严亮,孙首群

(上海理工大学 机械工程学院，上海 200093)

基于贝叶斯网络的陆上油气管道失效风险研究

严亮,孙首群

(上海理工大学 机械工程学院，上海 200093)

利用贝叶斯网络BN(Bayesian network)的不确定性推理和建模优势，提出了一种基于BN的陆上油气管道多因素多态失效风险分析方法。首先对造成管道失效的自然灾害、腐蚀和施工管理等主要因素的失效状态进行了分析修正，建立了BN概率计算模型。以某管道为实例，分别对管道失效单因素多态、两因素多态、三因素多态等情况进行了定量分析和定量评估，得出了管道失效概率和各基事件的结构重要度。结果表明： 利用BN分析方法评价陆上油气管道失效风险，能够推算出更精确的基事件概率分布，同时找出导致事故发生的最可能原因，为陆上油气管道事故的风险控制和安全管理提供了合理的建议。

贝叶斯网络 陆上油气管道 失效风险分析 概率计算

陆上油气管道系统在运输过程中，穿越路径长，经过的地形复杂，易受到内外腐蚀、第三方破坏、误操作、设备及材料缺陷等因素的影响，从而引起管道发生失效泄漏，造成巨大的经济损失和严重的环境污染。如何科学有效地进行陆上油气管道失效风险分析，预测其可能的失效状态，进而采取有效措施来应对风险，对油气管道的安全运行意义重大。

目前，中国对陆上油气管道失效风险评估一般使用故障树分析法FTA(fault tree analysis)，结合专家判断模糊化方法求取管道失效概率，即先根据导致管道失效的主要因素构建管道失效故障树，然后由专家对引起失效的基事件进行打分，再通过模糊数学方法计算得出管道失效概率[1-3]。然而FTA只能进行事件的二态性分析，且不能进行逆向推理。从推理算法上看，贝叶斯网络BN(Bayesian network)法克服了FTA的缺陷[4-5]，不受事件二态性的限制，还能实现双向推理。本文利用BN法进行陆上油气管道失效风险分析。

1 贝叶斯网络及其原理

BN是一种将概率统计应用于复杂系统进行不确定性推理和数据分析的方法，是图论与概率理论相结合的产物。BN包括网络结构和网络参数两部分： 网络结构对应1个有向无环图，用于表示问题域中变量之间的概率依赖关系；网络参数对应网络中每个节点相对于其父节点集的条件概率分布表，是父子节点之间概率依赖程度的一种量化表述[6]。利用联合概率分布可以直接计算管道失效事件(E)的发生概率：

(1)

式中：Xi——对应网络中的子节点,Pa(Xi)是其父节点集；n——网络节点的数量。按照贝叶斯公式给出的条件概率定义：

(2)

式中：P(A)，P(B)——均为先验概率；P(A|B)，P(B|A)——均为后验概率。假设A是1个变量，存在n个状态c1, …,ci, …,cn，则由全概率公式可以得出：

P(B)=∑P(B|A=ci)P(A=ci)

(3)

从而根据贝叶斯公式算出后验概率P(A|B)[7]。

2 陆上油气管道失效风险分析

2.1陆上油气管道事故诱发因素

根据欧美等发达国家和地区的管道事故数据显示，造成事故的主要因素有第三方破坏、腐蚀、设计缺陷、施工管理缺陷等[8]。而近十年国内对管道失效事故的统计数据显示，大约80%的管道失效是由第三方破坏和腐蚀造成的[9]。尽管国外有关事故原因的统计数据和国内的统计数据有所差异，但是中国和欧美等国家在造成陆上油气管道失效的最主要诱因是一致的，即第三方破坏和腐蚀是造成管道失效的最主要因素。根据美国管道和危险材料安全管理局(PHMSA)、欧洲燃气管道事故数据库(EGIG)等国际上比较成熟的管道失效数据库的统计结果显示，造成管道失效的主要因素有： 第三方破坏、腐蚀、设计、材料及设备缺陷、施工管理缺陷及自然灾害等[10]。

2.2贝叶斯网络模型

根据上述造成管道失效的主要诱发因素及其因果特征，构建陆上油气管道失效BN模型，如图1所示。顶上事件：E。中间事件：A1为第三方破坏，A2为管道严重腐蚀，A3为管道存在缺陷。基本事件：X1表示管道承压能差，X2表示管道严重憋压，X3表示自然灾害，X4表示蓄意偷盗，X5表示野蛮施工，X6表示腐蚀，X7表示管道抗蚀性差，X8表示设计缺陷，X9表示材料及设备缺陷，X10表示施工管理缺陷。

图1 陆上油气管道失效贝叶斯网络模型示意

3 案例分析

某天然气管道建于1989年，管道直径φ720，管材T/S52k6Mn和X52；设计压力4MPa，运行压力1MPa。导致该管道发生失效的各基事件概率参照文献[11-12]得出，见表1所列。

表1 管道失效基事件概率表

3.1HuginExpert软件计算

使用Hugin Expert建立管道失效BN模型，先输入表1中各基事件概率分布，再根据图1输入下面事件的联合强度概率表：

1) 事件A1受事件X4，X5的影响。

2) 事件A2受事件X6，X7的影响。

3) 事件A3受事件X8，X9，X10的影响。

4) 事件E受事件X1，X2，X3，A1，A2，A3的影响。

计算出E的失效概率为6.88×10-2，同时得到基事件导致管道失效时的结构重要度排序为：X3>X1>X5>X4>X9>X10>X2>X6>X8>X7。

3.2HuginExpert单因素多态修正

3.2.1自然灾害的修正

当自然灾害发生时，未必对管道造成破坏，可能由于外力作用挤压管道造成失效，也可能起到支撑管道的作用而延长它的使用寿命，即可以分为两种状态，各占一半[13]。

故只有在自然灾害因素造成管道失效时，将

P(E=1|A1=0，A2=0，A3=0，
X1=0，X2=0，X3=1)=1

(4)

修正为

P(E=1|A1=0，A2=0，A3=0，
X1=0，X2=0，X3=1)=0.5

(5)

修正后计算E的发生概率为5.59×10-2，各失效因素的结构重要度排序为：X1>X3>X5>X4>X9>X10>X2>X6>X8>X7。

3.2.2腐蚀因素的修正

将管道的腐蚀状态仅分成腐蚀和不腐蚀两种状态是不合理的[14]，可以将腐蚀因素分成强腐蚀、中等腐蚀、轻微腐蚀、无腐蚀四种状态，每种状态导致管道失效的概率依次减小。为了方便失效分析，假定依次为X61=0.0075，X62=0.0335，X63=0.5755，X64=0.3835。计算出E的发生概率为6.88×10-2，各失效因素的结构重要度排序为：X3>X1>X7>X5>X4>X9>X10>X2>X6>X8。

3.2.3施工管理因素的修正

[14-15]将施工管理的质量分为优、良、中、差4个等级：

1) “优”指施工一方有充分进行该项施工的经验，并有优秀的第三方进行监督。

2) “良”指施工一方有充分进行该项施工的经验，虽有第三方监督，但是不得力，或者有优秀的第三方监督，但是施工一方经验较欠缺。

3) “中”指施工一方有充分进行该项施工的经验，但是无第三方监督。

4) “差”指施工一方既无经验，又无第三方监督。

上述的“经验”不仅仅是指设计、施工过多少管道，而是指管理和技术等方面取得的成功经验。

为了方便管道失效分析，假定施工管理质量的优、良、中、差4个等级依次为X101=0.0005，X102=0.0025，X103=0.7985，X104=0.1985。计算出E的发生概率为6.88×10-2，各失效因素的结构重要度排序为：X3>X1>X5>X4>X9>X10>X2>X6>X8>X7。

3.3HuginExpert两因素多态修正

1) 将自然灾害和腐蚀因素相结合的修正，计算出E的发生概率为5.59×10-2，各失效因素的结构重要度排序为：X1>X3>X7>X5>X4>X9>X10>X2>X6>X8。

2) 将自然灾害和施工管理因素相结合的修正，计算出E的发生概率为5.59×10-2，各失效因素的结构重要度排序为：X1>X3>X5>X4>X9>X10>X2>X6>X8>X7。

3) 将腐蚀和施工管理因素相结合的修正，计算出E的发生概率为6.88×10-2，各失效因素的结构重要度排序为：X3>X1>X7>X5>X4>X9>X10>X2>X6>X8。

3.4HuginExpert三因素多态修正

将自然灾害、腐蚀和施工管理因素相结合的修正，计算出E的发生概率为5.59×10-2，各失效因素的结构重要度排序为：X1>X3>X7>X5>X4>X9>X10>X2>X6>X8。

通过上述分析结果可以发现在多因素多态修正中，管道失效的发生概率取决于自然灾害因素，即只有对事件逻辑确定性进行修正时才会改变E的发生概率，而腐蚀和施工管理因素不会对E的发生概率产生影响，只是改变基事件的结构重要度排序。

4 结束语

1) 利用BN描述事件多态性和失效逻辑非确定性的能力，构建了陆上油气管道失效的BN模型，再通过具体案例对管道失效的几种状态进行了研究。

2) 运用Hugin Expert软件，对E进行了高效、准确的计算，同时对造成管道失效的自然灾害、腐蚀和施工管理因素分别进行了单因素多态、两因素多态和三因素多态修正，体现了BN对陆上油气管道失效风险定量分析的优势。修正后的BN模型更加符合实际，对于提高陆上油气管道失效风险分析的系统性和准确性有着重要的现实意义。

3) 通过案例分析验证了BN方法的合理性，但是在实际工程应用中，仍存在部分问题，如构建的模型可能与实际存在一定的偏差，缺乏导致管道失效主要因素的统计数据。因此，需要进一步完善模型，进一步研究管道失效多因素多态定量分析方法，以构建更加完善可靠的陆上油气管道失效分析模型。

参考文献：

[1] 王文和,沈溃领,王骏逸,等.油气管道失效概率计算模型及其应用研究进展[J].化工设备与管道,2016(06)： 71-76.

[2] 陈利琼,张鹏,梅云新,等.油气管道危害辨识故障树分析方法研究[J].油气储运,2007(02)： 18-30.

[3] 张静,樊建春,温东,等.基于故障树的油气管道泄漏模糊可靠性评估[J].油气储运,2010(06)： 401-406.

[4] 王广彦,马志军,胡起伟.基于贝叶斯网络的故障树分析[J].系统工程理论与实践，2004(06)： 78-83.

[5] 周忠宝.基于贝叶斯网络的概率安全评估方法及应用研究[D].长沙： 国防科学技术大学，2006.

[6] 胡春玲.贝叶斯网络结构学习及其应用研究[D].合肥： 合肥工业大学,2011.

[7] 尹晓伟,钱文学,谢里阳.基于贝叶斯网络的多状态系统可靠性建模与评估[J].机械工程学报,2009(02)： 206-212.

[8] Sklavounos S,Rigas F. Estimation of Safety Distances in the Vicinity of Fuel Gas Pipeline[J]. Loss Prevent Process Industries， 2006(19)： 24-31.

[9] Lu Yan, Wang Jia, Wei Wenpu, et al. Development and Application of Oil-Spill Risk Assessment Model for Offshore Pipeline[J]. Journal of Ocean University of China, 2014(03)： 415-420.

[10] Muhlbauer W K. Pipeline Risk Management Manual [M]. Burlington： Gulf Publishing Company， 1996： 20-35.

[11] 顾建荣.陆上油气管道急剧危害定量风险评价研究[D].西安： 西安建筑科技大学,2016.

[12] 郝永梅,邢志祥,沈明,等.基于贝叶斯网络的城市燃气管道安全失效概率[J].油气储运,2012(04)： 270-273.

[13] 俞树荣,杨慧来.基于贝叶斯网络的长输管道故障树分析[J].石油化工设备，2009(02)： 47-50.

[14] 潘家华.油气管道的风险分析(续一)[J].油气储运,1995(04)： 1-7.

[15] 潘家华.油气管道的风险分析(待续)[J].油气储运,1995(03)： 11-15.

FailureRiskResearchofOnshoreOilandGasPipelineBasedonBayesianNetwork

Yan Liang, Sun Shouqun

(College of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai, 200093, China)

By using the advances of uncertainty reasoning and modeling of Bayesian network, a new method based on BN is proposed in the failure risk analysis of onshore oil and gas pipeline with multi factors and multi conditions. The failure states caused by the main factors of natural disasters, corrosion and construction management which induces the failure of onshore oil and gas pipeline are analyzed and modified first. Probability calculation model based on BN is established. Taking a pipeline as an example, the failure with single factor and multi conditions, double factors and multi conditions, three factors and multi conditions are quantitatively analyzed and assessed, the failure probability of pipeline and the importance of the base events are obtained. The result shows that through BN analysis evaluating failure risk of onshore oil and gas pipeline, probability distribution of the base events can be calculated more accurately. The most likely cause of the accident can be found out at the same time. Reasonable suggestions for the risk control and safety management of onshore oil and gas pipeline accidents are provided.

Bayesian network; onshore oil and gas pipeline; failure risk analysis; probability calculation

TP273

B

1007-7324(2017)05-0005-03

稿件收到日期： 2017-07-04，修改稿收到日期2017-08-02。

国家科技支撑计划项目(2015BAK16B04)。

严亮(1989—)，男，安徽合肥人，在读硕士研究生，研究方向： 油气管道事故处置及管道安全风险分析。