本發(fā)明涉及危險識別領域，更具體地，涉及一種液化氣儲罐事故預測系統(tǒng)及方法。

背景技術：

風險評價是化工過程預防和危害轉移的重要手段，并逐漸形成了如定量分析評價(qra)、概率安全評價(psa)等多種風險評價手段，危險識別是風險評價的首要步驟。危險識別是危險頻率分析和結果分析的前提。經過多年發(fā)展，形成了多種危險識別方法如hazop分析法(hazardandoperabilityanalysis，危險與可操作性分析)、故障樹分析法等，這些方法被廣泛應用于工業(yè)。然而危險源在不同的狀態(tài)下其危險程度不同，現行的危險識別方法，如重大危險源辨識、hazop分析方法等均為靜態(tài)特性。當狀態(tài)信息改變時，不能實時反應危險源的狀態(tài)，這將導致不準確甚至錯誤的結果。特別是當運行參數連續(xù)變化時，這個缺點將被放大。因此，需要建立動態(tài)的危險識別方法以適應事故風險的不斷改變。

技術實現要素：

基于此，本發(fā)明在于克服現有技術無法動態(tài)識別風險的缺陷，提供一種液化氣儲罐事故預測系統(tǒng)及方法，能適應各參數的動態(tài)變化，實時識別風險。

其技術方案如下：

一種液化氣儲罐事故預測系統(tǒng)，包括

信息采集系統(tǒng)，采集液化氣儲罐的實時狀態(tài)信息；

數據處理系統(tǒng)，與信息采集系統(tǒng)連接，對實時狀態(tài)信息進行分析；所述數據處理系統(tǒng)的建立基于貝葉斯網絡的數據分析方法；

輸出系統(tǒng)，與數據處理系統(tǒng)連接，將可能出現的事故類型輸出，實現動態(tài)事故實時預測。

本技術方案將液化氣儲罐的實時狀態(tài)信息傳輸至數據處理系統(tǒng)后，經由數據處理系統(tǒng)進行基于貝葉斯網絡的數據分析，適應狀態(tài)信息的動態(tài)變化，計算出各事故類型發(fā)生的概率，將可能出現的事故類型輸出，實現動態(tài)事故實時預測。通過建立動態(tài)的事故預測系統(tǒng)，避免液化氣儲罐狀態(tài)信息改變時，不能實時反映危險源的狀態(tài)而造成安全事故。

在其中一個實施例中，所述基于貝葉斯網絡的數據分析方法包括以下步驟：

1)、建立液化氣儲罐事故演化過程；

2)、建立液化氣儲罐事故演化貝葉斯網絡；

3)、貝葉斯網絡初始化。

在其中一個實施例中，所述液化氣儲罐事故演化過程包括建立各狀態(tài)信息之間的多分支演化過程。

在其中一個實施例中，所述液化氣儲罐的狀態(tài)信息包括狀態(tài)參數、破裂方式、泄漏類型和事故類型。因此，所述液化氣儲罐事故演化過程即為狀態(tài)參數、破裂方式、泄漏類型和事故類型之間的多分支演化過程。

在其中一個實施例中，所述液化氣儲罐事故演化貝葉斯網絡包括將液化氣儲罐事故演化過程離散成關鍵節(jié)點，并根據演化過程建立各關鍵節(jié)點之間的因果關系。因此，數據處理系統(tǒng)將關鍵節(jié)點的需求信息反饋至信息采集系統(tǒng)，所述信息采集系統(tǒng)根據數據處理系統(tǒng)的需求采集狀態(tài)信息，所采集到的狀態(tài)信息即為貝葉斯網絡中的關鍵節(jié)點的狀態(tài)，各關鍵節(jié)點均由狀態(tài)信息離散而成。

在其中一個實施例中，所述關鍵節(jié)點根據其在貝葉斯網絡中的位置分為根節(jié)點、子節(jié)點和葉節(jié)點，根據其在貝葉斯網絡中的作用分為證據節(jié)點、中間節(jié)點和查詢節(jié)點；所述證據節(jié)點為根節(jié)點，只能通過信息采集系統(tǒng)觀察或測量得到實時狀態(tài)參數，所述查詢節(jié)點為最終的事故類型輸出，所述中間節(jié)點是連接證據節(jié)點和查詢節(jié)點的過渡節(jié)點；所述證據節(jié)點只能是根節(jié)點，查詢節(jié)點為子節(jié)點或葉節(jié)點，中間節(jié)點為根節(jié)點或子節(jié)點。本技術方案中的查詢節(jié)點則是本技術方案的預測的事故類型。

在其中一個實施例中，所述根節(jié)點的狀態(tài)信息為狀態(tài)參數，包括材料性能、運行參數、填充狀態(tài)、泄漏位置、點火方式以及液化氣儲罐內的介質的介質性質以及液化氣儲罐內液體所含能量。由于狀態(tài)參數為根節(jié)點的狀態(tài)信息，因此，狀態(tài)參數均只能通過信息采集系統(tǒng)采集，而無法通過分析得出。

在其中一個實施例中，所述子節(jié)點和/或葉節(jié)點的狀態(tài)信息包括破裂方式、泄漏類型和事故類型。所述子節(jié)點和葉節(jié)點的狀態(tài)信息則通過貝葉斯網絡分析計算根節(jié)點的狀態(tài)信息可推理得出。

在其中一個實施例中，所述貝葉斯網絡初始化包括通過案例學習或專家知識，形成根節(jié)點的先驗概率，以及子節(jié)點和葉節(jié)點的條件概率。所述先驗概率是指：設b1，b2，...bn是樣本空間為ω中的事件，若bi發(fā)生的概率p(bi)可根據已有的數據的分析或者根據專家知識即先驗知識估計得到，則稱p(bi)為先驗概率。所述條件概率是指令a、b表示兩事件，且p(a)≠0，給定事件a發(fā)生的條件下事件b發(fā)生的條件概率為：所述先驗概率和條件概率均可通過已有的數據分析或根據專家知識估計得到。

本技術方案還提供一種液化氣儲罐事故預測方法，所述液化氣儲罐事故預測方法基于如上所述任一項實施例所述的液化氣儲罐事故預測系統(tǒng)，所述液化氣儲罐事故預測方法包括如下步驟：

1)、信息采集系統(tǒng)接收數據處理系統(tǒng)反饋的關鍵節(jié)點的需求信息，實時收集液化氣儲罐的狀態(tài)信息，將狀態(tài)信息存儲記錄至數據庫中，并將所需信息發(fā)送至數據處理系統(tǒng)；所述數據庫中存儲記錄的狀態(tài)信息，可作為其他數據分析方法初始化的依據。

2)、數據處理系統(tǒng)將各關鍵節(jié)點的狀態(tài)信息實時輸入至初始化后的貝葉斯網絡，當信息采集系統(tǒng)收集到的影響液化氣儲罐事故演化的狀態(tài)信息發(fā)生變化時，將數據處理系統(tǒng)中對應的關鍵節(jié)點的初始化狀態(tài)值或信息采集系統(tǒng)較早采集的狀態(tài)信息更改為當前信息采集系統(tǒng)提供的實時狀態(tài)信息，利用貝葉斯定理計算各關鍵節(jié)點的不同狀態(tài)所對應的概率并更新；

3)、輸出系統(tǒng)將可能出現的事故類型輸出，且附有各事故類型的發(fā)生概率，實現事故的動態(tài)實時預測。

本發(fā)明的有益效果在于：

本技術方案將液化氣儲罐的實時狀態(tài)信息傳輸至數據處理系統(tǒng)后，經由數據處理系統(tǒng)進行基于貝葉斯網絡的數據分析，適應狀態(tài)信息的動態(tài)變化，計算出各事故類型發(fā)生的概率，將可能出現的事故類型輸出，實現動態(tài)事故實時預測。通過建立動態(tài)的事故預測系統(tǒng)，避免液化氣儲罐狀態(tài)信息改變時，不能實時反映危險源的狀態(tài)而造成安全事故。

所述數據庫中存儲記錄的狀態(tài)信息，可作為其他數據分析方法初始化的依據。

附圖說明

圖1為本發(fā)明的液化氣儲罐事故預測系統(tǒng)示意圖；

圖2為本發(fā)明的液化氣儲罐事故演化過程示意圖；

圖3為本發(fā)明的液化氣儲罐事故演化貝葉斯網絡；

圖4為本發(fā)明的液化氣儲罐事故演化貝葉斯網絡的初始化；

圖5為本發(fā)明的液化氣儲罐事故演化貝葉斯網絡實時預測情景1；

圖6為本發(fā)明的液化氣儲罐事故演化貝葉斯網絡實時預測情景2。

附圖標記說明：

10、信息采集系統(tǒng)；20、數據處理系統(tǒng)；30、輸出系統(tǒng)。

具體實施方式

為使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及具體實施方式，對本發(fā)明進行進一步的詳細說明。應當理解的是，此處所描述的具體實施方式僅用以解釋本發(fā)明，并不限定本發(fā)明的保護范圍。

如圖1所示的一種液化氣儲罐事故預測系統(tǒng)，包括

信息采集系統(tǒng)10，采集液化氣儲罐的實時狀態(tài)信息；

數據處理系統(tǒng)20，與信息采集系統(tǒng)10連接，對實時狀態(tài)信息進行分析；所述數據處理系統(tǒng)20的建立基于貝葉斯網絡的數據分析方法；

輸出系統(tǒng)30，與數據處理系統(tǒng)10連接，將可能出現的事故類型輸出，實現動態(tài)事故實時預測。

本實施方式將液化氣儲罐的實時狀態(tài)信息傳輸至數據處理系統(tǒng)10后，經由數據處理系統(tǒng)20進行基于貝葉斯網絡的數據分析，適應狀態(tài)信息的動態(tài)變化，計算出各事故類型發(fā)生的概率，將可能出現的事故類型輸出，實現動態(tài)事故實時預測。通過建立動態(tài)的事故預測系統(tǒng)，避免液化氣儲罐狀態(tài)信息改變時，不能實時反映危險源的狀態(tài)而造成安全事故。

進一步地，所述基于貝葉斯網絡的數據分析方法包括以下步驟：

1)、建立液化氣儲罐事故演化過程；

2)、建立液化氣儲罐事故演化貝葉斯網絡；

3)、貝葉斯網絡初始化。

進一步地，所述液化氣儲罐事故演化過程包括建立各狀態(tài)信息之間的多分支演化過程。

進一步地，所述液化氣儲罐的狀態(tài)信息包括狀態(tài)參數、破裂方式、泄漏類型和事故類型。因此，所述液化氣儲罐事故演化過程即為狀態(tài)參數、破裂方式、泄漏類型和事故類型之間的多分支演化過程。所述事故類型即火災、爆炸或中毒。具體地，所述破裂方式也可稱為液化氣儲罐的完整性指標。

進一步地，所述狀態(tài)參數包括液化氣儲罐的材料性能、運行參數、填充狀態(tài)、泄漏位置、點火方式以及液化氣儲罐內介質的介質性質以及液化氣儲罐內液體所含能量；所述液化氣儲罐內液體所含能量也可稱為足夠能量指標；所述運行參數包括壓力和溫度；所述介質性質包括介質的可燃性和介質的化學物質毒性。

具體地，液化氣儲罐各狀態(tài)信息的相關狀態(tài)類型如表1所示。

表1液化氣儲罐各狀態(tài)信息的相關狀態(tài)類型

如圖2所示，液化氣儲罐事故演化過程如下：

1)、液化氣儲罐材料性能下降、壓力升高和/或溫度升高時，液化氣儲罐可能會出現的破裂方式為：災難性破壞、有限程度破壞和沒有明顯破壞；所述災難性破壞包括液化氣儲罐斷裂，所述有限程度破壞包括裂紋、孔洞等；

2)、當液化氣儲罐出現災難性破壞時，液化氣儲罐內的液體部分瞬間氣化，部分形成液池，引起沸騰液體蒸氣云爆炸；如果介質為可燃物，則同時發(fā)生火球；如果介質有毒，釋放的有毒介質將會引起中毒事故；

3)、所述液化氣儲罐包括氣相空間和液相空間，當液化氣儲罐出現有限程度破壞時，如果液化氣儲罐的填充狀態(tài)為高填充，泄漏位置位于液相空間的壁面，泄漏的液體會使液化氣儲罐壓力迅速降低，液體迅速氣化，發(fā)生沸騰液體蒸氣云爆炸；如果介質為可燃物，同時發(fā)生火球；如果介質有毒，釋放的有毒介質將會引起中毒事故；

4)、當液化氣儲罐出現有限程度破壞時，如果液化氣儲罐的填充狀態(tài)為低填充，泄漏位置位于液化氣儲罐的氣相空間的壁面，且泄漏孔面積與液面面積之比，亦即孔洞有效面積比小于0.01，則泄漏孔為有限孔或小孔，發(fā)生連續(xù)性的氣體泄漏；如果介質為可燃物，當被立即點燃時，則發(fā)生噴射火，被延遲點燃會發(fā)生蒸氣云爆炸；如果介質有毒，釋放的有毒介質將會引起中毒事故；

5)、當液化氣儲罐出現有限程度破壞時，如果液化氣儲罐的填充狀態(tài)為低填充，泄漏位置位于液化氣儲罐的氣相空間的壁面，且泄漏孔面積與液面面積之比大于0.01，液化氣儲罐內的液體瞬時泄漏，迅速氣化，發(fā)生沸騰液體蒸氣云爆炸；如果介質為可燃物，同時會發(fā)生火球；如果介質有毒，釋放的有毒介質將會引起中毒事故；

6)、當液化氣儲罐出現有限程度破壞時，如果液化氣儲罐的填充狀態(tài)為低填充，泄漏位置位于液化氣儲罐的液相空間的壁面，且液化氣儲罐內過熱液體所含的能量大于等于液體蒸發(fā)所需要的能量，則泄漏的液體會立即氣化，發(fā)生連續(xù)的氣體泄漏，如果介質為可燃物，被立即點燃則會發(fā)生噴射火，被延遲點燃會發(fā)生蒸氣云爆炸；如果介質有毒，釋放的有毒介質將會引起中毒事故；

7)、當液化氣儲罐出現有限程度破壞時，如果液化氣儲罐的填充狀態(tài)為低填充，泄漏位置位于液化氣儲罐的液相空間的壁面，且液化氣儲罐內過熱液體所含的能量小于液體蒸發(fā)所需要的能量，則泄漏處的液體部分氣化即部分閃蒸，部分形成液池，發(fā)生氣液兩相連續(xù)泄漏；例如以液體形式積聚在地面；如果介質為可燃物，被立即點燃則會發(fā)生噴射火和池火災，被延遲點燃會發(fā)生蒸氣云爆炸和池火災；如果介質有毒，釋放的有毒介質將會引起中毒事故。

進一步地，所述液化氣儲罐事故演化貝葉斯網絡包括將液化氣儲罐事故演化過程離散成關鍵節(jié)點，并根據演化過程建立各關鍵節(jié)點之間的因果關系。因此，數據處理系統(tǒng)將關鍵節(jié)點的需求信息反饋至信息采集系統(tǒng)，所述信息采集系統(tǒng)根據數據處理系統(tǒng)的需求采集狀態(tài)信息，所采集到的狀態(tài)信息即為貝葉斯網絡中的關鍵節(jié)點的狀態(tài)，各關鍵節(jié)點均由狀態(tài)信息離散而成。

進一步地，所述關鍵節(jié)點根據其在貝葉斯網絡中的位置分為根節(jié)點、子節(jié)點和葉節(jié)點，根據其在貝葉斯網絡中的作用分為證據節(jié)點、中間節(jié)點和查詢節(jié)點；所述證據節(jié)點為根節(jié)點，只能通過信息采集系統(tǒng)觀察或測量得到實時狀態(tài)參數，所述查詢節(jié)點為最終的事故類型輸出，所述中間節(jié)點是連接證據節(jié)點和查詢節(jié)點的過渡節(jié)點；所述證據節(jié)點只能是根節(jié)點，查詢節(jié)點為子節(jié)點或葉節(jié)點，中間節(jié)點為根節(jié)點或子節(jié)點。本技術方案中的查詢節(jié)點則是本技術方案的預測的事故類型。另，還可根據具有因果關系的相鄰層級的節(jié)點之間成立父節(jié)點和子節(jié)點的關系，具體地，相對于當前的節(jié)點而言，當前節(jié)點的上層節(jié)點為該當前節(jié)點的父節(jié)點，同時，該當前節(jié)點為該父節(jié)點的子節(jié)點；即所述父節(jié)點是相對于子節(jié)點而言。

進一步地，所述根節(jié)點的狀態(tài)信息為狀態(tài)參數，包括材料性能、運行參數、填充狀態(tài)、泄漏位置、點火方式以及液化氣儲罐內的介質的介質性質以及液化氣儲罐內液體所含能量。由于狀態(tài)參數為根節(jié)點的狀態(tài)信息，因此，狀態(tài)參數均只能通過信息采集系統(tǒng)采集，而無法通過分析得出。

進一步地，所述子節(jié)點和/或葉節(jié)點的狀態(tài)信息包括破裂方式、泄漏類型和事故類型。所述子節(jié)點和葉節(jié)點的狀態(tài)信息則通過貝葉斯網絡分析計算根節(jié)點的狀態(tài)信息可推理得出。

具體地，根據液化氣儲罐事故演化過程共得到14個關鍵節(jié)點，所述液化氣儲罐事故演化貝葉斯網絡中各關鍵節(jié)點和各關鍵節(jié)點的關系如表2所示。信息采集系統(tǒng)采集14個關鍵節(jié)點的狀態(tài)信息。表2中采用父節(jié)點和子節(jié)點的關系來說明各關鍵節(jié)點之間的因果關系。

表2液化氣儲罐事故演化貝葉斯網絡中各關鍵節(jié)點之間的關系

如圖3所示，根據液化氣儲罐事故演化過程將有因果關系的關節(jié)節(jié)點用帶箭頭的連線連接，其中箭頭從代表原因的關鍵節(jié)點指向代表結果的關鍵節(jié)點，建立的液化氣儲罐事故演化貝葉斯網絡。

進一步地，所述貝葉斯網絡初始化包括通過案例學習或專家知識，形成根節(jié)點的先驗概率，以及子節(jié)點和葉節(jié)點的條件概率。所述先驗概率是指：設b1，b2，...bn是樣本空間為ω中的事件，若bi發(fā)生的概率p(bi)可根據已有的數據的分析或者根據專家知識即先驗知識估計得到，則稱p(bi)為先驗概率。所述條件概率是指令a、b表示兩事件，且p(a)≠0，給定事件a發(fā)生的條件下事件b發(fā)生的條件概率為：所述先驗概率和條件概率均可通過已有的數據分析或根據專家知識估計得到。

如圖4所示，本實施方式通過統(tǒng)計數據分析確定了根節(jié)點各個狀態(tài)的概率，通過專家知識確定了子節(jié)點的條件概率，實現貝葉斯網絡初始化。

本實施方式還提供一種液化氣儲罐事故預測方法，所述液化氣儲罐事故預測方法基于如上所述任一項實施例所述的液化氣儲罐事故預測系統(tǒng)，所述液化氣儲罐事故預測方法包括如下步驟：

1)、信息采集系統(tǒng)接收數據處理系統(tǒng)反饋的關鍵節(jié)點的需求信息，實時收集液化氣儲罐的狀態(tài)信息，將狀態(tài)信息存儲記錄至數據庫中，并發(fā)送至數據處理系統(tǒng)；所述數據庫中存儲記錄的狀態(tài)信息，可作為其他數據分析方法初始化的依據。

2)、數據處理系統(tǒng)將各關鍵節(jié)點的狀態(tài)信息實時輸入至初始化后的貝葉斯網絡，當信息采集系統(tǒng)收集到的影響液化氣儲罐事故演化的狀態(tài)信息發(fā)生變化時，將數據處理系統(tǒng)中對應的關鍵節(jié)點的初始化狀態(tài)值或信息采集系統(tǒng)較早采集的狀態(tài)信息更改為當前信息采集系統(tǒng)提供的實時狀態(tài)信息，利用貝葉斯定理計算各關鍵節(jié)點的不同狀態(tài)所對應的概率并更新；

3)、輸出系統(tǒng)將可能出現的事故類型輸出，且附有各事故類型的發(fā)生概率，實現事故的動態(tài)實時預測。

具體地，如圖5和圖6所示，信息采集系統(tǒng)將關鍵節(jié)點的實時狀態(tài)信息輸入至初始化后的貝葉斯網絡，如當信息采集系統(tǒng)采集到的數據表明液化氣儲罐內的壓力超過正常值時，材料性能較弱，其他關鍵節(jié)點的狀態(tài)沒有變化，將此信息傳遞到數據處理系統(tǒng)，此時貝葉斯網絡的關鍵節(jié)點中，“壓力”的狀態(tài)為“高”，“材料性能”的狀態(tài)為“低”，其他關鍵節(jié)點狀態(tài)不變，根據貝葉斯定理即可得出其他各關鍵節(jié)點的狀態(tài)概率如圖5所示，由圖可以直觀地得到發(fā)生中毒事故的概率為0.8，發(fā)生沸騰液體蒸氣云爆炸的概率為0.440836；如果在此基礎上，獲得的狀態(tài)信息表明液化氣儲罐的“填充狀態(tài)”為“低”，則事故場景及概率如圖6所示，此時發(fā)生中毒事故的概率為0.8，發(fā)生沸騰液體蒸氣云爆炸的概率為0.398656。

以上所述實施例的各技術特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術特征所有可能的組合都進行描述，然而，只要這些技術特征的組合不存在矛盾，都應當認為是本說明書記載的范圍。

以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本發(fā)明構思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應以所附權利要求為準。