东北大学学报:自然科学版   2015, Vol. 36 Issue (11): 1648-1652   PDF (1158 KB)    
生物质气化火灾爆炸事故复合型风险评价
闫放, 许开立 , 姚锡文, 王犇    
东北大学 资源与土木工程学院, 辽宁 沈阳 110819
摘要:为降低生物质气化火灾爆炸事故发生的概率,提出了一种将贝叶斯网络与bow-tie法相结合的风险评价方法.通过建立火灾爆炸事故的故障树并转化成贝叶斯网络,然后计算各基本事件的重要度,进而找出系统中导致事故发生的薄弱环节.采用bow-tie对薄弱环节进行分析,提出相应的预防措施与控制措施,并计算了薄弱环节采取控制措施后事故发生概率降低的幅度.该方法可精确找出导致事故发生的最主要原因及有效预防控制措施,达到有效降低生物质气化火灾爆炸事故发生概率的目的.
关键词生物质气化     故障树分析     贝叶斯网络     bow-tie法     火灾爆炸事故    
Integrated Risk Assessment of Biomass Gasified Fire and Explosion Accidents
YAN Fang, XU Kai-li, YAO Xi-wen, WANG Ben    
School of Resources & Civil Engineering, Northeastern University, Shenyang 110819, China.
Corresponding author: XU Kai-li, professor, E-mail: kaili_xu@aliyun.com
Abstract: In order to reduce the occurrence of fire and explosion accidents , a risk assessment approach integrating Bayesian network and bow-tie analysis was proposed. Firstly, the fault tree is established and transformed into Bayesian network. Then the weak points which might lead to accidents can be pinpointed by calculating the importance of each basic event. The bow-tie analysis is given on the weak points to work out the precautions and control measures, and the reduction of accident frequency is calculated after taking control measures for the weak points. The reasons for such accidents can be found accurately by this approach, which helps to take appropriate precautions and control measures so as to effectively reduce the occurrence of biomass gasified fire and explosion accidents.
Key words: biomass gasification     FTA(fault tree analysis)     Bayesian network     bow-tie analysis     fire and explosion accident    

生物质气化技术污染小、原料来源广符合我国节能减排的战略要求[1].但生物质气化技术也存在着许多安全问题,尤其是生物质气化站火灾、爆炸事故属于发生较频繁的事故.生物质气化站一般设置在农村地区,其规模一般较小,整站投入多不超过百万元,但相关安全措施的改进却花费较大,比如若要配置消防水系统则需要大约20万元的额外投入,这样做虽然能减少气化站火灾、爆炸事故的发生,但是相比于气化站本身的投入这个数额过高.因此需要一种低投入即可有效降低生物质气化站火灾、爆炸事故发生概率的方法.美国的Keith等[2]通过对生物质气化的辅助设备进行研究,发现在上料机中会形成原料的粉尘云,达到爆炸极限后,如果有合适的温度、适量的氧气会发生火灾或者爆炸.土耳其的Demirbas[3]指出生物质燃烧后会产生大量可燃产物.南非的Axelrad[4],Kogeda[5]等提出利用贝叶斯网络对事故结果进行预测;Zhao等[6]提出利用bow-tie对事故进行定性分析.本文提出一种将贝叶斯网络分析与bow-tie分析相结合来分析生物质气化火灾爆炸事故的方法,首先绘制故障树,然后利用贝叶斯网络定量分析找出系统中易导致事故发生的薄弱环节,最后采用bow-tie分析法对薄弱环节进行分析,提出相应的预防措施与控制措施,并且预测采取控制措施后事故发生率降低的幅度,达到用低投入对系统中最关键的节点进行整改来有效降低事故发生概率的目的.

1 净化间火灾爆炸事故定性分析 1.1 生物质气化系统

生物质气化系统主要由气化装置、净化装置、真空泵、调压装置、储罐以及连接管道组成,气化装置为气化炉;净化装置包括干式除尘器、一级湿式除尘器、二级湿式除尘器、水浴式除尘器、脱水器.生物质气化站则主要由气化间与净化间构成.其中气化炉与干式除尘器位于气化间内;一、二级湿式除尘器、水浴式除尘器、脱水器、真空泵、调压装置位于净化间内;储罐置于气化站外.在生物质气化工艺中,气化装置反应生成的燃气通过净化装置除尘、除焦油之后送往室外的储罐,储罐内的燃气再通过调压装置送往用户,其中真空泵设置于二级湿式除尘器与水浴式除尘器之间,真空泵对位于其前面的气化炉、干式除尘器、一、二级湿式除尘器进行抽气,然后对位于其后的水浴式除尘器、脱水器进行通气.所以气化炉、干式除尘器、一级、二级湿式除尘器及其连接管道中为负压,真空泵、水浴式除尘器、脱水器、调压装置中为正压.只有处于正压的条件下,装置才可能发生泄漏现象.

1.2 净化间火灾爆炸故障树

当净化间内的装置设施发生燃气泄漏,泄漏的燃气在达到爆炸极限后遇到火源就会发生火灾爆炸事故.由此绘制出生物质气化火灾爆炸事故的故障树,如图1所示.各基本事件的发生概率由沈阳市周边生物质气化站的生产数据统计得出,见表1.

图 1 生物质气化火灾爆炸事故故障树 Fig. 1 Fault tree of fire and explosion accidents of biomass gasification

表 1 基本事件发生概率 Table 1 Occurrence probability of basic events

符号说明:T:净化间火灾爆炸事故;A1:设备设施泄漏;A2:火源;A3:净化装置泄漏;A4:真空泵泄漏;A5:管道泄漏;A6:明火;A7:电火花;A8:撞击火花;A9:人体静电火花;A10:调压装置泄漏;A11:调压装置漏气;A12:燃气阀门未关闭;A13:阀门开关未手动断开;A14:燃气阀门继电器未断开;A15:水浴除尘器泄漏;A16:脱水器泄漏;x1:焊接失效;x2:外壁腐蚀磨损;x3:阀片断裂;x4:转子叶片结垢;x5:轴承损坏;x6:轴端密封失效;x7:联轴器橡胶垫损坏;x8:法兰损坏;x9:阀门泄漏;x10:违规吸烟;x11:违规动火;x12:非防爆电器;x13:防爆电器损坏;x14:金属容器撞击;x15:使用铁制工具作业;x16:穿有铁钉的鞋作业;x17:未安装人体消静电装置;x18:人体消静电装置故障;x19:安全阀故障;x20:开关失控;x21:人员失误;x22:继电器故障;x23:压力传感器故障.

2 净化间火灾爆炸事故定量分析 2.1 净化间火灾爆炸事故贝叶斯网络

将故障树按照如下步骤转化为贝叶斯网络[7]

1) 根据故障树中的每个事件建立节点,对于重复的事件,在贝叶斯网络中只建立一个节点;

2) 根据故障树中基本事件的发生概率确定贝叶斯网络中子节点的先验概率;

3) 按故障树中事件之间连接关系建立贝叶斯网络中节点之间的连接,并根据故障树中事件之间的逻辑门确定贝叶斯网络中子节点条件概率分布.

采用贝叶斯网络计算软件GeNIe进行计算,最终得出气化站气体泄漏中毒事故的发生概率为6.966 88×10-4/d.

2.2 事故薄弱环节的确定

如式(1)所示,根据贝叶斯公式对贝叶斯网络中各事件不同的条件概率进行计算,得出用来评估基本事件对顶事件发生贡献的3种重要度[8, 9].

式中:P(AB)为事件B发生的前提下事件A发生的条件概率;P(BA)为事件A发生的前提下事件B发生的条件概率;P(B)为事件B发生的概率.

1) 伯恩鲍姆(Birnbaum)重要度[9]

式中,IB(x)为事件x的伯恩鲍姆重要度.该重要度用来衡量事件发生导致顶事件发生概率增加的量.

2) 危害性重要度[9]

式中:IC(x)为某事件x的危害性重要度;IB(x)为式(2)中计算得出的伯恩鲍姆重要度;P(x)为某基本事件x的先验概率.危害性重要度根据事件发生的概率调整了其的发生对顶事件的影响.

3) 弗塞-维思利(Fussell-Vesely)重要度[9]

式中,IFV(x)为某事件x的弗塞-维思利重要度.该重要度用于描述部件、事件失效对系统失效的贡献.

运用GeNIe计算各事件条件概率,根据式(2)~式(4)得出基本事件各个重要度,如图2所示.

图 2 基本事件各重要度事件 Fig. 2 Importance of each basic event

可以看出每个重要度的各基本事件大小排序并不一样,本文中采用平均序列来综合考虑每个基本事件的3种重要度,方法如下[9]

1) 对每个基本事件各重要度大小进行排序,对排前十的分别赋值10~1,其余的赋值0;

2) 求每个基本事件3种排列顺序的平均值;

3) 根据平均值排序得到基本事件的总顺序.

通过计算最终得出重要度顺序如图3所示,由此取重要度排列顺序均值从高到低的前10位分别为x6x2x7x11x4x1x14=x10x8x18.其中排序最高的是基本事件x6轴端密封失效.

图 3 基本事件重要度排列顺序均值事件 Fig. 3 Ranking of importance of basic event
3 Bow-tie分析

利用贝叶斯网络对各基本事件的3种重要度进行计算,由此得出基本事件重要度排序,从而找出系统中易导致净化间燃气泄漏火灾爆炸事故发生的事件.相比较其他事件,这些事件的发生更容易导致事故的发生,而降低这些事件的发生概率则能更有效地防止事故的发生.因此,称这些事件对应的元素为系统中的薄弱环节.采用bow-tie分析法[6]并结合故障树分析与事件树分析,同时分析导致某事件发生的潜在危险因素以及某事件发生后可能会导致的后果,根据事件发生的原因及导致的后果分析出防止事件发生的措施以及事件发生后采取的控制措施,从而达到降低事故发生概率的目的.

本文中,采用如下步骤进行bow-tie分析:

1) 利用贝叶斯网络计算各基本事件的各重要度,根据重要度排序找出系统中的薄弱环节;

2) 将薄弱环节对应的事件作为顶事件进行故障树分析,找出该事件发生的原因;

3) 针对每一个薄弱环节对应事件发生的原因,分析出相应的防止措施;

4) 将薄弱环节对应事件作为初始事件进行事件树分析,分析出事件发生后可能导致的后果;

5) 针对每一个薄弱环节事件发生后的后果,分析出相应的减少或消除后果影响的控制措施.

根据前文分析,导致净化间燃气泄漏火灾爆炸事故发生的最薄弱环节是事件x6轴端密封失效与事件x2外壁腐蚀磨损.本文限于篇幅,仅对事件x6轴端密封失效进行bow-tie分析.如图4所示,以轴端密封失效作为顶事件进行故障树分析,得出了5个可能导致顶事件发生的原因,从而根据这些原因分别得出预防措施.

图 4 轴端密封失效故障树分析 Fig. 4 Fault tree analysis for shaft end sealing failure

图5所示,以轴端密封失效作为初始事件进行事件树分析,共得出3个事件发生可能导致的事故后果,根据这些后果分别得出相应的减少或消除后果影响的控制措施.

图 5 轴端密封失效导致后果概率的事件树分析 Fig. 5 Event tree analysis for shaft end sealing failure

根据FTA及ETA得出导致轴端密封失效的原因以及阀门泄漏之后所能导致的后果,进而分析出相对应的预防措施与控制措施,从而完成bow-tie分析,如图6所示.

图 6 轴端密封失效bow-tie分析图 Fig. 6 Bow-tie diagram of shaft end sealing failure

在采用bow-tie分析法的控制措施后,可防止该基本事件发生后对其他节点的影响,从而不会导致顶事件的发生,最终使该事件在采取控制措施后可导致事故的概率相比于未采取控制措施的概率大大降低.根据控制措施的失效概率、基本事件的发生概率以及事件树分析可以计算出采取控制措施后基本事件的发生概率.本文以基本事件轴端密封失效为例进行计算.轴端密封失效的事件树分析如图6所示,其中控制措施失效概率参照挪威船级社的数据[10],4项控制措施关闭气化炉、开启机械通风换气装置、关闭真空泵前端安全阀、对失效部位进行防漏气处理的失效概率分别为8.8×10-4,2.6×10-4,5.3×10-4,8.8×10-4.根据事件树分析计算出各后果概率如图7所示.

图 7 轴端密封失效导致后果概率的事件树分析 Fig. 7 Event tree analysis for probility of consequences led by shaft end sealing failure

图7可以看出在后果中共有3种情况会导致火灾、爆炸事故,其概率分别为P1=1.376 8×10-7/d,P2=4.662 8×10-7/d,P3=2.288 0×10-7/d.而轴端密封失效的发生概率为P(x6)=9.132×10-4/d,因此采取控制措施后轴端密封失效影响其他节点进而导致顶事件火灾、爆炸事故发生的概率为

在贝叶斯网络中将基本事件x6的概率由P(x6)替换为P(x6)′,通过软件GeNIe得出顶事件净化间火灾、爆炸事故的发生概率由6.966 88×10-4/d降低50.65%至3.438 47×10-4/d.由此可看出,通过贝叶斯网络分析找出系统中的薄弱环节,对薄弱环节进行bow-tie分析,在对薄弱环节采用bow-tie分析中的控制措施后可以显著降低顶事件的发生概率.

4 结论

1) 将贝叶斯网络与bow-tie分析法联合使用,可以通过定量分析精确找出系统中易导致事故发生的薄弱环节,并针对找出的薄弱环节提出有效的实际解决方案,该方案简单易行,操作人员不需要专业的安全知识水平即可在实际生产中应用该方案.

2) 通过贝叶斯网络分析生物质气化净化间火灾爆炸事故得出事故发生概率为6.966 88×10-4/d,并计算各基本事件的重要度,根据重要度排序得出系统中易导致事故发生的薄弱环节是轴端密封失效与外壁腐蚀磨损.

3) 对薄弱环节进行bow-tie分析,得出薄弱环节失效的原因以及失效后可能会导致的后果,进而分析出相对应的预防措施与控制措施.对净化间火灾、爆炸事故中的薄弱环节轴端密封失效采取控制措施后,顶事件发生概率可降低50.65%,可见通过贝叶斯网络与bow-tie分析结合的定量风险评价的方法可准确找出系统中某个节点,只需对该节点进行安全整改即可显著降低事故发生概率,从而达到花费较小投入来获得较大预期安全效果的目的.

参考文献
[1] Chang J,Leung D Y C,Wu C Z,et al.A review on the energy production,consumption,and prospect of renewable energy in China[J].Renewable and Sustainable Energy Reviews,2003,7:453-468.(1)
[2] Cummer K R,Brown R C.Ancillary equipment for biomass gasfication[J].Biomass and Bioenergy,2002 (23):113-128.(1)
[3] Demirbas A.Hazardous emissions from combustion of biomass[J].Energy Sources, Part A: Recovery, Utilization, and Environmental Effects,2007,30(2):170-178.(1)
[4] Axelrad E T,Sticha P J.A Bayesian network model for predicting insider threats[C]//IEEE CS Security and Privacy Workshops.San Francisco,2013:82-89.(1)
[5] Kogeda O P,Agbinya J I.Prediction of faults in cellular networks using Bayesian network model[M].Haymarket:Uts Epress,2007.(1)
[6] Zhao J,Tao L,Yu H,et al.Bow-tie topological features of metabolic networks and the functional significance[J].Chinese Science Bulletin,2007,52(8):1036-1045.(2)
[7] Ma Z J,Jia X S,Chen L.Battle damage assessment based on Bayesian network[J].Binggong Xuebao/Acta Armamentarii,2008,29(12):1509-1513.(1)
[8] Ayello F,Hill D,Alfano T.A Bayesian network based pipeline risk management[C]//International Corrosion Conference Series.Salt Lake City,2012:579-592.(1)
[9] Intellect and Relex Software Corporation.Reliability:a practitioner’s guide[M].Beijing:Beijing University of Aeronautics and Astronautics Press,2009.(5)
[10] Det Norske Veritas(DNV).Offshore reliability data handbook[M].Trondheim:OREDA Participants,2002.(1)