基于尺度效應(yīng)的過程安全事故概率估計

胡瑾秋，郭家潔

（中國石油大學(xué)（北京）油氣資源與工程國家重點實驗室，機(jī)械與儲運工程學(xué)院，北京 102249）

基于尺度效應(yīng)的過程安全事故概率估計

胡瑾秋，郭家潔

（中國石油大學(xué)（北京）油氣資源與工程國家重點實驗室，機(jī)械與儲運工程學(xué)院，北京 102249）

為提高過程安全事故概率估計方法的適用性，需在基本事件階段考慮工藝偏差的傳播過程。提出基于尺度效應(yīng)的過程安全事故概率估計方法，從工藝偏差角度入手，建立了新的基本事件求解模型。引入了多尺度思想，在大尺度上，考慮人因失誤對工藝偏差的影響，修正基本事件概率。選用模糊Petri網(wǎng)模型進(jìn)行事故概率估計。最后通過沖塔事故案例分析驗證模型，結(jié)果表明：人的參與對工藝偏差概率具有較大影響，所提方法比較符合實際工況，更適用于過程安全。由于概率估計是基于統(tǒng)計的數(shù)據(jù)求取偏差概率，避免了直接對計算參數(shù)進(jìn)行設(shè)定的主觀性。

多尺度；過程系統(tǒng)；事故概率；工藝偏差；人因失誤；安全

引 言

隨著近期復(fù)雜化工過程重大事故頻發(fā)，提高安全性以減少重大事故的發(fā)生意義重大[1]?；み^程安全事故大多由于系統(tǒng)的“變化”引起，如液位偏高、流量過大、管線裂紋等。如果這些“變化”使系統(tǒng)的運行工況超出設(shè)計預(yù)期的安全范圍，將出現(xiàn)系統(tǒng)故障。單一設(shè)備或工藝過程出現(xiàn)故障，極易借助系統(tǒng)單元之間的相互依存、相互制約關(guān)系，觸發(fā)鏈鎖效應(yīng)，由一種故障引發(fā)出一系列故障鏈直至引起事故或災(zāi)難[2]。由此可見，研究分析工藝偏差傳播過程造成的事故風(fēng)險，確定事故概率估計方法，具有非常重大的意義。

目前就單一事故而言，如何進(jìn)行事故風(fēng)險分析，國內(nèi)外的相關(guān)研究很多，有些研究成果也相對成熟。應(yīng)用較為廣泛的基于圖論的風(fēng)險分析方法主要有：事件樹分析法[3-5]、Bow-tie分析法[6-7]、馬爾可夫鏈分析法[8]、貝葉斯網(wǎng)絡(luò)分析法[9-10]、Petri 網(wǎng)分析法[11-13]；基于數(shù)理統(tǒng)計的風(fēng)險分析方法有：神經(jīng)網(wǎng)絡(luò)法[14]、蒙特卡羅法[15]、灰色理論動態(tài)風(fēng)險評價法[16]、危險指數(shù)評價法[17]。

以上這些方法在事故概率估計方面相對成熟。但就基本事件考慮得比較雜亂，從零件故障、工藝偏差到人因失誤不等，且數(shù)據(jù)都是通過數(shù)據(jù)庫所得，并不能很好地反映過程安全的研究實況。并且當(dāng)研究尺度增大時，如何綜合考慮“偏差”之間的關(guān)聯(lián)、人員參與等一系列因素對“偏差”的影響，無論是國內(nèi)還是國外，相關(guān)的研究與實踐并不多。為此，本文提出了基于尺度效應(yīng)的過程安全事故概率估計方法，該方法從過程安全事故風(fēng)險的多尺度屬性入手，小尺度上的基本事件全部采用工藝偏差變量，偏差傳播至大尺度上形成事故采用Petri網(wǎng)，建立過程安全事故概率計算模型，可用于石油石化企業(yè)安全評價。

1 基本理論

1.1 相關(guān)定義

1.1.1 尺度劃分 在安全科學(xué)領(lǐng)域，研究人員已認(rèn)識到自然災(zāi)害的空間層次特點并對自然災(zāi)害的尺度進(jìn)行劃分[18]。生態(tài)學(xué)上也給出了尺度劃分依據(jù)和標(biāo)準(zhǔn)[19-20]。過程安全領(lǐng)域也有對尺度劃分的研究[21]。結(jié)合生態(tài)學(xué)尺度劃分依據(jù)和過程安全尺度劃分先例，基于催化裂化裝置的特點，將其定性分為幾個尺度：工藝參數(shù)尺度、事故尺度、車間尺度、化工園區(qū)尺度。

1.1.2 尺度效應(yīng) 由于空間尺度的不同，災(zāi)害風(fēng)險因子特征和表征方式、方法的差異而導(dǎo)致的數(shù)據(jù)精度，風(fēng)險表征、分級和風(fēng)險地圖特征不同的現(xiàn)象，稱為災(zāi)害風(fēng)險尺度效應(yīng)[22]。由此，狹義過程安全的尺度效應(yīng)定義為：由于空間、時間尺度的不同，工藝參量偏差的傳播而導(dǎo)致的事件概率表征不同的現(xiàn)象，稱為過程安全尺度效應(yīng)。例如，若從部件增加到單元層面上增加幅度，人員的操作、參量偏差的傳遞均能影響工藝偏差概率的估計。

1.1.3 工藝偏差概率 化工過程事故通常起源于異常擾動。異常擾動會造成工藝變量偏離正常區(qū)域，從而觸發(fā) H/L報警[23]。從變量偏離正常區(qū)域觸發(fā)H/L報警即為產(chǎn)生一次H/L偏差。該報警發(fā)生概率反映了相應(yīng)變量受干擾出現(xiàn)異常的概率。而在固定時間段內(nèi)，變量處于報警狀態(tài)時間（即總恢復(fù)時間）反映了該變量觸發(fā)H/L報警概率的大小。因此，釆用工藝變量在一段時間長度內(nèi)的總恢復(fù)時間與該段時間的比值作為關(guān)鍵變量發(fā)生 H/L報警概率估計值，即H/L偏差概率。

1.2 人因失誤模型理論

1.2.1 THERP模型理論 20世紀(jì) 80年代初，THERP（人因失誤率預(yù)測技術(shù)）由 Swain等[24]人因分析專家提出。THERP模型主要基于人因可靠性分析(HRA)事件樹模型。它將人因事件中涉及的人員行為按事件發(fā)展過程進(jìn)行分析，并在事件樹中確定失效途徑后進(jìn)行定量計算。人因可靠性事件樹描述人員進(jìn)行操作過程中一系列操作事件序列；它按時間為序，以兩態(tài)分支擴(kuò)展。其每一次分叉表示該系統(tǒng)處理任務(wù)過程的必要操作，有成功和失敗兩種可能途徑[25]。因而某作業(yè)過程中的人因可靠性事件樹可描述出該作業(yè)過程中一切可能出現(xiàn)的人因失誤模式及其后果。對樹的每個分枝賦予其發(fā)生的概率，則可最終導(dǎo)出作業(yè)成功或失敗的概率。

1.2.2 HCR 模型理論 由于THERP模型主要是描述與時間無關(guān)的人因失誤，而現(xiàn)代的人-機(jī)系統(tǒng)常常與人的認(rèn)知判斷有關(guān)，HCR法[26]就是為了評價運行班組未能在有限的時間內(nèi)完成動作的概率而開發(fā)的。

HCR 的基本假設(shè)如下。

（1）它認(rèn)為所有的人員動作的行為類別可以根據(jù)是否為例行的工作、程序書的情況及訓(xùn)練的程度等，分為技能型、規(guī)則型及知識型3種。

（2）它認(rèn)為每一種行為類別的失誤概率EP，僅與允許時間Mt和執(zhí)行時間CT1/2的比值有關(guān)。根據(jù)此假設(shè)，HCR模式歸納得到式(1)

式中，Mt為操作員對突發(fā)事件反應(yīng)時間的最大值；CT1/2為在具體的事件中，所有被測得的工作人員辨識所用時間的中值；α、β、γ是由數(shù)據(jù)歸納而得與行為類別有關(guān)的威布爾分布參數(shù)。

由于每個運行班組的執(zhí)行時間可能因各類情況而有所不同，故在使用公式之前要用修正因子修正。在 HCR模式中所考慮的關(guān)鍵的行為形成因子有3個，訓(xùn)練(K1)、心理壓力(K2)及人-機(jī)界面(K3)，K1、K2、K3的選取見文獻(xiàn)[27]。修正的公式表示如下

式中，CT1/2,nominal為一般狀況的執(zhí)行時間。

1.3 模糊Petri網(wǎng)理論

模糊Petri網(wǎng)（fuzzy Petri net，F(xiàn)PN）是在傳統(tǒng)Petri網(wǎng)基礎(chǔ)上結(jié)合模糊集理論形成的一種新的網(wǎng)絡(luò)理論，用于對基于規(guī)則的系統(tǒng)進(jìn)行建模與推理[28]。模糊Petri網(wǎng)既具有Petri網(wǎng)描述異步并發(fā)及圖形表述的能力，又具有模糊系統(tǒng)的推理能力，使得對系統(tǒng)知識的表示更為簡潔、清晰，對系統(tǒng)知識的分析、推理、測試以及決策支持也更加便捷。由于實際應(yīng)用背景或相關(guān)技術(shù)的不同，不同學(xué)者根據(jù)實際需要給出過多種不同的模糊Petri網(wǎng)定義。

化工過程工藝偏差之間的相關(guān)關(guān)系不但具有模糊性而且具有傳播性。因此，可以用模糊產(chǎn)生式規(guī)則來描述兩者之間的模糊關(guān)系或傳遞關(guān)系。

這里將模糊 Petri網(wǎng)定義為一個 9元組：FPN=(P,T,D,IN,OUT,W,M,V,R)，其中

（1）P={p1,p2,…,pn}，表示庫所集，pi表示其中的一個風(fēng)險因子；

（2）T={t1,t2,…,tm}，表示變遷集，其中tj表示某一個風(fēng)險發(fā)生的過程；

（3）D={d1,d2,…,dn}，表示命題集，與pi相互對應(yīng)；

（4）IN表示的輸入矩陣，∈{0,1}為邏輯量，當(dāng)pi是tj的輸入時，αij=1，當(dāng)pi不是tj的輸入時，αij=0(i=1,2,…,n;j=1,2,…,m)；

（5）OUT表示的輸出矩陣，βij∈{0,1}為邏輯量，當(dāng)pi是tj的輸出時，βij=1，當(dāng)pi不是tj的輸出時，βij=0(i=1,2,…,n;j=1,2,…,m)；

（6）W表示命題庫所pi的可信度集合，這里的可信度表示各風(fēng)險因子的概率值，W(pi)={wi}(i=1,2,…,n)，wi在[0,1]區(qū)間；

（7）M(0)表示n×1階的初始狀態(tài)矩陣為庫所pi的初始狀態(tài)值，是從庫所到一個[0,1]之間的實數(shù)值的映射，M(k)為發(fā)生了k次變遷后的狀態(tài)矩陣；

（8）V表示規(guī)則變遷tj的可信度集合，這里表示各風(fēng)險因子被觸發(fā)的概率值，V(tj)={μj}(j=1,2,…,m)，μj在[0,1]區(qū)間；

2 基于尺度效應(yīng)的事故概率估計模型

建立基于尺度效應(yīng)的事故概率估計模型分為 3個階段，如圖1所示。

2.1 階段1：數(shù)據(jù)的收集與處理

（1）準(zhǔn)備工作。準(zhǔn)備與所研究事故相關(guān)的材料，如PID圖、工藝流程說明、HAZOP分析、操作規(guī)程、專家和有經(jīng)驗的員工參與意見。

（2）數(shù)據(jù)收集。根據(jù)現(xiàn)場的監(jiān)測數(shù)據(jù)，收集與所研究事故相關(guān)的工藝參數(shù)報警指標(biāo)，如詳細(xì)記錄各工藝變量偏差的信息，包括報警日期、報警時間、報警變量、變量描述、報警類型等信息。這些信息被存儲在DCS系統(tǒng)的報警數(shù)據(jù)庫中?？紤]到報警泛濫，文中將一次持續(xù)時間為10 min以內(nèi)報警泛濫造成的所有報警記為一次工藝偏差。

（3）數(shù)據(jù)處理。根據(jù)收集到的數(shù)據(jù)，需要簡單處理得到，工藝變量偏離正常區(qū)域的時間總和（即恢復(fù)時間（RT）總和）。各工藝偏差中的第一次報警與最后一次報警的時間差近似作為恢復(fù)時間。一般以8 h（一個班組的工作時間）為單位時間段統(tǒng)計i個時間段各時間段內(nèi)某偏差的總恢復(fù)時間（RT）。

2.2 階段2：基本事件概率估計

圖1 事故概率估計模型Fig.1 Accident probability estimation model

（1）小尺度工藝偏差概率估計

根據(jù)階段1得到的數(shù)據(jù)，計算某工藝變量的H/L偏差概率t0

其中，n表示統(tǒng)計時間段個數(shù)，LT表示統(tǒng)計時間段長度，RTi表示變量在第i個時間段內(nèi)的總恢復(fù)時間。根據(jù)式（3）及統(tǒng)計的歷史數(shù)據(jù)，可得各工藝變量隨統(tǒng)計時間段個數(shù)增加的H/L偏差概率的變化情況。隨著統(tǒng)計時間段個數(shù)的增加，各工藝變量的H/L偏差概率值將基本穩(wěn)定在某一極小的區(qū)間之內(nèi)。若所求的連續(xù)5個H/L偏差概率值其相鄰兩個值之差均小于某一極小值，則取這5個值的平均值作為該工藝變量的H/L偏差概率。

（2）尺度效應(yīng)下的修正因子——人因失誤概率估計

建立 THERP+HCR 的模型：在事故診斷階段，用 HCR 分析方法對該階段可能的人員響應(yīng)失效概率進(jìn)行評價；而對在進(jìn)行具體的干預(yù)操作行為中可能的失誤用 THERP 分析方法及相關(guān)數(shù)據(jù)進(jìn)行評價，兩者相互補(bǔ)充，共同構(gòu)成一個有機(jī)整體。

（3）大尺度工藝偏差概率估計

因為考慮了修正因子，所以大尺度上的工藝偏差概率為

事實上，除人因失誤外，BPCS作用機(jī)制、安全屏障等也會對工藝偏差概率這一數(shù)據(jù)產(chǎn)生較大影響，可作為修正因子。人的因素誘發(fā)的事故已成為化工企業(yè)最主要的事故源之一，本文使用人因失誤來修正，暫時不考慮其他因素，多個因素作用的影響是繼續(xù)研究的方向。

2.3 階段3：模糊Petri網(wǎng)事故概率估計

令R為模糊產(chǎn)生式的規(guī)則集，R={R1,R2,…,Rn}，其中Ri為R中的第i個規(guī)則，則Ri定義為：ifpi,thenpk。其中，pi代表某工藝偏差；pk代表由pi可能觸發(fā)的工藝偏差；wi為pi對這一規(guī)則的可信度（即為各工藝偏差的概率值），μi為這條規(guī)則被觸發(fā)的可信度（即各工藝偏差被觸發(fā)的概率值，由專家經(jīng)驗獲得），且μi,wi∈[0,1]。pi到pk表示偏差的傳播路徑，體現(xiàn)了各工藝偏差間存在相關(guān)關(guān)系。

基于模糊 Petri網(wǎng)的控制因素及相關(guān)關(guān)系分析步驟如下。

（1）針對某一事故過程，首先辨識其在小尺度上存在的各種工藝偏差即與此事故相關(guān)的可以監(jiān)測到的工藝變量報警記錄；

（2）根據(jù)所辨識的化工過程工藝偏差和HAZOP分析，確定工藝偏差間的相關(guān)性和傳播性，根據(jù)相關(guān)關(guān)系構(gòu)造FPN模型，根據(jù)階段2所得各工藝偏差概率和專家給出的各工藝偏差被觸發(fā)的概率值分別確定初始狀態(tài)矩陣M(0)及變遷可信度集合為庫所pi的初始狀態(tài)值；

（3）根據(jù)基本理論中所給的FPN定義可確定輸入矩陣IN和輸出矩陣OUT；

（4）進(jìn)行模糊推理計算，初始狀態(tài)k=0，當(dāng)變遷可以發(fā)生時，計算變遷觸發(fā)后的下一個狀態(tài)，M(k+1)=M(k)⊕[VΔOUT][INTM(k)]；

（5）若M(k+1)=M(k)，或其中有元素值為0，令k=k+1，重復(fù)步驟（4）；若M(k+1)=M(k)，則推理結(jié)束，M(k)即為各庫所的實際可信度集合，也是最終求得的各實際概率值。

3 案例分析

3.1 事件描述

催化裂化分餾過程（圖 2）中，分餾塔結(jié)鹽、分餾塔底液面超高或者分餾塔進(jìn)料帶水都會引起分餾塔汽液相負(fù)荷過大，進(jìn)而導(dǎo)致分餾塔沖塔事故[29]。分餾塔沖塔，油氣中的重組分?jǐn)y帶到上部塔盤，會使汽油干點和柴油95%（或干點）超高；塔頂溫度過高易引起富氣帶液，影響氣壓機(jī)運行，嚴(yán)重時發(fā)生塔盤結(jié)焦堵塞，危及安全生產(chǎn)；發(fā)生沖塔事故，油氣溢流出來遇明火極易引發(fā)火災(zāi)爆炸事故。

以催化裂化生產(chǎn)裝置中的分餾塔沖塔事故為例，分別從工藝變量級小尺度及事故級大尺度上進(jìn)行控制因素尺度效應(yīng)分析。

針對分餾塔沖塔事故發(fā)生過程，首先辨識其在不同尺度上存在的各種控制因素。在工藝變量級小尺度上，控制因素主要為不同工藝變量的工藝偏差，包括分餾塔攪拌蒸汽流量高報警、中段循環(huán)油返塔溫度高報警、分餾塔頂循環(huán)回流量高報警、分餾塔頂溫度高報警、分餾塔頂壓力高報警、分餾塔中段油流量高報警、分餾塔底液位低報警等。在事故級大尺度上，需要考慮人因失誤問題。

3.2 基本事件概率估計

3.2.1 小尺度工藝偏差概率估計 以工藝偏差——分餾塔攪拌蒸汽流量高報警為例，以8 h為單位時間段統(tǒng)計了 86個時間段各時間段內(nèi)變量分餾塔攪拌蒸汽流量的總恢復(fù)時間（RT）。根據(jù)式（3）及統(tǒng)計的歷史數(shù)據(jù)，隨統(tǒng)計時間段個數(shù)增加，累計計算變量在一段時間長度內(nèi)的總恢復(fù)時間與該段時間的比值，如圖 3所示。通過計算發(fā)現(xiàn)，累計至第 55個時間段起，其后的連續(xù)5個比值其相鄰兩個值之差均小于某一極小值（這里設(shè)為0.001），則取這5個值的平均值作為該工藝變量的H/L偏差概率t0，可得

圖2 分餾塔工藝流程Fig.2 Process flow chart of fractionating tower

從圖3也可以看出，隨著統(tǒng)計時間段個數(shù)的增加，H/L偏差概率基本穩(wěn)定在0.11～0.125之間。

3.2.2 人因失誤概率估計

（1）人員參與事件分析

① 操作員由塔攪拌蒸汽流量高報警進(jìn)入 DEC規(guī)程即沖塔規(guī)程診斷階段，失誤概率EP1可認(rèn)為非常小。

② 操作員由沖塔規(guī)程診斷進(jìn)入沖塔確認(rèn)階段即A1規(guī)程，作出的降量并調(diào)節(jié)冷回流的判斷，其

圖3 H/L偏差概率Fig.3 H/L deviation probability

診斷行為屬規(guī)則型，可用 HCR模式計算其失誤概率EP2。

③ 操作員調(diào)節(jié)進(jìn)料閥并開大冷回流，其失敗概率EP3可用 THERP方法求出。

（2）建模與計算

① 根據(jù)化工行業(yè)基本情況及假定得，EP1=1.00×10-4。

② 根據(jù)專業(yè)人員及操作人員的經(jīng)驗，可得以下數(shù)據(jù)。

根據(jù)熱工水力學(xué)計算[30]，操縱員需在CT1=14.6 min內(nèi)完成調(diào)節(jié)進(jìn)料閥并開大冷回流。根據(jù)化工企業(yè)基本情況及假設(shè)，操縱員經(jīng)過平均水平訓(xùn)練（有6個月操作經(jīng)驗），操縱員在此工況下（潛在應(yīng)急情景）有一定的心理壓力，其修正因子取0.28。根據(jù)熱工水力學(xué)計算，由事故發(fā)生到引發(fā)塔頂溫度超高報警的時間CT2為3 min。根據(jù)化工企業(yè)基本情況及假設(shè)，操縱員執(zhí)行 DEC規(guī)程（沖塔診斷）的時間CT3為4 min。由于操縱員進(jìn)入A1規(guī)程后所采取的第1個行為就是根據(jù)蒸汽流量高信號作出降量并調(diào)節(jié)冷回流的診斷，操縱員在A1規(guī)程中的執(zhí)行時間很短，可忽略。一回路操縱員完成調(diào)節(jié)進(jìn)料閥的操作時間CT4為5 min，二回路操縱員完成加大冷回流的時間CT5為5 min。一回路操縱員與二回路操縱員同時進(jìn)行各自的操作行為，所以事故處理中總操作時間1 min計算。

允許操作員進(jìn)行診斷的時間

平均診斷時間CT1/2=CT3=4 min

（3）操縱員調(diào)節(jié)進(jìn)料閥和開大冷回流，其HRA事件樹如圖4所示（不考慮糾錯）。圖中，a代表操縱員成功調(diào)節(jié)進(jìn)料量；A代表操縱員未成功調(diào)節(jié)進(jìn)料量；b代表操縱員成功調(diào)節(jié)冷回流；B代表操縱員未成功調(diào)節(jié)冷回流。

依據(jù) THERP 手冊分析得到

該事件樹的成功概率為

事件失誤率

圖4 HRA事件樹Fig.4 HRA event tree

圖5 分餾塔沖塔故障發(fā)生過程模糊Petri網(wǎng)模型Fig.5 Fuzzy Petri net model for occurrence of tower fault

3.2.3 大尺度工藝偏差概率估計 根據(jù)式（5），計算修正后的工藝偏差概率即為大尺度上的工藝偏差概率。

3.3 沖塔事故概率估計

以分餾塔沖塔事故發(fā)生過程中存在的工藝偏差為庫所P，某一偏差發(fā)生的過程為變遷T，基于分餾塔沖塔事故的HAZOP分析構(gòu)建分餾塔沖塔事故發(fā)生過程模糊Petri網(wǎng)模型如圖5所示。這里庫所可信度表示各工藝偏差的概率值，其值可由前面章節(jié)計算方法求得；變遷規(guī)則可信度表示各工藝偏差被觸發(fā)的概率值，其值由10位專家經(jīng)驗給出，取平均值如表1所示。

表1 分餾塔沖塔故障FPN模型中各參數(shù)含義及取值Table 1 Fractionation tower flooding FPN model of meaning and value of parameters

確定初始狀態(tài)矩陣及變遷可信度集合

根據(jù)FPN的定義，可確定輸入矩陣IN和輸出矩陣OUT為

通過計算可得，為各庫所的實際可信度集合，M(6)=[0.045,0.037,0.028,0.076,0.0455,0.0137,0.0145,0.0152,0.0082,0.0049]，即分餾塔頂壓力高報警概率為0.0455，分餾塔中段油流量高報警概率為0.0137，分餾塔底液位高報警概率為0.0145，分餾塔頂溫度高報警概率為0.0152，分餾塔沖塔故障概率為0.0082，分餾塔底液位低報警概率為0.0049。結(jié)果表明本文提出的事故概率估計方法與傳統(tǒng)方法相比，具有以下優(yōu)勢。

（1）在基本事件的選取上，從工藝偏差角度分析，更符合過程安全的風(fēng)險傳播特點。

（2）工藝偏差概率估計數(shù)據(jù)來源于現(xiàn)場采集的報警監(jiān)測數(shù)據(jù)，不同的現(xiàn)場數(shù)據(jù)不同且更新快，更符合特定現(xiàn)場工況。

（3）引入多尺度思想，考慮了不同尺度上的各種控制因素，如大尺度上考慮了人因失誤，使所求結(jié)果更為合理可靠。

（4）本案例計算分餾塔沖塔故障概率為0.0082。通過本文分析可以減小人因失誤概率來降低與之相關(guān)的參數(shù)偏差概率，從而降低沖塔事故概率，為企業(yè)過程安全的控制提供依據(jù)。

4 結(jié) 論

化工過程安全事故大多由于系統(tǒng)的“變化”引起，如液位偏高、流量過大等。傳統(tǒng)的事故概率估計方法專注于機(jī)械設(shè)備損壞、人為破壞、偏差影響等，考慮因素較雜，并不能很好地適用于過程安全的風(fēng)險評價。本文提出的事故概率估計方法，具有以下優(yōu)勢。

（1）引入了多尺度思想，提出了過程安全的尺度效應(yīng)等有關(guān)定義，揭示化工過程風(fēng)險因子的尺度效應(yīng)及多尺度特征。本文在小尺度上只考慮工藝偏差概率為基本事件概率，大尺度上考慮人因失誤對工藝偏差帶來的影響并對其修正，所得基本事件的概率比查數(shù)據(jù)庫所得數(shù)據(jù)更符合實際工況。

（2）提出了一種小尺度工藝偏差概率建模方法。對工藝偏差概率在小尺度上的表征方式進(jìn)行研究?；臼录斫鉃楣に嚻頗/L報警，僅著眼于工藝參數(shù)角度，不考慮任何機(jī)械問題，更符合過程安全的風(fēng)險傳播特點。

（3）提出了一種大尺度工藝偏差概率建模方法。對工藝偏差概率在大尺度上的表征方式進(jìn)行研究，結(jié)合了人因失誤理論，具有更好的實際意義。

當(dāng)然也存在許多不足，在不同的尺度，可以考慮不同控制因素對工藝偏差的影響，如BPCS反饋作用、參量偏差間的相互影響等，這都是接下來要研究的方向。

符 號 說 明

CT1/2——在具體的事件中，用關(guān)鍵行為形成因子修正的CT1/2,nominal

CT1/2,nominal——在具體的事件中，所有被測得的工作人員辨識所用時間的中值

CT1——調(diào)節(jié)進(jìn)料閥并開大冷回流允許時間

CT2——由事故發(fā)生到引發(fā)塔頂溫度超高報警的時間

CT3——操縱員執(zhí)行DEC規(guī)程（沖塔診斷）的允許時間

CT4——一回路操縱員完成調(diào)節(jié)進(jìn)料閥的允許時間

CT5——二回路操縱員完成加大冷回流的允許時間

EP——行為失效概率

EPA——操縱員未成功調(diào)節(jié)進(jìn)料量的概率

EPB——操縱員未成功調(diào)節(jié)冷回流的概率

EP(HCR)——HCR 分析階段，可能的人員響應(yīng)失誤概率

EP(THERP)——THERP 分析階段，具體的干預(yù)操作行為中可能的失誤概率

EP1——操作員由塔攪拌蒸汽流量高報警進(jìn)入 DEC規(guī)程即沖塔規(guī)程診斷階段，可能的失誤概率

EP2——操作員由沖塔規(guī)程診斷進(jìn)入沖塔確認(rèn)階段即A1規(guī)程，作出的降量并調(diào)節(jié)冷回流的判斷，用 HCR模式計算的可能的失誤概率

EP3——操作員調(diào)節(jié)進(jìn)料閥并開大冷回流，其可能的失誤概率

EP(大尺度)——大尺度上，行為失效概率（用人因失誤概率修正了工藝偏差概率所得）

EP(小尺度)——小尺度上，行為失效概率（實際上，只考慮了工藝偏差概率）

EP(修正)——人因失誤概率

LT——統(tǒng)計時間段長度

Mt——操作員對突發(fā)事件反應(yīng)時間的最大值

n——統(tǒng)計時間段個數(shù)

RTi——變量在第i個時間段內(nèi)的總恢復(fù)時間

SP——行為成功概率

SPa——操縱員成功調(diào)節(jié)進(jìn)料量的概率

SPb——操縱員成功調(diào)節(jié)冷回流

t0——工藝變量偏差概率

[1]周東華,李鋼,李元.數(shù)據(jù)驅(qū)動的工業(yè)過程故障診斷技術(shù)——基于主元分析與偏最小二乘的方法[M].北京：科學(xué)出版社,2011：1-11.ZHOU D H,LI G,LI Y.Data-driven Industrial Process Fault Diagnosis Technology—Based on Principal Component Analysis and Partial Least Squares[M].Beijing：Science Press,2011：1-11.

[2]胡瑾秋,張來斌,王安琪.煉化裝置故障鏈?zhǔn)叫?yīng)定量安全預(yù)警方法[J].化工學(xué)報,2016,67(7)：3091-3100.HU J Q,ZHANG L B,WANG A Q.Quantitative safety early warning method of fault propagation for petrochemical plants[J].CIESC Journal,2016,67(7)：3091-3100.

[3]WU T K,WANG B,ZHAO Y,et al.Renovated fault analysis method for ammonia leakage based on the fault tree analysis[J].Journal of Safety and Environment,2014,14(4)：15-20.

[4]PAPAZOGLOU I A.Functional block diagrams and automated construction of event trees[J].Reliability Engineering and System Safety,1998,61(3)：185-214.

[5]張進(jìn)春.重油催化裂化系統(tǒng)安全分析與關(guān)鍵風(fēng)險評價研究[D].長沙：中南大學(xué),2007.ZHANG J C.System safety analysis and critical risk assessment of heavy oil catalytic cracking[D].Changsha：Central South University,2007.

[6]XIAO R,YANG D.The research on dynamic risk assessment based on Hidden Markov Models[C]//Proceedings of the 2012 International Conference on Computer Science & Service System.Washington DC,2012：1106-1109.

[7]賈朋美,於孝春,宋前甫.Bow-tie技術(shù)在城鎮(zhèn)燃?xì)夤艿里L(fēng)險管理中的應(yīng)用[J].工業(yè)安全與環(huán)保,2014,40(2)：14-18.JIA P M,YU X C,SONG Q F.Application of bow-tie technology in the risk management of urban gas pipeline[J].Industrial Safety and Environmental Protection,2014,40(2)：14-18.

[8]FLEMING K N.Markov models for evaluating risk-informed in-service inspection strategies for nuclear power plant piping systems[J].Reliability Engineering and System Safety,2004 ,83(1)：27-45.

[9]GRAN B A.Use of Bayesian belief networks when combining disparate sources of information in the safety assessment of software-based systems[J].International Journal of Systems Science,2002,33(6)：529-542.

[10]TOUW A E.Bayesian estimation of mixed Weibull distributions[J].Reliability Engineering and System Safety,2009,94(2)：463-473.

[11]CHENG L V,ZHANG Z Y,REN X.Predicting the frequency of abnormal events in chemical process with Bayesian theory and vine copula[J].Journal of Loss Prevention in the Process Industries,2014,9(4)：192-200.

[12]ADAMYA A,HE D.Failure and safety assessment of systems using Petri nets[C]//Robotics and Automation,2002.Proceedings.ICRA'02.IEEE International Conference on.IEEE,2002,2：1919-1924.

[13]VOLOVOI V.Modeling of system reliability Petri nets with aging tokens[J].Reliability Engineering and System Safety,2004,84(2)：149-161.

[14]YIN S Q,LIANG F Y,YAO X Q.Dynamic risk prediction for the deep excavations based on neutral networks and it’s applications[J].Chinese Journal of Underground Space and Engineering,2011,7(5)：996-1000,1012.

[15]李修華.多因素影響下的 Monte Carlo 進(jìn)度風(fēng)險分析模型[D].上海：同濟(jì)大學(xué),2007.LI X H.Monte Carlo risk analysis model under the influence of multiple factors[D].Shanghai：Tongji University,2007.

[16]王雪,喻剛,王佳冰.高速公路項目融資風(fēng)險的動態(tài)灰色模糊評價[J].重慶建筑大學(xué)學(xué)報,2008,30(5)：81-85.WANG X,YU G,WANG J B.Dynamic fuzzy evaluation of expressway project financing risk[J].Journal of Chongqing Architecture University,2008,30 (5)：81-85.

[17]GUPTA J P.Application of DOW’s fire and explosion index hazard classification guide to process plants in the developing countries[J].Journal of Loss Prevention in the Process Industries,1997,10(1)：7-15.

[18]劉耀龍.多尺度自然災(zāi)害情景風(fēng)險評估與區(qū)劃——以浙江省溫州市為例[D].上海：華東師范大學(xué),2011.LIU Y L.Scenario risk assessment and division of multi - scale natural disasters—a case study of Wenzhou city in Zhejiang province[D].Shanghai：East China Normal University,2011.

[19]WAGENET R J.Scale issues in agroecological research chains[J].Nutrient Cycling in Agroecosystems,1998,50(1/2/3)：23-34.

[20]GAGE S H,ISARD S A ,COLUNGA-G M.Ecological scaling of aerobiological dispersal processes[J].Agricultural and Forest Meteorology ,1999 ,97(4) ：249-261.

[21]MANNAN M S,SACHDEVA S,CHEN H,et al.Trends and challenges in process safety[J].AIChE J.,2015,61(11)：3558-3569.

[22]劉耀龍,牛沖槐,王軍,等.論災(zāi)害風(fēng)險研究中的空間尺度耦合[J].防災(zāi)科技學(xué)院學(xué)報,2012,14(3)：24-27.LIU Y L,NIU C H,WANG J,et al.Study on spatial scale coupling in disaster risk research[J].Journal of Disaster Prevention Science and Technology,2012,14(3)：24-27.

[23]臧灝,李宏光,楊帆,等.流程工業(yè)報警系統(tǒng)傳統(tǒng)評估方法分析及改進(jìn)[J].化工學(xué)報,2014,65(11)：4459-4464.ZANG H,LI H G,YANG F,et al.Analysis and improvement of process industrial alarm systems traditional assessment methods[J].CIESC Journal,2014,65(11)：4459-4464.

[24]SWAIN A D,GUTTMANN H E.Handbook of human-reliability analysis with emphasis on nuclear power plant applications[S].1983,NUREG/CR-1278.

[25]ZIMOLONG B.Empirical evaluation of THERP,SLIM and ranking to estimate HEPs[J].Reliability Engineering & System Safety,1992,35(1)：1-11.

[26]王洪德,高瑋.基于人的認(rèn)知可靠性(HCR)模型的人因操作失誤研究[J].中國安全科學(xué)學(xué)報,2006,16(7)：51-56.WANG H D,GAO W.Study on erroneous operation due to human factor based on human cognitive reliability (HCR) model[J].China Safety Science Journal,2006,16(7)：51-56.

[27]宋洪濤.考慮組織管理因素整體影響的人因可靠性分析方法研究[D].衡陽：南華大學(xué),2008.SONG H T.Study on human reliability analysis method considering the overall influence of organizational management factors[D].Hengyang：University of South China,2008.

[28]VALETTE R,CARDOSO J,DUBOIS D.Monitoring manufacturing systems by means of Petri nets with imprecise markings[C]// IEEE International Symposium on Intelligent Control.1989：233-238.

[29]鄭遠(yuǎn)揚(yáng),郝富軍.催化裂化分餾塔動態(tài)仿真數(shù)學(xué)模型和算法[J].化工學(xué)報,1994,45(6)：704-711.ZHENG Y Y,HAO F J.Mathematical model and algorithm for dynamic simulation of fractionating tower of catalytic cracking[J].Journal of Chemical Industry and Engineering(China),1994,45(6)：704-711.

[30]鄭陸松,趙潁杰,孫寶芝,等.蒸汽發(fā)生器降負(fù)荷過程熱工水力特性瞬態(tài)數(shù)值分析[J].化工學(xué)報,2015,66(S2)：116-122.ZHENG L S,ZHAO Y J,SUN B Z,et al.Transient numerical analysis of thermal and hydraulic characteristics of steam generator during load shedding process[J].CIESC Journal,2015,66(S2)：116-122.

date:2017-06-04.

GUO Jiajie,guo_jiajie@126.com

supported by the National Natural Science Foundation of China (51574263),the China University of Petroleum (Beijing) Research Fund (2462015YQ0403) and the China University of Petroleum (Beijing)Youth Innovation Team C project (C201602).

Accident probability estimation of process safety based on scale effect

HU Jinqiu,GUO Jiajie
(State Key Laboratory of Oil and Gas Resources and Engineering,College of Mechanical and Transportation Engineering,China University of Petroleum,Beijing102249,China)

In order to improve the applicability of probabilistic estimation methods for process safety accidents,the propagation process of deviations should be considered in the basic event stage.A method for estimating the probability of process safety accidents based on scale effects is proposed.A new basic event solving model is established from the point of view of process deviations.Multi-scale ideas are introduced to modify the basic event probability,on the large scale,by considering the effects of human errors on process deviations.The fuzzy Petri net model is used to estimate the accident probability.Finally,the model is analyzed and verified by the case analysis of the fractionating tower accident.The results show that the participation of human has a great influence on the probability of process deviations.The proposed method is more suitable for the practical conditions and process safety.Since the probability estimate is based on the statistical data,the deviation probability is calculated and the subjectivity of the calculation parameters is avoided.

multi-scale; process systems; accident probability; process deviation; human error; safety

X 937

A

0438—1157（2017）12—4848—09

10.11949/j.issn.0438-1157.20170716

2017-06-04收到初稿，2017-09-12收到修改稿。

聯(lián)系人：郭家潔。

胡瑾秋（1983—），女，教授。

國家自然科學(xué)基金項目（51574263）；中國石油大學(xué)（北京）科研基金資助項目(2462015YQ0403)；中國石油大學(xué)（北京）青年創(chuàng)新團(tuán)隊C計劃項目 (C201602)。