CN115600900B - 一种用于石化港区的安全风险评估方法、系统和存储介质 - Google Patents
一种用于石化港区的安全风险评估方法、系统和存储介质 Download PDFInfo
- Publication number
- CN115600900B CN115600900B CN202211330713.5A CN202211330713A CN115600900B CN 115600900 B CN115600900 B CN 115600900B CN 202211330713 A CN202211330713 A CN 202211330713A CN 115600900 B CN115600900 B CN 115600900B
- Authority
- CN
- China
- Prior art keywords
- risk
- petrochemical
- storage tank
- area
- harbor
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本申请涉及一种用于石化港区的安全风险评估方法、系统和存储介质,方法包括:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;评估石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;基于风险演化路径断环机制,消除或控制关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;检测石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。本申请能够提高安全风险评估准确性,从而有效控制安全风险,为企业监管部门提供决策制定的依据,节省人力物力财力,为我国石化港区大型储罐区事故风险提供参考。
Description
技术领域
本申请涉及风险评估的技术领域,特别是涉及一种用于石化港区的安全风险评估方法、系统和存储介质。
背景技术
石化港区,是指石化品装卸和仓储相对集中的港口区域,是沿江沿海石化品储运安全的风险防控重点之一。
近年来,随着大量石化品储运企业沿江港区及沿海港区集中布局, 沿江沿海地区形成连片的危险品码头及储罐集中区域,区域性港口重大危险源广泛存在。由于我国内海及长江同时拥有水源地功能,区域性港口重大危险源一旦发生泄漏等重大危险事故,不仅会造成生命伤亡和财产损失,还将污染水生态环境,威胁饮用水安全,甚至引起重大社会影响,因而引起高度重视。
随着我国内海及长江经济带的建设和快速发展,危险货物水路运输还将迎来新的发展机遇,因此,亟需提出一种用于石化港区的安全风险评估方法、系统和存储介质来提高我国石化港区大型储罐区的安全风险评估准确性,为企业监管部门提供决策制定的依据,从而有效控制安全风险,节省人力物力财力,为我国石化港区大型储罐区事故风险提供参考。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高安全风险评估准确性的用于石化港区的安全风险评估方法、系统和存储介质。
一方面,提供一种用于石化港区的安全风险评估方法,所述方法包括:
步骤A:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
步骤B:评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
步骤C:基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
步骤D:检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
在其中一个实施例中,还包括:所述基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型包括:采集石化港区大型储罐区的相关数据信息,所述相关数据信息包括:人员信息、设备信息、环境信息、工艺信息和管理信息;提取数据库中石化港区大型储罐区的历史事故风险信息,所述历史事故风险信息包括:事故风险类型、事故风险致因;利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系,形成多个网络节点;基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
在其中一个实施例中,还包括:所述利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系包括:
定义所述相关数据信息对应的状态集为,每个状态激发风险的概率为,且,则构建所述石化港区大型储罐区复杂系统事故风险演化系统中的风险熵为:
其中,表示风险熵,表示比例系数,表示石化港区大型储罐区的风险态个数,表示常数,表示石化港区大型储罐区存在的脆弱性个数,表示石化港区大型储罐区面临的威胁个数;
基于所述风险熵的值与所述历史事故风险信息形成一一映射关系,即生成所述对应关系。
在其中一个实施例中,还包括:所述基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型包括:基于所述相关数据信息构建所述石化港区大型储罐区的三维模拟仿真系统;根据所述每个状态激发风险的概率获取所述三维模拟仿真系统中的关键节点;将所述关键节点的对应关系输入所述三维模拟仿真系统中,并进行连接生成关键节点网络,形成所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
在其中一个实施例中,还包括:所述评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险包括:
计算所述关键节点网络中关键节点的相关系数,其计算公式为:
其中,表示相关系数,表示网络关键节点总数,表示关键节点的局部相关系数,表示关键节点的相邻节点数量,表示个相邻节点之间的连接边数,;
基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险。
在其中一个实施例中,还包括:所述基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险包括:当所述相关系数大于第一预设值、所述风险熵大于第二预设值时,判断所述关键节点触发安全风险警示;当所述相关系数等于第一预设值、所述风险熵等于第二预设值时,判断所述关键节点处于安全风险警示触发临界点;当所述相关系数小于第一预设值、所述风险熵小于第二预设值时,判断所述关键节点处于正常状态。
在其中一个实施例中,还包括:当所述关键节点触发安全风险警示或处于安全风险警示触发临界点时,基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展包括:确定风险熵最大值所属的关键节点;基于所述关键节点形成的映射关系获取所述关键节点的事故风险类型和事故风险致因;根据所述事故风险类型和事故风险致因消除或控制其所对应的关键因子以阻断石化港区大型储罐区事故风险的演进与发展。
在其中一个实施例中,还包括:所述检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端包括:当多个时间点所述相关系数的平均值大于所述大于第一预设值时,判断所述石化港区大型储罐区事故风险未消除或控制成功;将实时预警信息发送到服务器终端。
另一方面,提供了一种用于石化港区的安全风险评估系统,所述系统包括:
模型构建模块,用于基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
安全风险评估模块,用于评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
阻断消除模块,用于基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
验证模块,用于检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
再一方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在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实现以下步骤:
步骤A:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
步骤B:评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
步骤C:基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
步骤D:检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
又一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
步骤A:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
步骤B:评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
步骤C:基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
步骤D:检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
上述用于石化港区的安全风险评估方法、系统和存储介质,所述方法包括:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端,本申请能够提高安全风险评估准确性,从而有效控制安全风险,为企业监管部门提供决策制定的依据,节省人力物力财力,为我国石化港区大型储罐区事故风险提供参考。
附图说明
图1为一个实施例中用于石化港区的安全风险评估方法的流程示意图;
图2为一个实施例中用于石化港区的安全风险评估系统的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
实施例1
在一个实施例中,如图1所示,提供了一种用于石化港区的安全风险评估方法,包括以下步骤:
S1:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型。
需要说明的是,该步骤具体包括:
采集石化港区大型储罐区的相关数据信息,所述相关数据信息包括:人员信息、设备信息、环境信息、工艺信息和管理信息;
提取数据库中石化港区大型储罐区的历史事故风险信息,所述历史事故风险信息包括:事故风险类型、事故风险致因;
利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系,形成多个网络节点;
基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
其中,所述利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系包括:
定义所述相关数据信息对应的状态集为,每个状态激发风险的概率为,且,则构建所述石化港区大型储罐区复杂系统事故风险演化系统中的风险熵为:
其中,表示风险熵,表示比例系数,表示石化港区大型储罐区的风险态个数,表示常数,表示石化港区大型储罐区存在的脆弱性个数,表示石化港区大型储罐区面临的威胁个数;
基于所述风险熵的值与所述历史事故风险信息形成一一映射关系,即生成所述对应关系。
进一步的,所述基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型包括:
基于所述相关数据信息构建所述石化港区大型储罐区的三维模拟仿真系统,所述三维模拟仿真系统的构建方法为常用的建模步骤,在此不再赘述;
根据所述每个状态激发风险的概率获取所述三维模拟仿真系统中的关键节点;
将所述关键节点的对应关系输入所述三维模拟仿真系统中,并进行连接生成关键节点网络,形成所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
S2:评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险。
需要说明的是,所述评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险包括:
计算所述关键节点网络中关键节点的相关系数,其计算公式为:
其中,表示相关系数,表示网络关键节点总数,表示关键节点的局部相关系数,表示关键节点的相邻节点数量,表示个相邻节点之间的连接边数,;
基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险,包括:
当所述相关系数大于第一预设值、所述风险熵大于第二预设值时,判断所述关键节点触发安全风险警示;
当所述相关系数等于第一预设值、所述风险熵等于第二预设值时,判断所述关键节点处于安全风险警示触发临界点;
当所述相关系数小于第一预设值、所述风险熵小于第二预设值时,判断所述关键节点处于正常状态。
S3:基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展。
需要说明的是,当所述关键节点触发安全风险警示或处于安全风险警示触发临界点时,基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展包括:
确定风险熵最大值所属的关键节点;
基于所述关键节点形成的映射关系获取所述关键节点的事故风险类型和事故风险致因;
根据所述事故风险类型和事故风险致因消除或控制其所对应的关键因子以阻断石化港区大型储罐区事故风险的演进与发展,所述的关键因子可以是人为因素或设备老化等因素。
S4:检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
需要说明的是,当多个时间点所述相关系数的平均值大于所述大于第一预设值时,判断所述石化港区大型储罐区事故风险未消除或控制成功,将实时预警信息发送到服务器终端,技术人员基于该预警信息对整个区域进行风险排除。
上述用于石化港区的安全风险评估方法中,所述方法包括:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端,本申请能够提高安全风险评估准确性,从而有效控制安全风险,为企业监管部门提供决策制定的依据,节省人力物力财力,为我国石化港区大型储罐区事故风险提供参考。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例2
在一个实施例中,如图2所示,提供了一种用于石化港区的安全风险评估系统,包括:模型构建模块、安全风险评估模块、阻断消除模块和验证模块,其中:
模型构建模块,用于基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
安全风险评估模块,用于评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
阻断消除模块,用于基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
验证模块,用于检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
作为一种较优的实施方式,本发明实施例中,所述模型构建模块具体用于:
采集石化港区大型储罐区的相关数据信息,所述相关数据信息包括:人员信息、设备信息、环境信息、工艺信息和管理信息;
提取数据库中石化港区大型储罐区的历史事故风险信息,所述历史事故风险信息包括:事故风险类型、事故风险致因;
利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系,形成多个网络节点;
基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
作为一种较优的实施方式,本发明实施例中,所述模型构建模块具体还用于:
定义所述相关数据信息对应的状态集为,每个状态激发风险的概率为,且,则构建所述石化港区大型储罐区复杂系统事故风险演化系统中的风险熵为:
其中,表示风险熵,表示比例系数,表示石化港区大型储罐区的风险态个数,表示常数,表示石化港区大型储罐区存在的脆弱性个数,表示石化港区大型储罐区面临的威胁个数;
基于所述风险熵的值与所述历史事故风险信息形成一一映射关系,即生成所述对应关系。
作为一种较优的实施方式,本发明实施例中,所述模型构建模块具体还用于:
基于所述相关数据信息构建所述石化港区大型储罐区的三维模拟仿真系统;
根据所述每个状态激发风险的概率获取所述三维模拟仿真系统中的关键节点;
将所述关键节点的对应关系输入所述三维模拟仿真系统中,并进行连接生成关键节点网络,形成所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
作为一种较优的实施方式,本发明实施例中,所述安全风险评估模块具体用于:
计算所述关键节点网络中关键节点的相关系数,其计算公式为:
其中,表示相关系数,表示网络关键节点总数,表示关键节点的局部相关系数,表示关键节点的相邻节点数量,表示个相邻节点之间的连接边数,;
基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险。
作为一种较优的实施方式,本发明实施例中,所述安全风险评估模块具体还用于:
当所述相关系数大于第一预设值、所述风险熵大于第二预设值时,判断所述关键节点触发安全风险警示;
当所述相关系数等于第一预设值、所述风险熵等于第二预设值时,判断所述关键节点处于安全风险警示触发临界点;
当所述相关系数小于第一预设值、所述风险熵小于第二预设值时,判断所述关键节点处于正常状态。
作为一种较优的实施方式,本发明实施例中,所述阻断消除模块具体用于:
当所述关键节点触发安全风险警示或处于安全风险警示触发临界点时,基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展包括:
确定风险熵最大值所属的关键节点;
基于所述关键节点形成的映射关系获取所述关键节点的事故风险类型和事故风险致因;
根据所述事故风险类型和事故风险致因消除或控制其所对应的关键因子以阻断石化港区大型储罐区事故风险的演进与发展。
作为一种较优的实施方式,本发明实施例中,所述验证模块具体用于:
当多个时间点所述相关系数的平均值大于所述大于第一预设值时,判断所述石化港区大型储罐区事故风险未消除或控制成功;
将实时预警信息发送到服务器终端。
关于用于石化港区的安全风险评估系统的具体限定可以参见上文中对于用于石化港区的安全风险评估方法的限定,在此不再赘述。上述用于石化港区的安全风险评估系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
实施例3
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用于石化港区的安全风险评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
步骤A:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
步骤B:评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
步骤C:基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
步骤D:检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
采集石化港区大型储罐区的相关数据信息,所述相关数据信息包括:人员信息、设备信息、环境信息、工艺信息和管理信息;
提取数据库中石化港区大型储罐区的历史事故风险信息,所述历史事故风险信息包括:事故风险类型、事故风险致因;
利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系,形成多个网络节点;
基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
定义所述相关数据信息对应的状态集为,每个状态激发风险的概率为,且,则构建所述石化港区大型储罐区复杂系统事故风险演化系统中的风险熵为:
其中,表示风险熵,表示比例系数,表示石化港区大型储罐区的风险态个数,表示常数,表示石化港区大型储罐区存在的脆弱性个数,表示石化港区大型储罐区面临的威胁个数;
基于所述风险熵的值与所述历史事故风险信息形成一一映射关系,即生成所述对应关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于所述相关数据信息构建所述石化港区大型储罐区的三维模拟仿真系统;
根据所述每个状态激发风险的概率获取所述三维模拟仿真系统中的关键节点;
将所述关键节点的对应关系输入所述三维模拟仿真系统中,并进行连接生成关键节点网络,形成所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算所述关键节点网络中关键节点的相关系数,其计算公式为:
其中,表示相关系数,表示网络关键节点总数,表示关键节点的局部相关系数,表示关键节点的相邻节点数量,表示个相邻节点之间的连接边数,;
基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当所述相关系数大于第一预设值、所述风险熵大于第二预设值时,判断所述关键节点触发安全风险警示;
当所述相关系数等于第一预设值、所述风险熵等于第二预设值时,判断所述关键节点处于安全风险警示触发临界点;
当所述相关系数小于第一预设值、所述风险熵小于第二预设值时,判断所述关键节点处于正常状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当所述关键节点触发安全风险警示或处于安全风险警示触发临界点时,基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展包括:
确定风险熵最大值所属的关键节点;
基于所述关键节点形成的映射关系获取所述关键节点的事故风险类型和事故风险致因;
根据所述事故风险类型和事故风险致因消除或控制其所对应的关键因子以阻断石化港区大型储罐区事故风险的演进与发展。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当多个时间点所述相关系数的平均值大于所述大于第一预设值时,判断所述石化港区大型储罐区事故风险未消除或控制成功;
将实时预警信息发送到服务器终端。
实施例4
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
步骤A:基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
步骤B:评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
步骤C:基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
步骤D:检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
采集石化港区大型储罐区的相关数据信息,所述相关数据信息包括:人员信息、设备信息、环境信息、工艺信息和管理信息;
提取数据库中石化港区大型储罐区的历史事故风险信息,所述历史事故风险信息包括:事故风险类型、事故风险致因;
利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系,形成多个网络节点;
基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
定义所述相关数据信息对应的状态集为,每个状态激发风险的概率为,且,则构建所述石化港区大型储罐区复杂系统事故风险演化系统中的风险熵为:
其中,表示风险熵,表示比例系数,表示石化港区大型储罐区的风险态个数,表示常数,表示石化港区大型储罐区存在的脆弱性个数,表示石化港区大型储罐区面临的威胁个数;
基于所述风险熵的值与所述历史事故风险信息形成一一映射关系,即生成所述对应关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于所述相关数据信息构建所述石化港区大型储罐区的三维模拟仿真系统;
根据所述每个状态激发风险的概率获取所述三维模拟仿真系统中的关键节点;
将所述关键节点的对应关系输入所述三维模拟仿真系统中,并进行连接生成关键节点网络,形成所述石化港区大型储罐区复杂系统事故风险演化拓扑模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算所述关键节点网络中关键节点的相关系数,其计算公式为:
其中,表示相关系数,表示网络关键节点总数,表示关键节点的局部相关系数,表示关键节点的相邻节点数量,表示个相邻节点之间的连接边数,;
基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当所述相关系数大于第一预设值、所述风险熵大于第二预设值时,判断所述关键节点触发安全风险警示;
当所述相关系数等于第一预设值、所述风险熵等于第二预设值时,判断所述关键节点处于安全风险警示触发临界点;
当所述相关系数小于第一预设值、所述风险熵小于第二预设值时,判断所述关键节点处于正常状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当所述关键节点触发安全风险警示或处于安全风险警示触发临界点时,基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展包括:
确定风险熵最大值所属的关键节点;
基于所述关键节点形成的映射关系获取所述关键节点的事故风险类型和事故风险致因;
根据所述事故风险类型和事故风险致因消除或控制其所对应的关键因子以阻断石化港区大型储罐区事故风险的演进与发展。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当多个时间点所述相关系数的平均值大于所述大于第一预设值时,判断所述石化港区大型储罐区事故风险未消除或控制成功;
将实时预警信息发送到服务器终端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种用于石化港区的安全风险评估方法,其特征在于,所述方法包括:
基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端;
其中,所述基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型包括:
采集石化港区大型储罐区的相关数据信息,所述相关数据信息包括:人员信息、设备信息、环境信息、工艺信息和管理信息;
提取数据库中石化港区大型储罐区的历史事故风险信息,所述历史事故风险信息包括:事故风险类型、事故风险致因;
利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系,形成多个网络节点;
基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型;
所述利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系包括:
bi=f(Ui,Vi),(i=1,2,3,...n)
其中,Gi表示风险熵,a表示比例系数,bi表示石化港区大型储罐区的风险态个数,n表示常数,Ui表示石化港区大型储罐区存在的脆弱性个数,Vi表示石化港区大型储罐区面临的威胁个数;
基于所述风险熵的值与所述历史事故风险信息形成一一映射关系,即生成所述对应关系;
所述基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型包括:
基于所述相关数据信息构建所述石化港区大型储罐区的三维模拟仿真系统;
根据所述每个状态激发风险的概率获取所述三维模拟仿真系统中的关键节点;
将所述关键节点的对应关系输入所述三维模拟仿真系统中,并进行连接生成关键节点网络,形成所述石化港区大型储罐区复杂系统事故风险演化拓扑模型;
所述评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险包括:
计算所述关键节点网络中关键节点的相关系数,其计算公式为:
其中,S表示相关系数,H表示网络关键节点总数,Dm表示关键节点的局部相关系数,xm表示关键节点的相邻节点数量,lm表示xm个相邻节点之间的连接边数,S∈[0,1];
基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
所述基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险包括:
当所述相关系数大于第一预设值、所述风险熵大于第二预设值时,判断所述关键节点触发安全风险警示;
当所述相关系数等于第一预设值、所述风险熵等于第二预设值时,判断所述关键节点处于安全风险警示触发临界点;
当所述相关系数小于第一预设值、所述风险熵小于第二预设值时,判断所述关键节点处于正常状态。
2.根据权利要求1所述的用于石化港区的安全风险评估方法,其特征在于,当所述关键节点触发安全风险警示或处于安全风险警示触发临界点时,基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展包括:
确定风险熵最大值所属的关键节点;
基于所述关键节点形成的映射关系获取所述关键节点的事故风险类型和事故风险致因;
根据所述事故风险类型和事故风险致因消除或控制其所对应的关键因子以阻断石化港区大型储罐区事故风险的演进与发展。
3.根据权利要求2所述的用于石化港区的安全风险评估方法,其特征在于,所述检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端包括:
当多个时间点所述相关系数的平均值大于所述大于第一预设值时,判断所述石化港区大型储罐区事故风险未消除或控制成功;
将实时预警信息发送到服务器终端。
4.一种用于石化港区的安全风险评估系统,其特征在于,所述系统包括:
模型构建模块,用于基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型;
安全风险评估模块,用于评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
阻断消除模块,用于基于风险演化路径断环机制,消除或控制所述关键节点的安全风险的关键因子以阻断石化港区大型储罐区事故风险的演进与发展;
验证模块,用于检测所述石化港区大型储罐区事故风险是否消除或控制成功,若未成功,则实时发送预警信息到服务器终端;
其中,所述基于风险熵机制和复杂网络机制构建石化港区大型储罐区复杂系统事故风险演化拓扑模型包括:
采集石化港区大型储罐区的相关数据信息,所述相关数据信息包括:人员信息、设备信息、环境信息、工艺信息和管理信息;
提取数据库中石化港区大型储罐区的历史事故风险信息,所述历史事故风险信息包括:事故风险类型、事故风险致因;
利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系,形成多个网络节点;
基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型;
所述利用所述风险熵机制对所述历史事故风险信息与相关数据信息构建对应关系包括:
bi=f(Ui,Vi),(i=1,2,3,...n)
其中,Gi表示风险熵,a表示比例系数,bi表示石化港区大型储罐区的风险态个数,n表示常数,Ui表示石化港区大型储罐区存在的脆弱性个数,Vi表示石化港区大型储罐区面临的威胁个数;
基于所述风险熵的值与所述历史事故风险信息形成一一映射关系,即生成所述对应关系;
所述基于所述多个网络节点以及所述复杂网络机制构建所述石化港区大型储罐区复杂系统事故风险演化拓扑模型包括:
基于所述相关数据信息构建所述石化港区大型储罐区的三维模拟仿真系统;
根据所述每个状态激发风险的概率获取所述三维模拟仿真系统中的关键节点;
将所述关键节点的对应关系输入所述三维模拟仿真系统中,并进行连接生成关键节点网络,形成所述石化港区大型储罐区复杂系统事故风险演化拓扑模型;
所述评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险包括:
计算所述关键节点网络中关键节点的相关系数,其计算公式为:
其中,S表示相关系数,H表示网络关键节点总数,Dm表示关键节点的局部相关系数,xm表示关键节点的相邻节点数量,lm表示xm个相邻节点之间的连接边数,S∈[0,1];
基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险;
所述基于所述相关系数和所述风险熵评估所述石化港区大型储罐区复杂系统事故风险演化拓扑模型中关键节点的安全风险包括:
当所述相关系数大于第一预设值、所述风险熵大于第二预设值时,判断所述关键节点触发安全风险警示;
当所述相关系数等于第一预设值、所述风险熵等于第二预设值时,判断所述关键节点处于安全风险警示触发临界点;
当所述相关系数小于第一预设值、所述风险熵小于第二预设值时,判断所述关键节点处于正常状态。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330713.5A CN115600900B (zh) | 2022-10-28 | 2022-10-28 | 一种用于石化港区的安全风险评估方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330713.5A CN115600900B (zh) | 2022-10-28 | 2022-10-28 | 一种用于石化港区的安全风险评估方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115600900A CN115600900A (zh) | 2023-01-13 |
CN115600900B true CN115600900B (zh) | 2023-04-28 |
Family
ID=84850368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211330713.5A Active CN115600900B (zh) | 2022-10-28 | 2022-10-28 | 一种用于石化港区的安全风险评估方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600900B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050854B (zh) * | 2023-03-30 | 2023-06-16 | 交通运输部水运科学研究所 | 一种邮轮风险防控方法及系统 |
CN116681292B (zh) * | 2023-08-04 | 2024-04-09 | 交通运输部水运科学研究所 | 基于深度学习的石化港区安全风险分析及责任划分方法 |
CN116753848B (zh) * | 2023-08-11 | 2023-12-01 | 济南市勘察测绘研究院 | 一种建筑物位移监测方法及系统 |
CN116915500B (zh) * | 2023-09-05 | 2023-11-17 | 武汉万数科技有限公司 | 一种接入设备的安全检测方法及系统 |
CN117474343A (zh) * | 2023-12-27 | 2024-01-30 | 中交第一航务工程勘察设计院有限公司 | 石化港区危险源安全风险预警方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2004320849A1 (en) * | 2004-06-08 | 2005-12-29 | Greenline Systems, Inc. | Systems and subsystems for risk assessment and management |
CN105787677A (zh) * | 2016-03-31 | 2016-07-20 | 交通运输部水运科学研究所 | 石化港区事故风险区域定量评估方法 |
CN105894115A (zh) * | 2016-03-31 | 2016-08-24 | 交通运输部水运科学研究所 | 区域性港口重大危险源定量风险评估方法 |
CN114997757A (zh) * | 2022-08-04 | 2022-09-02 | 交通运输部水运科学研究所 | 基于级联失效的港口石化区域运输风险预警方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10791137B2 (en) * | 2018-03-14 | 2020-09-29 | Synack, Inc. | Risk assessment and remediation |
-
2022
- 2022-10-28 CN CN202211330713.5A patent/CN115600900B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2004320849A1 (en) * | 2004-06-08 | 2005-12-29 | Greenline Systems, Inc. | Systems and subsystems for risk assessment and management |
CN105787677A (zh) * | 2016-03-31 | 2016-07-20 | 交通运输部水运科学研究所 | 石化港区事故风险区域定量评估方法 |
CN105894115A (zh) * | 2016-03-31 | 2016-08-24 | 交通运输部水运科学研究所 | 区域性港口重大危险源定量风险评估方法 |
CN114997757A (zh) * | 2022-08-04 | 2022-09-02 | 交通运输部水运科学研究所 | 基于级联失效的港口石化区域运输风险预警方法及系统 |
Non-Patent Citations (6)
Title |
---|
区间数熵权TOPSIS的港口安全管理成熟度评价;刘天寿;匡海波;刘家国;李晓东;王翠萍;;哈尔滨工程大学学报(05);全文 * |
基于AHP_熵权法的孟印缅地区洪水灾害风险评估;刘媛媛;王绍强;王小博;江东;N H Ravindranath;Atiq Rahman;Nyo Mar Htwe;Tartirose Vijitpan;;地理研究(08);全文 * |
基于熵权模糊模型的港区航道通航风险评价;孟贝贝;马全党;江福才;徐言民;;安全与环境学报(06);全文 * |
基于熵权理想点的集装箱港区安全评估模型与应用;陈继红;孟威;周康;张方伟;何新华;周鲍垠;;数学的实践与认识(09);全文 * |
基于贝叶斯网络的港口干散货货运风险预测研究;黄磊;崔维平;宋容嘉;王英;;北京交通大学学报(社会科学版)(02);全文 * |
大型石化港区安全风险评估指标体系与评估方法;夏庆;申瑞婷;;水运工程(10);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115600900A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115600900B (zh) | 一种用于石化港区的安全风险评估方法、系统和存储介质 | |
Zio | The future of risk assessment | |
Zhou et al. | Assessing and mapping maritime transportation risk based on spatial fuzzy multi-criteria decision making: A case study in the South China sea | |
Jongejan et al. | Quantifying flood risks in the Netherlands | |
Nielsen et al. | Computational framework for risk-based planning of inspections, maintenance and condition monitoring using discrete Bayesian networks | |
de Guzman et al. | Towards total disaster risk management approach | |
Runge et al. | Structured decision making | |
Shen et al. | Risk assessment of serious crime with fuzzy random theory | |
CN110289995A (zh) | 基于利用属性攻击图的社交网络行为监控方法及装置 | |
Chockalingam et al. | Bayesian network model to distinguish between intentional attacks and accidental technical failures: a case study of floodgates | |
Ruiz-Tagle et al. | BaNTERA: A Bayesian network for third-party excavation risk assessment | |
Karbowski et al. | Critical infrastructure risk assessment using Markov chain model | |
Ruan et al. | Deep learning-based fault prediction in wireless sensor network embedded cyber-physical systems for industrial processes | |
Messner et al. | Port adaptation for climate change: The roles of stakeholders and the planning process | |
Jiabi et al. | Broad‐scale reliability analysis of the flood defence infrastructure within the T aihu B asin, C hina | |
König et al. | Parametrization of Probabilistic Risk Models | |
Šarūnienė et al. | Risk assessment of critical infrastructures: A methodology based on criticality of infrastructure elements | |
Bier et al. | 15 Probabilistic Risk Analysis for Engineered Systems | |
Cook et al. | Review of the potential of seabird colony monitoring to inform monitoring programmes for consented offshore wind farm projects | |
Moradpoor et al. | The Threat of Adversarial Attacks Against Machine Learning-based Anomaly Detection Approach in a Clean Water Treatment System | |
Obeng et al. | An operational risk management approach for small fishing vessel | |
Tang et al. | Decision support system for designing integrated coastal berths and entrance-channel systems | |
Moya et al. | Defensing against measurement attacks on sub-transmission level | |
Wijnans | Economically optimal flooding probabilities in the Eastern Scheldt area | |
Hojjat Ansari et al. | Flood Teleconnections From Levees Undermine Disaster Resilience |
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 |