基于粒子群優(yōu)化層次分析法的LNG槽車風(fēng)險評價

李 瀟，張 毅，汪 濤，李朝陽

(上海交通大學(xué)船舶海洋與建筑工程學(xué)院，上海 200240)

在我國石油天然氣基礎(chǔ)設(shè)施改革的背景下，原來隸屬于“三桶油”的液化天然氣(LNG)接收站逐步向社會資本開放，往來各接收站裝卸LNG的槽車數(shù)量與之前相比將大大增加，車輛構(gòu)成也將更為復(fù)雜，現(xiàn)行的槽車安全管理體系已經(jīng)逐漸難以適應(yīng)未來靈活而復(fù)雜的LNG接收站內(nèi)物流環(huán)境。

LNG槽車作為移動危險源，有關(guān)學(xué)者對其安全管理做了深入研究。如張淑淑等[1]詳細(xì)論述了LNG在儲運(yùn)過程中的事故類型及特點(diǎn)；宋賀[2]利用關(guān)聯(lián)規(guī)則、解釋結(jié)構(gòu)模型和貝葉斯網(wǎng)絡(luò)，構(gòu)建了危險貨物道路運(yùn)輸事故的貝葉斯網(wǎng)絡(luò)預(yù)測模型；林現(xiàn)喜等[3]結(jié)合LNG槽車風(fēng)險類型及防控措施，提出了基于全過程風(fēng)險管控的LNG槽車安全管理體系；岑康等[4]對LNG加氣站槽車卸車直供過程中不同類型的泄漏事故進(jìn)行了模擬分析，對事故后果擴(kuò)大程度進(jìn)行了定量分析。關(guān)于層次分析法的計算與應(yīng)用，國內(nèi)外學(xué)者也做了大量的研究。如郭金玉等[5]論述了傳統(tǒng)層次分析法在礦山安全、交通安全等6個研究領(lǐng)域的應(yīng)用；馮致學(xué)等[6]提出一種改進(jìn)的3標(biāo)度層次分析法，并對電網(wǎng)遭受地質(zhì)災(zāi)害脆弱性指標(biāo)進(jìn)行了評價；鄭重等[7]提出一種避免對判斷矩陣進(jìn)行一致性檢驗的改進(jìn)層次分析法，用于對影響礦山邊坡穩(wěn)定性的因素進(jìn)行評價；牛東翔等[8]利用層次分析法對LNG船舶的運(yùn)營狀況進(jìn)行了評價；崔春英等[9]利用層次分析法結(jié)合模糊綜合評價法建立了LNG接收站的安全評價模型。但上述這些評價方法在計算過程中涉及對判斷矩陣的調(diào)整，同時由于自身計算精確度不高，導(dǎo)致最終評價結(jié)果的準(zhǔn)確性不足。粒子群算法自20世紀(jì)90年代被提出以來，因其良好的尋優(yōu)性能，許多學(xué)者對其發(fā)展與應(yīng)用進(jìn)行了研究。如Jiang等[10]借助隨機(jī)過程理論，給出了粒子群算法的隨機(jī)收斂條件以及相關(guān)參數(shù)選擇準(zhǔn)則;Clerc等[11]總結(jié)了粒子群系統(tǒng)的運(yùn)行特征，建立了包含決定粒子群算法收斂性參數(shù)的廣義模型，為該算法在多維度復(fù)雜空間中的應(yīng)用提供了基礎(chǔ)。在粒子群算法的實際應(yīng)用中，不少學(xué)者對其進(jìn)行了改進(jìn)，同時為了避免算法陷入局部最優(yōu)解并提高求解精度，陳博文等[12]提出了一種總結(jié)性自適應(yīng)變異的粒子群算法；簡文星等[13]將粒子群算法用于錨拉樁樁身參數(shù)的優(yōu)化設(shè)計，并取得了良好的效果；楊玉梅等[14]利用粒子群算法對航運(yùn)安全投入模型進(jìn)行了優(yōu)化，為航運(yùn)企業(yè)安全投入決策提供了可靠的模型依據(jù)。

基于上述研究，本文提出一種基于粒子群算法優(yōu)化的層次分析法，并利用該方法對影響LNG槽車充裝安全性的眾多風(fēng)險因素的權(quán)重進(jìn)行了計算，用于幫助LNG接收站運(yùn)營單位細(xì)化日常的安全管理體系，以增強(qiáng)LNG接收站內(nèi)槽車運(yùn)行的安全性。

1 LNG接收站槽車充裝風(fēng)險評價指標(biāo)體系建立

1.1 評價指標(biāo)的選擇

本文圍繞LNG接收站內(nèi)槽車充裝整個過程中的人員技術(shù)水平與專業(yè)素質(zhì)、設(shè)備可靠性與槽車自身安全性、LNG接收站內(nèi)外環(huán)境、現(xiàn)場安全管理水平4方面選擇評價指標(biāo)。人是安全管理工作的核心，人員技能與素質(zhì)是現(xiàn)場安全運(yùn)行的前提，司乘人員培訓(xùn)與日常裝車安檢則是防范現(xiàn)場人員不安全行為的有效措施，業(yè)務(wù)管理人員處置突發(fā)事件的能力是降低事故損失的重要保障。從設(shè)備可靠性的角度分析，LNG槽車儲罐內(nèi)操作壓力逐漸升高，嚴(yán)重時會導(dǎo)致儲罐超壓損壞，可燃?xì)怏w泄漏，甚至發(fā)生火災(zāi)等嚴(yán)重后果[15]，因此對LNG槽車儲罐罐壓的監(jiān)測是LNG接收站內(nèi)安全工作的重點(diǎn)。設(shè)備越先進(jìn)，安全儀表系統(tǒng)的重要性越高，其中DCS系統(tǒng)(分布式控制系統(tǒng))、SIS系統(tǒng)(安全儀表系統(tǒng))可以有效地監(jiān)測設(shè)備運(yùn)行狀態(tài)與異常；FGS系統(tǒng)(火災(zāi)報警和氣體檢測系統(tǒng))的完好性對槽車充裝本質(zhì)安全具有重要意義；靜電接地連鎖報警系統(tǒng)可以在槽車充裝過程中及時避免靜電火源；槽車裝車事故多發(fā)的主要原因是接頭問題[16]，而裝車撬上的防拖拉裝置可有效避免槽車充裝過程中的安全事故。另外，對LNG接收站內(nèi)外環(huán)境的評估是完善現(xiàn)場安全管理制度與制定應(yīng)急預(yù)案的基礎(chǔ)；而槽車整個裝車環(huán)節(jié)中安全管理的科學(xué)性與合理性又決定了現(xiàn)場本質(zhì)安全的效果與運(yùn)行效率[17]。因此，本文最終從人員、設(shè)備、環(huán)境和管理四個方面選擇了15項評價指標(biāo)。

1.2 評價指標(biāo)體系的建立

槽車在LNG接收站內(nèi)的充裝過程涉及到多個環(huán)節(jié)、多個部門，主要包括核對裝車計劃、到站后的車輛安檢與充裝、貿(mào)易計量等。由于LNG接收站內(nèi)場地容量有限，大部分槽車到達(dá)LNG接收站周邊后往往無法直接進(jìn)入充裝區(qū)，而是在附近等待調(diào)度，這也增加了裝車過程中安全管理的難度。本文以人、機(jī)、環(huán)、管4個因素作為一級評價指標(biāo)，在每個一級評價指標(biāo)之下選擇3至5個關(guān)鍵因素作為二級評價指標(biāo)，建立了LNG接收站槽車充裝風(fēng)險評價指標(biāo)體系，如圖1所示。

圖1 LNG接收站槽車充裝風(fēng)險評價指標(biāo)體系Fig.1 Risk evaluation index system of LNG terminal tanker filling

2 評價方法

2.1 層次分析法

層次分析(Analytic Hierarchy Process，AHP)法是運(yùn)籌學(xué)中一種將目標(biāo)按照影響因素分解為若干層，再通過模糊量化的方法計算每層中各指標(biāo)的權(quán)重以及各指標(biāo)在整個目標(biāo)體系中權(quán)重的方法，在多目標(biāo)、多準(zhǔn)則、多時期的系統(tǒng)評價中有著廣泛的應(yīng)用[18]。使用AHP法首先要建立各層影響因素的判斷矩陣，然后根據(jù)判斷矩陣對各因素的權(quán)重進(jìn)行求解[19-20]，但當(dāng)判斷矩陣中數(shù)據(jù)較多時，使用傳統(tǒng)的AHP法會導(dǎo)致求解過程中計算量大大增加，同時計算過程中還需要不斷地對判斷矩陣進(jìn)行調(diào)整以保證其一致性，從而影響了整個評價結(jié)果的客觀性。

2.2 粒子群算法

粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法也稱粒子群算法是一種全局進(jìn)化算法，這種算法計算過程簡單且需要調(diào)整的參數(shù)少，適用于對復(fù)雜問題求最優(yōu)解。PSO算法最初由Eberhart和Kennedy兩位博士于1995年提出[21]，其構(gòu)想源于對鳥群捕食行為的觀察：假設(shè)食物位置固定，鳥群中的每只鳥會根據(jù)自身距離食物的位置和鳥群距離食物的位置這兩個參數(shù)來不斷修正自己位置和飛行速度，直到聚集到食物位置。在復(fù)雜問題的求解過程中，可將鳥比作粒子，每個粒子有“位置”和“速度”兩個基本參數(shù)，當(dāng)用于評價整個系統(tǒng)的目標(biāo)函數(shù)已知時，粒子在每一輪計算中逐漸調(diào)整自身的位置與速度以適應(yīng)目標(biāo)函數(shù)，直到獲得目標(biāo)函數(shù)最優(yōu)解。本文利用AHP法構(gòu)建影響因素判斷矩陣，將判斷矩陣中各影響因素的權(quán)重值看作粒子不同維度的坐標(biāo)值，通過對粒子維度坐標(biāo)不斷地迭代，最終計算出每層判斷矩陣中各影響因素的最優(yōu)權(quán)重值，具體計算步驟如下:

(1) 確定每個粒子的維度。本文的關(guān)鍵在于對每個判斷矩陣中各影響因素的權(quán)重進(jìn)行求解，于是結(jié)合PSO算法的特點(diǎn)，將這些當(dāng)前未知的權(quán)重用每個粒子的維度坐標(biāo)來表示，經(jīng)過迭代求得最優(yōu)粒子后，最優(yōu)粒子每個維度的坐標(biāo)值便是判斷矩陣中各影響因素的權(quán)重值。因此，每個粒子的維度需要與當(dāng)前判斷矩陣中影響因素的個數(shù)相等，同時這個維度也是粒子所在空間的維度，即每個粒子的維度等于下面公式(4)中權(quán)重參數(shù)wi的個數(shù)。

(2) 設(shè)定粒子個數(shù)與每個粒子的初始位置xi(0)和速度vi(0)。粒子個數(shù)可根據(jù)粒子維度與計算規(guī)模設(shè)定，粒子數(shù)量越多計算效率越高，本文取20個粒子進(jìn)行迭代；粒子初始位置和速度表征了粒子在空間中的初始坐標(biāo)值和坐標(biāo)變化幅度，需要根據(jù)具體問題可行域設(shè)定，本文中判斷矩陣中各影響因素的權(quán)重值在0到1之間，可行域為[0,1]，因此xi(0)和vi(0)取0到1之間的隨機(jī)數(shù)。

(3) 根據(jù)粒子每一輪迭代返回的目標(biāo)函數(shù)值得到本輪粒子個體最優(yōu)位置和全局最優(yōu)位置。如：第t輪迭代單個粒子目標(biāo)函數(shù)值最優(yōu)時，粒子i的坐標(biāo)為其個體最優(yōu)位置pi(t)；本輪所有粒子中目標(biāo)函數(shù)值最優(yōu)的粒子對應(yīng)的坐標(biāo)作為全局最優(yōu)位置pg(t)。

(4) 根據(jù)PSO算法的進(jìn)化方程，更新粒子下一輪迭代的坐標(biāo)與速度，其計算公式如下：

xi(t+1)=xi(t)+0.1vi(t+1)

(1)

vi(t+1)=wvi(t)+c1r1(t)[pi(t)-xi(t)]+

c2r2(t)[pg(t)-xi(t)]

(2)

式中：將粒子運(yùn)動的時間步長取0.1，xi(t+1)、xi(t)分別表示第i個粒子t+1、t時刻在空間中的位置坐標(biāo)；vi(t+1) 、vi(t)分別表示第i個粒子t+1、t時刻在空間中的速度；w為慣性權(quán)重值，表示每個粒子對上一時刻運(yùn)動狀態(tài)的繼承，取值越大表示全局尋優(yōu)能力越強(qiáng)，取值越小則表示局部尋優(yōu)能力越強(qiáng)，由于本文可行域較小，故w取值為0.1；c1、c2分別為群體學(xué)習(xí)速率和個體學(xué)習(xí)速率，表示粒子對上一時刻自身經(jīng)過的最優(yōu)化位置和群體經(jīng)過的最優(yōu)位置的重視程度，Shi等[22]認(rèn)為它們的值應(yīng)相等并建議取值為0.2；r1、r2為0到1之間的隨機(jī)數(shù)，用于增加粒子運(yùn)動過程中速度變化的隨機(jī)性。

(5) 重復(fù)上述步驟(2)至(4)，按照預(yù)先設(shè)定的迭代次數(shù)對粒子群進(jìn)行迭代，計算得到系統(tǒng)最優(yōu)點(diǎn)位置坐標(biāo)pgbest(t)，最終輸出各影響因素的最優(yōu)權(quán)重值wi，也可在程序中設(shè)定粒子變異系數(shù)，以增加計算速率。

2.3 基于粒子群算法優(yōu)化的層次分析法(即PSO-AHP法)

2.3.1 PSO-AHP法目標(biāo)函數(shù)

如上所述，PSO算法找尋最優(yōu)解首先需要確定一個合適的目標(biāo)函數(shù)以檢驗粒子的優(yōu)劣，并以目標(biāo)函數(shù)返回值作為粒子下一輪迭代的參照。在AHP法中，如果判斷矩陣An×n可以完全滿足一致性，則以下公式(3)中等式成立，本文構(gòu)建的判斷矩陣為正互反矩陣，雖然不能完全滿足判斷矩陣的一致性，但公式(3)等式中左邊的數(shù)值越小，說明判斷矩陣的一致性程度越高，因此選擇各影響因素的權(quán)重wi作為自變量，以判斷矩陣的一致性作為判定粒子優(yōu)劣的標(biāo)準(zhǔn)建立目標(biāo)函數(shù)[見公式(4)]，將各影響因素的權(quán)重求解問題轉(zhuǎn)化為令目標(biāo)函數(shù)值最小的優(yōu)化問題，以此將PSO算法與AHP法結(jié)合起來，具體計算公式如下：

(3)

(4)

式中:W為評價指標(biāo)體系中每層影響因素權(quán)重列向量；aik為判斷矩陣中的元素值；wi為影響因素的權(quán)重值，即向量W中的元素值；n為影響因素的個數(shù)。

2.3.2 PSO-AHP法流程

PSO-AHP法將PSO算法的最佳尋優(yōu)性能與傳統(tǒng)AHP法的基本原理相結(jié)合，通過選取合適的目標(biāo)函數(shù)將兩者聯(lián)系起來，從而快速求解判斷矩陣中元素的權(quán)重，PSO-AHP法的流程見圖2。

圖2 PSO-AHP法流程圖Fig.2 Flow chart of PSO-AHP algorithm

3 算例分析

中國石化天津LNG接收站是華北地區(qū)最大的LNG接收站之一，該接收站位于天津南港工業(yè)區(qū)內(nèi)，于2018年初投產(chǎn)，設(shè)計周轉(zhuǎn)能力為300×104t/a；槽車裝車區(qū)設(shè)置20臺裝車撬，24小時裝車，單臺撬裝車能力為20 t/h；LNG接收站內(nèi)設(shè)有待裝區(qū)，可容納30臺槽車，在站外5 km處設(shè)有槽車初檢區(qū)，可容納50臺槽車，初檢區(qū)至接收站的路況較差，行駛時間約40 min。本研究以天津LNG接收站為例，采用本文建立的LNG接收站槽車充裝風(fēng)險評價指標(biāo)體系，利用PSO-AHP法對影響槽車充裝安全性的關(guān)鍵因素進(jìn)行風(fēng)險評價，并確定各風(fēng)險指標(biāo)的權(quán)重，具體評價過程如下。

3.1 風(fēng)險指標(biāo)權(quán)重的計算

3.1.1 構(gòu)建判斷矩陣

(1) 風(fēng)險指標(biāo)評價。選擇石化行業(yè)工作經(jīng)驗豐富的現(xiàn)場安全工程師1位、銷售部安全總監(jiān)1位，共計2位專家，根據(jù)天津LNG接收站槽車運(yùn)行情況，對圖1中風(fēng)險指標(biāo)的重要度進(jìn)行打分，為方便專家打分，打分采用指標(biāo)兩兩對比的原則。首先由專家對同一層次內(nèi)的指標(biāo)兩兩比較，按照重要程度對比可分為①極端不重要、②明顯不重要、③同等重要、④明顯更重要、⑤極端更重要5個等級，構(gòu)建專家打分矩陣D。各指標(biāo)重要程度對應(yīng)的系數(shù)dij如下：

然后，以一級指標(biāo)為例，專家1和專家2針對一級指標(biāo)中4項風(fēng)險因素B1、B2、B3、B4，專家具體打分結(jié)果如下：

(2) 判斷矩陣構(gòu)建方法。對專家的打分結(jié)果進(jìn)行分析，構(gòu)建同層次風(fēng)險因素的重要度判斷矩陣，并將專家打分矩陣D中的元素dij進(jìn)行變換構(gòu)建判斷矩陣Ai，具體計算公式如下：

(5)

rmax=max{ri}

rmin=min{ri}

(6)

(7)

式中：dij為專家打分矩陣中的每個元素；n為專家打分矩陣的列數(shù)；ri為專家打分矩陣中每行元素之和。

以一級指標(biāo)為例，根據(jù)專家打分矩陣D1、D2通過公式(5)和(7)，可計算得到判斷矩陣A1、A2：

3.1.2 利用PSO算法計算指標(biāo)的權(quán)重

按照PSO算法流程，使用PSO算法對兩位專家所構(gòu)建的判斷矩陣中各風(fēng)險指標(biāo)進(jìn)行權(quán)重計算。以一級指標(biāo)對應(yīng)的判斷矩陣為例，一級指標(biāo)判斷矩陣中含有4個風(fēng)險因素，所以用MATLAB軟件生成20個4維粒子，粒子維度范圍在0到1之間；粒子初始速度參數(shù)與初始位置一致，速度變化范圍設(shè)為[-0.1，0.1]；根據(jù)公式(4)計算每一輪迭代過程中每個粒子的適應(yīng)度函數(shù)值，輸出群體最優(yōu)點(diǎn)pg(t)和粒子個體最優(yōu)點(diǎn)pi(t)；根據(jù)公式(1)和(2)對每個粒子的位置與速度進(jìn)行迭代，與此同時，算法的目標(biāo)函數(shù)值隨著粒子的每一輪迭代逐漸減小并趨于穩(wěn)定，如圖3所示；最終輸出粒子最優(yōu)位置坐標(biāo)pgbest(t)并歸一化，即為圖1中一級指標(biāo)各風(fēng)險因素的權(quán)重。根據(jù)兩位專家的打分情況，本文中4個一級指標(biāo)的權(quán)重向量分別如下：

圖3 PSO-AHP法逼近目標(biāo)函數(shù)最優(yōu)解的迭代過程Fig.3 Iterative process of approximating optimal solution of objective function by the PSO- AHP method

W1=(0.237 0.377 0.147 0.239)

W2=(0.269 0.214 0.178 0.340)

3.1.3 基于PSO-AHP法的指標(biāo)綜合權(quán)重計算

利用一級指標(biāo)判斷矩陣的構(gòu)建與權(quán)重計算方法，可以根據(jù)兩位專家打分結(jié)果分別計算出4組二級指標(biāo)的權(quán)重，然后將4組二級指標(biāo)的權(quán)重向量乘以其對應(yīng)的一級指標(biāo)權(quán)重值，得到二級指標(biāo)中各風(fēng)險因素在系統(tǒng)中的總權(quán)重Y1和Y2；考慮到兩位專家的工作年限與業(yè)務(wù)內(nèi)容的差異，對專家1的打分結(jié)果取0.75的權(quán)重，對專家2的打分結(jié)果取0.25的權(quán)重。最終，通過PSO算法與AHP法兩種方法可得到的各指標(biāo)的綜合權(quán)重計算公式如下：

W=0.75Y1+0.25Y2

(8)

通過PSO-AHP法，可計算得到各指標(biāo)對LNG接收站槽車充裝安全性的影響程度即重要度排序。為了驗證PSO-AHP法指標(biāo)權(quán)重計算結(jié)果的準(zhǔn)確性，將PSO-AHP法指標(biāo)權(quán)重與改進(jìn)的AHP法[7]指標(biāo)權(quán)重的計算結(jié)果進(jìn)行了對比，見表1。

表1 天津LNG接收站槽車充裝風(fēng)險指標(biāo)權(quán)重的計算結(jié)果Table 1 Weight calculation result of risk indexes of tanker filling of the LNG terminal in Tianjin

3.2 評價結(jié)果分析與建議

通過上述計算，可以得出評價指標(biāo)體系中15項風(fēng)險指標(biāo)對天津LNG接收站槽車充裝安全性的影響程度大小，各風(fēng)險指標(biāo)權(quán)重分布見圖4。

圖4 天津LNG接收站槽車充裝風(fēng)險指標(biāo)權(quán)重分布圖Fig.4 Weight distribution of risk factors of tanker filling of the LNG terminal in Tianjin

由圖4可見，對天津LNG接收站槽車充裝安全性影響最大的5項風(fēng)險指標(biāo)分別為：①現(xiàn)場應(yīng)急預(yù)案的完備性與演練情況C15；②裝車撬上防拖拉裝置的可靠性C8；③現(xiàn)場安全管理制度的完善性C14；④針對人員與車輛安檢的完善度C2；⑤裝車計劃的穩(wěn)定性C13。

綜上分析可知，LNG接收站槽車充裝過程中的安全性受到諸多風(fēng)險因素的影響，本文通過對中國石化天津LNG接收站的案例分析，針對槽車充裝安全管理提出了如下改進(jìn)建議：

(1) 要始終將現(xiàn)場應(yīng)急預(yù)案的完備性與演練情況放在安全管理的重要位置，并在實踐中不斷細(xì)化與更新現(xiàn)場應(yīng)急預(yù)案的內(nèi)容，同時需要特別注意極端條件下大規(guī)模突發(fā)事故的應(yīng)急處置辦法。

(2) 要注重LNG接收站內(nèi)消防設(shè)施的日常維護(hù)和現(xiàn)場 LNG 充裝設(shè)備的日常檢修。

(3) 要加強(qiáng)LNG接收站內(nèi)的安全管理以及對工作人員的安全教育，并在制定安全管理制度時注重科學(xué)性與實用性。

(4) 在實際運(yùn)行過程中，槽車周轉(zhuǎn)效率對LNG接收站槽車充裝安全性有著潛在的影響，因此為了防止附近道路聚集大量槽車，在車輛調(diào)度過程中需結(jié)合銷售計劃的管控，以增強(qiáng)車輛到站的時序性。

4 結(jié) 論

本文以LNG接收站槽車整個充裝流程中的風(fēng)險因素為研究對象，采用基于粒子群算法優(yōu)化的層次分析法對各風(fēng)險因素進(jìn)行了權(quán)重計算和重要度分析，并通過案例分析，對比了PSO-AHP法與改進(jìn)AHP法[7]指標(biāo)權(quán)重的計算結(jié)果。結(jié)果表明：兩者計算結(jié)果相近，但相比于其他對判斷矩陣求解的方法，PSO算法采用多個粒子迭代的方式直接對判斷矩陣進(jìn)行求解，大大提高了計算結(jié)果的精確度，且在求解過程中利用MATLAB編程，保證了求解速度。最后本文對影響LNG接收站槽車充裝安全性的宏觀因素進(jìn)行了重要度分析，并根據(jù)分析結(jié)果提出了改進(jìn)建議，可為新建LNG接收站的安全管理提供可借鑒的經(jīng)驗。