冯伟，谭美亭(河南吉成先科咨询服务有限公司，河南 郑州 450000)

0 引言

早在多年以前，我国就有许多的学者针对安全风险预测进行了研究，并制定了较为完善的定量风险分析方法，但随着行业的发展，当前的定量风险分析方法存在着许多的缺陷，在实际运用的过程中难以及时的针对事件的具体情况进行更新，导致其预测的准确性受到影响。而在近些年来，随着贝叶斯网络的出现，动态风险评估工作当中得到了进一步的优化，但采用这种贝叶斯网络需要有大量的数据结合到其中，但是在实际的石油化工行业生产过程当中，想要获得大量的故障数据是极为困难的一件事情，因此这种方法并不容易实施。而除了贝叶斯网络以外，当前还有运用符号有相图来进行动态风险的评估工作，采用这种方法可以通过分析节点之间的关系来进行系统故障的描述，但是在实际运用的过程当中，由于无法标记故障的路径，这个无法直观的地展示出风险在动态传播时的相关数据。采用模糊网的方式来研究动态的风险传播机制，具有一定的可行性，能够有效的把各个风险节点进行联系，从而更加直观的地展现出对初始事件到事故发生演化过程当中的具体表现，以此来获得事故演化的路径，在当前的电网、交通等领域当中都有广泛的运用到模糊网。但是由于在计算过程当中，需要涉及到大量的数据，而这些数据主要是通过数据库来获得，这在一定程度上难以反映出真实的工况。对此，在基于模糊网的基础之上，通过结合大数据、人工智能等方式实时的采集数据以此来优化模糊网。

在当前的技术不断优化的发展过程中，自动化、信息化、智能化等都渗透到企业生产的各个环节中。化工企业生产时会用到传感器来收集数据，而由于这些数据分布在多个数据源当中，因此具有多源异构等特点。考虑到当前的风险分析缺乏有效的数据引入，无法真实地反映实际的工况。对此，文章采用HAZOP+LOPA分析的方法，建立动态的风险量化评估模型，结构如图1所示。从而实现实时定量评估化工企业存在的事故，其发生的概率精确地测量出风险点动态当中的风险值，从而更为科学有效地指导化工企业日常的安全风险管控措施[1]。

图1 多源异构数据融合架构

1 数据融合的概念及发展趋势

1.1 数据融合的基本概念

有关数据融合的技术研发，最早是因为军事发展需求而逐渐被提出来的。但是随着研究人员不断深入研究这项技术，从而让这项技术逐渐形成了独立的一门学科，许多人对这门学科的研究不再局限于军事层面，而是结合知识推理的方式令数据融合这一技术变得一般化，进入到其他的许多产业当中[2]。

在军事发展中应用数据融合这项技术，主要是通过多传感器的数据进行关联与组合的方式，能够实现精准的位置判断以及身份估计。因此，通过结合这项技术能够有效地对战场当中的情况进行了解，以此了解到具体的威胁情况。

之后，为了更好地把数据融合这项技术运用到其他领域中，对数据库进行了相应的改良。通过改良能够让数据获取的来源更为广泛，从而让数据融合的技术不仅是针对军事领域，同时还能运用到更多其他的领域中。有专家认为当前的数据融合技术属于多层次、多维度的一种处理技术，在处理过程中为了精准地识别身份，对危险事件进行评估，获取到危险事故发生概率以及可能会带来的伤亡情况[3]。

1.2 数据融合的发展趋势

在当前的数据融合研究当中仍然存在着许多的问题，如没有搭建较为成熟的数据融合理论框架，以及在融合系统当中对其容错性的要求无法得到有效的满足，导致了数据融合在实际应用的过程当中存在较大的问题和影响，而且在当前有关数据融合的研究当中，在涉及到融合算法上的研究大多都处于刚起步的阶段[4]。

针对以上的问题，接下来应当要：

(1)通过深入的数据融合研究，构建成熟的融合理论框架，制定完善的体系；

(2)围绕数据融合技术解决相关的配套系统，如数据库的搭建和数据预处理等；问题，确保数据融合技术在实际应用的过程当中减少不必要的阻碍；

(3)在数据融合的研究当中，需要不断地融入新兴技术；

(4)搭建能够满足到多种应用场景的数据融合算法与模型；

(5)在研究数据融合技术的过程当中，还应当要注重数据融合的商业化应用。

2 多源异构数据预处理方法

数据预处理作为数据融合当中最为重要的一个环节，对于预处理的实际应用将会直接影响到数据融合当中的结果。但在当前许多的有关数据融合研究当中，都没有单独围绕数据预处理展开深入的研究，在数据预处理的工作上，存在一定的不足。

在数据融合技术的实际应用当中，受到数据多源异构的特点，导致了在数据搜集的时候不同的数据源当中的信息会在不同的程度上存在相应的问题。比如因数据的唯一性、权威性等导致数据的维度无法统一、数据亢余等问题出现，这些问题都会导致在后期的结果运算过程当中造成一定的影响。对此，重视数据预处理，能够提高数据融合当中的数据准确性。

2.1 数据填充技术

总体而言，在当前针对数据缺失的处理方法当中，主要包括删除、填充和不处理。在数据的填充技术上可以分为两种，一种是数据的操作人员根据现有的知识经验在缺失数据的部位填充合理的预期值；另外一种方法是，根据统计学的原理，结合现有的数据进行合理的填充，其具体的流程是：

/*Algorithm EM:

输入：观察数据x= (x1,x2, … ,xn)，联合分布p(x, y|θ)，条件分布p(z|x,θ)

输出：模型参数θ的最优值

STEP1：初始化参数θ的初值θ0

STEP2：重复STEP3、STEP4

STEP3：计算联合分布的条件概率期望：

STEP4：重新计算模型参数:

其中，z为未观测数据；STEP3叫做E步，求期望；STEP4叫做M步，求极大化。

2.2 特征降维技术

特征降维是为了降低算法开销，让数据更加容易处理，以及让更重要的特征信息能够明确地凸显出来，降维操作是行之有效的方法。下面介绍一种PCA降维方法。PCA的算法步骤是：

(1)初始化矩阵Xnm，代表n个m维的属性，将数据进行去均值处理，有需要的话再进行归一化；

(2)求协方差矩阵及协方差矩阵的特征值和特征向量；

(3)将特征向量按照对应的特征值从大到小排列，选择前k个特征向量组成投影矩阵P；

(4)Y=PX就是降维到k维后的数据。

在数据预处理中，数据填充和特征降维在算法上具有较大的改进空间，即不同的算法对于处理结果的影响较大，其余预处理操作，比如：标准化、归一化、数据去重等都已经有较为成熟完备的方法或工具，此处不做赘述。

3 模糊Petri网基本原理

在对模糊网Petri进行改进之后，可以把其设置为九元组：{P,L,T,F, IN,OUT,W,V,D}，其中：

(1)P={p1,p2,p3,…,pi}代表的是故障库的一个结合，具体包含了在化工厂当中可能会存在的所有故障，而i代表的是故障的一个总数；

(2)L={l1,l2,l3,…,ln}代表的是保护层库所，也就是在系统中所包含的保护层，n代表的是保护层的个数总和；

(3)T={t1,t2,t3,…,tm}表示变迁集，也就是具体的某个风险事故的发生过程，m代表的是发生变迁数量；

(4)F= {f1,f2,f3,…,fi}指的是与Pi互相对应的命题集；

(5)IN 为P→T进行函数的输入；

(6)OUT 为T→P进行函数输出；

(7)W为权函数，表示库所p对变迁t成立的支持度；

(8)V={μ1,μ2,μ3,…,μm}指的是故障库和保护层库所当中的可信度集合；

(9)D={d1,d2,d3,…,dm}指的是在变迁发生中的阈值的集合，也就是变迁t需要满足wi×μ1≥d1。

以化工企业中的炼化系统所发生的储罐溢流现象作为案例，对其进行模糊 Petri 网的建立，具体如图2所示。

图2 模糊Petri网模型

在故障所当中的p1指的是当化工企业中有员工误开了大阀，可信度μL1指的是故障发生时的一个概率，变迁t1指的是当前储罐内的液位逐步升高的情况下，出现了变迁t1的阈值与权值为d1与w1。

其次，在故障所p2当中指的是储罐的液位升高，可信度μ2指的是储罐中的液位升高可能 性。当μ1×μL1＞d1，t1则 会 出 现 新 的 变 化：μ2=μ1×μL1×w1，如 果 是μ1×μL1＜d1的 情 况 下，t1不出现任何变化[5]。

4 动态量化评估模型建立

根据模糊 Petri 网原理中的基本内容，具体的分析环节如图 3 所示。

图3 改进模糊Petri网的分析步骤

(1)洞察与辨别事故的场景

结合HAZOP开展初始风险级别的确立，尤其确定筛选出具有高风险的事故，并采用LOPA进行事故场景的分析，从而得出事故发生的原因和影响，并根据事故具体的内容得出对应的措施。

(2)辨别初始事件及触发事件

触发事件当中主要指的是修正因子，修正因子主要是指人员暴露率、死亡率等。

(3)建立模糊Petri网模型

根据以上的内容，建立模糊网。

5 实例分析

在化工厂当中，正已烷从上游的工艺单元进入到正已烷缓冲罐T-401的这个过程中，整个流程具体如图4所示。

图4 正己烷缓冲罐工艺流程图

(1)基于HAZOP的分析结果，可以对正已烷缓冲罐的外溢事故的场景进行确定，获取到风险传播过程中的初始事件、触发事件的保护层，搭建改进过的模糊Petri网模型。

(2)在这个模型当中，初始库包含的故障所p1、p2、p3、p4以及 保护 层库所的l1、l2、l3、l4，其中初始库的可信度主要是依据企业的历史运行数据，结合各种参数的运算方法，对其取值进行计算，然后变迁的权值与阈值主要是根据专家的经验计算得出。

在经过模型的数据运算，最后可以获取到缓冲罐溢流的发生概率应当在1.21×10-4，根据计算公式，可以获得点火的概率应当在0.64，人员的暴露概率在0.5，根据计算可以获取到火灾的爆炸概率应该为9.99×10-7，以及在火灾爆炸的情况下，人员的伤亡概率应该在4.99×10-7。通过对数据的分析可以判断该风险处于可接受的范围之中[6]。

由于当前的保护层数量存在庞大复杂的情况，企业无法精准有效地识别出当前保护层的安全情况，对此，需要分别计算出该模型在BPCS控制系统当中的故障和人员干预失效等影响，从而为日常的检查提供必要的依据。

6 结语

本文在研究过程中，先是介绍了数据融合的概念，探讨了多源异构的数据梳理方法，然后提出了优化过的模糊Petri网，并且着重围绕着正已烷缓冲罐溢流事件作为案例进行分析，以此精准获取到了风险传播过程中的各项数据。相较于传统的模糊Petri网，本文所提出的方法其有效率更高。