CN116957343A - 一种天然气运输安全风险分析方法及系统 - Google Patents
一种天然气运输安全风险分析方法及系统 Download PDFInfo
- Publication number
- CN116957343A CN116957343A CN202311208017.1A CN202311208017A CN116957343A CN 116957343 A CN116957343 A CN 116957343A CN 202311208017 A CN202311208017 A CN 202311208017A CN 116957343 A CN116957343 A CN 116957343A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- transmission path
- fault
- natural gas
- 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
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 264
- 239000003345 natural gas Substances 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012502 risk assessment Methods 0.000 title claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 250
- 238000012216 screening Methods 0.000 claims abstract description 100
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012764 semi-quantitative analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q50/06—Energy or water supply
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Pipeline Systems (AREA)
Abstract
本发明公开了一种天然气运输安全风险分析方法及系统，属于安全管控领域，其中方法包括：通过获取天然气输送管线和加压站分布信息，建立故障数据采集模块来计算设备故障概率；根据筛选传输路径识别加压站，并采集每个加压站对应的设备故障概率；利用故障数据采集模块计算管道故障概率，并输出线路‑管道故障概率集合；根据线路‑设备故障概率集合和线路‑管道故障概率集合进行失效概率计算，并输出基于筛选传输路径的失效概率集合；根据失效概率集合对筛选传输路径中的各个路径进行风险提醒。本申请解决了现有技术中对天然气运输安全风险分析准确性和全面性不足的技术问题，达到了提高天然气运输安全风险分析准确性和全面性的技术效果。
Description
技术领域
本发明涉及安全管控领域，具体涉及一种天然气运输安全风险分析方法及系统。
背景技术
随着我国经济的快速发展，天然气需求量不断增长，天然气主要依靠管道进行长距离运输，其安全稳定运行事关国计民生。然而，目前天然气管道运输管理还比较粗放，对管道系统安全风险评估主要依靠历史数据和专家经验进行定性分析和半定量分析，难以对天然气运输安全风险做出全面准确判断。
发明内容
本申请通过提供了一种天然气运输安全风险分析方法及系统，旨在解决现有技术中对天然气运输安全风险分析准确性和全面性不足的技术问题。
鉴于上述问题，本申请提供了一种天然气运输安全风险分析方法及系统。
本申请公开的第一个方面，提供了一种天然气运输安全风险分析方法，该方法包括：获取天然气输送管线以及处于所述天然气输送管线上的加压站分布信息；根据所述天然气输送管线和所述加压站分布信息建立故障数据采集模块，利用所述故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合；获取所述天然气输送管线的筛选传输路径，所述筛选传输路径是通过对天然气管道传输的所有线路进行识别筛选获得的；根据所述筛选传输路径对各个传输路径途径的加压站进行识别，采集所属传输路径上每个加压站对应的设备故障概率，输出各个传输路径分别对应的线路-设备故障概率集合；利用所述故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，输出线路-管道故障概率集合；以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，输出基于所述筛选传输路径对应的失效概率集合；基于所述失效概率集合对所述筛选传输路径中的各个路径进行风险提醒。
本申请公开的另一个方面，提供了一种天然气运输安全风险分析系统，该系统包括：加压站分布信息单元，用于获取天然气输送管线以及处于所述天然气输送管线上的加压站分布信息；故障概率计算单元，用于根据所述天然气输送管线和所述加压站分布信息建立故障数据采集模块，利用所述故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合；筛选传输路径单元，用于获取所述天然气输送管线的筛选传输路径，所述筛选传输路径是通过对天然气管道传输的所有线路进行识别筛选获得的；线路设备故障单元，用于根据所述筛选传输路径对各个传输路径途径的加压站进行识别，采集所属传输路径上每个加压站对应的设备故障概率，输出各个传输路径分别对应的线路-设备故障概率集合；线路管道故障单元，用于利用所述故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，输出线路-管道故障概率集合；失效概率计算单元，用于以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，输出基于所述筛选传输路径对应的失效概率集合；路径风险提醒单元，用于基于所述失效概率集合对所述筛选传输路径中的各个路径进行风险提醒。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取天然气管道系统的管线分布、加压站位置信息，并基于这些信息建立故障数据模块，对各加压站设备计算故障概率；识别管道的所有可能输送路径，按照路径采集路径上加压站设备的故障概率；接着计算各条输送路径管道段的故障概率，形成路径管道与设备的故障概率集合；进一步根据路径的故障概率集合计算路径的失效概率；最后根据各条路径失效概率高低进行风险提示，以实现基于管段设备故障概率计算的管道系统传输路径安全风险定量评估的技术方案，解决了现有技术中对天然气运输安全风险分析准确性和全面性不足的技术问题，达到了提高天然气运输安全风险分析准确性和全面性，提高天然气运输安全性和可靠性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种天然气运输安全风险分析方法的一种流程示意图；
图2为本申请实施例提供了一种天然气运输安全风险分析方法中输出设备故障概率集合的一种流程示意图；
图3为本申请实施例提供了一种天然气运输安全风险分析系统的一种结构示意图。
附图标记说明：加压站分布信息单元11，故障概率计算单元12，筛选传输路径单元13，线路设备故障单元14，线路管道故障单元15，失效概率计算单元16，路径风险提醒单元17。
具体实施方式
本申请提供的技术方案总体思路如下：
本申请实施例提供了一种天然气运输安全风险分析方法及系统。首先，获取天然气输送管线和加压站分布信息，建立故障数据采集模块，实施各加压站设备故障概率的计算采集，得到设备故障概率数据集，为后续风险评估提供基础数据。其次，获取筛选传输路径，按照筛选传输路径采集路径上所含设备的故障概率，形成对应的线路-设备故障概率集合，实现了对传输路径上设备风险因素的聚合。其次，在线路-设备故障概率集合的基础上，进一步计算得到路径所含各管道的故障概率，形成线路-管道风险数据集合，实现了对传输路径上管道风险因素的聚合。接着，在线路-设备故障概率集合和线路-管道风险数据集合的支撑下，进行失效概率计算，对筛选传输路径中的各个路径进行风险提醒，实现天然气传输路径的安全风险定量分析。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一：
如图1所示，本申请实施例提供了一种天然气运输安全风险分析方法，该方法包括：
获取天然气输送管线以及处于所述天然气输送管线上的加压站分布信息；
在本申请实施例中，首先，查阅天然气输送管线的管线设计图纸，获取管线的走向、长度、管径、材质等参数信息，同时使用GPS定位设备获取管线的精确坐标，并记录下管线周边地形地貌信息，获取管线实际铺设情况，从而实现对天然气输送管线分布信息的获取。然后，查阅天然气运输的加压器设计图纸，获取加压站的位置坐标、规模、加压机组数量等信息，将这些信息映射至天然气输送管线上，从而实现对加压站分布信息的获取。通过全面准确获取天然气输送管线以及处于天然气输送管线上的加压站分布信息，为后续的天然气运输安全分析提供基础数据支持。
根据所述天然气输送管线和所述加压站分布信息建立故障数据采集模块，利用所述故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合；
进一步的，如图2所示，本步骤具体包括：
利用所述故障数据采集模块获取各个加压设备的历史故障样本数据集；
设置达到预设故障指标的期望概率，以所述历史故障样本数据集对各个加压站进行马尔科夫链预测，获取各个加压站达到所述期望概率条件下的N个实时概率，其中，N为大于等于1的正整数；
基于所述N个实时概率输出所述设备故障概率集合。
在一种可行的实施例中，首先，根据获取的天然气输送管线和天然气输送管线上的加压站分布信息，建立管线和加压站的数字化模型。其次，在管线模型上标识关键设备（如阀门、传感器等）的位置，在加压站模型上标识关键设备（如压缩机、过滤系统等）的位置，连接管线和加压站的数字化模型，形成统一的天然气输送系统数字模型。再次，在模型中的关键设备上设置虚拟检测点，通过这些检测点收集设备运行参数、状态信息。然后，将实际检测点与虚拟检测点进行同步连接，实现对管线和加压站的故障数据进行持续采集，实现对故障数据采集模块的建立。
接着，通过故障数据采集模块实时监测各个加压设备的运行状态，根据实时检测点反馈的实时运行状态，判断各个加压设备是否处于故障状态，如果是，则将该故障状态的发生时间、故障类型等信息记录到历史故障样本数据集中。经过一定时间的监测采集，历史故障样本数据集中会积累各个加压设备的多次故障信息，为设备故障概率计算提供数据支撑。
随后，根据实际情况设置达到预设故障指标的期望概率，例如可设置某故障指标的期望概率为0.01，一旦故障发生概率超过该期望概率，说明加压站出现故障较为频繁。利用所得历史故障样本数据集，建立加压设备的马尔科夫链模型，利用该马尔科夫链模型，预测各个加压站在未来一定时间内发生故障以达到该期望概率0.01的N个实时概率，这里N设置为大于等于1的整数，例如设置为10，则可得到10个实时概率。下一步，将得到的N个实时概率求取均值作为各个加压站的设备故障概率，并将这些设备故障概率整合在一起，得到设备故障概率集合，为失效概率计算提供数据支撑。
获取所述天然气输送管线的筛选传输路径，所述筛选传输路径是通过对天然气管道传输的所有线路进行识别筛选获得的；
在本申请实施例中，筛选传输路径是天然气输送管线中的所有可能的天然气传输路径中。首先，基于该天然气输送管线的实际管段连接情况、节点分布情况、设备布置情况等，确定该输送管线中的各个可能的天然气起点和终点，表示天然气流入和流出输送管线的节点。然后，以确定的各起点和终点为基准，使用网络爬坡算法，识别出该管线系统中所有可能存在的天然气传输路径，这些传输路径表示了基于该管线系统，天然气可以从一个起点流向一个终点的所有可能线路。同时，基于天然气管道系统传输的实际情况设置筛选传输路径的条件，例如传输量大、管段长度长等。随后，将设置的筛选条件应用于识别出的所有可能传输路径上，筛选出满足条件的多条传输线路，作为筛选传输路径，为后续管道风险评估分析提供基础。
根据所述筛选传输路径对各个传输路径途径的加压站进行识别，采集所属传输路径上每个加压站对应的设备故障概率，输出各个传输路径分别对应的线路-设备故障概率集合；
在本申请实施例中，线路-设备故障概率集合是针对每一条筛选传输路径中的传输路径，组合反映该传输路径所有加压站设备故障概率的概率集合。
首先，对获取的筛选传输路径进行遍历，获取一条传输路径；其次，按照该传输路径的天然气传输路线，遍历该传输路径途径的加压站；再次，获取每个加压站的对应的设备故障概率，将该条传输路径途径的加压站对应的设备故障概率进行汇总，得到线路-设备故障概率集合；然后，重复对筛选传输路径中的所有传输路线进行途径加压站的设备故障概率的汇总，得到筛选传输路径中所有传输路线的线路-设备故障概率集合，反映了各传输路径上的设备故障概率状况，为后续风险评估奠定基础。
利用所述故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，输出线路-管道故障概率集合；
进一步的，本步骤具体包括：
利用所述故障数据采集模块，获取所述筛选传输路径中各个传输路径对应的天然气输送管道特征，所述天然气输送管道特征为特征三元组，包括管道输送量特征、管道几何特征和管道材料特征；
以所述特征三元组中的所述管道输送量特征、所述管道几何特征和所述管道材料特征进行管道故障概率计算，输出管道故障概率集合。
在一种可行的实施方式中，故障数据采集模块是根据天然气输送管线和天然气输送管线上的加压站分布信息，建立的管线和加压站的数字化模型。通过故障数据采集模块可以对筛选传输路径中各个传输路径进行天然气输送管道特征，包括管道输送量特征、管道几何特征和管道材料特征。其中，管道输送量特征表示管道的天然气输送量大小，输送量越大，受力越大，故障概率越高；管道几何特征表示管道的几何形态，如直径大小，直径越小，发生扭曲断裂概率越高；管道材料特征表示管道的材料类型及性质，如防腐性、泄露性等，防腐性差、材料脆性大的管道故障概率越高。
同时，通过现场记录、文档统计等方式，收集大量历史管道故障案例，并标注每个案例管道的特征参数，构建历史故障数据集，基于历史故障数据集，采用机器学习算法，训练管道故障概率预测通道，该通道输入为管道的输送量特征、几何特征、材料特征，输出管道故障概率。接着，对每个传输路径上的各管道段，将其特征三元组数据输入管道故障概率预测通道，输出该管道段的管道故障概率，将同一传输路径上所有管段的故障概率组合，形成一个线路-管道故障概率集合。
以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，输出基于所述筛选传输路径对应的失效概率集合；
在本申请实施例中，以线路-设备故障概率集合和线路-管道故障概率集合对传输路径的失效概率进行计算分两种情况：
第一种情况，传输路径上的管道为连续一体管道，在该种情况下，以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，表达式为：
；
其中，Pk(x,y)为第k条筛选传输路径上基于设备故障事件x和管道故障事件y对应的失效概率；
λi为第k条筛选传输路径上第i个加压站对应的故障概率，φ1为设备失效的权重，t为暴露时间，为基于第k条筛选传输路径上基于Nk个加压站对应的可靠度，且Nk＞0；
λ为第k条筛选传输路径上管道对应的故障概率，φ2为管道失效的权重，e(y)-tλ为基于第k条筛选传输路径上管道对应的可靠度。
具体而言，线路-设备故障概率集合反映某一条筛选传输路径上所有设备的故障概率，线路-管道故障概率集合反映某一条筛选传输路径上所有管道的故障概率，根据这两个故障概率集合可以全面准确获取该传输路径的失效概率，从而实现定量的天然气运输安全风险分析。其中，失效概率反映某一条传输路径在给定时间内发生设备故障和管道故障导致供气中断，危及天然气运输安全的概率。
当筛选传输路径上的管道为非拼接管道时，进行失效概率计算的表达式为：；其中，Pk(x,y)为第k条筛选传输路径上基于设备故障事件x和管道故障事件y对应的失效概率；λi为第k条筛选传输路径上第i个加压站对应的故障概率，φ1为设备失效的权重，t为暴露时间，/>基于第k条筛选传输路径上基于Nk个加压站对应的可靠度，且Nk＞0；λ为第k条筛选传输路径上管道对应的故障概率，φ2为管道失效的权重，e(y)-tλ为基于第k条筛选传输路径上管道对应的可靠度。
根据上述表达式对筛选传输路径中的各个传输路径一一进行失效概率的计算，首先，在筛选传输路径中获取一条传输路径，在线路-设备故障概率集合和线路-管道故障概率集合中分别获取该条传输路径的设备故障集合与管道故障集合。其次，在设备故障集合中获取该传输路径上的每一个加压站i的故障率λi，记该条传输路径上的加压站总数为Nk，在管道故障集合中获取该传输路径上整个传输管道的故障率λ。再次，根据专家经验设置设备失效和管道失效的权重系数φ1和φ2。然后，将获取到的相应参数代入上述表达式中，即可得到该传输路径的失效概率Pk(x,y)。重复计算筛选传输路径中的各个传输路径的失效概率，得到非拼接管道的失效概率集合。
第二种情况，传输路径上的管道为非连续一体管道，该种情况下，即当第k条筛选传输路径上的管道为拼接管道时，表达式为：；
其中，基于第k条筛选传输路径上基于第j段拼接管道对应的可靠度，为基于第k条筛选传输路径上基于Mk段拼接管道对应的可靠度，且Mk＞0。
具体而言，当筛选传输路径上的管道属于拼接管道时，由于其结构复杂，由连续一体管道组成的筛选传输路径的失效概率计算公式需要进行调整。拼接管道由多段直管顺序连接而成，各段拼接管道的安全性能存在差异。因此，针对拼接管道，优选的，使用更新后的管道失效概率计算表达式为：，该表达式对拼接管道中各段管道的可靠度进行了分段计算。其中，/>基于第k条筛选传输路径上基于第j段拼接管道对应的可靠度，/>为基于第k条筛选传输路径上基于Mk段拼接管道对应的可靠度，且Mk＞0。按照该表达式，对筛选传输路径上属于拼接管道的传输路径进行计算，获取拼接管道的失效概率集合，将非拼接管道的失效概率集合与拼接管道的失效概率集合汇总，即可输出基于筛选传输路径对应的失效概率集合。
基于所述失效概率集合对所述筛选传输路径中的各个路径进行风险提醒。
在本申请实施例中，风险提醒是当传输路径的失效概率超过预设风险阈值时，对该路径发出的传输风险警示。首先，根据对天然气传输的安全要求预先设置传输路径失效概率的阈值，作为判定传输风险的标准。然后，依次提取失效概率集合中的各条筛选传输路径的失效概率，并与预设阈值进行对比。当某一条传输路径的失效概率高于阈值时，表明该路径存在较高的供气中断风险，则对该传输路径发出风险警示，以便采取有针对性的控制措施，实现在天然气通过管道运输过程中，实时监测传输风险，并进行有效预警，以提高系统供气稳定性和安全性。
进一步的，本申请实施例还包括：
对所述筛选传输路径进行二次筛选，输出标识传输路径，其中，所述标识传输路径为在所处的传输路径上对外分支节点数量大于预设分支节点的路径；
基于所述标识传输路径对所述筛选传输路径进行划分，输出标识类传输路径和非标识类传输路径；
以所述标识类传输路径和所述非标识类传输路径进行权重计算，输出拟合失效概率；
根据所述拟合失效概率对所述天然气输送管线进行风险提醒。
在一种优选的实施方式中，对天然气输送管线整体进行风险提醒，首先，对每条筛选传输路径，统计该路径上存在的对外分支节点的数量n。同时，预先设置分支节点阈值N，当一个传输路径的分支节点数量大于N时，则判定该路径为标识传输路径。读取每条筛选传输路径的分支节点数量n，并与阈值N进行比较，如果存在传输路径满足n>N，则将该路径判定并标识为标识传输路径。然后，将得到的标识传输路径作为判断依据，读取筛选传输路径集合中每一条传输路径，对当前读取的筛选传输路径，判断其是否为标识传输路径。如果是，则划分为标识传输路径，反之，则将其划分为非标识类传输路径。
然后，根据天然气输送管线的结构和天然气流动规律，确定标识类传输路径的权重，以及非标识类传输路径的权重。同时，分别获取标识类传输路径和非标识类传输路径中的各条传输路径的失效概率。接着，分别对标识类传输路径和非标识类传输路径进行加权平均，再结合标识类传输路径和非标识类传输路径的加权平均结果，得到基于传输路径分类和加权计算的拟合失效概率。
随后，预先根据安全规范和管线运维经验，确定天然气管线系统可承受的失效概率阈值。将得到的天然气输送管线的拟合失效概率与失效概率阈值进行对比。如果拟合失效概率大于失效概率阈值，则表明当前管线系统存在较高的供气风险。对管线系统发出超阈风险预警，预警信息包括当前拟合概率，超出阈值的概率差值，以及预测的影响范围等。管线运维人员收到预警后，根据拟合概率的大小和影响范围制定切换供气的紧急方案，通过管线压力调节、切换管道工作条件等措施，降低高风险管线段的压力，实现风险管控，从而对天然气管线的安全运行进行有效的风险提醒与管控。
进一步的，本申请实施例还包括：
连接设在所述天然气输送管线起始端的压缩机设备；
采集所述压缩机设备的历史运行工况数据集获取标识所述压缩机设备故障的压缩故障概率，根据所述压缩故障概率对所述拟合失效概率进行调整。
在一种优选的实施方式中，为提高天然气输送管线整体拟合失效概率的精度，首先，连接天然气输送管线起始端的压缩机设备，其中，天然气输送管线起始端为天然气处理厂的天然气出口；压缩机设备是在天然气管道起始端对天然气进行压缩为天然气在管线中的移动提供能量的机械装置。然后，搜集设定时间的运行工况数据，包括流量、压力、温度、润滑情况等参数，构建压缩机历史运行样本库，从中标注历史故障样本，获取该时间段历史故障样本占历史运行样本库的比例，得到该压缩机的压缩故障概率。接着，根据压缩故障概率大小，调整天然气输送管线的拟合失效概率，若压缩故障概率越大，则上调管线失效概率；若压缩故障概率越小，则下调管线失效概率，从而能够更准确地反映天然气输送管线的整体失效概率。在天然气运输过程中，持续采集新数据调整拟合失效概率，实现管线失效概率的动态更新，使风险评估更加准确合理，指导天然气输送管线优化运行。
综上所述，本申请实施例所提供的一种天然气运输安全风险分析方法具有如下技术效果：
获取天然气输送管线以及处于天然气输送管线上的加压站分布信息，为建立故障数据采集模块提供数据基础。根据天然气输送管线和加压站分布信息建立故障数据采集模块，利用故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合，为实现准确分析各传输路径的风险提供支持。获取天然气输送管线的筛选传输路径，筛选传输路径是通过对天然气管道传输的所有线路进行识别筛选获得的，为以路径视角风险分析做准备。根据筛选传输路径对各个传输路径途径的加压站进行识别，采集所属传输路径上每个加压站对应的设备故障概率，输出各个传输路径分别对应的线路-设备故障概率集合，利用故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，输出线路-管道故障概率集合，实现路径维度的风险因素聚合，以实现天然气运输安全风险分析准确性和全面性。以线路-设备故障概率集合和线路-管道故障概率集合进行失效概率计算，输出基于筛选传输路径对应的失效概率集合，实现对天然气传输路径风险的定量评估。基于失效概率集合对筛选传输路径中的各个路径进行风险提醒，完成对管道系统的安全风险判定，从而及时发现传输管道的安全隐患，提高了天然气传输的安全性和可靠性，降低了天然气事故的发生风险，提高了对天然气管道运输过程的安全控制能力。
实施例二：
基于与前述实施例中一种天然气运输安全风险分析方法相同的发明构思，如图3所示，本申请实施例提供了一种天然气运输安全风险分析系统，该系统包括：
加压站分布信息单元11，用于获取天然气输送管线以及处于所述天然气输送管线上的加压站分布信息；
故障概率计算单元12，用于根据所述天然气输送管线和所述加压站分布信息建立故障数据采集模块，利用所述故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合；
筛选传输路径单元13，用于获取所述天然气输送管线的筛选传输路径，所述筛选传输路径是通过对天然气管道传输的所有线路进行识别筛选获得的；
线路设备故障单元14，用于根据所述筛选传输路径对各个传输路径途径的加压站进行识别，采集所属传输路径上每个加压站对应的设备故障概率，输出各个传输路径分别对应的线路-设备故障概率集合；
线路管道故障单元15，用于利用所述故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，输出线路-管道故障概率集合；
失效概率计算单元16，用于以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，输出基于所述筛选传输路径对应的失效概率集合；
路径风险提醒单元17，用于基于所述失效概率集合对所述筛选传输路径中的各个路径进行风险提醒。
进一步的，故障概率计算单元12包括以下执行步骤：
利用所述故障数据采集模块获取各个加压设备的历史故障样本数据集；
设置达到预设故障指标的期望概率，以所述历史故障样本数据集对各个加压站进行马尔科夫链预测，获取各个加压站达到所述期望概率条件下的N个实时概率，其中，N为大于等于1的正整数；
基于所述N个实时概率输出所述设备故障概率集合。
进一步的，线路管道故障单元15包括以下执行步骤：
利用所述故障数据采集模块，获取所述筛选传输路径中各个传输路径对应的天然气输送管道特征，所述天然气输送管道特征为特征三元组，包括管道输送量特征、管道几何特征和管道材料特征；
以所述特征三元组中的所述管道输送量特征、所述管道几何特征和所述管道材料特征进行管道故障概率计算，输出管道故障概率集合。
进一步的，失效概率计算单元16包括以下执行步骤：
对所述筛选传输路径进行二次筛选，输出标识传输路径，其中，所述标识传输路径为在所处的传输路径上对外分支节点数量大于预设分支节点的路径；
基于所述标识传输路径对所述筛选传输路径进行划分，输出标识类传输路径和非标识类传输路径；
以所述标识类传输路径和所述非标识类传输路径进行权重计算，输出拟合失效概率；
根据所述拟合失效概率对所述天然气输送管线进行风险提醒。
进一步的，失效概率计算单元16还包括以下执行步骤：
以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，表达式为：
；
其中，Pk(x,y)为第k条筛选传输路径上基于设备故障事件x和管道故障事件y对应的失效概率；
λi为第k条筛选传输路径上第i个加压站对应的故障概率，φ1为设备失效的权重，t为暴露时间，为基于第k条筛选传输路径上基于Nk个加压站对应的可靠度，且Nk＞0；
λ为第k条筛选传输路径上管道对应的故障概率，φ2为管道失效的权重，e(y)-tλ为基于第k条筛选传输路径上管道对应的可靠度。
进一步的，失效概率计算单元16还包括以下执行步骤：
当第k条筛选传输路径上的管道为拼接管道时，表达式为：
；
其中，基于第k条筛选传输路径上基于第j段拼接管道对应的可靠度，为基于第k条筛选传输路径上基于Mk段拼接管道对应的可靠度，且Mk＞0。
进一步的，失效概率计算单元16还包括以下执行步骤：
连接设在所述天然气输送管线起始端的压缩机设备；
采集所述压缩机设备的历史运行工况数据集获取标识所述压缩机设备故障的压缩故障概率，根据所述压缩故障概率对所述拟合失效概率进行调整。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种天然气运输安全风险分析方法，其特征在于，所述方法包括：
获取天然气输送管线以及处于所述天然气输送管线上的加压站分布信息；
根据所述天然气输送管线和所述加压站分布信息建立故障数据采集模块，利用所述故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合；
获取所述天然气输送管线的筛选传输路径，所述筛选传输路径是通过对天然气管道传输的所有线路进行识别筛选获得的；
根据所述筛选传输路径对各个传输路径途径的加压站进行识别，采集所属传输路径上每个加压站对应的设备故障概率，输出各个传输路径分别对应的线路-设备故障概率集合；
利用所述故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，输出线路-管道故障概率集合；
以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，输出基于所述筛选传输路径对应的失效概率集合；
基于所述失效概率集合对所述筛选传输路径中的各个路径进行风险提醒。
2.如权利要求1所述的方法，其特征在于，利用所述故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合，方法还包括：
利用所述故障数据采集模块获取各个加压设备的历史故障样本数据集；
设置达到预设故障指标的期望概率，以所述历史故障样本数据集对各个加压站进行马尔科夫链预测，获取各个加压站达到所述期望概率条件下的N个实时概率，其中，N为大于等于1的正整数；
基于所述N个实时概率输出所述设备故障概率集合。
3.如权利要求2所述的方法，其特征在于，利用所述故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，方法还包括：
利用所述故障数据采集模块，获取所述筛选传输路径中各个传输路径对应的天然气输送管道特征，所述天然气输送管道特征为特征三元组，包括管道输送量特征、管道几何特征和管道材料特征；
以所述特征三元组中的所述管道输送量特征、所述管道几何特征和所述管道材料特征进行管道故障概率计算，输出管道故障概率集合。
4.如权利要求1所述的方法，其特征在于，输出基于所述筛选传输路径对应的失效概率集合后，方法还包括：
对所述筛选传输路径进行二次筛选，输出标识传输路径，其中，所述标识传输路径为在所处的传输路径上对外分支节点数量大于预设分支节点的路径；
基于所述标识传输路径对所述筛选传输路径进行划分，输出标识类传输路径和非标识类传输路径；
以所述标识类传输路径和所述非标识类传输路径进行权重计算，输出拟合失效概率；
根据所述拟合失效概率对所述天然气输送管线进行风险提醒。
5.如权利要求1所述的方法，其特征在于，以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，表达式为：
；
其中，Pk(x,y)为第k条筛选传输路径上基于设备故障事件x和管道故障事件y对应的失效概率；
λi为第k条筛选传输路径上第i个加压站对应的故障概率，φ1为设备失效的权重，t为暴露时间，为基于第k条筛选传输路径上基于Nk个加压站对应的可靠度，且Nk＞0；
λ为第k条筛选传输路径上管道对应的故障概率，φ2为管道失效的权重，e(y)-tλ为基于第k条筛选传输路径上管道对应的可靠度。
6.如权利要求5所述的方法，其特征在于，当第k条筛选传输路径上的管道为拼接管道时，表达式为：；
其中，基于第k条筛选传输路径上基于第j段拼接管道对应的可靠度，为基于第k条筛选传输路径上基于Mk段拼接管道对应的可靠度，且Mk＞0。
7.如权利要求4所述的方法，其特征在于，所述方法还包括：
连接设在所述天然气输送管线起始端的压缩机设备；
采集所述压缩机设备的历史运行工况数据集获取标识所述压缩机设备故障的压缩故障概率，根据所述压缩故障概率对所述拟合失效概率进行调整。
8.一种天然气运输安全风险分析系统，其特征在于，用于实施权利要求1-7任意一项所述的一种天然气运输安全风险分析方法，所述系统包括：
加压站分布信息单元，所述加压站分布信息单元用于获取天然气输送管线以及处于所述天然气输送管线上的加压站分布信息；
故障概率计算单元，所述故障概率计算单元用于根据所述天然气输送管线和所述加压站分布信息建立故障数据采集模块，利用所述故障数据采集模块对各个加压站进行设备故障概率计算，输出设备故障概率集合；
筛选传输路径单元，所述筛选传输路径单元用于获取所述天然气输送管线的筛选传输路径，所述筛选传输路径是通过对天然气管道传输的所有线路进行识别筛选获得的；
线路设备故障单元，所述线路设备故障单元用于根据所述筛选传输路径对各个传输路径途径的加压站进行识别，采集所属传输路径上每个加压站对应的设备故障概率，输出各个传输路径分别对应的线路-设备故障概率集合；
线路管道故障单元，所述线路管道故障单元用于利用所述故障数据采集模块对各个传输路径上的管道进行管道故障概率计算，输出线路-管道故障概率集合；
失效概率计算单元，所述失效概率计算单元用于以所述线路-设备故障概率集合和所述线路-管道故障概率集合进行失效概率计算，输出基于所述筛选传输路径对应的失效概率集合；
路径风险提醒单元，所述路径风险提醒单元用于基于所述失效概率集合对所述筛选传输路径中的各个路径进行风险提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208017.1A CN116957343B (zh) | 2023-09-19 | 2023-09-19 | 一种天然气运输安全风险分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208017.1A CN116957343B (zh) | 2023-09-19 | 2023-09-19 | 一种天然气运输安全风险分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116957343A true CN116957343A (zh) | 2023-10-27 |
| CN116957343B CN116957343B (zh) | 2023-12-19 |
Family
ID=88454913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311208017.1A Active CN116957343B (zh) | 2023-09-19 | 2023-09-19 | 一种天然气运输安全风险分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116957343B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1360199A (zh) * | 2002-01-24 | 2002-07-24 | 天津大学 | 一种燃气管网故障在线检测系统 |
| CN101093058A (zh) * | 2007-06-28 | 2007-12-26 | 天津大学 | 一种城市燃气管网自动监控系统及监控方法 |
| CN107101087A (zh) * | 2017-03-22 | 2017-08-29 | 北京航空航天大学 | 城市天然气管道系统管道故障传播影响评估方法及系统 |
| US20190316734A1 (en) * | 2018-04-11 | 2019-10-17 | United States Department of Transportation, FRA | Low Pressure Fuel Management and Delivery System for a Liquefied Natural Gas Rail Locomotive Tender |
| CN110489930A (zh) * | 2019-09-10 | 2019-11-22 | 南方电网科学研究院有限责任公司 | 天然气网稳态分析方法、装置、设备及存储介质 |
| CN110503254A (zh) * | 2019-08-13 | 2019-11-26 | 常州大学 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
| CN210601049U (zh) * | 2019-08-16 | 2020-05-22 | 呼和浩特中燃城市燃气发展有限公司 | 一种远距离传输安全燃气管网系统 |
| CN112668182A (zh) * | 2020-12-28 | 2021-04-16 | 西安特种设备检验检测院 | 一种天然气长输管道失效的分析方法 |
| CN114741831A (zh) * | 2022-06-13 | 2022-07-12 | 成都同飞科技有限责任公司 | 一种供水管网水力压强预警分布的模拟方法及系统 |
| CN115062534A (zh) * | 2022-05-27 | 2022-09-16 | 中国石油大学(北京) | 天然气管道系统的供气可靠性计算方法及装置 |
| CN115545231A (zh) * | 2022-10-11 | 2022-12-30 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道安全监测方法、物联网系统、装置及介质 |
| CN116109133A (zh) * | 2022-12-13 | 2023-05-12 | 国网浙江省电力有限公司金华供电公司 | 一种雷暴天气输电线路风险预警方法 |
-
2023
- 2023-09-19 CN CN202311208017.1A patent/CN116957343B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1360199A (zh) * | 2002-01-24 | 2002-07-24 | 天津大学 | 一种燃气管网故障在线检测系统 |
| CN101093058A (zh) * | 2007-06-28 | 2007-12-26 | 天津大学 | 一种城市燃气管网自动监控系统及监控方法 |
| CN107101087A (zh) * | 2017-03-22 | 2017-08-29 | 北京航空航天大学 | 城市天然气管道系统管道故障传播影响评估方法及系统 |
| US20190316734A1 (en) * | 2018-04-11 | 2019-10-17 | United States Department of Transportation, FRA | Low Pressure Fuel Management and Delivery System for a Liquefied Natural Gas Rail Locomotive Tender |
| CN110503254A (zh) * | 2019-08-13 | 2019-11-26 | 常州大学 | 一种基于马尔科夫链的非金属管道泄漏预警方法 |
| CN210601049U (zh) * | 2019-08-16 | 2020-05-22 | 呼和浩特中燃城市燃气发展有限公司 | 一种远距离传输安全燃气管网系统 |
| CN110489930A (zh) * | 2019-09-10 | 2019-11-22 | 南方电网科学研究院有限责任公司 | 天然气网稳态分析方法、装置、设备及存储介质 |
| CN112668182A (zh) * | 2020-12-28 | 2021-04-16 | 西安特种设备检验检测院 | 一种天然气长输管道失效的分析方法 |
| CN115062534A (zh) * | 2022-05-27 | 2022-09-16 | 中国石油大学(北京) | 天然气管道系统的供气可靠性计算方法及装置 |
| CN114741831A (zh) * | 2022-06-13 | 2022-07-12 | 成都同飞科技有限责任公司 | 一种供水管网水力压强预警分布的模拟方法及系统 |
| CN115545231A (zh) * | 2022-10-11 | 2022-12-30 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道安全监测方法、物联网系统、装置及介质 |
| US20230083626A1 (en) * | 2022-10-11 | 2023-03-16 | Chengdu Qinchuan Iot Technology Co., Ltd. | Pipeline monitoring methods and internet of things based on smart gas pipeline network safety |
| CN116109133A (zh) * | 2022-12-13 | 2023-05-12 | 国网浙江省电力有限公司金华供电公司 | 一种雷暴天气输电线路风险预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李国兴;柳岩;: "长输天然气管道的安全问题及其对策", 油气储运, no. 07, pages 15 - 16 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116957343B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109555979B (zh) | 一种供水管网漏损监测方法 | |
| CN105069537B (zh) | 一种组合式空气质量预报模型的构建方法 | |
| CN108984873B (zh) | 供水管网实时漏损检测方法、设备、系统及存储介质 | |
| CN108360608B (zh) | 一种供水系统输水管的爆管识别与定位方法 | |
| US11959777B2 (en) | Methods and Internet of Things (IoT) systems for safety management of smart gas underground gas pipeline networks | |
| KR20140092385A (ko) | 자원망 모니터링 시스템에서 관련된 이벤트들을 식별하는 시스템 및 방법 | |
| CN101255950A (zh) | 输油集输系统计量与管道监控智能报警系统 | |
| CN109854953B (zh) | 一种特殊工况下的原油输送管线泄漏检测系统及方法 | |
| CN115640915B (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
| US11982613B2 (en) | Methods and internet of things (IOT) systems for corrosion protection optimization of pipeline of smart gas | |
| CN115127037B (zh) | 一种供水管网漏损定位方法及系统 | |
| CN113313033B (zh) | 一种基于物联网传感器的供热管网数字监控系统 | |
| CN112149750A (zh) | 一种供水管网爆管识别数据驱动方法 | |
| CN116127396A (zh) | 一种基于智慧燃气的燃气泄漏判别方法和物联网系统 | |
| CN112985713A (zh) | 基于边缘计算的管网漏损监测方法及系统 | |
| CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
| CN116006908A (zh) | 一种智慧燃气管网可靠度监测方法和物联网系统 | |
| CN113486950B (zh) | 一种智能管网漏水检测方法及系统 | |
| CN112434887B (zh) | 一种结合网络核密度估计和svm的供水管网风险预测方法 | |
| CN116957343B (zh) | 一种天然气运输安全风险分析方法及系统 | |
| CN113128709A (zh) | 一种供水管网漏损管理系统 | |
| CN115830812B (zh) | 泵站建筑物异常沉降智能预警系统及方法 | |
| CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
| CN112633819A (zh) | 一种基于大数据特征识别的智能配电网安全运行管理系统 | |
| CN113532384B (zh) | 一种基于无线传感器技术的地下管网管线位移沉降监测方法及云监测平台 |
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 |