CN116050827A - 一种城市地下综合管廊电缆舱火灾风险评估方法 - Google Patents
一种城市地下综合管廊电缆舱火灾风险评估方法 Download PDFInfo
- Publication number
- CN116050827A CN116050827A CN202211639883.1A CN202211639883A CN116050827A CN 116050827 A CN116050827 A CN 116050827A CN 202211639883 A CN202211639883 A CN 202211639883A CN 116050827 A CN116050827 A CN 116050827A
- Authority
- CN
- China
- Prior art keywords
- fire
- cable
- model
- probability
- analysis
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012502 risk assessment Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000011161 development Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013077 scoring method Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims description 76
- 238000011160 research Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000004888 barrier function Effects 0.000 claims description 12
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000013076 uncertainty analysis Methods 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 7
- 239000000523 sample Substances 0.000 description 7
- 238000002485 combustion reaction Methods 0.000 description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 5
- 239000003546 flue gas Substances 0.000 description 5
- 239000000779 smoke Substances 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 206010000369 Accident Diseases 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000010206 sensitivity analysis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000021907 Central cloudy dystrophy of François Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009970 fire resistant effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229920001169 thermoplastic Polymers 0.000 description 1
- 239000004416 thermosoftening plastic Substances 0.000 description 1
- 238000000844 transformation 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种城市地下综合管廊电缆舱火灾风险评估方法，涉及火灾风险评估技术领域。该城市地下综合管廊电缆舱火灾风险评估方法，具体包括基于电缆舱火灾后果分析研究和电缆舱火灾场景概率分析研究的方法步骤：S1.通过事故树和事件树分析方法分析得到电缆舱的火灾致因过程和火灾发展场景，构建电缆舱火灾从致灾因素到火灾后果的蝴蝶结模型；S2.通过映射方法和综合分析，实现蝴蝶结模型到贝叶斯模型的优化；S3.通过数据库、文献、专家打分法三者结合得到基本事件的发生概率。该城市地下综合管廊电缆舱火灾风险评估方法能够全面的分析风险，并进行精准的评估，从而增加管廊电缆舱的安全性。
Description
技术领域
本发明涉及火灾风险评估技术领域，具体为一种城市地下综合管廊电缆舱火灾风险评估方法。
背景技术
随着城市建设的不断发展，特别是在城市新区将很少看到传统的地面输电方式，进而取代的是地下综合管廊这种方式。综合管廊中容纳了城市正常运转所需的各种市政管线，因此管廊的消防安全问题需要高度重视。风险评估可以系统地对灾害的风险性进行科学的分析与评价，进而给管理者的风险防控管理工作提供理论依据和参考。风险评估在很多领域已得到广泛的研究和应用，诸如船舶、建筑、核电和工业利用风险评估有效的提升了风险管理的水平，因此开展综合管廊电缆舱火灾风险评估研究，对于电缆舱火灾风险的防控管理工作具有十分重要的现实意义。
综合管廊作为城市地下受限空间，主要可能发生地震、水涝、火灾等事故，其中火灾事故发生的可能性通常是最高的。一旦发生火灾，会导致管廊中设施设备以及管廊体结构的损坏，更严重的是可能导致电力、通信市政管线线路中断，影响城市部分区域的正常工作，造成巨大的经济损失。而且，由于我国管廊的发展处于刚起步阶段，针对城市地下综合管廊消防安全的研究比较少，且大部分研究都集中在综合管廊火灾燃烧发展规律和消防防控设计上，而针对管廊火灾风险评估的研究几乎没有，即便有也较为单一，针对城市地下综合管廊电缆舱火灾风险评估不够准确。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种城市地下综合管廊电缆舱火灾风险评估方法，解决了现有方法中针对城市地下综合管廊消防安全的研究比较少，针对火灾评估风险评估不够准确的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种城市地下综合管廊电缆舱火灾风险评估方法，具体包括基于电缆舱火灾后果分析研究和电缆舱火灾场景概率分析研究的方法步骤：
S1.通过事故树和事件树分析方法分析得到电缆舱的火灾致因过程和火灾发展场景，构建电缆舱火灾从致灾因素到火灾后果的蝴蝶结模型；
S2.通过映射方法和综合分析，实现蝴蝶结模型到贝叶斯模型的优化；
S3.通过数据库、文献、专家打分法三者结合得到基本事件的发生概率；
S4.将基本事件发生概率和安全屏障可靠性代入贝叶斯软件GeNIe中，得到各火灾场景发生概率，并通过贝叶斯推理分析电缆舱致因事件的敏感性和最大致因链；
S5.对火灾场景进行蒙特卡洛模拟，通过对不确定性输入参数进行抽样组合得到火灾模拟输入集，并代入火灾动力学软件CFAST中，得到火灾场景的温度、热释放速率演化规律，与火灾后果判据进行对比得到火灾后果评估结果；
S6.通过定义风险矩阵，对各电缆舱火灾场景的概率和后果分别进行等级评定，得到电缆舱火灾场景的风险等级。
优选的，所述电缆舱火灾场景概率分析研究还包括贝叶斯网络及模型转化、贝叶斯网路基本事件先验概率分析和火灾关键风险致因因素识别。
优选的，所述电缆舱火灾后果分析研究还包括火灾模型选择、火灾参数不确定性分析和火灾模拟后果判据。
优选的，所述方法还包括电缆舱火灾风险矩阵。
优选的，所述电缆舱火灾风险矩阵包括电缆舱火灾场景发生概率、电缆舱火灾场景的后果定量表达和风险矩阵。
优选的，所述电缆舱火灾场景概率分析研究还包括基于BT的贝叶斯模型转化。
(三)有益效果
本发明提供了一种城市地下综合管廊电缆舱火灾风险评估方法。具备以下有益效果：
本发明提供了一种城市地下综合管廊电缆舱火灾风险评估方法，该火灾风险评估方法主要有两个部分，一是电缆舱火灾场景概率分析研究，二是电缆舱火灾后果分析研究，电缆舱的火灾场景以及发生概率是通过将蝴蝶结模型转化为贝叶斯网络模型，并结合基本事件概率和安全屏障可靠性概率计算得到的电缆舱各火灾场景的发生概率，其中，通过蝴蝶结模型向贝叶斯网络模型的转换，很好的解决了不能表达事件间的不确定性因果关系，同时针对部分无法从相关数据库和文献中获取的电缆舱火灾基本事件失效概率，利用模糊专家评估法获得，电缆舱的火灾动力学演化以及后果研究主要是通过数值模拟结合参数的不确定性分析实现，其中，火灾模型输入参数的不确定性分析通过蒙特卡洛模拟实现，利用拉丁超立方抽样方法对火源参数、电缆舱基本参数、消防屏障参数火灾模型输入参数的概率分布进行抽样组合，进而实现了将参数的不确定性分析耦合到电缆舱火灾的数值模拟中，数值模拟采用了双区域模型CFAST，通过将电缆舱火灾的模拟结果与电缆舱火灾危险的判据进行了比较，获得了电缆舱各火灾场景的定量后果评估，最后通过耦合电缆舱各火灾场景的发生概率和电缆舱危险的火灾后果，得到电缆舱火灾风险的定量评估，使得本发明提出的火灾风险评估方法相较于传统的基于火灾发生随机不确定性的风险分析，通过耦合火灾动力学数值模拟使火灾风险分析更为准确，另外，与仅开展火灾确定性定律研究的传统火灾风险分析相比，该方法还考虑了火灾模型输入参数的不确定性以及安全屏障的不同组合对火灾风险的影响，因此，此方法更适合于定量火灾风险分析。
附图说明
图1为本发明的电缆舱火灾风险的定量评估方法框架图；
图2为本发明公式二的贝叶斯网络结构图；
图3为本发明的BT模型转化BN模型流程图；
图4为本发明的FT到BN的映射算法图表；
图5为本发明的ET到BN的映射算法图表；
图6为本发明的模糊专家评估法图表；
图7为本发明的基于层次分析法的专家能力指标体系图；
图8为本发明的隶属度函数和语言变量之间的关系图；
图9为本发明的GeNIe软件界面图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
如图1-9所示，本发明实施例提供一种城市地下综合管廊电缆舱火灾风险评估方法，具体包括基于电缆舱火灾后果分析研究和电缆舱火灾场景概率分析研究的方法步骤：
S1.通过事故树和事件树分析方法分析得到电缆舱的火灾致因过程和火灾发展场景，构建电缆舱火灾从致灾因素到火灾后果的蝴蝶结模型；
S2.通过映射方法和综合分析，实现蝴蝶结模型到贝叶斯模型的优化；
S3.通过数据库、文献、专家打分法三者结合得到基本事件的发生概率；
S4.将基本事件发生概率和安全屏障可靠性代入贝叶斯软件GeNIe中，得到各火灾场景发生概率，并通过贝叶斯推理分析电缆舱致因事件的敏感性和最大致因链；
S5.对火灾场景进行蒙特卡洛模拟，通过对不确定性输入参数进行抽样组合得到火灾模拟输入集，并代入火灾动力学软件CFAST中，得到火灾场景的温度、热释放速率演化规律，与火灾后果判据进行对比得到火灾后果评估结果；
S6.通过定义风险矩阵，对各电缆舱火灾场景的概率和后果分别进行等级评定，得到电缆舱火灾场景的风险等级
基于上述方法其中有电缆舱火灾场景概率分析研究
贝叶斯网络及模型转化
现有的事故树和事件树不能很好地表达事件间的不确定性关系，为了电缆舱火灾场景概率计算的准确性，发明选用能进行不确定性知识表达的贝叶斯网络来分析电缆舱火灾场景概率。贝叶斯网络主要有图元转化、专家意见、学习和混合建模方式，结合火灾发展全过程分析，本发明的贝叶斯网络可通过蝴蝶结转化得到。
贝叶斯网络(BN)与蝴蝶结模型相似，贝叶斯模型是一种结合概率论和图论的概率图形化模型，能对不确定性问题进行表达和推理分析。贝叶斯网络由网络结构和条件概率表(Conditional probability table，简称CPT)组成，因此可用二元组描述：
BN＝(G，P) (公式一)
网络结构G描述的是BN中的各节点间的定性关系。网络结构有节点和有向边组成，因此可用二元组描述：
G＝(V，E) (公式二)
其中V＝{v1，…，vn}表示节点的集合，n表示节点的数目，节点vi表示随机变量；E＝{e1，…，en}表示有向边的集合，m表示有向边数目，节点ei表示节点间的因果关系。例如对于j≠k，vj为vk的父节点，vk为vj的子节点。vj的父节点集合表述为parents(vj)，若一个节点无节点指向它则是根节点，若一个节点无指向节点则是叶节点。公式二中的x1、x2、x3为根节点，x5为叶节点，x4为中间节点。
P表示贝叶斯网络的联合概率分布，根据BN所隐含的条件独立性假设，贝叶斯网络的联合概率P(x1，x2，…，xn)可表示为：
其中，xi为第i个贝叶斯网络节点；parent(xi)为第i个父节点。则图2中贝叶斯网络的联合概率分布函数为：
P(x1，x2，x3，x4，x5)＝P(x5|x4，x1)P(x4|x2，x3)P(x3)P(x2)P(x1) (公式四)
其中，x1，x2，x3，x4，x5为基本事件；P(x1，x2，x3，x4，x5)为联合失效概率。
利用贝叶斯网络的联合概率分布可计算叶节点T的发生概率：
P(T＝1)＝∑P(T＝1|parent(T))P(parent(T)) (公式五)
其中，parent(T)为顶上节点T的父节点集合。
贝叶斯网络推理在节点先验概率和条件概率表确定的情况下，某个节点变量发生变化，则可以利用该节点的新信息更新贝叶斯网络的其他节点变量概率，从而实现局部变量更新引发全网络变量更新[64]，其后验概率动态更新的公式：
其中，P(U\E)表示节点变量E发生情况下节点变量U的后验概率，P(U，E)表示为节点变量E、U都发生的概率，P(E)为节点变量E的先验概率。
贝叶斯网络的应用中，正向推理和逆向推理最常使用。其中，正向推理主要用作预测分析，这种情况需要给出根节点的先验概率和所有子节点的条件概率，则叶节点的发生概率便可计算出来；逆向推理主要用作诊断分析，其原理同计算方式。
基于BT的贝叶斯模型转化
BN于复杂系统失效建模和风险分析中，被证明是一个能够进解决不确定性知识表达最有效的的有效工具。BN是一种概率图形化模型，由有向无环图和条件概率表组成，其中节点代表随机变量，有向弧代表节点间的因果关系，CPT代表变量间的数学逻辑转化。但BN能克服BT模型的静态结构、不能处理复杂系统不确定性问题的缺陷，因此通过利用映射算法将BT转化为BN。转化如图3所示。BT中的基本事件、中间事件、顶事件、安全屏障和事故后果分别转化为BN的根节点、子节点、叶节点、安全屏障节点和后果节点，重复事件共用一个节点，逻辑门的逻辑关系对应BN中CPT(条件概率)，具体见图4、图5
贝叶斯网路基本事件先验概率分析
目前，贝叶斯网络基本事件的失效概率主要来源于相关数据库、文献以及专家打分法，多数学者采用将数据库、文献、专家打分法三者结合起来使用。由于目前国内外还未曾建立电缆舱火灾数据库，本文综合管廊电缆舱火灾事故基本事件的概率来自电力电缆行业失效数据库(如美国电力研究所EPRI、美国核管会NRC)，或相关文献，或现场专家反馈。
其中专家打分法的种类有很多，其中提出的一种模糊专家评估法(见图6)应用较为广泛，其主要步骤如下：
步骤1.成立专家评价小组，收集事件风险状态的自然语言表达。
鉴于不同的专家往往有不同的意见，通常采用多专家评分方法，专家可以是熟悉综合管廊的安全管理人员、设计人员以及科研人员。专家参考相关数据库、文献、自身经验以及电缆舱实际情况，对电缆舱火灾基本事件失效可能性作出评价。一般无法直接给出事件发生的精确概率，专家只能用“非常低(VL)，低(L)，中(M)，高(H)和非常高(VH)”模糊自然语言将电缆舱火灾基本事件描述为五个级别。
由于专家学历、经验和认知的不同，专家们的评价结果往往无法达成一致，需要专家们的评价结果加权整合，可使用Clemen和Winkler提出的线性合并方法进行综合，公式如下：
其中fi表示事件i的综合模糊数，wej表示专家j的权重，Aij表示专家j给出的事件i的模糊数，m表示事件数量，n表示专家数量。
本文选取了4位来自综合管廊设计领域、科研领域以及管理领域方面的专家组成了专家评估小组，考虑到各专家对于综合管廊的评判能力存在一定差别，通过对专家的职称、学历和工龄三方面进行比较衡量，采用层次分析法确定各专家的权重，其中，分配给专家权重因素的分数参考表图1，专家能力评估指标体系如图7所示。
表1专家权重因素分数表
表2专家情况说明表
根据4位专家的具体情况(见表2)，然后利用MATLAB软件计算得到各专家的权重结果如下：
wej＝(we1，we2，we3，we4)＝(0.3429，0.2402，0.2640，0.1529)
步骤2.将自然语言表达式转换为模糊数。
现有的一种数值近似方法。将语言表达转换为相应的模糊数。模糊数通过模糊隶属度函数表示。此外，在模糊理论中通常应用三角和梯形模糊隶属函数。本文选用三角模糊隶属函数，建立了与专家语言变量兼容的隶属函数如图8所示，其相应的隶属函数公式如下：
步骤3.将模糊数转换为失败概率。
将模糊数转换为事件概率的方法包括两个部分，将模糊数转换为模糊可能性和将模糊可能性转换为事件失效概率。
为了将模糊数转换为模糊可能性，可采用左右模糊排序法，其公式如下：
其中，FM表示模糊可能性，FMML和FMR则表示模糊数的左右模糊可能性，其定义如下：
FML＝sup[fM(x)∧fmin(x)] (公式十)
FMR＝sup[fM(x)∧fmax(x)] (公式十一)
其中，为表示模糊数的隶属函数，和则表示模糊最大和最小集，其定义如下：
将为了模糊可能性转换为事件失效概率，可采用经验公式计算，其公式如下：
火灾关键风险致因因素识别
本发明的电缆舱火灾风险贝叶斯网络模型选择在GeNle(Graphical NetworkInterface)软件上建立，该软件支持用户在构建贝叶斯网络时，可以直接拖拽界面上的节点和连线，具有操作简单的优点。同时GeNIe具备贝叶斯网络模型的推理功能，能实现贝叶斯网络的正向推理和逆向推理，通过GeNIe的正向推理功能按钮能一键得到电缆舱火灾场景发生概率，通过GeNIe的逆向推理功能能对贝叶斯网络进行快速的逆向推理分析、敏感性分析以及最大致因链分析。本小节是对电缆舱火灾的关键风险致因因素进行分析，因此只分析蝴蝶结模型中的事故树转化而来的贝叶斯网络结构。
(1)贝叶斯网络逆向推理分析
通过贝叶斯网络的逆向推理分析，可以研究不同基本事件对顶事件发生概率的影响程度。在GeNIe软件中将叶节点的状态设置为发生，即顶事件的发生概率为100％，可以得到基本事件和中间事件的后验概率。通过呈现出来的贝叶斯网络图中各节点的概率，可以看出哪些基本事件对顶事件的影响最为突出。
(2)贝叶斯网络敏感性分析
贝叶斯网络敏感性分析主要是为了找出小幅度变化便能造成系统失效概率产生较大变化的关键节点，在GeNIe软件中对应的敏感性分析功能按钮如图所示，红色节点则是所求的关键节点。
另外，利用比例变化法(Ratio of Variation，简称ROV)对基本事件进行敏感度分析，可得到各基本事件的ROV值，ROV的计算公式如下：
其中，π(Xi)、θ(Xi)分别为基本事件Xi的后验概率和先验概率。
ROV值描述了基本事件对系统失效的贡献度，ROV值越大说明该基本事件对于系统失效的贡献越大，说明该基本事件成为关键风险因素(Critical Risk Factor，CRF)的潜质越大，需要在平时的安全监控管理工作中重点监管。另外，基本事件的先验概率越大，该事件在系统工作过程发生的可能性越大，也应在日常的安全监控管理工作加强监控力度。
(3)贝叶斯网络最大致因链分析
贝叶斯网络最大致因链分析是为了找出节点之间的影响和依赖程度，分析可能致使顶事件发生的路径。在GeNIe软件中对应的最大致因链分析功能按钮如图9所示，链路的粗细表示致因链的可能性高低，最粗的链路代表着最大致因链。
电缆舱火灾后果分析研究
火灾具有随机性和确定性，其中随机性不仅体现在火灾场景的发生概率上，也体现在火灾会随时间演变受到许多不确定性因素的影响，从而造就不同的火灾后果，当这些不确定性因素确定的情况下，火灾的确定性后果便能通过数值模拟获得。火灾发展过程中存在很多不确定因素：首先，可燃物着火后，可燃物的燃烧特性和数量直接决定了火灾的燃烧时间和火灾的危险程度；其次，火灾发生后火灾所处的环境对火灾的发展也有一定的影响，如传统建筑和地下空间的火灾，由于地下空间与地面建筑相比，比较狭窄且通风性能差，火灾往往更为严重，造成的损失也更为严重；最后，建筑物中通常都配有自动报警、自动灭火消防设施，这些消防系统在火灾发生后是否动作以及是否有消防部队、专职消防队外部消防力量的及时介入，都会对火灾的发展产生决定性影响。因此，电缆舱火灾后果的分析就是在不确定性因素确定的条件下，研究电缆舱火灾发展过程中的确定性规律，同时也可以为火灾的消防控制措施提供相应参考，从而减轻火灾所带来的后果损失。
电缆舱火灾后果的定量评估是为了得到火灾发生过程中的火场温度火灾环境参数，进而与火灾后果严重性判据进行比较，因此需要选择合适的火灾模拟模型。
火灾模型选择
目前随着科研工作者在火灾模拟方面的不断研究，火灾模拟的方法越来越多。常用的火灾模型主要有三类，分别是经验模型、区域模型以及场模型。经验模型虽然计算速度快，但精度不高；场模型计算周期长，对计算资源要求高。考虑到火灾模拟的不确定性，为了火灾后果评估的准确性，本发明选用了MonteCarlo模拟方法解决火灾模拟不确定性问题，因此需要多次数地调用模拟模型进行模拟，这就需要火灾模拟模型既能计算速度快，又要计算精度高。区域模型相较于经验模型和场模型，计算速度和计算精度适中，因此更为适合综合管廊电缆舱火灾后果评估。
通过调研发现计算机火灾模拟方法的数量虽然在不断攀升，但区域模型在解决工程问题方面存在着便捷高效的优势，因此区域模型在日常实践中也得到了普遍的应用。企业工程师、政府消防人员、消防材料开发商和制造商、消防科研工作者以及高校教育人员都在使用火灾区域模型。区域模型在防火性能设计，火灾事故后的重建以及火灾风险评估中更是得到了大力运用。
双区域模拟CFAST简介
NIST开发的CFAST(ConsolidatedFireAndSmokeTransport)是目前所有双区域模型中运用最广，同时也是最成熟的，它将模拟的隔间分成上部烟气层和下部空气层，它假设上下两个区域内的温度、烟气浓度参数都是均匀的。模型主要依据质量守恒定律、动量守恒定律和能量守恒定律导出的常微分方程，描述火灾燃烧产物通过羽流从隔间下层流动到隔间上层的时间演化。由于模型运算方程式相对简单，CFAST模拟通常只需要几十秒到几分钟的时间。
CFAST通过质量、压力、内能、体积、密度、温度方程组进行求解，守恒方程组如下：
质量微分方程：
压力微分方程：
内能微分方程：
体积微分方程：
密度微分方程：
温度微分方程：
其中，cp是定压比热容，单位为J/(kg·K),γ是热容比；P是模拟隔间内的压力，模拟隔间是一个整体，假设上层烟气层和下层冷空气层的压力相同，单位为Pa；VU、VL分别是上层热烟气层和下层冷空气层体积，单位为m3；TU、TL分别是上层烟气层和下层冷空气层温度，单位为K；ρU、ρL分别是上层烟气层和下层冷空气层密度，单位为kg/m3；MU、ML风别是进入上层烟气层和下层冷空气层的气体质量流量，单位为kg/s；E是模拟隔间内气体的内能，单位为J；hU、hL分别是上层烟气层和下层冷空气层气体热增量，单位为J/s。
双区域模型CFAST的模拟要求
双区域模型CFAST模拟狭长空间火灾时，会出现与实际火灾相去甚远的模拟失真现象。由双区域模型CFAST在狭长空间火灾中的应用，通过对楼道进行了虚拟的物理分割，将楼道分成几个独立隔间，即将隔间的墙壁设置为空(完全敞开)，火灾模拟结果与实际火场基本相符。通过李贵们的研究，验证了将狭长空间分割至合理的独立空间进行模拟，可以有效避免双区域模型CFAST直接模拟分析狭长空间火灾时的失真问题，拓宽了CFAST的运用范围。
表3CFAST推荐的区域尺寸比例
在双区域模型CFAST中，为了模拟效果更贴合实际，软件给出了隔间尺寸比例建议表3。其中，L、W、H分别为隔间的长度、宽度和高度。对于狭长空间，由于不满足推荐的隔间尺寸比例条件，所以需要将狭长空间分隔成多个符合要求的隔间。在CFAST模拟模型设置过程中，需要将各个隔间之间的公共面完全打通，设为通风口，且通风口大小与公共面大小相同。根据相关文献，CFAST模拟时宜设置30个隔间。
火灾参数不确定性分析
因为火灾本身具有一定的随机不确定性，所以火灾模拟的很多输入参数难以用一个确切的值来代表，这就是火灾参数的不确定性。针对于此，国内外的学者展开了大量相关研究，力图解决减少参数的不确定性对于火灾事故模拟结果的影响。通过研究火灾参数不确定性对烟气层温度的影响，得出了热释放速率HRR(HeatReleaseRate)对烟气层温度影响最大的结论；研究了探测系统的不确定性对火灾模拟结果的影响；研究了固定灭火系统的不确定性对火灾模拟结果的影响。
通过前人的研究可以发现，研究火灾参数的不确定性对于火灾模拟结果的影响时，将CFAST软件输入的不确定性参数归纳为三类：
一是火源参数，包块热释放速率HRR(HeatReleaseRate)、燃烧热(HeatofCombustion)；
二是模拟空间的结构环境参数，包括内外环境温度、舱室尺寸、内部布置及可燃物材料；
三是消防安全屏障参数，包括固定系统灭火动作温度、探测器响应时间指数。
表4火灾不确定性参数分布特征
1.不确定性参数的确定
火灾参数难以用一个具体的值来表示，但前人通过火灾统计得到了火灾参数的分布情况，这些参数主要要服从正态分布。由于本文模拟的是某个具体综合管廊，舱室尺寸和内部布置是可以确定，不存在不确定性。存在不确定性的是环境温度和可燃物材料，电缆舱内的可燃物材料主要是电缆，因此要考虑环境温度、电缆密度、电缆导热系数参数；电缆舱内有固定系统灭火，因此还要考虑固定系统灭火动作温度以及探测器响应时间指数参数。综上所述，本文考虑的不确定性参数主要有燃烧热、单位面积热释放速率、环境温度、固定系统灭火动作温度、探测器响应时间指数RTI、电缆密度、电缆导热系数，其分布特征如表4所示。
2.参数不确定性分析方法
在确定了电缆舱火灾模拟中的不确定性参数集其分布特征后，下一步便是研究如何克服火灾模拟的不确定性参数对火灾模拟结果的影响。目前，能实现将火灾参数不确定性耦合到火灾模拟中的不确定性分析方法有很多，其中Monte Carlo模拟是被应用的最频繁的。因此本文选择Monte Carlo模拟方法来解决火灾模拟参数的不确定性影响问题，简单且鲁棒性高，常常被用来作为检验其它方法的基准。
Monte Carlo模拟是通过利用各随机变量生成的一组随机数组合样本来近似解决不确定性问题的方法，由每个随机变量的概率分布生成的随机变量值，随机组合生成一系列模拟参数样本，并应用这系列模拟参数样本进行一系列模拟，最后对模拟结果进行统计分析。因此，本文结合了双区域模型CFAST和Monte Carlo模拟的不确定性分析的具体步骤如下：
①筛选前文确定的火灾场景中某一火灾场景(i)，并确定该火灾场景涉及到的相关火灾模拟参数(CFAST输入参数)；
②确定每个火灾模拟参数的取值范围(即分布特征的取值范围)；
③对火灾模拟参数进行抽样组合(抽样样本数量为N)，得到N组模拟参数输入样本；
④将N组模拟参数输入样本依次输入CFAST中进行模拟，得到N组该火灾场景下的模拟结果；
⑤对N组CFAST的模拟结果进行统计分析。
若采用危险等级划分火灾的模拟后果，则场景i的危险等级为
其中，N代表双区域模型CFAST模拟时的样本总数，代表火灾场景i在第j组样本模拟下的火灾后果严重度等级。
在整个火灾模拟参数不确定分析的过程中，抽样方法的选择关系着参数抽样的合理性和不确定性分析的精准性。因此，本文采用拉丁超立方抽样(Latin HypercubeSampling，LHS)。拉丁超立方抽样是将不确定性变量的概率分布函数在水平轴上等量地分成N段区间，再在每段区间抽取一个样本，从而得到N个样本。该方法利用了等量分层再抽样的技术，跟利用随机数抽样相比，在抽取相同样本数量的情况下，抽取的样本更切合随机变量的分布特征，由此进行模拟得到的结果的精度更高，因此能达到抽取较少的样本数反映随机变量的不确定性问题。
由于对火灾参数不确定性进行分析时，进行了抽样组合得到若干组火灾模拟输入样本，且每组火灾模拟输入样本都不同，以至于火灾模拟后得到的若干组模拟结果都不经相同，因此对火灾模拟结果进行统计分析时，需要绘制经验累积概率分布(CDF)或者补足累积概率分布(CCDF)。CDF可以直观地反映变量随着区间的增加而发生的概率累计情况。因此，本文的火灾模拟后果主要采用CDF来表征。
火灾模拟后果判据
综合管廊建设在地下，除了管理人员的定期检查，平时是处于没有人的一个状态。因此，对于综合管廊电缆舱火灾后果的分析主要考虑火灾对于廊体结构以及电缆舱电缆材料的损坏大小。CFAST双区模型分析火灾是将火灾空间分成上下两个区域，即上层为热，下层为冷空气层，且两个区域内的参数均匀分布。因此本文对火灾上层温度模拟结果进行统计分析，并以此来判别火灾破坏后果大小。
表5模拟隔间火灾后果严重度等级标准
表6廊体火灾后果严重度等级标准
根据前人的研究，通常通过衡量建筑物以及建筑物内其他物品的损失来量化火灾后果。电缆舱内主要存在着电缆和电子设备等物品，因此结合电缆舱的实际情况，本文根据电子设备、电缆以及混凝土的耐火临界温度来对电缆舱火灾后果进行分级度量。根据美国核管理委员会(nuclear regulatory commission，NRC)的研究表明，PVC热塑性电缆临界失效温度约为200℃。根据相关研究发现：电子设备一般在150℃开始出现损坏；混凝土在300℃之后强度值损失比较严重，在400℃以后损失迅速且性能难以恢复。因此结合本文的模拟情况，通过对30个模拟隔间的火灾温度进行后果严重度评级，并将30个隔间的风险等级进行加权平均得到管廊整体的火灾后果等级。表5给出了模拟隔间火灾后果严重度的等级判断标准，表6给出了廊体火灾后果严重度的等级判断标准。
电缆舱火灾风险矩阵
(1)电缆舱火灾场景发生概率
按照前文所描述的方法确定贝叶斯网络基本事件先验概率，结合安全屏障的可靠性概率，利用贝叶斯理论便可计算得到综合管廊电缆舱各火灾场景的发生概率。
(2)电缆舱火灾场景的后果定量表达
电缆舱的火灾后果是在双区域模型CFAST的基础上，结合不确定性分析方法蒙特卡洛模拟得到，并通过与火灾模拟后果判据的比较对其定量化表达。由于模拟时，将廊体结构分成了30个隔间，且火灾后果危险判据为温度，所以通过对每个隔间的危险等级进行加权平均得到电缆舱整体的火灾后果等级。因此，火灾场景i每次模拟时的火灾后果严重度等级为：
其中，m代表模拟对象的隔间数目，代表火灾场景i在第j组样本模拟下的火灾后果严重度等级，表示火灾场景i在第j组样本模拟下第k间隔间的火灾后果严重度等级。
因此，结合公式二十三和二十四，得到火灾场景i的火灾后果严重度等级为：
表7火灾场景发生概率等级标准
(3)风险矩阵
为了全面评估和分析电缆舱的火灾风险事故，以便提出可行的防控风险决策，有必要对不同火灾场景的风险等级进行分级。在风险矩阵基础上，结合工程实践，表7给出了火灾场景发生概率的等级判断标准，表8给出了综合管廊电缆舱火灾的风险矩阵，表9给出了综合管廊电缆舱火灾风险矩阵中的风险等级划分标准。
表8风险评估矩阵
表9风险等级划分标准
基于上述方法，其中火灾场景以及发生概率研究模块则中，通过将蝴蝶结模型转化为贝叶斯模型，结合基本事件概率和安全屏障可靠性概率计算得到电缆舱各火灾场景的发生概率，并针对贝叶斯网络模型进行推理分析，识别出电缆舱火灾的关键致因因素。
火灾动力学演化以及后果研究模块中，本文采用蒙特卡洛模拟的方法解决火灾模型输入参数的不确定性，通过对评估系统以及文献的调研，确定火源参数、电缆舱基本参数、消防屏障参数火灾模型输入参数的概率分布，然后利用拉丁超立方抽样方法对火灾模型输入参数的抽样组合，进而实现了将火灾模型输入参数的不确定性耦合到电缆舱火灾动力学模拟中。本文选用双区域模型CFAST作为电缆舱的火灾动力学模拟模型，利用该火灾模型计算分析电缆舱各火灾场景的演化规律，得到温度、热释放速率火灾的热危害性输出参数。电缆舱的火灾后果则是将火灾数值模拟的结果与危险判据进行比对得到。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种城市地下综合管廊电缆舱火灾风险评估方法，其特征在于，具体包括基于电缆舱火灾后果分析研究和电缆舱火灾场景概率分析研究的方法步骤：
S1.通过事故树和事件树分析方法分析得到电缆舱的火灾致因过程和火灾发展场景，构建电缆舱火灾从致灾因素到火灾后果的蝴蝶结模型；
S2.通过映射方法和综合分析，实现蝴蝶结模型到贝叶斯模型的优化；
S3.通过数据库、文献、专家打分法三者结合得到基本事件的发生概率；
S4.将基本事件发生概率和安全屏障可靠性代入贝叶斯软件GeNIe中，得到各火灾场景发生概率，并通过贝叶斯推理分析电缆舱致因事件的敏感性和最大致因链；
S5.对火灾场景进行蒙特卡洛模拟，通过对不确定性输入参数进行抽样组合得到火灾模拟输入集，并代入火灾动力学软件CFAST中，得到火灾场景的温度、热释放速率演化规律，与火灾后果判据进行对比得到火灾后果评估结果；
S6.通过定义风险矩阵，对各电缆舱火灾场景的概率和后果分别进行等级评定，得到电缆舱火灾场景的风险等级。
2.根据权利要求1所述的一种城市地下综合管廊电缆舱火灾风险评估方法，其特征在于：所述电缆舱火灾场景概率分析研究还包括贝叶斯网络及模型转化、贝叶斯网路基本事件先验概率分析和火灾关键风险致因因素识别。
3.根据权利要求1所述的一种城市地下综合管廊电缆舱火灾风险评估方法，其特征在于：所述电缆舱火灾后果分析研究还包括火灾模型选择、火灾参数不确定性分析和火灾模拟后果判据。
4.根据权利要求1所述的一种城市地下综合管廊电缆舱火灾风险评估方法，其特征在于：所述方法还包括电缆舱火灾风险矩阵。
5.根据权利要求4所述的一种城市地下综合管廊电缆舱火灾风险评估方法，其特征在于：所述电缆舱火灾风险矩阵包括电缆舱火灾场景发生概率、电缆舱火灾场景的后果定量表达和风险矩阵。
6.根据权利要求1所述的一种城市地下综合管廊电缆舱火灾风险评估方法，其特征在于：所述电缆舱火灾场景概率分析研究还包括基于BT的贝叶斯模型转化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211639883.1A CN116050827A (zh) | 2022-12-20 | 2022-12-20 | 一种城市地下综合管廊电缆舱火灾风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211639883.1A CN116050827A (zh) | 2022-12-20 | 2022-12-20 | 一种城市地下综合管廊电缆舱火灾风险评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116050827A true CN116050827A (zh) | 2023-05-02 |
Family
ID=86124714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211639883.1A Pending CN116050827A (zh) | 2022-12-20 | 2022-12-20 | 一种城市地下综合管廊电缆舱火灾风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116050827A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777223A (zh) * | 2023-07-31 | 2023-09-19 | 正元地理信息集团股份有限公司 | 一种城市地下管网安全综合风险评估方法及系统 |
| CN118015198A (zh) * | 2024-04-09 | 2024-05-10 | 电子科技大学 | 一种基于卷积神经网络图像处理的管廊火灾风险评估方法 |
| CN118114993A (zh) * | 2024-04-28 | 2024-05-31 | 中交一航局第三工程有限公司 | 基于蝴蝶结模型和贝叶斯网络的深大基坑风险评估方法 |
-
2022
- 2022-12-20 CN CN202211639883.1A patent/CN116050827A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777223A (zh) * | 2023-07-31 | 2023-09-19 | 正元地理信息集团股份有限公司 | 一种城市地下管网安全综合风险评估方法及系统 |
| CN116777223B (zh) * | 2023-07-31 | 2024-05-10 | 正元地理信息集团股份有限公司 | 一种城市地下管网安全综合风险评估方法及系统 |
| CN118015198A (zh) * | 2024-04-09 | 2024-05-10 | 电子科技大学 | 一种基于卷积神经网络图像处理的管廊火灾风险评估方法 |
| CN118015198B (zh) * | 2024-04-09 | 2024-06-18 | 电子科技大学 | 一种基于卷积神经网络图像处理的管廊火灾风险评估方法 |
| CN118114993A (zh) * | 2024-04-28 | 2024-05-31 | 中交一航局第三工程有限公司 | 基于蝴蝶结模型和贝叶斯网络的深大基坑风险评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116050827A (zh) | 一种城市地下综合管廊电缆舱火灾风险评估方法 | |
| Yazdi et al. | Application of fuzzy fault tree analysis based on modified fuzzy AHP and fuzzy TOPSIS for fire and explosion in the process industry | |
| Purba et al. | Fuzzy probability based fault tree analysis to propagate and quantify epistemic uncertainty | |
| Jianxing et al. | Risk assessment of submarine pipelines using modified FMEA approach based on cloud model and extended VIKOR method | |
| Pasman et al. | How can we use the information provided by process safety performance indicators? Possibilities and limitations | |
| Alzbutas et al. | Risk and uncertainty analysis of gas pipeline failure and gas combustion consequence | |
| CN103679558A (zh) | 电动汽车充换电站火灾风险数据评估方法 | |
| CN111126853A (zh) | 基于模糊fmea的水利工程风险预警分析方法及系统 | |
| He et al. | Classification technique for danger classes of coal and gas outburst in deep coal mines | |
| Chen et al. | Comprehensive evaluation model for coal mine safety based on uncertain random variables | |
| Xu et al. | A beetle antennae search improved BP neural network model for predicting multi-factor-based gas explosion pressures | |
| Hai et al. | Dynamic coupling risk assessment model of utility tunnels based on multimethod fusion | |
| Li et al. | Fire risk assessment of high-rise buildings under construction based on unascertained measure theory | |
| Salem | Fire engineering tools used in consequence analysis | |
| Zavadskas et al. | Multiattribute selection from alternative designs of infrastructure components for accidental situations | |
| Wang et al. | Dynamic optimisation of evacuation route in the fire scenarios of offshore drilling platforms | |
| Chen et al. | An integrated EDIB model for probabilistic risk analysis of natural gas pipeline leakage accidents | |
| Hao et al. | Scenario deduction of Natech accident based on dynamic Bayesian network: A case study of landslide accident in a liquor storage tank area in Guizhou Province, China | |
| Moayedi et al. | Green building’s heat loss reduction analysis through two novel hybrid approaches | |
| Zhang et al. | An improved failure mode and effect analysis method for group decision-making in utility tunnels construction project risk evaluation | |
| Pang et al. | Research on quantitative risk assessment method of dust explosion based on Bayesian network | |
| Huang et al. | Entropy weight-logarithmic fuzzy multiobjective programming method for evaluating emergency evacuation in crowded places: A case study of a university teaching building | |
| Zhang et al. | Analysis and research on fire safety of university dormitory based on Bayesian network | |
| Zhang et al. | A new pre-assessment model for failure-probability-based-planning by neural network | |
| Zhou et al. | Risk index assessment for urban natural gas pipeline leakage based on artificial neural network |
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 |