基于多源數(shù)據(jù)融合的油氣聯(lián)合站風(fēng)險(xiǎn)預(yù)警研究

陳文青,董紹華,劉洪艷,張 行

(1.中國(guó)石油大學(xué)(北京)安全與海洋工程學(xué)院,北京 102249;2.中國(guó)石油大學(xué)(北京)應(yīng)急管理部油氣生產(chǎn)安全與應(yīng)急技術(shù)重點(diǎn)實(shí)驗(yàn)室,北京 102249;3.中國(guó)石油吉林油田分公司新木采油廠,吉林 松原 138000)

隨著聯(lián)合站處理規(guī)模的不斷增長(zhǎng),聯(lián)合站開(kāi)始將物聯(lián)網(wǎng)技術(shù)應(yīng)用于聯(lián)合站的生產(chǎn)運(yùn)行監(jiān)管系統(tǒng)之中[1]。監(jiān)控系統(tǒng)需要布置大量的傳感器以實(shí)現(xiàn)生產(chǎn)工藝參數(shù)和設(shè)備狀態(tài)的監(jiān)控,傳感器的故障或錯(cuò)誤可能會(huì)導(dǎo)致監(jiān)控預(yù)警系統(tǒng)中假報(bào)警的泛濫[2]。近年來(lái),聯(lián)合站風(fēng)險(xiǎn)預(yù)警方面的研究主要側(cè)重于特定設(shè)備設(shè)施異常工況診斷[3]和特定設(shè)備失效概率分析[4]。常用的風(fēng)險(xiǎn)評(píng)價(jià)方法有風(fēng)險(xiǎn)評(píng)價(jià)矩陣法、結(jié)構(gòu)重要度、模糊綜合評(píng)價(jià)法等[5-7]。但大部分方法依賴于歷史數(shù)據(jù),導(dǎo)致得到的結(jié)果可靠性較低。雖然一些研究使用了傳感器實(shí)時(shí)監(jiān)測(cè)值作為油氣泄漏火災(zāi)定量風(fēng)險(xiǎn)評(píng)價(jià)的內(nèi)核[8],但是使用單一傳感器數(shù)據(jù)超限預(yù)警可靠性較差且不能代表某一類風(fēng)險(xiǎn),而不同傳感器數(shù)據(jù)之間存在證據(jù)沖突,因此有必要建立一種基于多源數(shù)據(jù)融合的聯(lián)合站風(fēng)險(xiǎn)預(yù)警方法。

在風(fēng)險(xiǎn)預(yù)警的研究領(lǐng)域,粗糙集理論[9]、可拓理論[10]等方法的應(yīng)用已經(jīng)較為成熟,有許多學(xué)者提出了多種基于數(shù)據(jù)融合的風(fēng)險(xiǎn)評(píng)估方法[11],其中DS證據(jù)理論(DST)在多源異構(gòu)數(shù)據(jù)融合方面的應(yīng)用較廣泛。但傳統(tǒng)的DST無(wú)法對(duì)存在高度沖突的證據(jù)進(jìn)行有效融合,且不能解決如何獲取合理的初始基本概率分布(basic probability distribution,BPA)的問(wèn)題。為此,學(xué)者提出了許多改進(jìn)的DST[12-13],但大多沒(méi)有考慮使用大量的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù),BPA構(gòu)建的不確定性仍然存在。

因此,筆者提出了一種基于云模型及DST改進(jìn)的多源數(shù)據(jù)融合方法。首先,基于云模型的逆向云發(fā)生器提出BPA函數(shù)的構(gòu)建方法,解決了BPA獲取的隨機(jī)性和不確定性問(wèn)題。其次,通過(guò)計(jì)算證據(jù)的可信度權(quán)重和信息量權(quán)重對(duì)各證據(jù)的初始BPA進(jìn)行修正。最后,使用DST的組合規(guī)則對(duì)修正的BPA進(jìn)行融合。結(jié)果表明,筆者提出的方法不僅可以獲得更高的置信度,在證據(jù)間存在高度沖突時(shí),還可以更好地融合處理沖突證據(jù),避免出現(xiàn)違反直覺(jué)的結(jié)果,驗(yàn)證了方法的有效性和合理性。

1 理論基礎(chǔ)

1.1 云模型理論

云模型使用期望(Ex)、熵(En)、超熵(He)3個(gè)特征參數(shù)來(lái)表征一個(gè)云團(tuán),其為一個(gè)定性概念。Ex是對(duì)一個(gè)定性概念的定量表征;En反映了一個(gè)定性概念的模糊性和相關(guān)性;He反映了熵的不確定性。云模型中逆向云發(fā)生器可實(shí)現(xiàn)由數(shù)值向定性語(yǔ)言表達(dá)之間的轉(zhuǎn)化。對(duì)于區(qū)間指標(biāo)變量[Cmin(k),Cmax(k)]而言,可采用雙邊約束法確定3個(gè)特征參數(shù),具體算法如下:

(1)

(2)

He=α

(3)

式中:Cmin(k)、Cmax(k)分別為第k個(gè)云團(tuán)區(qū)間閾值的下限和上限;α為一個(gè)常數(shù),既可以通過(guò)與En制定某種線性關(guān)系獲取,如α=0.1En,又可以通過(guò)專家評(píng)估確定一個(gè)合適的常數(shù)。

確定云模型的3個(gè)特征參數(shù)后,對(duì)于獲得的傳感器數(shù)據(jù)集X=(x1,x2,…,xm),每個(gè)數(shù)據(jù)xi對(duì)于云模型的隸屬度可通過(guò)式(4)進(jìn)行計(jì)算:

(4)

式中:μij為第i個(gè)數(shù)據(jù)對(duì)第j個(gè)云模型的隸屬程度,i=1,2,…,m,j=1,2,…,n;En′ij～N(En,He2);Exij、Enij、Heij分別為傳感器數(shù)據(jù)xi的第j個(gè)云模型的特征參數(shù)。

1.2 DS證據(jù)理論

DST可以將多個(gè)單一因素對(duì)某個(gè)命題的概率分布轉(zhuǎn)化為多因素對(duì)某個(gè)命題的概率分布,從而利用多因素綜合分析研究對(duì)象的狀態(tài)。在DST中,信念函數(shù)(Bel)和似然函數(shù)(Pl)分別代表BPA中某事件可信度的下限和上限,其定義如式(5)和式(6)所示,其中A,B∈θ。顯然,對(duì)于?A∈θ,有Pl(A)≥Bel(A)。

(5)

(6)

DST可將單因素的BPA組合為多因素集合的BPA,其組合規(guī)則如下:

(7)

1.3 散度距離

WANG等[14]提出一種改進(jìn)的散度測(cè)度,可反映不同子集的影響。其定義如下:設(shè)U為一個(gè)給定的論域,對(duì)于U中的每個(gè)元素x,其辨識(shí)框架為θ,對(duì)于給定任意的定義于θ的兩個(gè)基本概率分布μ1={μ11,μ12,…,μ1n}、μ2={μ21,μ22,…,μ2n},μ1、μ2間的散度測(cè)度D(μ1,μ2)為:

(8)

(9)

(10)

式中:S(μ1,μ2)為Kullback-Leilber散度。事實(shí)上,PBl(μij)將證據(jù)的質(zhì)量函數(shù)轉(zhuǎn)換為概率分布,考慮了證據(jù)的置信度和似然度,可以體現(xiàn)出不同類型子集之間的相關(guān)性。

1.4 信息熵

DENG[15]提出一種新的信念熵,稱為鄧熵,是測(cè)量不確定性信息的有效方法。假設(shè)Aij為概率分配μi的一個(gè)假設(shè),|Aij|為集合Aij的基數(shù),則集合Aij的熵Ed(μi)為:

(11)

由式(11)可知,Aij的基數(shù)越大,鄧熵越大,該證據(jù)包含的信息量越大,可信度就越高。

2 基于多源數(shù)據(jù)融合的風(fēng)險(xiǎn)預(yù)警

2.1 油氣聯(lián)合站蒸汽云爆炸事故風(fēng)險(xiǎn)因素及相關(guān)性分析

(1)根據(jù)事故類型相關(guān)風(fēng)險(xiǎn)因素,分析與事故風(fēng)險(xiǎn)水平相關(guān)的風(fēng)險(xiǎn)評(píng)價(jià)因子。為簡(jiǎn)化油氣聯(lián)合站風(fēng)險(xiǎn)預(yù)警模型,將油氣聯(lián)合站事故預(yù)警的主要方向定為蒸汽云爆炸(vapor cloud explosion,VCE)事故預(yù)警。結(jié)合相關(guān)國(guó)家標(biāo)準(zhǔn)、石油運(yùn)輸企業(yè)的適用文獻(xiàn)、專家意見(jiàn)和分析經(jīng)驗(yàn),選擇溫度、可燃?xì)怏w濃度和可燃?xì)怏w濃度梯度3個(gè)因子來(lái)評(píng)估VCE事故的可能性。

(2)劃分風(fēng)險(xiǎn)分區(qū)。以油氣聯(lián)合站主要設(shè)備設(shè)施或工藝流程為依據(jù)劃分風(fēng)險(xiǎn)分區(qū),主要分為三相分離器區(qū)、油罐區(qū)、水罐區(qū)、換熱區(qū)和泵區(qū)等。

2.2 BPA函數(shù)構(gòu)建

(1)根據(jù)各評(píng)價(jià)因子歷史數(shù)據(jù)特征的變化與系統(tǒng)可靠性之間的關(guān)系,劃分風(fēng)險(xiǎn)等級(jí),構(gòu)建識(shí)別框架,為各評(píng)價(jià)因子各風(fēng)險(xiǎn)等級(jí)設(shè)定合理的區(qū)間閾值。

(2)根據(jù)逆向云發(fā)生器,確定與每個(gè)評(píng)價(jià)因子的每個(gè)風(fēng)險(xiǎn)等級(jí)相對(duì)應(yīng)的云模型及其3個(gè)特征參數(shù),根據(jù)式(4)構(gòu)建BPA函數(shù)。

2.3 確定證據(jù)可信度權(quán)重

(1)根據(jù)式(5)、式(6)計(jì)算得到證據(jù)的置信度與似然度。

(12)

(3)根據(jù)式(13)計(jì)算證據(jù)μi的支持度Supi,并根據(jù)式(14)將證據(jù)體支持度進(jìn)行歸一化處理,得到其可信度權(quán)重WC(μi)。

(13)

(14)

2.4 確定證據(jù)信息量權(quán)重

(1)通過(guò)式(11)計(jì)算證據(jù)體的信息熵。

(2)為避免對(duì)信息熵為0的證據(jù)賦0權(quán)重,將證據(jù)的信息熵轉(zhuǎn)化為信息量IVi。

1≤i≤m,1≤j≤n

(15)

(3)將證據(jù)信息量的歸一化,確定證據(jù)的信息量權(quán)重WIVμi。

(16)

2.5 生成并融合修改后的證據(jù)

(1)計(jì)算證據(jù)體的綜合權(quán)重W(μi)。

(17)

(18)

(19)

(4)根據(jù)Dempster組合規(guī)則(式(7))處理各證據(jù)更新后的BPA,獲得融合結(jié)果。

(5)當(dāng)存在多級(jí)數(shù)據(jù)時(shí),先分別對(duì)同類數(shù)據(jù)進(jìn)行融合,將得到的每一類數(shù)據(jù)的融合結(jié)果作為不同類數(shù)據(jù)融合的初始BPA,再進(jìn)行不同類數(shù)據(jù)的融合,并根據(jù)最大隸屬度法則確定最終的風(fēng)險(xiǎn)等級(jí)。

3 驗(yàn)證分析

基于多源數(shù)據(jù)融合的油氣聯(lián)合站風(fēng)險(xiǎn)預(yù)警模型的流程圖如圖1所示,某油氣聯(lián)合站二級(jí)沉降罐區(qū)周圍的傳感器分布圖(光纖溫度傳感器和可燃?xì)怏w濃度傳感器)如圖2所示。

圖1 方案流程圖

圖2 油罐區(qū)傳感器分布圖

3.1 BPA函數(shù)構(gòu)建

油氣聯(lián)合站油氣泄漏后發(fā)生VCE事故的風(fēng)險(xiǎn)等級(jí)分為一般、中等、高等和極高4類,各評(píng)價(jià)因子對(duì)于各風(fēng)險(xiǎn)等級(jí)的閾值區(qū)間如表1所示。

表1 各評(píng)價(jià)因子對(duì)于各風(fēng)險(xiǎn)等級(jí)的閾值區(qū)間

利用式(1)～式(3)計(jì)算出不同評(píng)價(jià)因子不同風(fēng)險(xiǎn)等級(jí)對(duì)應(yīng)云模型的特征參數(shù)。其中定義He為常數(shù)0.05[16],確保不確定度可控且保持在較低水平。各云模型的特征參數(shù)如表2所示,其顯示了3個(gè)評(píng)價(jià)因子對(duì)應(yīng)的不同風(fēng)險(xiǎn)水平云的3個(gè)特征參數(shù)。在這個(gè)過(guò)程中,如果監(jiān)測(cè)值超出邊界風(fēng)險(xiǎn)預(yù)警等級(jí)的期望,則隸屬于相近風(fēng)險(xiǎn)等級(jí)的隸屬度為1。

表2 各云模型的特征參數(shù)

可燃?xì)怏w濃度梯度需要二次計(jì)算,其間隔2 min的濃度梯度可由式(20)、式(21)計(jì)算得出。最終所得t時(shí)刻3項(xiàng)評(píng)價(jià)因子的實(shí)時(shí)數(shù)據(jù)如表3所示。

表3 t時(shí)刻3項(xiàng)評(píng)價(jià)因子實(shí)時(shí)數(shù)據(jù)

(20)

(21)

式中:A為L(zhǎng)個(gè)可燃?xì)怏w濃度數(shù)據(jù)樣本的均值;Dl為可燃?xì)怏w濃度取樣數(shù)據(jù);D為監(jiān)測(cè)點(diǎn)當(dāng)前可燃?xì)怏w濃度數(shù)據(jù);AI為百分比梯度。

表4 溫度因素各監(jiān)測(cè)數(shù)據(jù)的BPAs和風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)結(jié)果

3.2 BPA修正并融合

表5 F1風(fēng)險(xiǎn)評(píng)估的各計(jì)算結(jié)果

表6 加權(quán)平均證據(jù)

從表7可以看出,更新后的BPA相較于初始BPA處于未知狀態(tài)的概率更大,這是由于在數(shù)據(jù)處理過(guò)程中將兩種狀態(tài)臨界點(diǎn)附近的數(shù)據(jù)歸納到了未知狀態(tài)。未知狀態(tài)表示油罐區(qū)風(fēng)險(xiǎn)水平可能處于4種風(fēng)險(xiǎn)等級(jí)的任意一種。因此,在后續(xù)處理數(shù)據(jù)的過(guò)程中將處于狀態(tài)臨界點(diǎn)的數(shù)據(jù)造成的誤差分布到各風(fēng)險(xiǎn)等級(jí)下,有效處理了BPA構(gòu)建過(guò)程中的不確定性問(wèn)題。

表7 F1更新后的BPAs

根據(jù)式(7)處理更新后的BPA可獲得評(píng)價(jià)因子F1的風(fēng)險(xiǎn)評(píng)價(jià)融合結(jié)果,同理可得評(píng)價(jià)因子F2、F3的風(fēng)險(xiǎn)評(píng)價(jià)融合結(jié)果。將各評(píng)價(jià)因子的融合結(jié)果作為聯(lián)合站油罐區(qū)VCE事故風(fēng)險(xiǎn)水平的初始BPA,對(duì)聯(lián)合站的油罐區(qū)風(fēng)險(xiǎn)水平進(jìn)行多傳感器數(shù)據(jù)融合評(píng)估。采用傳統(tǒng)DS方法,即根據(jù)Dempster組合規(guī)則(式(7))對(duì)獲取的各評(píng)價(jià)因子的初始BPA進(jìn)行融合,與筆者所提方法進(jìn)行對(duì)比分析,具體結(jié)果如圖3～圖6所示。

圖3 F1各方法風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果對(duì)比

圖4 F2各方法風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果對(duì)比

圖5 F3各方法風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果對(duì)比

圖6 油罐區(qū)各方法風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果對(duì)比

使用最大隸屬度法確定評(píng)價(jià)因子F1、F2、F3及油罐區(qū)的風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果,由圖3～圖5可知,某些單傳感器預(yù)警結(jié)果的置信度較低,某些單傳感器預(yù)警結(jié)果為未知,不能提供準(zhǔn)確的預(yù)警結(jié)果,而筆者所提方法有效處理了監(jiān)測(cè)信息并得到了準(zhǔn)確的風(fēng)險(xiǎn)預(yù)警結(jié)果。由圖3、圖5、圖6可知,傳統(tǒng)DS方法與筆者所提方法得到的風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果一致,分別為高等、中等、高等,但是置信度卻不相同,筆者所提方法獲得的置信度高于傳統(tǒng)DS方法。由圖4可知,傳統(tǒng)DS方法得到的風(fēng)險(xiǎn)等級(jí)為中等,而筆者所提方法得到的風(fēng)險(xiǎn)等級(jí)為高等。由數(shù)據(jù)S2-1、S2-2、S2-3、S2-4、S2-5、S2-6所得風(fēng)險(xiǎn)等級(jí)分別為未知、高等、高等、未知、未知、中等,且數(shù)據(jù)S2-1、S2-4、S2-5的風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果中除未知外,隸屬度第二大的分別為極高、高等、高等,通過(guò)人的直覺(jué)綜合判斷該系統(tǒng)所處風(fēng)險(xiǎn)等級(jí)應(yīng)為高等或以上,說(shuō)明傳統(tǒng)DS方法出現(xiàn)了違反直覺(jué)的結(jié)果。這是由多個(gè)證據(jù)間存在高度沖突造成的,而筆者所提方法有效解決了這個(gè)問(wèn)題,保證了結(jié)果的準(zhǔn)確性。

4 結(jié)論

構(gòu)建了油氣聯(lián)合站VCE事故風(fēng)險(xiǎn)的證據(jù)識(shí)別框架,提出將云模型的逆向云發(fā)生器方法應(yīng)用于BPA構(gòu)建。量化了證據(jù)的可信度及信息量,建立了改進(jìn)的多源數(shù)據(jù)融合模型。以某聯(lián)合站油罐區(qū)為例完成了模型的驗(yàn)證分析。結(jié)果表明:①所提出的BPA構(gòu)建方法有效降低了DST中BPA獲取時(shí)主觀因素的影響;②相較于單傳感器數(shù)據(jù)預(yù)警,所提方法獲得的風(fēng)險(xiǎn)預(yù)警結(jié)果更準(zhǔn)確。③在證據(jù)一致時(shí),所提方法可以保證結(jié)果的正確性;在證據(jù)間存在高度沖突時(shí),所提方法可以很好地處理沖突數(shù)據(jù)得到正確的結(jié)果。