基于Bow-Tie模型和贝叶斯网络的LNG加气站动态风险分析

陈静，董敏，史博文

1.包头市住房和城乡建设局（内蒙古 包头 014017）

2.包头港华燃气有限公司（内蒙古 包头 014200）

3.内蒙古西部天气包头市昊宇新能源有限责任公司（内蒙古 包头 014040）

LNG具有安全、环保、经济等优势，常作为车用燃料用于重型卡车和大型客车。截至2019年，全国共建成LNG加气站超过3 100座[1]，到2030年我国LNG进口需求将达到1 455亿m3[2]。旺盛的需求将带动LNG进口量和接收能力的持续增加，LNG加气站布局也将会不断发展和完善[3]。另外，LNG一旦泄漏，在环境温度下极易形成易燃、易爆的蒸发气，若被点燃将造成剧烈的燃烧爆炸事故，给人民群众的生命财产造成极大损失[4]。为此，有必要对相关站场进行风险分析，为LNG安全行业的设计、制造、安装、施工、操作和维护以及检修等方面的决策提供参考[5]。目前国内外针对LNG生产-运输系统进行了大量的风险评价，但主要集中在LNG运输船、接收站、工厂和储罐[6]。而针对LNG加气站的风险分析与评价内容相对缺乏，特别是缺少运用动态风险分析方法对LNG加气站进行分析[7]。因此，本文建立了LNG加气站的Bow-Tie（BT）模型，并根据映射规则将其转化为贝叶斯网络Bayesian Network（BN）模型，以模糊集理论和多层次专家评判得到的模糊概率为先验概率，对LNG加气站系统进行了动态风险评估（Dynamic risk analysis，DRA）。

1 评价模型建立

1.1 基于Bow-Tie模型的贝叶斯网络模型

BT模型由关键事件、事故树和事件树构成，其中事故树可识别引起关键事件的基本事件，而事件树根据安全功能的失败或成功，显示关键事件的可能后果[8]，典型BT模型如图1所示。该模型是较为流行的风险分析方法之一，但存在不能适应事故动态性的缺点。为了克服该缺点，可引入BN模型，它能清晰地表达每个事件之间的因果关系[9]。本文采用Khakzad等人提出的BT模型到BN模型的映射法则[10]，将BT模型转换为相应的BN模型。由于本文重点分析LNG加气站事故的原因，因此不再对关键事件所引发的后果进行过多分析，故只需要对事故树进行一一映射。

图1 BT模型的一般结构

1.2 模型建立

根据美国能源部科学技术信息办公室OSTI评估报告，引起LNG加气站事故的主要因素是LNG泄漏[11]。结合对国内多个LNG加气站的调研，以及参考相关文献[12]，建立了如图2所示的BT模型，其模型符号注释见表1。根据所得到的BT模型事故树中的基本事件、中间事件和关键事件对应着贝叶斯网络中的叶节点、中间节点以及根节点，采用GeNIe软件得到BN模型如图3所示。

表1 BT模型符号注释表

图2 典型LNG加气站BT模型

图3 典型LNG加气站失效事故树BN模型

2 融合专家知识的模糊概率

经过调研、收集文献和查找挪威船级社OREDA数据库[13]，很难获取表1基本事件发生概率。因此，只有结合专家知识的方法来计算基本事件的发生概率。本文利用融合专家知识的模糊概率方法，它将模糊集理论和层次分析法与专家的判断进行融合，获得基本事件的发生概率。先利用层次分析法获取专家权重，再用模糊集理论将专家知识转化为基本事件的模糊概率。

2.1 专家评定

邀请5位具有天然气相关站场（包括CNG或LNG加气站）设计建造、施工管理和安全评价相关工程经验的工程师以及具有相关项目研究背景的高校教师作为专家，对LNG站场安全风险因素进行评价，相关信息见表2。根据基本事件发生概率，将每个事件发生水平分为5个级别：极高（VH、红），高（H、橙），中（M、黄），低（L、蓝）和极低（VL、绿）。结合专家的知识和经验，判断导致LNG加气站燃气泄漏的基本事件的发生概率，相关判决结果见表3。需要注意，经过专家知识转化的基本事件模糊概率已经列入表3，而具体转化过程见2.2节。

表2 专家基本情况

表3 专家评判结果与模糊概率

专业技术知识和工程经验存在不可避免的差异，采用层次分析法被用来确定专家判断的权重[14]。将专家的教育程度、职称和工龄作为评价指标。从上到下建立了专家能力的层次化指标体系，如图4所示。每个指标的相对重要性通过判断矩阵得到，判断矩阵的标准层，学位和专业职称的判断矩阵通过1-9标度法[15]构建，见表4~表7。

图4 专家能力目标体系

表4 准则层判断矩阵

表5 专家教育程度判断矩阵

表6 专家职称判断矩阵

表7 专家工龄判断矩阵

层次分析法计算权重分4个步骤：第一步，构建如表4～表7的判断矩阵；第二步，计算各判断矩阵特征向量及其最大特征根；第三步，进行一致性检验，经过计算，各判断矩阵的一致性比均小于0.1，满足一致性检验的要求，表明各判断矩阵是合理可靠的；第四步，进行复合权重计算，具体对每个判断矩阵进行归一化计算。通过计算各层次指标对其上层指标的权重，自上而下地确定各层次指标相对于评价指标的权重。最后，5位专家的权重分别是0.228 8、0.207 0、0.258 6、0.132 1、0.173 6。

2.2 模糊概率

基本事件发生概率的不同水平对应于不同的隶属度函数[16]。根据图5所示的隶属度函数曲线，将专家对每个基本事件的判断模糊化，转化为相应的模糊数。其中5种隶属度函数所对应的模糊数分别为fVL=[0,0,0.1,0.2]，fL=[0.1,0.25,0.4]，fM=[0.3,0.5,0.7]，fH=[0.6,0.7,0.9]，fVH=[0.8,0.9,1,1]。根据表8中专家的权重，对不同专家的不同模糊数进行归纳，得到同一基本事件的总模糊数[17]。

图5 隶属度函数曲线

式中：Yi表示基本事件Xi的总体模糊数；wj表示专家权重；yij表示专家j给出的基本事件Xi的模糊数；m表示基本事件数量；n表示专家数量。

采用最大最小集合方法将模糊数转化为模糊可能性得分[18-19]。模糊可能性评分被定义为:

式中：FMR和FML分别表示模糊数的左右效用得分，可以通过以下方式计算得到。

式中：fmax(x)和fmin(x)分别表示模糊最大化集和模糊最小化集，定义为：

对于LNG加气站的风险分析，基本事件的发生概率即为由基本事件引起的LNG加气站燃气泄漏的失效概率[11]。模糊可能性评分可以经过计算转换成每个基本事件发生的模糊概率，如式（5）所示。经过上述计算，得到每个基本事件的模糊概率，结果已经列入表3。以基本事件X26为例，按照公式（1）可以求得其总体模糊数的λ截集为[0.156 6λ+0.560 4,0.873 7-0.156 6λ]，转化为综合模糊数为[0.560 4,0.717 1,0.873 7]。按照公式（2）、（3）和（4）求得模糊可能性评分为0.687 7。最后按照公式（5）计算得到该事件的模糊概率，即为0.017 0。同理，可求得其他基本事件的模糊概率。

3 动态风险分析

3.1 泄漏预测

将基本事件的模糊概率作为先验概率，输入到BN模型中。由软件计算可知，该LNG加气站失效概率为0.078 822，说明LNG加气站发生LNG泄漏的概率还是较大。假设LNG加气站出现泄漏，所有基本事件的后验概率可以通过更新BN网络来获得，如表9的第三列所示。通过BN网络，不仅可以计算出事件的先验概率和后验概率，还可以根据最新的信息预测LNG加气站的故障，即实现动态风险分析。比如，假设发生车辆驶离（X14）事件，则加气站发生LNG泄漏的概率会按表9第4行所示更新。具体来看，当出现LNG车辆加气过程中带着软管驶离的情况（即车辆驶离），整个LNG加气站的泄漏概率变为了0.081 371。相较于先验概率0.078 822并没有增加许多，可以看出这种情况不会造成太大的LNG泄漏。这可能是因为，虽然出现了车辆驶离拉断了加气软管，但是因为存在拉断阀，造成车辆LNG储罐或者站场LNG储罐的破坏的可能性低。因建立了53个基本事件，若要对这些基本事件就LNG加气站泄漏的影响进行排序还需要进行敏感性分析。

表9 LNG加气站基本事件发生概率与基本事件提升指数

续表

3.2 溯源分析

3.2.1 敏感性分析

如图6所示，通过比较和分析基本事件的先验概率和后验概率，以及它们之间的差异，可以得到每个基本事件对LNG加气站泄漏的敏感性。从图6中可以看出，对于加气站泄漏高度敏感的基本事件依次为误操作（X26）、气相阀无法开启（X52）、密封材料失效（X35）、充装阀组失效（X20）、截断阀失效（X51）、储罐回气问题（X21）、软管超压（X11）、安全阀无法开启（X53）、密封超压（X34）。从敏感性分析可知，影响LNG加气站泄漏主要集中在以下4个方面，误操作（X26）、阀组失效（IE19）、密封失效（IE12）和充装过程相关失效（IE6）。结合前面的失效预测可以看出误操作是影响LNG加气站泄漏的最主要因素，与前人研究结果是一致的。比如在化工和加工工业中，相关研究表明因人为失误而导致的事故占总数的70%至90%[20-21]。故建议在加大对于站场工作人员的管理培训并提高技能水平，以及加大安全排查力度和调高维护水平，特别是针对阀门的检查，以及定期更换密封材料。

图6 基本事件先验与后验概率的距离差值

3.2.2 提升指数

当基本事件缺失时，通过计算LNG加气站泄漏发生概率的变化，分析基本事件对泄漏概率提升的贡献值。通过比较各基本事件的贡献值，可以找出对LNG加气站可靠性影响较大的基本事件。提升指数的定义是为了量化每个基本事件的贡献值[22]，其计算公式如下：式中：IIi表示基本事件Xi的提升指数；Ii表示基本事件Xi对关键事件提升的贡献；P(K)prior表示关键事件的先验概率，本文中即为LNG泄漏的先验概率；Pi(K)prior表示基本事件Xi缺失时对LNG泄漏的先验概率。

当每个基本事件分别丢失时，LNG加气站泄漏的失效概率由BN模型网络进行更新。根据公式（6）及（7），得出每个基本事件的提升指数，如表9和图7所示。对导致LNG加气站泄漏失效概率增加起重要作用的基本事件是X26、X52、X35、X20、X51、X21、X11、X34、X53，这与敏感性分析的结果基本一致。

图7 基本事件的提升指数

3.2.3 演化路径

确定事故演化路径的最有效方法是进行最小割集分析。采用布尔代数方法计算故障树模型的最小割集。通过分析最小割集的重要性，得到了导致LNG加气站泄漏的最可能的演化路径。计算公式如下：

式中：I(MCSi)表示最小割集MCSi的重要度；P(MCSi)表示最小割集MCSi的发生概率；P（LNG）表示关键事件的发生概率，即LNG泄漏的发生概率；P(Xj)为组成最小割集的基本事件Xj的发生概率。

通过计算，得到最小割集在LNG加气站事故树模型中的重要性，结果列入表10。最小割集重要度的大小对应导致关键事件发生的最可能事故发展路径。可以看出，导致LNG泄漏事故的演变路径最有可能是误操作（X26），其次是气相阀无法开启（X52）。

表10 最小割集重要度

续表

通过溯源性分析，结果表明：LNG加气站泄漏的最可能的风险源是站场工作人员的误操作。其次是阀组失效，主要包括系统截断阀失效、气相阀无法开启和安全阀无法开启；密封失效，包括密封设施设计、制造、安装和维护错误、密封部位超压和密封材料的失效；以及充装过程相关失效，包括错误软管连接、充装系统阀组失效、储罐回气问题、过度充装和车辆超载。因此，需要提高站场工作人员的相关培训，定期进行安全检查，重点检查站场各种阀组特别是各种气相阀门，保证BOG平衡以及安全阀能够开启状态，以及定期更换密封材料防止因老化而导致LNG泄漏的出现。

4 结论

本文建立了LNG加气站泄漏的BT模型，并根据映射规则建立了相应的贝叶斯网络模型。结合专家判断，利用模糊集理论和层次分析法对LNG加气站进行了动态风险分析。主要结论如下：

1）导致LNG加气站泄漏的主要影响因素包括误操作、阀组失效、密封失效和充装过程相关失效。

2）可以通过更新信息来进行LNG加气站的故障预测，值得注意的是车辆的驶离（软管仍连接）并不会对LNG加气站的泄漏造成很大影响。

3）对LNG加气站故障具有较高敏感性和较高促进指数的基本事件是一致的。LNG加气站的安全管理需要加强人员操作培训，定期对阀组和密封材料进行检查和维护，加强对于充装过程的规范化管理，严格规范充装操作过程。