周期 E1 E2 E3 E4 E5
1 6 5 2 1 0
2 10 11 4 1 0
3 19 17 7 2 0
4 33 62 18 10 1
5 41 80 24 13 1
…
步骤5：计算每个保护层的实时失效概率
Figure BDA0003113288490000141
以第1个周期第1个保护层为例，其实时失效概率
Figure BDA0003113288490000142
为：(5+2+1+0)/(6+5+2+1+0)＝0.5714；
以此类推，动态计算每个周期V1的每个保护层的实时失效概率如下表：
周期 PL<sub>1</sub> PL<sub>2</sub> PL<sub>3</sub> PL<sub>4</sub>
1 0.5714 0.3750 0.3333 0.0000
2 0.6154 0.3125 0.2000 0.0000
3 0.5778 0.3462 0.2222 0.0000
4 0.7339 0.3187 0.3793 0.0909
5 0.7421 0.3220 0.3684 0.0714
…
步骤6：关键安全变量V1的各保护层失效概率的动态修正为：
Figure BDA0003113288490000151
以第1个周期第1个保护层为例：
Figure BDA0003113288490000152
以第1个周期第2个保护层为例：
Figure BDA0003113288490000153
修正后的保护层状态见下表所示：
周期 PL<sub>1</sub> PL<sub>2</sub> PL<sub>3</sub> PL<sub>4</sub>
1 0.0560 0.0314 0.0593 0.0381
2 0.0665 0.0239 0.0306 0.0381
3 0.0574 0.0278 0.0348 0.0381
4 0.1093 0.0246 0.0716 0.0420
5 0.1135 0.0250 0.0685 0.0411
…
步骤7：计算变量V1波动发生事故可能性P(V)
Figure BDA0003113288490000154
其中，P(V)为变量V波动发生事故的概率，θi为与该级别相关的保护层状态；θi＝0表示第i道保护层失效(无或者被“穿透”)；θi＝1表示第i道保护层有效(未被“穿透”)。
步骤8：分别计算V2-Vn参数波动引发事故的可能性P(V2)…P(Vn)。
步骤9：计算装置发生事故的可能性P(Vindex)
装置有n个关键安全变量，装置发生事故的可能性P(Vindex)＝Max(P(V1)，P(V2)，P(V3)…P(Vn))。
本申请的技术方案可基于实时的工艺数据动态计算各保护层的实时失效概率，通过贝叶斯方法，利用各保护层的实时失效概率对各保护层的经验失效概率进行动态修正，可精准地确定装置的各保护层的实时风险。
进一步的，本申请的技术方案利用修正后各保护层的失效概率对装置事故可能性进行自动计算，实现了装置风险的实时监测和有效预警。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (15)

1.一种安全风险监测的方法，其特征在于，所述方法包括：
确定影响装置的至少一个关键安全变量；
获取所述关键安全变量波动时各保护层成功的次数和失败的次数；
基于所述关键安全变量波动时各保护层成功的次数和失败的次数确定各保护层实时失效概率；
基于所述各保护层实时失效概率对各保护层经验失效概率进行修正，确定修正后的失效概率。
2.根据权利要求1所述的安全风险监测的方法，其特征在于，所述方法还包括：
基于所述修正后的失效概率确定装置发生事故的可能性。
3.根据权利要求1所述的安全风险监测的方法，其特征在于，获取所述关键安全变量波动时各保护层成功的次数和失败的次数包括：
确定与每一所述关键安全变量波动相关联的保护层及异常事件，构建事件树模型；
根据发生所述异常事件的次数确定所述各保护层成功的次数和失败的次数。
4.根据权利要求1或3所述的安全风险监测的方法，其特征在于，根据以下公式确定各保护层实时失效概率：
Figure FDA0003113288480000011
其中，i为所述各保护层的第i道保护层，i大于等于1，
Figure FDA0003113288480000012
为第i道保护层实时失效概率，NiS、NiF分别为第i道保护层成功次数和失败次数。
5.根据权利要求1所述的安全风险监测的方法，其特征在于，所述基于所述各保护层实时失效概率对各保护层经验失效概率进行动态修正，确定修正后的失效概率包括：采用贝叶斯公式对所述各保护层经验失效概率进行动态修正。
6.根据权利要求5所述的安全风险监测的方法，其特征在于，所述各保护层经验失效概率通过实验或者历史数据获得。
7.根据权利要求1所述的安全风险监测的方法，其特征在于，所述基于修正后的失效概率确定装置发生事故的可能性包括：
基于所述修正后的失效概率确定所述关键安全变量波动时事故发生的可能性；
根据所述关键安全变量波动时事故发生的可能性确定所述装置发生事故的可能性。
8.根据权利要求7所述的安全风险监测的方法，其特征在于，根据以下公式确定所述关键安全变量波动时事故发生的可能性：
Figure FDA0003113288480000021
其中，P(V)为所述关键安全变量波动时事故发生的可能性，
Figure FDA0003113288480000022
为修正后的第i道保护层失效概率，θi为保护层的状态，θi＝0表示第i道保护层成功，θi＝1表示第i道保护层失败。
9.根据权利要求8所述的安全风险监测方法，其特征在于，通过观测所述异常事件是否发生、所述关键安全变量是否超过正常范围以及各保护层的触发状态中的任意一种方式确定所述第i道保护层成功或失败。
10.根据权利要求7所述的安全风险监测的方法，其特征在于，所述装置发生事故的可能性为所有所述关键安全变量波动时事故发生的可能性的最大值。
11.根据权利要求1所述的安全风险监测的方法，其特征在于，所述各保护层包括，基本过程控制系统、报警及人员响应、高高/低低报警及人员响应、ESD紧急停车系统中的至少一个。
12.根据权利要求1所述的安全风险监测的方法，其特征在于，所述各异常事件包括，低关键安全事件、中关键安全事件、高关键安全事件、较高关键安全事件和事故。
13.一种安全风险监测装置，其特征在于，该装置包括：
统计模块，用于确定影响装置的至少一个关键安全变量；获取所述关键安全变量波动时各保护层成功的次数和失败的次数；
处理模块，用于基于所述关键安全变量波动时各保护层成功的次数和失败的次数确定各保护层实时失效概率；基于所述各保护层实时失效概率对各保护层经验失效概率进行动态修正，确定修正后的失效概率。
14.根据权利要求13所述的安全风险监测装置，其特征在于，
所述处理模块还用于基于所述修正后的失效概率确定装置发生事故的可能性。
15.根据权利要求13所述的安全风险监测装置，其特征在于，
所述装置用于实现权利要求3-12中任意一项所述的安全风险监测的方法。
CN202110654616.0A 2021-04-23 2021-06-11 一种安全风险监测的方法和装置 Active CN115239045B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110444149 2021-04-23
CN2021104441499 2021-04-23

Publications (2)

Publication Number Publication Date
CN115239045A true CN115239045A (zh) 2022-10-25
CN115239045B CN115239045B (zh) 2024-04-05

Family

ID=83666059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110654616.0A Active CN115239045B (zh) 2021-04-23 2021-06-11 一种安全风险监测的方法和装置

Country Status (1)

Country Link
CN (1) CN115239045B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110007648A (zh) * 2018-01-05 2019-07-12 中国石油天然气股份有限公司 Sil的确定方法、装置及存储介质
CN110688152A (zh) * 2019-09-27 2020-01-14 厦门大学 一种结合软件开发质量信息的软件可靠性定量评估方法
CN111414692A (zh) * 2020-03-19 2020-07-14 南京市计量监督检测院 基于贝叶斯修正模型的压力表校验台可靠性评估方法
CN111598381A (zh) * 2020-04-01 2020-08-28 上海歌略软件科技有限公司 一种基于马尔可夫Markov模型的SIL验算方法
CN111611751A (zh) * 2020-06-02 2020-09-01 南京工业大学 一种基于贝叶斯与事故树的化工过程风险动态分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110007648A (zh) * 2018-01-05 2019-07-12 中国石油天然气股份有限公司 Sil的确定方法、装置及存储介质
CN110688152A (zh) * 2019-09-27 2020-01-14 厦门大学 一种结合软件开发质量信息的软件可靠性定量评估方法
CN111414692A (zh) * 2020-03-19 2020-07-14 南京市计量监督检测院 基于贝叶斯修正模型的压力表校验台可靠性评估方法
CN111598381A (zh) * 2020-04-01 2020-08-28 上海歌略软件科技有限公司 一种基于马尔可夫Markov模型的SIL验算方法
CN111611751A (zh) * 2020-06-02 2020-09-01 南京工业大学 一种基于贝叶斯与事故树的化工过程风险动态分析方法

Also Published As

Publication number Publication date
CN115239045B (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
CN111679952B (zh) 告警阈值生成方法及装置
Pariyani et al. Dynamic risk analysis using alarm databases to improve process safety and product quality: Part I—Data compaction
CN103745293B (zh) 一种rcm分析方法
US10572493B2 (en) Computerized process safety management system
Bao et al. Risk‐based fault diagnosis and safety management for process systems
EP3187950B1 (en) A method for managing alarms in a control system
CN107239876A (zh) 一种核电厂i&amp;c设备老化生命周期的管理方法及系统
CN104809851A (zh) 化工装置的关键安全参数报警方法
JP2017015592A (ja) 原子力発電プラント警報監視支援システム
CN113723726B (zh) 化工装置运行过程风险预警与管控的方法及系统
CN107104848A (zh) 信息技术系统监控方法及装置
CN112572522A (zh) 车辆轴承的轴温故障的预警方法及装置
CN105989435A (zh) 一种基于rcm理论估算设备维护周期的方法
CN106683727B (zh) 一种事故处理中的故障监测方法
CN115239045B (zh) 一种安全风险监测的方法和装置
KR102062992B1 (ko) 발전소 경보나 증상 및 주요 운전변수의 변화에 기반한 비정상 상태 판단 시스템 및 방법
US20220207988A1 (en) Methods, systems, and computer programs for alarm handling
CN110866661B (zh) 石化生产工艺的风险量化管理方法
Rastogi et al. Fuzzy‐logic‐based safety verification framework for nuclear power plants
CN116520798A (zh) 调节门故障诊断方法、装置、设备及存储介质
CN110688624A (zh) 一种基于运行状态异常信息的变压器故障概率计算方法
Ahmed et al. Risk based alarm design: A systems approach
CN115713228A (zh) 一种石化装置风险分析方法、装置及存储介质
Lithoxoidou et al. Malfunction diagnosis in industrial process systems using data mining for knowledge discovery
CN111754326B (zh) 一种风险预警方法及装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240307

Address after: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen

Applicant after: CHINA PETROLEUM & CHEMICAL Corp.

Country or region after: Zhong Guo

Applicant after: Sinopec Safety Engineering Research Institute Co.,Ltd.

Address before: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen

Applicant before: CHINA PETROLEUM & CHEMICAL Corp.

Country or region before: Zhong Guo

Applicant before: SINOPEC Research Institute OF SAFETY ENGINEERING

GR01 Patent grant
GR01 Patent grant