基于DBN的气化炉故障动态风险评估

doi:10.3969/j.issn.1672-6952.2022.04.009

辽宁石油化工大学学报 ›› 2022, Vol. 42 ›› Issue (4): 47-52.DOI: 10.3969/j.issn.1672-6952.2022.04.009

基于DBN的气化炉故障动态风险评估

马梦迪¹(), 多依丽¹(), 孙铁²

^1.辽宁石油化工大学环境与安全工程学院，辽宁抚顺 113001
^2.辽宁石油化工大学机械工程学院，辽宁抚顺 113001

收稿日期:2021-11-08 修回日期:2021-11-29 出版日期:2022-08-25 发布日期:2022-09-26
通讯作者: 多依丽
作者简介:马梦迪（1997⁃），女，硕士研究生，从事煤化工装置动态风险评估研究；E⁃mail：1948861025@qq.com。
基金资助:
国家重点研发计划资助项目(2018YFC0808500)

Dynamic Risk Assessment of Gasifier Failure Based on DBN

Mengdi Ma¹(), Yili Duo¹(), Tie Sun²

^1.School of Enviromental ＆ Safety Engineering，Liaoning Petrochemical University，Fushun Liaoning 113001，China
^2.School of Mechanical Engineering，Liaoning Petrochemical University，Fushun Liaoning 113001，China

Received:2021-11-08 Revised:2021-11-29 Published:2022-08-25 Online:2022-09-26
Contact: Yili Duo

摘要/Abstract

摘要：

气化炉是水煤浆气化系统的主要设备，为研究气化炉故障对气化系统的影响，提出一种基于动态贝叶斯网络与风险矩阵相结合的动态风险评估方法。以气化炉故障为例，首先建立了气化炉的动态贝叶斯网络模型，结合模糊评价方法计算根节点事件的先验概率，引入动态贝叶斯网络推算其后验概率；随后，基于层次分析法和Borda的原理，建立气化炉故障的综合风险评估体系，并引入维修因素，预测维修后气化炉的风险趋势并绘制了动态风险矩阵。结果表明，引入维修因素后系统整体风险水平显著下降，证明了维修因素对系统的积极作用，保障了系统的生产能力。

关键词: 动态贝叶斯网络, 风险矩阵, 气化炉, 动态风险评估

Abstract:

Gasifier is the main equipment of CWS gasification system. In order to study the influence of gasifier failure on gasification system, a dynamic risk assessment method based on dynamic Bayesian network and risk matrix is proposed in this paper. Taking the gasifier failure as an example, the dynamic Bayesian network model of the gasifier was first established, and the prior probability of the root node event was calculated by combining the fuzzy evaluation method, and the dynamic Bayesian network was introduced to calculate the posterior probability. Then, based on the principle of analytic hierarchy process (ahp) and Borda, a comprehensive risk assessment for gasifier failure was established, and maintenance factors were introduced to predict the risk trend of the gasifier after maintenance and draw a dynamic risk matrix. The results show that the risk of the system decreases after the maintenance factor is introduced, which proves that the maintenance factor has a positive effect on the system and guarantees the production capacity of the system

Key words: Dynamic Bayesian network, Risk matrix, Gasifier, Dynamic risk assessment

中图分类号:

TQ54

马梦迪, 多依丽, 孙铁. 基于DBN的气化炉故障动态风险评估[J]. 辽宁石油化工大学学报, 2022, 42(4): 47-52.

Mengdi Ma, Yili Duo, Tie Sun. Dynamic Risk Assessment of Gasifier Failure Based on DBN[J]. Journal of Liaoning Petrochemical University, 2022, 42(4): 47-52.

图/表 12

图1 风险矩阵

图2 水煤浆气化流程

图3 气化炉故障DBN模型

图4 最终确定的根节点先验概率

图5 根节点事件基本风险评级及量化分数

图6 根节点在T=1、T=30、T=50时的Borda数

表1 维修因素下气化炉故障的风险等级计算结果

事件名称	风险等级
事件名称	T=1	T=30	T=50
气化炉超温	A6	C5	A6
气化炉堵渣	C5	B7	B7
激冷室故障	A5	B7	B7
气化炉故障	A6	B7	B7
维修因素下气化炉故障			A6

图7 气化炉在有/无维修因素下的故障率

图8 中间事件失效概率

图9 T=1、T=30、T=50时根节点事件的ROV和后验概率

图10 中间事件和气化炉故障的动态风险矩阵

图11 T=50时有/无维修因素下气化炉故障动态风险矩阵

参考文献 16

1	陈浩，熊君霞，何国锋.我国水煤浆技术现状及发展趋势［J］.煤炭经济研究，2019，39（6）：85⁃88.
2	Villa V，Paltrinieri N，Khan F，et al.Towards dynamic risk analysis：A review of the risk assessment approach and its limitations in the chemical process industry［J］.Safety Science，2016，89：77⁃93.
3	ReiIIy J， Brown J. Management and contrl of cost and risk for tunneling and infrastructure projects.Tunnelling and Underground［J］.Space Teehnology， 2004， 19（4）： 329⁃333.
4	Khakzacl N，Khan F，Amyotte P. Dynamic safety analysis of process systems by mapping bow⁃tie into Bayesian network［J］. Process Safety and Environmental Protection，2013，91（1⁃2）：46⁃53.
5	Xin P W，Khan F，Ahmed S. Dynamic hazard identification and scenario mapping using Bayesian network［J］. Process Safety and Environmental Protection，2017，105（8）：143⁃155.
6	刘明，靳宇，李宽，等.基于贝叶斯网络气化炉供料系统风险分析［J］.中国安全生产科学技术，2020，16（6）：87⁃92.
7	朱翔.社区配电系统风险管控［D］.北京：北方工业大学，2020.
8	赵志博，多依丽，王博，等.基于GO法与DBN的冗余系统可靠性分析［J］.辽宁石油化工大学学报，2020，40（5）：66⁃72.
9	Gao H，Duo Y L，Sun T，et al. Dynamic safety management on the key equipment of coal gasification based on DBT⁃DBN method［J］. Mathematical Problems in Engineering，2020，2020（1）：1⁃14.
10	史健国，高晓光.动态贝叶斯网络及其在自主智能作战中的应用［M］.北京：兵器工艺出版社，2017.
11	肖秦琨，高嵩.动态贝叶斯网络推理学习及理论应用［M］.北京：国防工业处出版社，2007.
12	刘向阳.基于风险矩阵与模糊集理论的众包物流风险评估研究［D］.天津：河北工业大学，2017.
13	Purba J H，Lu J，Zhang G Q. A fuzzy reliability assessment of basic events of fault trees through qualitative data processing［J］.Fuzzy Sets and Systems，2014，243：50⁃69.
14	李佩昌，周海军，周国敬.基于专家综合评估的模糊动态故障树分析［J］.舰船科学技术，2019，41（10）：192⁃197.
15	赖成寿.基于Borda排序的港航企业联盟风险评价［J］.黑龙江交通科技，2021，44（1）：222⁃223.
16	成庆林，常泰，王雨新，等.油田地面集输系统能效指标体系的建立及分析方法［J］.石油化工高等学校学报，2020，33（5）：67⁃73.

[1]	张迪, 高鹏, 田思祺, 崔永海. 基于改进熵权⁃突变级数法的气化炉风险评估[J]. 辽宁石油化工大学学报, 2022, 42(1): 53-58.
[2]	靳宇，刘明，孙铁，多依丽. 基于动态贝叶斯网络气化炉供料系统风险分析[J]. 辽宁石油化工大学学报, 2021, 41(2): 59-64.
[3]	赵志博，多依丽，孙铁. 基于动态贝叶斯网络的煤粉加压输送系统可靠性分析[J]. 辽宁石油化工大学学报, 2019, 39(6): 72-77.

基于DBN的气化炉故障动态风险评估

Dynamic Risk Assessment of Gasifier Failure Based on DBN

HTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 16

相关文章 3

编辑推荐

Metrics