CN115293656A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115293656A CN115293656A CN202211219128.8A CN202211219128A CN115293656A CN 115293656 A CN115293656 A CN 115293656A CN 202211219128 A CN202211219128 A CN 202211219128A CN 115293656 A CN115293656 A CN 115293656A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- domino
- accident
- pipe
- probability
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000000694 effects Effects 0.000 title claims abstract description 78
- 238000012502 risk assessment Methods 0.000 title claims abstract description 43
- 239000013598 vector Substances 0.000 claims abstract description 74
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 239000003921 oil Substances 0.000 claims description 69
- 239000007789 gas Substances 0.000 claims description 68
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 28
- 230000005855 radiation Effects 0.000 claims description 22
- 239000003345 natural gas Substances 0.000 claims description 14
- 230000002195 synergetic effect Effects 0.000 claims description 10
- 239000010779 crude oil Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 230000007704 transition Effects 0.000 description 9
- 238000013210 evaluation model Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000004907 flux Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 239000013056 hazardous product Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 235000008738 Clausena lansium Nutrition 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000757020 Pontederia Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000004642 transportation engineering Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Pipeline Systems (AREA)
Abstract
本发明公开了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，确定源管，在贝叶斯网络中分配源管节点、其余节点；根据管输介质类别与失效模式确定升级矢量；评估目标管道接收源管发出的升级矢量强度；计算目标管道的事故升级概率；评价目标管道发生多米诺事故的概率；判断目标管道是否继续传播多米诺效应，得到多管并行系统的多米诺事故序列；模拟不同多米诺事故场景，评估多管并行系统失效概率。本发明可解决现有技术中没有针对并行油气管道的多米诺风险分析方法、无法量化多管并行的油气管道系统内部的多米诺风险的问题，实现建立专用于并行油气管道的多米诺效应风险分析方法、为油气管道建设者和运营商的风险决策提供科学支撑的目的。
Description
技术领域
本发明涉及多管并行的埋地油气管道安全领域，具体涉及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。
背景技术
多管并行的埋地油气管道在油气储运工程中较为常见，这种施工方式可有效降低施工成本与难度。但是，由于并行管道之间的距离较近，难免出现管道失效的相互影响，导致多米诺事故发生。多米诺效应，是指在过程工厂中，当一个发生事故的设备（或首要单元，也称源单元）通过升级矢量影响传播到其他相邻设备（或次要单元，也称目标单元）时发生的连锁反应。
在油气管道领域内，由多米诺效应引起的事故（多米诺事故）涉及两条及以上管道。历史事故调查显示，多米诺事故在油气管道领域的发生概率非常低，但是一旦发生，它造成的损失相较于单条管道失效的事故事件将成倍增长，呈现出低频、高后果的特征。特别是对于穿隧油气管道而言，受隧道空间的限制，隧道内管道需要以较小间距并行敷设，这无疑会增加多米诺事故发生的可能性。由于管线冗长，仅能局部设置安全措施实施保护，并且增加安全措施面临运营成本的提高，而风险不可能被彻底消除。因此，对于油气管道运营商而言，维护决策需要在管道安全可靠性和运营成本之间实现平衡。
长输油气管道除了地上部分（例如架空方式）之外，还有不易监控事故（例如小泄漏）的地下部分（即埋地敷设方式）。介质泄漏的持续时间与多米诺事故的发生可能性呈正相关（例如火灾），位于场站的架空管道事故容易监控，可通过及时关闭阀门等操作降低多米诺事故可能性；但是，埋地管道的失效难以被发现，更严重的情况是，当管道敷设在野外或山区时，如果泄漏不能及时处理，可能会发展成重大事故。因此，油气管道的多管并行系统与传统过程工厂的多米诺效应分析具有较大差异，现有技术中还没有针对并行油气管道的多米诺风险分析方法，无法量化多管并行的油气管道系统内部的多米诺风险。
发明内容
本发明的目的在于提供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，以解决现有技术中没有针对并行油气管道的多米诺风险分析方法、无法量化多管并行的油气管道系统内部的多米诺风险的问题，实现建立专用于并行油气管道的多米诺效应风险分析方法、为油气管道建设者和运营商的风险决策提供科学支撑的目的。
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，包括：
步骤一、根据多管并行系统的布局，确定可能发生事故的管道，定义为源管，并在贝叶斯网络中给源管分配父节点；为相邻管道分配其余节点；
步骤二、根据管输介质类别与失效模式确定升级矢量；
步骤三、评估目标管道接收源管发出的升级矢量强度；
步骤四、根据所接收的升级矢量强度，计算目标管道的事故升级概率；
步骤五、评价目标管道发生多米诺事故的概率；
步骤六、判断目标管道是否继续传播多米诺效应至其余安全管道：若是，回到步骤二；若否，进入步骤七；
步骤七、得到多管并行系统的多米诺事故序。
针对现有技术中无法量化多管并行的油气管道系统内部的多米诺风险的问题，本发明提出一种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，本方法包括基于贝叶斯网络的多米诺效应建模与分析过程。贝叶斯网络（Bayesian network，BN）是一种概率图模型，它可以对推理过程中因果关系的不确定性实施处理，其结构是一个有向无环图。贝叶斯网络中每个节点代表随机变量，有向弧表示父节点和子节点之间的条件依赖性。
本方法首先根据多管并行系统的管道布局资料，将可能发生事故的管道定义为源管，在贝叶斯网络中分配源管节点；进而为相邻管道分配其余节点，由贝叶斯网络模型建立起关于多管并行系统的多米诺效应传播评估模型。在确定多米诺效应传播可能性后，根据管输的介质类别与失效模式确定升级矢量，当然在确定升级矢量时，本领域技术人员还可根据实际需求为不同的升级矢量设置相应的事故情景。之后，针对不同类别的升级矢量，评估目标管道接收到的源管发出的升级矢量强度；升级矢量强度的评估可以使用现有技术中关于多米诺效应升级矢量的理论计算方法，还可以使用计算流体力学软件进行仿真计算模拟，其具体评估方法在此不做限定。根据目标管道所接收的升级矢量强度的最大值，进而计算给定源管下目标管道的脆弱性，从而计算目标管道的事故升级概率。然后，由有向弧表征多米诺效应由源管向目标管传播，多米诺事故的发生可以表征为在源管失效的条件下目标管道发生失效的概率，即可理解为目标管道发生多米诺事故的概率。在完成上述步骤后，还应确定目标管道是否继续传播多米诺效应到其它安全管道而升级多米诺事故的级别，即是评估多级多米诺事故的发生，其评估方式可以是以目标管道独自影响相邻的安全管道、或者与源管协同影响相邻的安全管道。如果是，则再次确定升级矢量，重复上述步骤，直至目标管道不再能够继续传播事故的多米诺效应，此时，则完成了在当前敷设方式下、以当前指定失效管道作为源管的概率评估模型。最后，得到多管并行系统的多米诺事故序，为油气管道建设者的工程施工、以及油气管道运营商的风险决策提供科学合理的依据。此外，本方法还可并以不同管道作为源管，模拟不同多米诺事故场景，评估多管并行系统失效概率。
可以看出，本方法解决了现有技术中没有针对并行油气管道的多米诺风险分析方法、无法量化多管并行的油气管道系统内部的多米诺风险的问题，建立了专用于并行油气管道的多米诺效应风险分析方法，为油气管道建设者的工程施工、以及油气管道运营商的风险决策提供科学合理的依据，填补了现有技术的空白。
本方法可应用于同场（架空）、同沟、同隧和并行埋地的实际案例，基于贝叶斯网络结构，适用于从定性和定量的角度分析多管并行系统内部潜在的多米诺风险，具体的：利用了贝叶斯网络结构灵活的特点，使本方法能够适应广泛的油气管道多管并行事故场景，并可以评估不同级别多米诺事故发生的概率；并且还有助于模拟并行油气管道间多米诺效应的传播；此外，本方法还能够利用条件概率的思路模拟相邻管道之间不同升级矢量的因果关系。
进一步的，步骤一中，随机指定一根可能发生事故的管道作为源管，并计算源管的失效概率。
多米诺效应的传播可能性高度依赖于源管的敷设方式、运行条件、失效模式、失效位置、系统内管道间距、管道事故产生的能量、管道路由环境的气候因素等。因此，本方案将上述因素纳入贝叶斯网络模型以建立不同敷设方式下多米诺效应传播的概率评估模型，可将其定义为失效管道成为源管的概率评估模型，建模过程中，可以通过历史数据或者专家语义评估捕捉各节点之间的条件依赖性。
其中，由于管道的失效可能是随机的，如管道1和管道2，管道1的失效概率为0.1，管道2的失效概率是0.2，虽然管道2的失效概率大于管道1的失效概率，但是却并不能保证管道2的失效先于管道1发生。因此源管应当是随机产生的，所以本方案中随机指定源管，并通过现有失效概率评估模型即可计算其失效概率，更加符合对多管并行系统多米诺效应风险的不确定性分析。
进一步的，步骤二中，所述管输介质类别包括原油、成品油、天然气；所述失效模式包括泄漏、爆裂、断裂；所述升级矢量包括热辐射、超压。本方案限定了用于并行油气管道多米诺效应的升级矢量确定的特定参数，填补了现有技术的空白。
在步骤三中，通过如下方法评估目标管道接收源管发出的升级矢量强度：
通过ALOHA软件建立多根管道并行敷设的多管并行系统、通过ALOHA软件中的危险材料库选择管输介质；
在ALOHA软件中设定事故发生的气象数据；
通过ALOHA软件仿真不同的失效模式，得到目标管道接收源管发出的升级矢量强度。
本方案采用ALOHA软件进行仿真，ALOHA软件为现有仿真软件，将其用于本申请中具有极强的适用性，相较于采用常规的理论计算方法而言能够显著降低人工工作量、提高分析效率。具体的，该软件在本申请中可通过高斯色散和重气体扩散两种模型评估升级矢量的强度与影响范围，软件包括一个用于模拟管输介质（液体或气体）的危险材料库，并且还可以设定事故现场的气象数据，如温度、风速/风向、大气稳定度、空气湿度等；并且，该软件还可模拟不同的失效场景，包括不同管道尺寸、运行压力、失效模式等。因此，本方案通过对ALOHA软件的运用，可以有效地模拟失效过渡事件传播场景，例如拥堵程度是否利于过渡事件传播、是否延迟点火等。进而得到目标管道接收源管发出的升级矢量强度，根据目标管道接收到最大升级矢量强度与升级阈值的比较，将超过升级阈值的目标管段包含在多米诺事故序列中，并从源管节点引出一条有向弧指向目标管段节点。
本申请的失效过渡事件，定义为将管道失效事故发展至后果（目标管道失效）的媒介，将直接决定管道事故将以何种方式影响甚至破坏相邻管道的安全运行。通常，管道失效过渡事件取决于：① 所运输的危险材料特性，例如物化性质（燃爆性）；② 管道内外运行环境：例如操作压力、温度、气候条件（例如风速）、周围区域特征、人口分布等；③ 失效模式、危险材料逃逸速度和数量、管道事故影响范围、检测时间、与上游截断阀站之间的距离等。
在步骤四中，通过如下方法计算目标管道的事故升级概率：
判断目标管道接收到的升级矢量强度是否达到预设的升级阈值；
若目标管道接收到的升级矢量强度大于所述升级阈值，则建立基于升级矢量与管道响应的Probit模型，计算Probit值；
通过如下公式计算目标管道的事故升级概率：
式中，P A→B 为事故升级概率；
为标准正态分布的累积密度函数；Y为Probit值。
事故升级可能性受多种因素影响，例如升级矢量的类型与强度、输送的危险材料类型（即原油、成品油或天然气）以及输送量、并行管道间距以及目标管道的脆弱性（即促进潜在多米诺效应发生或事故升级的能力）。多米诺事故的发生包括源管道失效和目标管道因升级矢量失效两个事件，根据条件概率理论，事故升级概率为源管道失效概率与多米诺效应引发的目标管道失效概率的函数。由于并行油气输送管道多介质、多模失效的特性，致使管道的事故特点和目标单元的脆弱性具有随机性和不确定性特征，因此脆弱性模型应该是在概率框架中进行开发。
本方案基于上述理论分析，引入了特定的概率模型Probit模型（Probit model）来建立传播函数。在数学领域内，Probit模型是一种线性模型，本方案通过求得的Probit值来表征给定源管下目标管道的脆弱性、求得给定条件下目标管道的事故升级概率值。
其中：
当所述升级矢量为热辐射时，Probit模型为：
式中，t f为目标管道失效的时间；I为辐射强度；V为受热影响的体积；
当所述升级矢量为超压时，所述Probit模型为：Y=-14.44+1.82ln(P s )；式中，P s 为目标管道所承受的峰值静态超压。
其中，t f为英文time to failure的缩写，其指代的目标管道失效的时间，即是目标管道从开始接受升级矢量到失效这一段时间。
热辐射和超压是多管并行系统中最容易出现的两种多米诺事故升级方式，本方案给出了在升级矢量为热辐射和超压时的两种Probit模型，可适用于绝大部分场景下的并行油气管道多米诺效应风险分析。经实验证实，采用线性回归方法建立这两个模型，其线性回归决定系数、均方误差均表现优良，具有实际工程应用价值。
步骤五中，通过如下方法评价目标管道发生多米诺事故的概率：
得到源管失效概率P(0)；
得到源管失效下，第1级多米诺事故发生的事故升级概率P(1)；
得到第i级多米诺事故发生的事故升级概率P(i)：P(i)= P(0)×P(1) ×…×P(i-1)；式中，i取2,3,…n，n为多米诺事故的总级别数。
进一步的，所述源管失效概率P(0)通过如下公式得到：
式中，f(t)为源管失效率与时间的函数；exp为以自然常数为底的指数函数；t为管道正常运行周期；t为时刻。通过本公式即可计算在t时刻的源管失效概率。
其中，失效率可以用典型的浴盆曲线来进行描述。
步骤六中，根据目标管道与源管的协同作用，判断目标管道是否继续传播多米诺效应至其余安全管道。
其中的协同作用是指，某一管道的事故，需在其余至少两根管道的升级矢量共同作用下才能发生。即是本方案中需要结合目标管道自身所发出的升级矢量与源管发出的升级矢量对下一级管道的共同作用强度，来判断目标管道是否继续传播多米诺效应。
以三根天然气管道采用架空并行敷设为例，假设管道A发生泄漏并着火，升级矢量喷射火对相邻B管和C管产生热辐射影响。在第一级多米诺事故中，升级矢量强度评估结果显示B管收到的热通量超过升级阈值，而C管接收到的A管、B管单独发出的热通量各自并未达到阈值。但是C管将接受A管和B管共同发出的热辐射超过阈值，这时事故将升级至二级多米诺事故。因此，本方案以目标管道与源管的协同作用作为是否继续传播多米诺效应的判断依据，可显著提高判断准确性。
步骤七中，所述多米诺事故序包括如下内容：源管、潜在的所有目标管道、可能的多米诺事故级别，多级别事故来源于系统中管道的数量、多米诺效应在多管并行系统中传播的顺序。其中多米诺效应在多管并行系统中传播的顺序，可以理解为失效的顺序，其中源管是最先失效的。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明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，解决了现有技术中没有针对并行油气管道的多米诺风险分析方法、无法量化多管并行的油气管道系统内部的多米诺风险的问题，建立了专用于并行油气管道的多米诺效应风险分析方法，为油气管道建设者的工程施工、以及油气管道运营商的风险决策提供科学合理的依据，填补了现有技术的空白。
2、本发明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，可应用于同场（架空）、同沟、同隧和并行埋地的实际案例，基于贝叶斯网络结构，适用于从定性和定量的角度分析多管并行系统内部潜在的多米诺风险。
3、本发明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，利用了贝叶斯网络结构灵活的特点，使本方法能够适应广泛的油气管道多管并行事故场景，并可以评估不同级别多米诺事故发生的概率；并且还有助于模拟并行油气管道间多米诺效应的传播；此外，本方法还能够利用条件概率的思路模拟相邻管道之间不同升级矢量的因果关系。
4、本发明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，通过对ALOHA软件的运用，可以有效地模拟失效过渡事件传播场景，进而得到目标管道接收源管发出的升级矢量强度，根据目标管道接收到最大升级矢量强度与升级阈值的比较，将超过升级阈值的目标管段包含在多米诺事故序中。
5、本发明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，引入了特定的概率模型Probit模型来建立传播函数，通过求得的Probit值来表征给定源管下目标管道的脆弱性、求得给定条件下目标管道的事故升级概率值。
6、本发明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，引入了特定的概率模型来建立多米诺效应的传播函数，可适用于绝大部分场景下的并行油气管道多米诺效应风险分析，具有实际工程应用价值。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明具体实施例的方法流程示意图；
图2为本发明具体实施例中的失效概率示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：
如图1所示的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，包括：
步骤一、根据多管并行系统的布局，确定可能发生事故的管道，定义为源管，并在贝叶斯网络中给源管分配父节点；为相邻管道分配其余节点。具体的：
根据并行管道布局资料，将可能发生事故的管段设置为源管并在贝叶斯网络中分配节点，进而为相邻管段分配其他节点。多米诺效应传播可能性高度依赖于源管的敷设方式、运行条件、失效模式、失效位置、系统内管道间距、管道事故产生的能量、管道路由环境的气候因素等。因此，应将上述因素纳入贝叶斯网络模型以建立不同敷设方式下多米诺效应传播概率评估模型，将这项工作定义为失效管道成为源管的概率评估模型，通常可以通过历史数据或者专家语义评估捕捉各节点之间的条件依赖性。
步骤二、根据管输介质类别与失效模式确定升级矢量。具体的：
确定多米诺效应传播可能性后，根据管输的介质类别与失效模式（泄漏或爆裂）确定升级矢量类型。多管并行系统事故升级矢量为热影响热辐射、超压、侵蚀以及碎片撞击。
优选的，可以设置相应的事故情景。
步骤三、针对不同类别的升级矢量，评估目标管道接收源管发出的升级矢量强度。具体的：
通常可以使用现有黄皮书中热辐射和超压等升级矢量的理论计算方法；还可以使用计算流体力学软件进行仿真计算。本实施例采用ALOHA软件进行仿真，该软件通过高斯色散和重气体扩散两种模型评估升级矢量的强度与影响范围，其包括一个用于模拟管输介质（液体或气体）的危险材料库，可以设定事故现场的天气，包括温度、风速/风向、大气稳定度、空气湿度；并模拟不同的失效场景，包括不同管道尺寸、运行压力、失效模式、失效过渡事件等；可以有效地模拟过渡事件传播场景，例如拥堵程度是否利于过渡事件传播、是否延迟点火等；进而根据目标管道接收到最大剂量与升级阈值的比较，将超过升级阈值的目标管段包含在多米诺事故序列中，并从源管节点引出一条有向弧指向目标管段节点。
步骤四、根据所接收的升级矢量强度，计算目标管道的事故升级概率；
步骤五、评价目标管道发生多米诺事故的概率：有向弧表征多米诺效应由源管向目标管道的传播，多米诺事故的发生可以表征为在源管失效的条件下目标管发生失效的概率。因此可表征出条件概率。显然，贝叶斯网络模型中源管节点为目标管道节点的父节点，目标管道节点为源管节点的子节点。
步骤六、完成上述五个步骤后，还应确定目标管道是否继续传播多米诺效应到其它的安全管道，而升级多米诺事故的级别。通常可以独自或者与源管协同影响相邻的安全管道。如果是，重新执行步骤二至步骤五。如果否，进入第七步。
步骤七、得到多管并行系统的多米诺事故序。
实施例2：
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，在实施例1的基础上，
步骤一中，步骤一中，随机指定一根可能发生事故的管道作为源管，并计算源管的失效概率。
步骤二中，所述管输介质类别包括原油、成品油、天然气；所述失效模式包括泄漏、爆裂、断裂；所述升级矢量包括热辐射、超压、侵蚀、碎片撞击中的任意一种或多种，优选为热辐射和超压两种。
步骤三中，通过如下方法评估目标管道接收源管发出的升级矢量强度：
通过ALOHA软件建立多管并行系统、通过ALOHA软件的危险材料库选择管输介质；
在ALOHA软件中设定事故发生的气象数据；
通过ALOHA软件仿真不同的失效模式，得到目标管道接收源管发出的升级矢量强度。
步骤四中，通过如下方法计算目标管道的事故升级概率：
根据升级阈值和ALOHA软件所计算的升级矢量强度，判断目标管道接收到的升级矢量强度是否达到预设的升级阈值；
若目标管道接收到的升级矢量强度大于所述升级阈值，则建立基于升级矢量与管道响应的Probit模型，计算Probit值；
通过如下公式计算目标管道的事故升级概率：
式中，P A→B 为事故升级概率；
为标准正态分布的累积密度函数；Y为Probit值。
优选的，本实施例中将上述公式具体表达为：
式中，P A→B 为事故升级概率；μ为Probit模型中高斯分布的均值；σ为Probit模型中高斯分布的方差；e为自然对数；d为微分算子；u为定义的微分变量；Y为Probit值；D为目标管道接收到的升级矢量强度值。
当所述升级矢量为热辐射时，所述Probit模型为：
式中，t f为目标管道失效的时间；I为辐射强度；V为受热影响的体积；
当所述升级矢量为超压时，所述Probit模型为：Y=-14.44+1.82ln(P s )；式中，P s 为目标管道所承受的峰值静态超压。
步骤五中，通过如下方法评价目标管道发生多米诺事故的概率：
得到源管失效概率P(0)；
得到源管失效下，第1级多米诺事故发生的事故升级概率P(1)；
得到第i级多米诺事故发生的事故升级概率P(i)：P(i)= P(0)×P(1) ×…×P(i-1)；式中，i取2,3,…n，n为多米诺事故的总级别数。
所述源管失效概率P(0)通过如下公式得到：
式中，f(t)为源管失效率与时间的函数；exp为以自然常数为底的指数函数；t为时刻；
本实施例以三根天然气管道采用架空并行敷设为例进行说明，假设管道A发生泄漏并着火，升级矢量喷射火对相邻B管和C管产生热辐射影响。A发生泄漏并着火的概率为P(A)；在第一级多米诺事故中，升级矢量强度评估结果显示B管收到的热通量超过升级阈值，而C管接收到的热通量并未达到阈值，可以得到A管失效下B管升级事故的条件概率为P(B|A)。进一步地，评估二级多米诺事故发生概率。重复方法中的步骤二至步骤五，发现升级矢量仍然是热辐射，通过传热学计算发现：C管接收B管发出的热辐射低于阈值；但是C管将接受A管和B管共同发出的热辐射超过阈值，这时事故将升级至二级多米诺事故。因此，在A管和B管的协同作用下，事故升级的条件概率为P(C|A,B)。由此，此多米诺序列为：A→B→C。因此，该三管并行敷设促成多米诺效应内嵌图像的事件的联合概率分布计算为：P3= P(A) P(B|A) P(C|A,B)。
步骤六中，根据目标管道与源管的协同作用，判断目标管道是否继续传播多米诺效应至其余安全管道。
步骤七中，所述多米诺事故序列包括：源管、潜在的所有目标管道、可能的多米诺事故级别，多级别事故来源于系统中管道的数量。
在更为优选的实施方式中，源管失效率与时间的函数f(t)为：
实施例3：
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，在上述任一实施例的基础上，本实施例还包括步骤八：以不同管道作为源管，模拟不同多米诺事故场景，评估多管并行系统失效概率。
由于上述实施例中的源管为随机选择，具有不确定性，因此对于多管并行系统失效概率的完整分析，还应该更换不同可能失效的管道作为源管、重复上述实施例，最终得到以不同管道作为源管下的系统失效概率评估。
本实施例以三管并行系统为例，其系统失效概率评估公式为：
P 3=P f1 +P f2 +P f3 -P f1 P f2 -P f1 P f3 -P f2 P f3 +P f1 P f2 P f3
式中， P 3为三管并行系统失效概率；P fi 为第i条管道的失效可能性，i=1,2,3。
实施例4：
本实施例以实施例1或2所记载的方法对原油-天然气-成品油的三管埋地并行系统进行多米诺风险分析。
位于某地的三条油气管道采用埋地敷设的方式并行了60m的距离。具体地，A管为天然气管道采用X100管线钢、管径为818.2mm、壁厚wt A=19.1mm、运行压力为MOPA=10MPa；东面相距8m的原油管道B管采用X52管线钢、管径为610mm、壁厚wt B=7.16mm、运行压力MOPB=6MPa、天然气管道的埋深为1.5m；相邻的成品油管道C采用X46管线钢、管径为324mm、壁厚为4.32mm、运行压力为MOPc=5MPa、距离管道A与B分别为15m与7m。
本实施例场景设置：风向为1m/s的西南风，天然气管道爆裂在地面产生弹坑，考虑天然气管道事故场景为喷射火（环境因素致火）、原油管道事故场景为池火（喷射火致火），升级矢量均为热辐射。
经过计算，确定了A为源管时B、C管道可能接收到的热通量，其中，B管接受A管的热通量为49.5kW/m2，超过升级阈值37.5kW/m2；而C管接收到从A管和B管发出的热通量分别为35.2kW/m2与25.9kW/m2。可以发现，C管仅在A管和B管的协同作用下才会发生多米诺事故。基于此，B管在A管失效条件下的事故升级概率为0.195；C管在A管与B管协同作用条件下的事故升级概率为7.7×10-3。
建立基于朴素贝叶斯网络的埋地并行管道多米诺风险分析模型。对于点火概率，采用了统计数据忽略了环境的不确定性因素，通常环境中明火、闪电火花、电火花、杂散电流、静电火花、摩擦生电等原因可能引发危险材料点燃，致灾因素可独立或者几个因素协同作用引发火灾。如果管道发生爆裂，破损金属管壁将与快速逃逸的天然气发生摩擦产生火花，因此摩擦起火与爆裂的发生具有依赖性。环境中的致灾因素有很多，例如空气湿度、闪电可能性、风、昼夜温差等。通常，对复杂环境因素致灾评估包括模拟方法与主观评价方法。模拟方法包括基于计算流体力学的数值模拟，该方法可以模拟特定场景的火灾发生；其次，还可以通过机器学习训练模型进行预测，该方法对数据质与量要求非常高；最后还可以参考专家的主观评估，该方法非常灵活，但对受访人的工作经验与知识体系要求非常高，但是可支撑缺乏历史数据时的风险评估。
在本实施例中，对于缺乏历史数据的各底事件的先验概率可通过改进的语义评估方法评估。基于现场勘察、知识结构、工程经验等执行的语义评估具有主观性且无法得到概率值，而定量风险评估需要概率值而不是可能性“较高”这样的语义值。语义评估具有模糊性和不确定性，通常可将不同程度的语义值模糊化，进而通过左右模糊数排序法将模糊数转化为模糊可能性值。具体地，本实施例中的语义值采用 “非常低”、“较低”、“中等”、“较高”、“非常高”五种程度。为捕捉语义评估的不确定性或模糊性，通常采用隶属度函数来进行模糊化，模糊概率采用梯形模糊概率。
其次，可开发基于贝叶斯网络的埋地并行管道多米诺效应分析模型。本实施例所得到的模型中，有两根由源管A和B管发出的有向弧指向C管，这是因为在A管和B管失效产生的协同作用下C管才会失效并升级事故。因此可以设置两个节点X1和X2用于评估一级多米诺事故以及二级多米诺事故发生概率。
基于历史数据捕捉贝叶斯网络中各节点的依赖性：经过概率性缺陷评估，当前A管道爆裂概率为3.46×10-7，而其成为源管概率下降大约两个数量级至2.84×10-9，这是因为在给定环境下点火源出现的可能性很低；其次，喷射火向B管传递的热影响存在不确定性，经评估A管失效产生的喷射火可能影响B管的概率为48.8%；再次，天然气管道爆裂产生弹坑具有不确定性，再加上并行管道依据安全距离设计线路，因此爆裂释放的能量使相邻管道暴露在喷射火影响范围内的可能性小。经过评估，一级多米诺事故发生概率为5.55×10-10，二级多米诺事故发概率为4.32×10-12，远低于初始事件的发生概率（A管成为源管）。
进一步地，在给定条件下进行各节点对于多米诺效应传播的敏感性分析。明显地，无强降水干扰点燃可能性时，多米诺效应的传播与多米诺事故发生概率将上升，但是其影响是边缘的。其次，可确定发生点燃事件时贝叶斯网络模型节点之间的依赖性：可以发现点燃对并行管道的多米诺效应传播的可能性影响非常显著，因为点燃是管道失效过渡事件的条件之一。当弹坑确定产生时，多米诺效应的传播的可能性上升，归因于弹坑形成与点燃之间存在依赖性，当确定产生弹坑时，摩擦生电成为最有可能致火原因。若天然气管道爆裂可将相邻两根管道的覆土掀开，可以发现成为源管的概率、一级、二级多米诺事故发生概率上升。明显地，管道爆裂产生的能量与多米诺效应传播与多米诺事故升级呈正相关。因此，对于埋地多管并行系统而言，管道失效仍然只是系统内部发生多米诺效应传播的条件。
本实施例中已知管道A爆裂下产生的弹坑宽度为31.326m，足以掀开相邻两根管道的覆土。在此基础上，图2示出了本实施例（升级矢量为热辐射）的A管、B管、C管以及系统的失效概率，失效概率随时间增加归因于各管道腐蚀缺陷增长等诸多原因。图2中的系统失效概率基于实施例3中所记载的方法实现。由图2可以发现A管的失效概率最低，这是因为A管的壁厚大且管材强度高，并且A管作为源管不受相邻管道干扰；其次，三管并行系统的路由环境受管道影响可能性非常高。
通过本实施例的分析过程，可以看出，本申请所提出的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，对于并行油气管道的多米诺效应风险分析而言，具有切实有效的工程价值，可用于指导管道运营商科学制定维护方案，有助于运营商在管道安全可靠性和成本之间找到所需的平衡。
实施例5：
一种并行油气管道多米诺效应风险分析终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时执行如实施例1或实施例2所述方法的步骤。
所述终端可以是桌上型计算机、笔记本、掌上电脑以及云端服务器等计算设备。
所述处理器可以是中央处理器（CPU，Central Processing Unit），还可以是其他通用处理器、数字信号处理器（Digital signal processor）、专用集成电路（ApplicationSpecific Integrated Circuit）、现成可编程门阵列（Fieldprogrammable gate array）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端的控制中心，利用各种接口和线路连接整个终端的各个部分。
所述存储器可用于存储所述计算机程序，所述处理器通过运行或执行存储在所述存储器内的数据，实现所述终端的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等。此外，存储器可以包括高速随机存取存储器、还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡，安全数字卡，闪存卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是，在本文中，诸如术语“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、物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、物品或者设备所固有的要素。以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.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，其特征在于，包括：
步骤一、根据多管并行系统的布局，确定可能发生事故的管道，定义为源管，并在贝叶斯网络中给源管分配父节点；为相邻管道分配其余节点；
步骤二、根据管输介质类别与失效模式确定升级矢量；
步骤三、评估目标管道接收源管发出的升级矢量强度；
步骤四、根据所接收的升级矢量强度，计算目标管道的事故升级概率；
步骤五、评价目标管道发生多米诺事故的概率；
步骤六、判断目标管道是否继续传播多米诺效应至其余安全管道：若是，回到步骤二；若否，进入步骤七；
步骤七、得到多管并行系统的多米诺事故序。
2.根据权利要求1所述的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，其特征在于，步骤一中，随机指定一根可能发生事故的管道作为源管，并计算源管的失效概率。
3.根据权利要求1所述的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，其特征在于，步骤二中，所述管输介质类别包括原油、成品油、天然气；所述失效模式包括泄漏、爆裂、断裂；所述升级矢量包括热辐射、超压。
4.根据权利要求1所述的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，其特征在于，步骤三中，通过如下方法评估目标管道接收源管发出的升级矢量强度：
通过ALOHA软件建立多根管道并行敷设的多管并行系统、通过ALOHA软件中的危险材料库选择管输介质；
在ALOHA软件中设定事故发生的气象数据；
通过ALOHA软件仿真不同的失效模式，得到目标管道接收源管发出的升级矢量强度。
5.根据权利要求1所述的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，其特征在于，步骤四中，通过如下方法计算目标管道的事故升级概率：
判断目标管道接收到的升级矢量强度是否达到预设的升级阈值；
若目标管道接收到的升级矢量强度大于所述升级阈值，则建立基于升级矢量与管道响应的Probit模型，计算Probit值；
通过如下公式计算目标管道的事故升级概率：
式中，P A→B 为事故升级概率；
为标准正态分布的累积密度函数；Y为Probit值。
6.根据权利要求5所述的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，其特征在于，
当所述升级矢量为热辐射时，所述Probit模型为：
式中，t f为目标管道失效的时间；I为辐射强度；V为受热影响的体积；
当所述升级矢量为超压时，所述Probit模型为：Y=-14.44+1.82ln(P s )；式中，P s 为目标管道所承受的峰值静态超压。
7.根据权利要求1所述的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，其特征在于，步骤五中，通过如下方法评价目标管道发生多米诺事故的概率：
得到源管失效概率P(0)；
得到源管失效下，第1级多米诺事故发生的事故升级概率P(1)；
得到第i级多米诺事故发生的事故升级概率P(i)：P(i)= P(0)×P(1) ×…×P(i-1)；式中，i取2,3,…n，n为多米诺事故的总级别数。
8.根据权利要求7所述的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，其特征在于，所述源管失效概率P(0)通过如下公式得到：
式中，f(t)为源管失效率与时间的函数；exp为以自然常数为底的指数函数；t为时刻。
9.根据权利要求1所述的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，其特征在于，步骤六中，根据目标管道与源管的协同作用，判断目标管道是否继续传播多米诺效应至其余安全管道。
10.根据权利要求1所述的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，其特征在于，步骤七中，所述多米诺事故序包括：源管、潜在的所有目标管道、可能的多米诺事故级别、多级别事故来源于系统中管道的数量、多米诺效应在多管并行系统中传播的顺序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211219128.8A CN115293656B (zh) | 2022-10-08 | 2022-10-08 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211219128.8A CN115293656B (zh) | 2022-10-08 | 2022-10-08 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115293656A true CN115293656A (zh) | 2022-11-04 |
| CN115293656B CN115293656B (zh) | 2023-04-07 |
Family
ID=83834373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211219128.8A Active CN115293656B (zh) | 2022-10-08 | 2022-10-08 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115293656B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108062638A (zh) * | 2018-02-09 | 2018-05-22 | 国通广达（北京）技术有限公司 | 综合管廊灾害链风险评估方法 |
| CN108615098A (zh) * | 2018-05-11 | 2018-10-02 | 同济大学 | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 |
| 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 |
| US20200191316A1 (en) * | 2018-04-02 | 2020-06-18 | Shuyong Paul Du | Computational risk modeling system and method for pipeline operation and integrity management |
| CN111324970A (zh) * | 2020-03-06 | 2020-06-23 | 交通运输部水运科学研究所 | 基于多次多米诺效应的港口油品罐区个人风险分析方法 |
| 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 |
| CN113504024A (zh) * | 2021-09-10 | 2021-10-15 | 西南石油大学 | 爆破拆除塌落体触地冲击下聚乙烯燃气管道安全评价方法 |
| CN113536654A (zh) * | 2021-04-06 | 2021-10-22 | 南京工业大学 | 一种常压储罐区多米诺事故动态预测方法、系统及装置 |
| CN114548696A (zh) * | 2022-01-27 | 2022-05-27 | 山东科技大学 | 一种输气站场多过程流交互风险动态评估方法及装置 |
| CN114662366A (zh) * | 2022-03-31 | 2022-06-24 | 西南石油大学 | 一种输气管道喷射火对相邻输油管道热影响分析方法 |
| CN114676954A (zh) * | 2021-12-24 | 2022-06-28 | 国网安徽省电力有限公司电力科学研究院 | 一种氢能电站多米诺事故风险评价方法及系统 |
-
2022
- 2022-10-08 CN CN202211219128.8A patent/CN115293656B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108062638A (zh) * | 2018-02-09 | 2018-05-22 | 国通广达（北京）技术有限公司 | 综合管廊灾害链风险评估方法 |
| US20200191316A1 (en) * | 2018-04-02 | 2020-06-18 | Shuyong Paul Du | Computational risk modeling system and method for pipeline operation and integrity management |
| CN108615098A (zh) * | 2018-05-11 | 2018-10-02 | 同济大学 | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 |
| 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 |
| CN111324970A (zh) * | 2020-03-06 | 2020-06-23 | 交通运输部水运科学研究所 | 基于多次多米诺效应的港口油品罐区个人风险分析方法 |
| 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 |
| CN113536654A (zh) * | 2021-04-06 | 2021-10-22 | 南京工业大学 | 一种常压储罐区多米诺事故动态预测方法、系统及装置 |
| CN113504024A (zh) * | 2021-09-10 | 2021-10-15 | 西南石油大学 | 爆破拆除塌落体触地冲击下聚乙烯燃气管道安全评价方法 |
| CN114676954A (zh) * | 2021-12-24 | 2022-06-28 | 国网安徽省电力有限公司电力科学研究院 | 一种氢能电站多米诺事故风险评价方法及系统 |
| CN114548696A (zh) * | 2022-01-27 | 2022-05-27 | 山东科技大学 | 一种输气站场多过程流交互风险动态评估方法及装置 |
| CN114662366A (zh) * | 2022-03-31 | 2022-06-24 | 西南石油大学 | 一种输气管道喷射火对相邻输油管道热影响分析方法 |
Non-Patent Citations (6)
| Title |
|---|
| BAOPING CAI,ETC: "Bayesian Networks in Fault Diagnosis" * |
| 严亮等: "基于贝叶斯网络的陆上油气管道失效风险研究" * |
| 崔辉，施式亮主编: "《安全评价》", 31 March 2019, 徐州：中国矿业大学出版社 * |
| 张鹏 等: "基于风险可接受性的输油管道环境损失风险管理研究" * |
| 柳智洋: "城镇燃气管道定量风险评价技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
| 金龙哲著: "《安全学原理 第2版》", 31 May 2018, 冶金工业出版社 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115293656B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khakzad et al. | Domino effect analysis using Bayesian networks | |
| Fang et al. | Quantitative risk assessment of a natural gas pipeline in an underground utility tunnel | |
| US11555573B2 (en) | Computational risk modeling system and method for pipeline operation and integrity management | |
| Shirzad et al. | A comparison between performance of support vector regression and artificial neural network in prediction of pipe burst rate in water distribution networks | |
| Benavides-Serrano et al. | A quantitative assessment on the placement practices of gas detectors in the process industries | |
| Amaya-Gómez et al. | Integrity assessment of corroded pipelines using dynamic segmentation and clustering | |
| Garcez et al. | Multidimensional risk assessment of manhole events as a decision tool for ranking the vaults of an underground electricity distribution system | |
| Pudasaini et al. | Identification of critical pipes for proactive resource-constrained seismic rehabilitation of water pipe networks | |
| Dann et al. | The effect of inspection sizing uncertainty on the maximum corrosion growth in pipelines | |
| El-Abbasy et al. | Unpiggable oil and gas pipeline condition forecasting models | |
| Malinowska | Fuzzy inference-based approach to the mining-induced pipeline failure estimation | |
| Jain et al. | Probabilistic model for stress corrosion cracking of underground pipelines using Bayesian networks | |
| CN115358102A (zh) | 引入内检测数据的地震作用下腐蚀管道失效概率分析方法 | |
| Eskandarzade et al. | An optimal approach for semiquantitative risk-based inspection of pipelines | |
| Dehkordi et al. | Probabilistic fire risk analysis of process pipelines | |
| CN115293656B (zh) | 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 | |
| Ayello et al. | A Bayesian network based pipeline risk management | |
| Zhang et al. | An integrated reliability method with a newly developed interaction rule for steel pipelines with multiple corrosion defects | |
| Kwak et al. | Sensor placement optimization for fenceline monitoring of toxic gases considering spatiotemporal risk of the plant-urban interface | |
| Bai et al. | Energy-based coupling risk assessment (CRA) model for urban underground utility tunnels | |
| CN116523296A (zh) | 燃气管网相邻地下空间风险评估方法及装置 | |
| Liu et al. | A data-driven danger zone estimation method based on Bayesian inference for utility tunnel fires and experimental verification | |
| Baalisampang et al. | Approaches to domino effects evolution and risk assessment | |
| Farahani et al. | Probabilistic corrosion growth models of buried steel pipelines using inspection and soil survey data | |
| Pahlevan et al. | Fuzzy analyses of adverse consequences resulted from offshore pipeline failure |
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 |