2018, Vol. 39
工业生产中, 铅酸蓄电池得到了广泛应用.铅酸蓄电池在充电过程中会释放氢气, 如氢气在充电区域内积聚且浓度达到爆炸极限范围, 遇到火源就会发生蓄电池充电区域氢气火灾爆炸事故.曹喆等分析了潜艇用蓄电池充电过程中的氢气释放规律[1].李发荣对铅酸蓄电池室燃爆事故进行分析, 明确了导致事故发生的基本事件, 并提出了相关安全技术或管理措施[2].杨振华、王健等研究了铅酸蓄电池爆炸的原因, 明确了使用过程中的注意事项[3-4].以往研究对蓄电池氢气释放规律进行了探索研究, 并定性分析了蓄电池爆炸事故的原因, 对于预防蓄电池充电区域氢气火灾爆炸事故有指导意义, 但是没有能够将蓄电池充电区域氢气火灾爆炸事故风险值进行量化计算, 同时定性分析出的风险因素也存在分析研究人员经验差异所带来的不全面和不准确的缺点.
本文对蓄电池充电区域氢气浓度分布进行现场测试后, 明确了蓄电池充电区域氢气浓度分布规律.并提出一种将WBS-RBS分析与BN网络相结合的定量风险分析方法.通过将蓄电池充电过程进行工作分解WBS(work breakdown structure), 将充电过程发生爆炸事故进行风险分解RBS(risk breakdown structure), 形成WBS-RBS耦合矩阵, 得到导致蓄电池充电区域发生爆炸事故的风险事件, 以风险事件作为基本事件, 构建蓄电池充电区域氢气爆炸事故故障树, 将故障树转化为贝叶斯网络后, 利用美国匹兹堡大学开发的GeNIe软件对蓄电池充电区域氢气火灾爆炸事故发生概率和基本事件后验概率进行计算, 明确导致事故发生的薄弱环节, 提出措施以降低蓄电池充电区域氢气火灾爆炸事故风险.
1 现场测试以某合资汽车公司某铅酸蓄电池充电区域为调研对象, 进行现场测试.该充电区域中, 蓄电池容量及数量如表 1所示.测试过程中使用株洲市拓达电子有限公司生产的S10-H2-A型电化学式氢气浓度变送器.3个变送器最大量程分别为(500，2 000和10 000)×10-6, 分别放置在充电区域底部、中部和顶部.记录主机型号为TX2100-04型, 测量中每5 s记录一个数据, 测试结果如图 1所示.
|
表 1 某充电区域蓄电池容量及数目 Table 1 Number and content of batteries in the charging area |
|
图 1 蓄电池充电间氢气浓度分布规律 Fig.1 Distribution of hydrogen concentration in the battery charging area (a)—底部；(b)—中部；(c)—顶部. |
测试结果表明, 氢气由于扩散作用而存在于整个充电区域内.在同一时刻随着充电区域垂直高度的增加, 氢气浓度呈现出增长趋势.且区域内不同高度处氢气浓度大体表现出同时增加或减少的规律.充电区域地面处、中部以及顶部氢气体积分数最大值分别为(185, 285, 311)×10-6, 存在发生氢气积聚而导致火灾爆炸事故的风险.
2 WBS-RBS-BN定量风险分析模型 2.1 WBS-RBSWBS-RBS分析是由Hillson提出的风险分析方法[5-6], 该方法最早应用于软件开发领域的风险分析.该方法通过得到工作分解和风险分解的耦合矩阵, 可以系统全面分析各类风险因素.WBS-RBS分析分为以下三个步骤:①构建工作分解WBS结构; ②构建风险分解RBS结构; ③以WBS结构作为矩阵的行, 以RBS结构作为矩阵的列, 建立耦合矩阵.
如图 2所示, 耦合矩阵中1代表该事件具有一定的风险; 0代表该事件不具有风险.采用此方法来分析风险事件, 可以减少由于人员经验不同及主观影响带来的分析差异, 最大限度地保证分析结果的全面准确.
|
图 2 WBS-RBS耦合矩阵 Fig.2 Coupling matrix of WBS-RBS |
贝叶斯网络(Bayesian network, BN), 又称贝叶斯置信度网络(Bayesian belief network, BBN)[7-8], 通过网络图结合概率论, 建立推理模型, 使不确定推理变得更加直观和清晰.其本质就是计算条件频率分布, 如式(1)所示.
|
(1) |
式中：P(B|A)为事件A发生时事件B发生的概率; P(A)，P(B)分别为事件A，B发生的概率; P(A|B)为事件B发生时事件A发生的概率.
贝叶斯网络中的结点与故障树中的事件是一一对应的, 故障树中的事件也正是建立贝叶斯网络所需结点的完整集合.将故障树中的事件(顶事件、中间事件和底事件)映射为贝叶斯网络中的节点, 重复事件只保留一个节点[9-10].相应基本事件的发生概率映射为贝叶斯网络中父节点的先验概率[11].结合故障树中各事件的关系, 来明确贝叶斯网络中各节点之间的连接[12].
2.3 WBS-RBS-BN定量风险分析模型WBS-RBS-BN定量风险分析模型的分析步骤如下:
1) 将蓄电池充电间所进行的工作按照层级分解为作业包, 形成WBS分解结构；
2) 将蓄电池充电间氢气爆炸事故风险因素按照层级分解为风险因素集, 形成RBS分解结构；
3) 以WBS分解出的作业包为行向量, 以RBS分解出的风险因素集为列向量, 构建WBS-RBS耦合矩阵(图 2), 并判断风险事件；
4) 将分析出的风险事件进行划分, 作为蓄电池充电间氢气爆炸事故故障树的基本事件, 得到故障树；
5) 将故障树转化为贝叶斯网络, 利用贝叶斯网络双向推理功能, 进行事故发生概率和基本事件后验概率的计算；
6) 根据后验概率值大小得出导致事故发生的事件排序；
7) 有针对性地提出相应的安全技术或管理措施, 降低事故风险.
3 实例应用针对某合资汽车有限公司蓄电池充电区域, 构建WBS-RBS-BN定量风险分析模型.
3.1 构建WBS-RBS耦合矩阵蓄电池充电区域内完成的主要工作有蓄电池装运、蓄电池充电、蓄电池检查、通风换气和维护保养五个方面.将其进一步划分, 可得到蓄电池充电间工作分解结构WBS, 如图 3所示.
|
图 3 蓄电池充电间工作分解结构 Fig.3 WBS of battery charging area |
蓄电池充电间氢气火灾爆炸事故主要风险因素为静电火花、明火、电气火花、撞击火花、排风系统故障、氢气积聚六个方面.蓄电池充电间风险因素分解结构RBS, 如图 4所示.
|
图 4 蓄电池充电间风险分解结构 Fig.4 RBS of battery charging area |
根据以上分析, 可以得到蓄电池充电间氢气爆炸事故的WBS-RBS耦合矩阵, 如表 2所示, 矩阵中标注1的代表一个具体风险事件, 标注0的代表没有风险.
|
|
表 2 蓄电池充电间氢气爆炸事故WBS-RBS耦合矩阵 Table 2 WBS-RBS coupling matrix of the hydrogen explosion accident in the battery charging area |
从WBS-RBS耦合矩阵中可以看出, 可以导致蓄电池充电区域静电火花产生的基本事件有:W11R1、W12R1、W13R1、W14R1、W33R1、W53R1和W54R1, 在装卸、运输蓄电池和清理蓄电池极柱锈蚀工作时, 各部件之间的摩擦或操作工人人体所带静电, 均可能产生静电火花, 消静电装置失效也可导致产生静电火花.可以导致明火产生的基本事件有:W14R2, 即焊接等动火作业以及工人在充电区域内抽烟等均可能产生明火.可以导致电气火花产生的基本事件有:W11R3、W12R3、W13R3、W21R3、W22R3、W33R3、W34R3、W42R3、W52R3和W53R3, 在拆装蓄电池、连接蓄电池和充电装置、维修金属工具与电极接触时, 由于操作不当、充电极硫化锈蚀或电极短路等情况, 均可产生电气火花, 同时氢气探测器或其他电器设备防爆性能失效也可产生电气火花.可以导致撞击火花的基本事件有:W11R4、W12R4、W13R4和W34R4, 在蓄电池装卸运输过程中, 金属部件的碰撞, 铁制工具的相互碰撞等均可以产生碰撞火花.可以导致氢气积聚的基本事件有:W22R6、W33R6，由于充电电流电压过大或充电极锈蚀, 造成过充, 蓄电池产气量增大; W32R6排气孔堵塞造成氢气在蓄电池中无法排出, 气压不断增大使电池破裂, 氢气逸出; W41R6、W42R6是因为自然通风和机械通风不良, 造成区域内氢气积聚; 由于排风风机无法运转, 造成W42R5排风故障.
3.2 BN-FTA定量风险分析对以上分析出的风险事件进行归类划分后, 得到蓄电池充电区域氢气火灾爆炸事故故障树基本事件, 画出蓄电池充电区域氢气爆炸事故故障树, 如图 5所示, 将其转化为贝叶斯网络如图 6所示, 符号说明及事件概率值如表 3所示.
|
图 5 蓄电池充电区域氢气火灾爆炸事故故障树 Fig.5 Fault tree of hydrogen explosion in the battery charging area |
|
图 6 蓄电池充电区域氢气爆炸事故贝叶斯网络 Fig.6 Bayesian network of hydrogen explosion in the battery charging area |
|
|
表 3 符号说明及事件概率值 Table 3 Symbol description and event probabilities |
结合企业及相应设备供应商提供的故障数据, 用美国匹兹堡大学开发的BN计算软件GeNIe进行定量风险分析.蓄电池充电区域氢气爆炸事故发生概率为2.688e-4.氢气火灾爆炸事故发生情况下基本事件后验概率如表 3所示, 明确了蓄电池充电区域安全技术或管理上的薄弱环节为人体静电、操作工人抽烟、金属部件碰撞、蓄电池过充、蓄电池破裂和机械排风装置故障.
针对以上定量风险分析结果, 提出相应的安全技术或管理措施.在蓄电池充电区域工作的操作人员应穿防静电工作服, 并且设置人体消静电装置, 防止产生静电火花.区域内禁止吸烟, 工作过程中应使用不发火金属工具, 在蓄电池吊装过程中应避免碰撞.蓄电池充电装置应定期检查, 防止故障发生, 严禁蓄电池出现过充电现象.定期检查蓄电池排气孔, 确保蓄电池排气孔通畅, 能及时排出蓄电池内产生的氢气.定期检查机械排风装置, 确保区域内气体流动, 防止氢气积聚.
4 结论1) 蓄电池充电区域垂直切面上均有氢气存在; 随着垂直高度的增加, 氢气浓度呈现增长趋势; 同一时刻不同高度处, 氢气浓度变化趋势一致.
2) 建立了WBS-RBS-BN定量风险分析模型.
3) 蓄电池充电区域发生氢气火灾爆炸事故的概率为2.688e-4.
4) 蓄电池充电区域安全技术或管理措施存在的薄弱环节为人体静电、操作工人抽烟、金属部件碰撞、蓄电池过充、蓄电池破裂和机械排风装置故障, 并提出了相应措施, 可有效降低发生氢气火灾爆炸事故的风险.
| [1] |
曹喆, 张洪彬, 韦桂欢.
潜艇蓄电池充放电过程释放氢气规律研究[J]. 舰船科学技术, 2008, 30(6): 301–303.
( Cao Zhe, Zhang Hong-bin, Wei Gui-huan. The rule research of hydrogen released from lead-acid batteries during the charging and discharging process[J]. Ship Science and Technology, 2008, 30(6): 301–303. ) |
| [2] |
李发荣. 铅酸蓄电池室燃爆事故分析及其安全对策[C]//中国职业安全健康协会2005年学术年会论文集. 宜昌, 2005: 238-241.
( Li Fa-rong. Fault analysis on deflagration in the lead-acid storage battery chamber and its countermeasure[C]//Chinese Occupational Safety and Health Association Annual Conference Proceedings. Yichang, 2005: 238-241. http://kns.cnki.net/KCMS/detail/detail.aspx?filename=zaqk200408021&dbname=CJFD&dbcode=CJFQ ) |
| [3] |
杨振华, 张少波.
铅酸蓄电池爆炸原因分析及注意事项[J]. 汽车电器, 2006(9): 47–49.
( Yang Zhen-hua, Zhang Shao-bo. Lead-acid battery explosion:cause analysis and points for attention[J]. Auto Electric Parts, 2006(9): 47–49. ) |
| [4] |
王健, 冯长征.
铅酸蓄电池爆炸原因分析及其预防[J]. 内燃机, 1999(6): 38.
( Wang Jian, Feng Chang-zheng. Analysis and prevention of lead acid battery explosion[J]. Internal Combustion Engines, 1999(6): 38. ) |
| [5] |
Rafele C, Hillson D, Grimaldi S. Understanding project risk exposure using the two-dimensional risk breakdown matrix[C]//2005 PMI Global Congress Proceedings. Newtown Square: PMI, 2005: 1-8.
http://www.researchgate.net/publication/242118924_Understanding_Project_Risk_Exposure_Using_the_Two-Dimensional_Risk_Breakdown_Matrix |
| [6] |
Hillson D, Grimaldi S, Rafele C.
Managing project risks using a cross risk breakdown matrix[J]. Risk Management, 2006(8): 61–76.
|
| [7] |
Lindhea A, Rosena L, Norberg T, et al.
Fault tree analysis for integrated and probabilistic risk analysis of drinking water systems[J]. Water Research, 2009, 43(6): 1641–1653.
DOI:10.1016/j.watres.2008.12.034 |
| [8] |
Kales P.
Reliability for technology, engineering and management[M]. Taipei: Pearson Education Taiwan Ltd., 2006.
|
| [9] |
O'Connor P D T.
Practical reliability engineering[M]. New York: John Wiley, 2002.
|
| [10] |
Graves T L, Hamada M S, Klamann R, et al.
A fully Bayesian approach for combining multi-level information in multi-state fault tree quantification[J]. Journal of Reliability Engineering and System Safety, 2007, 92(10): 1476–1483.
DOI:10.1016/j.ress.2006.11.001 |
| [11] |
Liu X, Li H J, Li L. Building method of diagnostic model of Bayesian networks based on fault tree[C]//Proceedings of the International Society for Optical Engineering. Beijing, 2008: 71272c-1-71272c-6.
|
| [12] |
Franke U, Flores W R, Johnson P. Enterprise architecture dependency analysis using fault trees and Bayesian networks[C]//Proceedings of the 42nd Annual Simulation Symposium. San Diego, CA, 2009: 209-216.
http://dl.acm.org/citation.cfm?id=1639866 |