都心爽,武 玮,张金阳,淡 勇

(西北大学 化工学院, 陕西 西安 710069)

天然气为当今世界使用最广泛的清洁能源之一,其从气田到净化处理厂再到用户端的运输基本通过管道完成。天然气具有易燃易爆性质,一旦管道失效导致泄漏将会带来巨大经济损失，并危及周围居民和工人的生命财产安全。故管道安全受到广泛关注,合理有效对其进行风险评估成为重要课题。

故障树分析(fault tree analysis,FTA)是评估系统安全性和可靠性使用最多的方法之一。传统的FTA采用图形的方式刻画系统的失效路径和失效事件之间的逻辑关系,并利用精确的基本事件故障概率值来计算危险事件(顶事件)的发生概率[1-4]。尽管故障树为我们提供了一种定量分析系统安全风险的方法,但在实践中,由于数据不足,复杂系统各部分的准确故障概率值难以获得,因此难以应用。

对于定量信息有限的系统,可以采用模糊的方法[5-8]。直觉模糊故障树(fuzzy fault tree analysis,FFTA)的概念已被不同领域的研究人员所使用。Guzman等利用模糊故障树对管道安全进行了风险评估,并改进了管道安全管理决策过程[9]。董玉华等为了评估石化管道的可靠性,应用FFTA对故障概率基本事件进行分析[10]。Rajakarunakaran等提出了运用专家评估液化石油气加气站风险的模糊逻辑,并确定了对液化石油气加油站造成不利影响的基本事件故障概率[11]。Purba等通过核电站运行对故障树基本事件进行了模糊可靠性评估,并与现有的实际故障概率进行了比较[12]。

然而，在目前评价过程中,专家往往不能给出对象的精确归属程度,存在一定的犹豫因素。为了处理故障数据不确定性中的犹豫因素,可以应用直觉模糊集(intuitionistic fuzzy set,IFS)[13]。IFS的主要优点是它分别定义了对决策接受程度和不接受程度,分别命名为隶属度和非隶属度。因此,IFS理论的适用范围比模糊集理论要广得多。Shu等在印刷电路板组件上使用直觉模糊集进行故障树分析[14]。Kumar等基于最弱t-norm的直觉模糊故障树分析评价系统可靠性[15]。并在直觉模糊环境下利用故障树分析和专家意见对系统进行故障概率评价[16]。Cheng等将 IFS理论应用于液化天然气终端应急关闭系统的FTA,并生成了系统的直观模糊故障间隔和直觉模糊可靠性区间[17]。为了考虑底部事件的故障概率,专家还提出了三角模糊数来分析故障树[18]。上述研究,尚未有针对天然气工业管道中的失效事件进行分析评估的研究。

本文基于直觉模糊集概念,提出一种新的将三角直觉模糊数引入故障树的安全分析方法,对天然气管道进行评估,并通过工程案例进行评价验证。本文使用的方法相较于传统故障树考虑了现实因素中的不确定性和复杂性,提高了评估结果的可靠性。

1 理论简介

1.1 故障树的基本概念

故障树(fault tree,FT)是一种广泛用于确定复杂系统中意外事件发生概率的方法,它采用逻辑框图的形式记录和分析系统意外事件与其他事件之间的逻辑关系[19]。这些事件通常通过逻辑门(与门、或门等)连接起来。构建系统的故障树时,首先需要确定需求和目标,定义顶事件,即系统最为关注的失效事件,然后自上而下逐层确定与其关联的其他事件以及它们之间的逻辑关系,直到最底层事件(即底事件)。

1.2 直觉模糊集和直觉模糊数理论

直觉模糊集理论是模糊集理论的一个拓展,由保加利亚学者Atanassov于1986首次提出[20]。相比于经典的模糊集而言,它不仅考虑了问题的不确定性,也考虑不确定性问题中的中立程度,更加符合人类认知习惯。

(1)

(2)

(3)

1.2.2 三角直觉模糊数

(4)

(5)

图1 三角直觉模糊数Fig.1 Triangular intuitionistic fuzzy number

(6)

(7)

(8)

(9)

(10)

(11)

2 三角直觉模糊故障树方法

根据具体研究对象确定其失效形式,分析出导致失效的重要因素,建立直觉模糊故障树,本文构建的三角直觉模糊故障树法(TIFFTA)基于故障树分析法确定底事件,利用底层事件失效数据的直观模糊结果来表示管道失效可能性的大小。构建TIFFTA的详细过程如图2所示。

2.1 确定管道失效形式

了解管道材料、管内介质、设备使用时间及各生产单元具体生产情况来判断管道可能受到的外部或内部损伤,现场查看并记录管道失效位置信息、腐蚀产物信息、管道开裂信息、管道断裂信息、失效位置分布信息、施工信息、外防腐层破损信息及失效位置形貌信息来确定管道失效形式。

2.2 绘制故障树并确定打分项

根据导致管道失效的因素,构建故障树,从中提取基本事件作为专家评估项目，并邀请业内权威专家进行打分。各项基本事件打分区间决定于其对管道失效的影响大小,影响越大,分值越高,反之,则越小。

图2 三角直觉模糊故障树方法流程图Fig.2 Triangular Intuitionistic fuzzy fault tree flow chart

2.3 AHP法确定各项权重

层次分析法(the analytic hierarchy process,AHP)是一种解决多目标复杂问题的定性与定量相结合的决策分析方法。根据问题的性质和目标重要性将问题分解成不同组成因素,将定性与定量结合起来,合理地给出各方案的权重，AHP法的一般步骤为:

1)构建事件的层次结构模型。将决策目标、决策准则、决策对象依据其相互关系分为最高层、中间层和最底层,用层次结构图来表示。

2)构建各层次判断比较矩阵A=(aij)n×n。使用Santy提出的一致矩阵法,不把所有因素一起比较,而是将各因素分别进行两两比较，如表1所示。

3)层次单排序及其一致性检验。一致性检验是利用一致性指标CI和随机一致性指标RI的数值表以及一致性比率CR<0.1，对构建的判断比较矩阵A进行检验的过程。若CR<0.1,则矩阵的一致性检验通过,反之，则需修正判断比较矩阵[24]。

4)层次总排序及其一致性检验。计算最下层对总目标即最上层总排序的权向量。

表1 矩阵解释表Tab.1 Interpretation matrix table

2.4 计算各管道顶事件得分

根据已算出的一级事件的权重和底事件的得分,利用式(12)可计算出单条管道的风险等级，

P=w1V1+w2V2+w3V3+…+wnVn

(12)

其中，P为管道的危险等级得分;Vn为某条管道的第n个一级事件得分;ωn为某条管道第n个一级事件权重。

2.5 管道失效等级分析

根据计算的管道危险数值,依据表2所示的分级标准,对管道进行风险等级划分。根据不同风险等级,制定相应的检测维护计划,以确保管道安全服役。评估结果分值在[0,2)区间内,等级定为一级;分值在[2,4)区间内,等级定为2级;分值在[4,6)区间内,等级定为3级;分值在[6,8]区间内,等级定为4级。认为1级和2级为较安全管道;3级认为有一定安全风险;4级为安全风险较高,需要重点关注。

表2 故障树符号/事件对照表Tab.2 Fault tree symbol/event cross reference

3 工程实例

以西北某天然气处理厂为例,运用直觉模糊故障树方法对厂内的工业管道进行分析,评估管道的失效风险等级,验证方法的可行性和适用性。

3.1 确定管道失效形式

根据净化厂提供的近10年的管道各项数据以及实地观测管道失效情况,发现腐蚀泄漏是天然气净化厂工业管道的主要失效模式,影响其失效的一级因素确定为服役时间、腐蚀、外部损伤及管理4个方面。

3.2 绘制故障树以确定打分项

以服役时间、内腐蚀、外部损伤及管理为基准,构建故障树,如图3和表3所示。得到“服役时间”、“介质相态”、“介质温度”等13个故障树底事件,以此作为打分项。

管道服役时间、介质相态、介质温度、管道所受压力、防腐层完整性及外部机械损伤这6个打分项的具体参数，可根据工艺流程推断或现场检测获得,故此6项为第一类打分项。第二类则需要综合多位专家的意见,包括硫化氢含量、二氧化碳含量、含水量、含氧量、厂内人员培训水平、设备维护能力以及安全作业这7项。

图3 管道失效风险故障树Fig.3 Pipeline failure risk fault tree

表3 评分准则Tab.3 Score criterion

3.2.1 确定打分标准 根据13个打分项对管道失效的影响程度大小来确定打分区间,主要影响因素有以下4类:

1)腐蚀的程度由腐蚀时间和腐蚀速率决定,故服役时间长越长,危险等级越高;

2)干燥气态中即使腐蚀性气体含量高,也较难发生腐蚀。介质中若有固体则容易对管道产生冲刷腐蚀,故要考虑介质相态影响；

3)若介质为腐蚀性介质,则比一般介质更容易对管道造成腐蚀；

4)管理中,操作人员是否安全作业对管道失效影响较大。管理越规范,分数越低。

3.2.2 AHP法确定一级影响因素权重 根据专家意见和已有研究[25],得到各级事件之间重要性比较表(见表4、5、6、7)。

根据文献[24],得到4个比较表的一致性比例，分别为CR1=0.045<0.1，CR2=-0.045 6<0.1，CR3=0.027<0.1，CR4=0.065<0.1,均通过一致性检验。底事件“硫化氢”、“二氧化碳”、“含水量”、“氧含量”的权重分别为0.59，0.26，0.06，0.09;“人员培训”、“设备维护”、“安全作业”的权重分别为0.2，0.31，0.49;“含量”、“相态”、“温度”、“压力”的权重分别为0.62，0.07，0.19，0.11;一级事件“服役时间”、“腐蚀”、“管理”、“外部损伤”的权重分别为0.16，0.5，0.1，0.24。

表4 事件X10，X11，X12，X13重要性比较表Tab.4 Event X10,X11,X12,X13 importance comparison

表5 事件M4，X7，X8，X9重要性比较表Tab.5 Event M4,X7,X8,X9 importance comparison

表6 事件X4，X5，X6重要性比较表Tab.6 Event X4,X5,X6 importance comparison

表7 事件X1，M1，X2，M2重要性比较表Tab.7 Event X1,M1,X2,M2 importance comparison

根据各影响因素权重，利用下式计算管道危险等级P，

P=0.16V1+0.5V2+0.1V3+0.24V4

其中，Vi为某条管道的第i个一级事件得分。

3.3 风险评价结果

运用已建立的直觉模糊故障树模型和由AHP得到的各事件权重,对净化厂20条管道进行风险评估,这里由3位专家组成专家组依据表3对各打分项赋值。如2号管道管内H2S含量3位专家打分分别为(4,4.3,4.6,0.8,0.2)，(4,4.2,4.4,0.9,0.1)，(4.2,4.4,4.6,0.7,0.3),整合结果为(4.04,4.29,4.54,0.82,0.18)。则硫化氢含量、二氧化碳含量、含水量、含氧量、厂内人员培训水平、设备维护能力以及安全作业这7项分数整合见表8、9。服役时间、外部损伤、相态、温度、压力及防腐层完整性得分见表10。

表8 管内腐蚀介质含量专家打分整合表Tab.8 Experts scored the corrosive mediums in the pipeline

表9 厂区管理专家打分整合表Tab.9 Experts scored the factory management

表10 已知参数项得分Tab.10 Score with known parameters event

表10的得分可以转换为三角直觉模糊数,如1号管道服役时间打分为8,则可转换为(8,8,8,1,0)。即打分为x,可转换为(x,x,x,1,0)。通过式(11)将13个打分项的整合结果进行聚合,根据式(12)进行权重计算,最终得到顶事件的得分，如表11所示。

表11 管道得分结果Tab.11 Pipeline score results

根据所得20条管道的评估结果绘制对比图(见图4),其中6条管道存在一定的安全风险,4条存在较严重安全风险。17号和19号管道失效最为严重,主要原因是管道内部介质硫含量较高,腐蚀性较强,对管道造成较大损伤。

管道失效严重程度与外部环境、管内介质、厂区管理等均有关系。失效风险较高的管道均有以下几个特点:管内含有强腐蚀性介质如H2S、管道服役时间较长、设备维护存在问题且施工人员操作不够规范。从评估结果可以看出,管内介质腐蚀是造成管道安全风险较高的最重要原因。因此,对管道进行防腐处理和定期检测是降低其安全风险的重要措施。

图4 管道失效风险得分分布图Fig.4 Distribution diagram of pipeline failure score

4 结语

本文提出了一种基于直觉模糊故障树的工业管道安全风险评估方法,解决了常规故障树获取底事件困难以及难以量化评估的问题。以西北某天然气厂管道安全评估作为工程实例进行验证，利用直觉模糊故障树分析管道失效原因,结合层次分析法与打分法确定管道失效风险等级,能够有效地找出存在严重安全风险的管道,工厂可对存在较高安全风险的管道进行维修更换,对工厂后续安全问题起到防范作用,可有效减少人员伤亡和经济损失。此外,本方法不局限于工业管道风险评价,也可拓展到其他工业系统的安全评估中。