老龄海底油气管道弃置决策研究*

杨　慧，李新宏，陈国明，朱红卫

(中国石油大学(华东) 海洋油气装备与安全技术研究中心，山东 青岛 266580)

0　引言

近年来，由于服役年限的增长，我国不少海底油气管道已陆续进入老龄服役阶段。具不完全统计，仅中海油总公司已有约1/5的海底管道已进入或即将进入超期服役阶段，如何处置海底管道中使用寿命过长、性能大幅降低的老龄管道是海底管道系统管理应关注的问题。国内外对管道的设计、建造、维护环节较为重视，而管道弃置报废作为管道全寿命、全系统管理的最后阶段却常被忽视。如何根据老龄海底油气管道的服役状态，作出延寿使用或弃置报废的决策，合理发挥其结构潜能、避免作业风险，成为老龄海底管道面临的关键问题。

目前，国内外对老龄海底管道的研究集中在管道可靠性评估[1-5]、失效风险分析[6-7]、剩余寿命研究[8-9]及延寿维修[10]等方面。W·Kent MUHLBAUER[11]提出肯特模型，定量计算管道的相对风险值，对油气管道进行安全风险评价；Noor N M等[12]基于半可靠性方法预测腐蚀管道的剩余寿命；李秀美等[13]总结了1套基于安全系统理论的陆上老龄油气管道安全寿命预测的方法，从风险角度对老龄油气管道进行全面评估，根据最终风险打分评价进行延寿和报废决策，未考虑成本效益因素。

鉴于目前国内还未对老龄海底管道弃置决策定量模型进行研究，以下在考虑老龄海底管道风险的基础上，从安全经济学角度引入延寿成本效益因素，基于多属性效用理论，分析影响老龄海底管道弃置决策的因素，建立老龄海底管道弃置决策模型，该模型对老龄海底油气管道弃置作业具有重要的理论意义和实用价值。

1　老龄海底管道弃置决策方法

1.1　老龄海底管道弃置决策流程

老龄海底管道是否弃置综合考虑管道服役后期风险和维修延寿成本之间，是个风险效益最优化问题。老龄海底管道在过去的服役状况、现役的状态维护和未来的延寿成本之间，存在着影响管道最优经济寿命的不确定性信息和因素，如何处理这些复杂不确定性信息和因素是老龄海底管道弃置决策的关键研究内容。

根据多属性效用理论，确定决策目标，建立属性树进行影响因素评估，基于模糊理论综合不同专家打分确定因素权重，可减少主观因素对决策的影响，避免传统单值评价带来偏差较大的问题。考虑决策的经济性，用成本效益率合理量化成本因素，建立老龄油气管道弃置决策模型评分准则，计算模糊综合评分。老龄海底油气管道弃置决策模型的构建流程如图1所示。

图1　老龄海底管道弃置决策的结构流程Fig.1　Structural process of aging submarine pipeline abandondecision-making model

1.2　多属性效应理论

多属性效用理论[14]为量化决策分析方法提供了依据，可以评价在决策过程中起作用的各因素对决策结果的影响。将老龄海底管道服役后期的处置方式问题简化为1个决策目标，选择弃置作为决策目标，从直接影响弃置决策的因素进行分析建立属性树，例如延寿成本、管道的腐蚀情况、管道的修复情况、管道的损伤情况等。

在最初构建属性树时，不考虑各因素的重要程度，全面考虑影响决策的所有因素，以保证与决策目标相关的所有因素不会被遗漏，然后对最初的属性树进行删减，将重要程度小，对决策结果影响不大的因素删除，得到精简之后的属性树。

多属性效用的实现步骤如图2所示。

图2　多属性效用理论的实现步骤Fig.2　Implement step of multi-attribute utility theory

1.3　模糊理论

由于缺乏数据、事故机理模糊等原因，专家打分是确定因素重要度的重要方法，但是打分法的精确性越来越不能满足工程精度的要求，故引入模糊理论[15]对专家打分进行更有效的数学处理。

定义1：若模糊数A的隶属函数为

(1)

式中：a

(2)

(3)

(4)

三角模糊数的运算法则如下：

(5)

(6)

1.4　风险效益率

延寿成本作为可量化的因素，用来评估延寿措施的经济性。采用Boardman A E.提出的风险效益率[16]概念，作为这一指标的评分准则。风险效益率的计算采用现值指数法，即在投资项目的寿命周期内，将所有的成本和收益按照一定的贴现率折算为成本现值(C)和效益现值(B)，然后计算所有的成本现值和效益现值之比，所得结果为成本效益率，计算公式如下：

(7)

式中：Ci/Bi为某项目i的成本效益率；bit为某项目i在t年所产生的收益，万元；cit为某项目i在t年所支出的成本，万元；ki为某项目i的最初投入成本，万元；t为某项目i建造和投入使用的年数，a；n为某项目i的计算期，a；r为折现率。

2　老龄海底管道弃置决策流程

2.1　建立决策属性树

为建立弃置决策属性树，先进行老龄海底管道服役状况实地考察，收集管道维修资料、历年检测报告、事故统计资料；然后确定老龄海底管道弃置决策影响因素集，建立弃置决策属性树。老龄海底管道在服役后期，对其进行延寿使用或弃置报废的决策，主要受其安全性能的影响，所以评估因素的选取主要从影响老龄海底管道安全寿命的角度考虑。从机械损伤、腐蚀缺陷、管材性能等宏观方面考虑影响管道服役状态的因素，最终选定工程因素、风险因素、结构因素作为属性树的一级指标，安全经济学角度，一级指标因素中引入延寿成本因素。指标因素的选取对工程经验依赖性较高，不同管道系统应有不同的指标因素。最后删除难以量化的对决策影响程度很小的因素，得到简化的属性树。

图3　老龄海底管道弃置决策属性树Fig.3　Attribute-tree for aging subsea pipeline abandon decision

2.2　模糊理论计算因素权重

结合老龄海底管道服役状况以及管道详细评价结果，通过专家打分，建立判断矩阵，矩阵的各元素值是由专家给出某一层的两因素相对于上一层同一因素的重要性比率。专家打分参照0～1标度法给出具体数值(表1)。设计调查问卷，获得各指标的相对重要性程度，调查问卷应详细说明调查目的和使用方法，并对各一级指标和二级指标进行说明。打分人员包括管道技术人员、安全技术人员、管道风险评价专家以及现场对管道运行状态及其影响因素有定性和定量了解的工作人员。

表1　0～1标度法Table 1　0-1 scale method

由得出的因素间重要性比率的判断矩阵，建立三角模糊数互补判断矩阵，采用三角模糊数法整合各位专家综合意见。

(8)

(9)

(10)

式中：k=1,2，…，n；n为调查问卷中有效专家总数；Bijk为第k个专家给出的i，j因素的重要性比率；αijk为所有专家给出的i，j重要性比率的最小值；βij为所有专家评分结果的几何平均值；γijk为所有专家给出的i，j重要性比率的最大值。

(11)

(12)

2.3　敏感性分析

用属性树中各二级指标的相对权重乘以该指标层所属的一级指标层在总目标层的权重，由此得各指标的排序指标值，根据排序指标值进行排序，找出高风险因素和对决策影响较大的因素。

2.4　进行老龄海底管道弃置决策

确定老龄海底管道弃置决策模型评分准则。对于成本、服役年限、海流冲刷等易于量化的指标，采用数理统计、数值计算方法直接给出，对于不容易量化的因素由专家打分获得。具体准则见表2。

表2　老龄海底管道弃置决策影响因素评分准则Table 2　Scoring criteria of impacting factors for aging subsea pipeline abandon decision-making

表中，腐蚀程度a、修复补丁r和海管堵塞g的量化方法分别由式(13)、(14)和(15)给出。

a=bmax/c

(13)

r=m/l

(14)

g=xmax/d

(15)

式中：a为腐蚀程度；bmax为最大腐蚀深度，mm；c为管道壁厚，mm；l某段为管线长度，km；m为该段补丁数量，个；xmax为最大污垢沉积厚度，mm；d为管道内径，mm。

风险效益率应用到老龄海底管道延寿维修问题上，应具体考虑延寿措施带来的成本的增加和事故发生概率的减小。将公式(7)修改为式(16)来进行延寿成本的量化。

(16)

式中：CBR为延寿成本；CM为延寿维修措施带来的成本增加，万元；s为管道损害程度，分为轻度破坏(不需要维修也不会导致泄漏)中度破坏(需要维修但不会导致泄漏)和重度破坏(会导致泄漏)；CPs为某种损害下的生产损失，万元；CRs为某种损害下的维修费用，万元；CCs为某种损害下的清污费用，万元；g为海管堵塞程度；Po为风险减缓措施引起的某种损害程度发生的概率减少；r为折现率。

根据老龄海底管道弃置决策因素评分准则得出各因素得分后，结合各因素的模糊权重，采用逻辑运算求出各一级因素的综合评分以及弃置决策综合总评分，见式(17)和(18)。

(17)

Bk=Cki·ωki

(18)

式中：A为老龄海底管道弃置决策模型综合评分；Bk为各一级因素的综合评分；ωk为属性树一级指标层各影响因素的权重；n为属性树一级指标层各影响因素的个数；Cki为第k个一级指标因素的第i个因子的评价得分；ωki为第k个一级指标因素的第i个因子的模糊权重。

根据弃置决策综合得分，建立老龄海底管道弃置决策参考表，对照参考表，可以进行决策。若根据综合评分老龄海管可以延寿使用或在监测下使用，则应优先考虑敏感性较大因素的监测。通过影响因素敏感性分析可以将风险因素按照对老龄海底管道服役状况影响的大小排序，找出对决策影响较大的因素。

表3　老龄海底管道弃置决策参考表Table 3　Reference table for aging subsea pipelineabandon decision-making

3　实例分析

选取国内某条海底管线的一段管道作为评价对象，进行弃置决策分析。该管道已经连续服役32a，进入老龄期，服役期间发生过1次泄漏事故，已及时进行了修复。管道为螺旋焊缝钢管，管节之间采用环焊缝焊接连接，最大工作压力为3.8 MPa，材质为16 Mn，采用石油沥青防腐。

从调查问卷中获得有效数据即专家数为3。整合专家意见，计算属性树各因素的相对权重。以机械损伤、腐蚀缺陷、修复补丁、海管堵塞为例，采用三角模糊数整合的专家意见为：

由式(19)计算模糊权重：

(19)

i分别取值1,2,3,4，得到机械损伤、腐蚀缺陷、修复补丁、海管堵塞对应的模糊权重为：

ω1=(0.166 1,0.288 7,0.467 0)ω2=(0.219 8,0.325 5,0.492 8)ω3=(0.109 3,0.190 8,0.338 4)ω4=(0.106 1,0.190 5,0.365 5)

用式(20)将模糊权重值整合、正规化：

(20)

i分别取值1,2,3,4，得到机械损伤、腐蚀缺陷、修复补丁、海管堵塞对应的模糊权重为：

由此可得，属性树一级指标因素机械损伤、腐蚀缺陷、修复补丁、海管堵塞的相对权重为(0.281 9，0.328 0，0.194 2，0.196 3)。同理可得，施工改造、服役年限的相对权重为(0.134 6，0.865 2)；海流冲击、材料老化、海生物附着的相对权重为(0.273 9，0.429 5，0.269 9)；工程因素、风险因素、成本因素、结构因素的相对权重为(0.252 4，0.350 9，0.160 1，0.236 9)。计算各二级因素相对决策目标的权重并排序，见表2。

表4　各影响因素敏感性排序Table 4　Ranking of sensitivity for impacting indicators

由以上排序可以看出，对决策影响较大的因素是老龄管道的服役年限(0.218 3)、腐蚀缺陷(0.115 1)、材料老化(0.101 7)，应着重量化这些因素。

通过查阅老龄海底管道施工资料、历史检测资料、事故维修资料，以及现场检测、参数统计、专家打分得到各影响因素的评分，经计算综合得分为61.58，应弃置。

4　结论

1)引入基于模糊理论的弃置决策模型，可将海底管道老化过程、损伤情况等状态过程随服役时间的增长进行更精确描述，解决了海底管道继续使用或弃置回收的决策问题缺少定量模型依据的问题；运用三角模糊数法综合专家意见计算权重，降低人为因素的影响，避免了因素权重计算的主观片面性，改善了现有风险评价方法中存在的单值评价结果偏差较大的问题。

2)首次引入成本效益率，综合考虑管道损害程度、生产损失、维修损失、清污费用、延寿措施带来的损害概率的减少以及延寿措施带来的成本增加，将成本对老龄海底管道弃置决策产生的影响合理量化，使弃置决策更加经济合理。

3)实际工程应用中，老龄海底管道服役后期弃置决策受众多复杂不确定因素影响，全面考虑各影响因素，通过专家筛选建立属性树，能够动态调整影响弃置决策的相关因素。老龄海底油气管道弃置模型的建立不拘泥于上文提出的模型，根据实地考察管道的服役状况，综合专家意见得出弃置决策属性集，模型评分准则的建立可根据属性树因素进行调整，合理量化。

[1]夏雪. 腐蚀海底管道的可靠性评估 [D].哈尔滨: 哈尔滨工程大学, 2009.

[2]郑贤斌. 老龄输油管道安全评估与维修决策方法及应用研究[D]. 青岛:中国石油大学(华东), 2007.

[3]Caleyo F, González J L, Hallen J M. A study on the reliability assessment methodology for pipelines with active corrosion defects[J]. International Journal of Pressure Vessels & Piping, 2002, 79(1):77-86.

[4]Teixeira A P, Soares C G, Netto T A, et al. Reliability of pipelines with corrosion defects[J]. International Journal of Pressure Vessels & Piping, 2008, 85(4):228-237..

[5]方华灿, 赵学年, 陈国明. 海底管线腐蚀缺陷的安全可靠性评估[J]. 石油矿场机械, 2001, 30(6): 1-4.

FANG Huacan, ZHAO Xuenian, CHEN Guoming. Reliability evaluation of corrosion defect of the subsea pipeline[J]. Oil Field Equipment 2001, 30(6): 1-4.

[6]李新宏, 朱红卫, 陈国明,等. 海底油气管道泄漏事故风险分析的贝叶斯动态模型[J]. 中国安全科学学报, 2015, 25(4):75-80.

LI Xinhong ZHU Hongwei CHEN Guoming, et al. Bayesian dynamic model for analyzing risk of meeting submarine oil and gas pipeline leakage accident[J].China Safety Science Journal, 2015, 25(4):75-80.

[7]LI Xinhong, CHEN Guoming, ZHU Hongwei. Quantitative risk analysis on leakage failure of submarine oil and gas pipelines using Bayesian network[J]. Process Safety and Environmental Protection, 2016, 103(A): 163-173.

[8]谭开忍, 肖熙. 基于灰色理论的海底管道腐蚀剩余寿命预测方法[J]. 上海交通大学学报, 2007, 41(2):186-188..

TAN Kairen, XIAO Xi. The forecast of remaining life of corrosive submarine pipelines based on grey theory[J]. Journal of Shanghai Jiaotong University, 2007,41(2):186-188.

[9]Liu Q M, Lyu W. The forecasting residual life of underground pipeline based on particle swarm optimisation algorithm[J]. Machinery Design & Manufacture, 2009, 1(4):270-275.

[10]LI Xinhong，ZHU Hongwei，CHEN Guoming，et al. Optimal maintenance strategy for corroded subsea pipelines[J]. Journal of Loss Prevention in the Process Industries, 2017, 49: 145-154.

[11]Muhlbauer W K. 管道风险管理手册[M]. 2版.杨嘉瑜,张德存,李钦华,等,译.北京:中国石化出版社,2005: 199-216.

[12]Noor N M, Yahaya N, Din M M, et al. Prediction of corroding pipeline remaining life-time using semi-probabilistic approach[J]. Malaysian Journal of Civil Engineering, 2010, 21(1):204-218.

[13]李秀美,陈国明,朱红卫,等.老龄油气管道安全寿命综合评估方法研究[J]. 工业安全与环保，2016(8): 39-43.

LI Xiumei，CHEN Guoming，ZHU Hongwei，et al. A comprehensive safety life evaluation method of aging oil and gas pipeline[J]. Industrial Safety and Environmental Protection, 2016(8): 39-43.

[14]王芳, 孙利华. 多属性效用理论在效果评价中的应用[J]. 中国药事, 2009, 23(7):637-638.

WANG Fang，SUN Lihua. The application of multi-attribute utility theory in the evaluation of drugs' effectiveness[J].Chinese Pharmaceutical Affairs, 2009, 23(7):637-638.

[15]范英，李辰，晋民杰，等.三角模糊数和层次分析法在风险评价中的应用研究[J].中国安全科学学报，2014，24(7): 70-74.

FAN Ying，LI Chen，JIN Minjie，et al. Research on application of triangular fuzzy number and AHP in risk evaluation[J]. China Safety Science Journal,2014, 24(7): 70-74.

[16]Boardman A E, Greenberg D, Vining A R, et al. Cost-benefit analysis : concepts and practice [M]. 2nd ed.Upper Saddle River,Prentice Hall, 2011: 348-352.

[17]Buckley J J. Fuzzy Hierarchical Analysis[M]// Uncertainty in Risk Assessment, Risk Management, and Decision Making. Springer US, 1987:233-247.