基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析

doi:10.16265/j.cnki.issn1003-3033.2024.01.1247

中国安全科学学报 ›› 2024, Vol. 34 ›› Issue (1): 166-170.doi: 10.16265/j.cnki.issn1003-3033.2024.01.1247

基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析

刘富鹏¹^,²(), 杨九¹^,^**(), 吴世博¹, 徐立新¹

¹ 天津大学水利工程仿真与安全国家重点实验室,天津 300072
² 海洋石油工程股份有限公司,天津 300451

收稿日期:2023-06-14 修回日期:2023-09-17 出版日期:2024-01-28
通讯作者:
**杨九(1996—),女,黑龙江哈尔滨人,硕士研究生,主要研究方向为海洋工程风险评估与控制。E-mail: yangjiu@tju.edu.cn。
作者简介:
刘富鹏 (1988—),男,山东无棣人,博士研究生,高级工程师,主要研究方向为海洋工程建设、风险评估。E-mail:liufp6@cooec.com.cn。
徐立新,教授
基金资助:
国家自然科学基金资助(51879189)

Quantitative risk analysis on failure of submarine pipeline leakage based on FDHHFLTS-BN

LIU Fupeng¹^,²(), YANG Jiu¹^,^**(), WU Shibo¹, XU Lixin¹

¹ State Key Laboratory of Hydraulic Engineering Simulation and Safety, Tianjin University, Tianjin 300072, China
² Offshore Oil Engineering Co., Ltd., Tianjin 300451, China

Received:2023-06-14 Revised:2023-09-17 Published:2024-01-28

摘要/Abstract

摘要：

为预防海底油气管道泄漏失效事故,提出基于自由双层次犹豫模糊语言术语集(FDHHFLTS)和贝叶斯网络(BN)的FDHHFLTS-BN风险分析方法,用于分析海底油气管道泄漏失效事故概率及事故的关键风险因素。将故障树模型转换为BN结构,由专家根据FDHHFLTS评估基本事件发生可能性;采用最佳最差法(BWM)确定专家权重,结合相似性聚合方法(SAM)聚合专家意见;依据构建的BN模型,正向推理得到事故发生概率,反向推理得到后验概率,并进行敏感性分析。将该方法应用于实例分析,结果表明:分析段海底管道泄漏事故的概率值为P=6.20×10^-3;焊缝施工缺陷、材料施工缺陷和渔具作用等为事故发生的关键因素;与传统方法对比分析结果证明,所提方法在确定海底管道风险方面具有一定的优势。

关键词: 自由双层次犹豫模糊语言术语集(FDHHFLTS), 贝叶斯网络(BN), 海底管道泄漏, 风险分析, 相似性聚合方法(SAM)

Abstract:

In order to prevent the leakage failure of submarine pipelines, a FDHHFLTS-BN risk analysis method based on FDHHFLTS and BN was proposed to study the probability and key factors of the leakage failure of submarine pipelines. BN was transformed from the fault tree model, and then experts evaluated the probability of basic events according to FDHHFLTS. The best-worst method (BWM) was used to determine the weights of experts, and SAM was used to aggregate the opinions of experts. Finally, based on the constructed Bayesian network model, the probability of accident occurrence was obtained through forward reasoning. Also, the posterior probability was obtained through backward reasoning, and sensitivity was analyzed. Applying the method for the example analysis, the results show that the probability value of the leakage accident of the analyzed submarine pipeline is P=6.20×10^-3. Through sensitivity analysis, construction defect of weld-seam, construction defect of material, and fishing gear interaction can be identified as the key factors for the accident.

Key words: free double hierarchy hesitant fuzzy linguistic term set (FDHHFLTS), Bayesian network(BN), submarine pipeline leakage, risk analysis, similarity aggregation method(SAM)

中图分类号:

X937

刘富鹏, 杨九, 吴世博, 徐立新. 基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析[J]. 中国安全科学学报, 2024, 34(1): 166-170.

LIU Fupeng, YANG Jiu, WU Shibo, XU Lixin. Quantitative risk analysis on failure of submarine pipeline leakage based on FDHHFLTS-BN[J]. China Safety Science Journal, 2024, 34(1): 166-170.

图/表 6

图1

表1

图2

表2

专家意见的聚合与转化结果

基本事件	FPS	FFP	基本事件	FPS	FFP
$X 1$	0.607 2	1.09×10^-3	$X 13$	0.504 9	3.35×10^-4
$X 2$	0.614 5	1.18×10^-3	$X 14$	0.257 0	1.93×10^-5
$X 3$	0.460 6	2.01×10^-4	$X 15$	0.754 5	5.92×10^-3
$X 4$	0.536 1	4.79×10^-4	$X 16$	0.160 2	6.32×10^-6
$X 5$	0.485 9	2.69×10^-4	$X 17$	0.670 6	2.26×10^-3
$X 6$	0.446 1	1.70×10^-4	$X 18$	0.314 0	3.72×10^-5
$X 7$	0.460 6	2.01×10^-4	$X 19$	0.582 1	8.14×10^-4
$X 8$	0.475 4	2.38×10^-4	$X 20$	0.597 5	9.71×10^-4
$X 9$	0.696 7	3.05×10^-3	$X 21$	0.472 5	2.30×10^-4
$X 10$	0.340 1	5.02×10^-5	$X 22$	0.562 4	6.49×10^-4
$X 11$	0.561 4	6.41×10^-4	$X 23$	0.712 5	3.65×10^-3
$X 12$	0.318 3	3.91×10^-5	$X 24$	0.205 9	1.07×10^-5

表2

表3

图3

参考文献 10

[1]	张新生, 蔡宝泉. 基于改进随机森林模型的海底管道腐蚀预测[J]. 中国安全科学学报, 2021, 31(8): 69-74. doi: 10.16265/j.cnki.issn1003-3033.2021.08.010
	ZHANG Xinsheng, CAI Baoquan. Corrosion prediction of submarine pipelines based on improved random forest model[J]. China Safety Science Journal, 2021, 31(8): 69-74. doi: 10.16265/j.cnki.issn1003-3033.2021.08.010
[2]	LI Xinhong, CHEN Guoming, JIANG Shengyu, et al. Developing a dynamic model for risk analysis under uncertainty: case of third-party damage on subsea pipelines[J]. Journal of Loss Prevention in the Process Industries, 2018, 54: 289-302. doi: 10.1016/j.jlp.2018.05.001
[3]	LI Xinhong, ZHANG Yi, ABBASSI R, et al. Probabilistic fatigue failure assessment of free spanning subsea pipeline using dynamic Bayesian network[J]. Ocean Engineering, 2021, 234:DOI:10.1016/J.OCEANENG.2021.109323.
[4]	SULAIMAN N S A, TAN H, ZARDASTI L, et al. Integration of Bayesian network with fuzzy analytical hierarchy process for determining the pipeline conditions[J]. Process Safety Progress, 2022, 41: S187-S196.
[5]	ZAREI E, KHAKZAD N, COZZANI V. Safety analysis of process systems using fuzzy Bayesian network (FBN)[J]. Journal of Loss Prevention in the Process Industries, 2019, 57:7-16. doi: 10.1016/j.jlp.2018.10.011
[6]	MONTSERRAT-ADELL J, XU Zeshui, GOU Xunjie, et al. Free double hierarchy hesitant fuzzy linguistic term sets: an application on ranking alternatives in GDM[J]. Information Fusion, 2019, 47: 45-59. doi: 10.1016/j.inffus.2018.07.002
[7]	LUO Chao, JU Yanbing, DONG Peiwu, et al. Risk assessment for PPP waste-to-energy incineration plant projects in China based on hybrid weight methods and weighted multigranulation fuzzy rough sets[J]. Sustainable Cities and Society, 2021, 74:DOI:10.1016/J.SCS.2021.103120.
[8]	GUO Xiaoxue, JI Jie, KHAN F, et al. Fuzzy Bayesian network based on an improved similarity aggregation method for risk assessment of storage tank accident[J]. Process Safety and Environmental Protection, 2021, 149: 817-830. doi: 10.1016/j.psep.2021.03.017
[9]	LI Xinhong, CHEN Guoming, ZHU Hongwei, et al. Quantitative risk analysis on leakage failure of submarine oil and gas pipelines using Bayesian network[J]. Transactions of The Institution of Chemical Engineers. Process Safety and Environmental Protection, Part B, 2016, 103: 163-173. doi: 10.1016/j.psep.2016.06.006
[10]	LI Xinhong, HAN Ziyue, YAZDI M, et al. A CRITIC-VIKOR based robust approach to support risk management of subsea pipelines[J]. Applied Ocean Research, 2022, 124:DOI:10.1016/J.APOR.2022.103187.

符号	节点事件	符号	节点事件
T	海底管道泄漏失效	X₆	坠物撞击
A₁	外部因素	X₇	锚固
A₂	内部因素	X₈	渔具作用
B₁	腐蚀	X₉	人为打孔盗油
B₂	外部负载	X₁₀	海上施工
B₃	出现悬跨	X₁₁	设计埋深不足
B₄	自然灾害	X₁₂	操作埋深不足
B₅	材料缺陷	X₁₃	处理不及时
B₆	焊缝缺陷	X₁₄	强流和强波
B₇	辅助设备故障	X₁₅	海底土易被侵蚀
C₁	内部腐蚀	X₁₆	海底地震
C₂	外部腐蚀	X₁₇	海底运动
C₃	埋深不足	X₁₈	台风
C₄	环境条件恶劣	X₁₉	材料设计缺陷
X₁	未清除腐蚀气体和杂质	X₂₀	材料施工缺陷
X₂	未添加缓蚀剂	X₂₁	焊缝设计缺陷
X₃	未定期清管	X₂₂	焊缝施工缺陷
X₄	防腐涂层失效	X₂₃	辅助设备老化
X₅	阴极防蚀失效	X₂₄	辅助设备设计缺陷

方法	文中方法		未采用SAM的 FDHHFLTS方法		采用SAM的梯形模糊数方法		条件概率表仅通过“与/或” 逻辑门转化得到的采用 SAM的FDHHFLTS方法
事故概率	6.20×10^-3		6.05×10^-3		4.96×10^-3		1.55×10^-2
后验概率较大因素排序	X₂₃	2.49×10^-1	X₂₃	2.50×10^-1	X₉	2.41×10^-1	X₂₃	2.36×10^-1
	X₉	2.08×10^-1	X₉	2.01×10^-1	X₁₉	1.40×10^-1	X₉	1.97×10^-1
	X₁₇	1.54×10^-1	X₁₇	9.87×10^-2	X₂₃	1.23×10^-1	X₁₇	1.46×10^-1
	X₂₀	6.64×10^-2	X₁₉	9.73×10^-2	X₁	1.17×10^-1	X₂	7.63×10^-2

[1]	孙逸林, 郑小强, 刘险峰, 贺艳艳, 王冶. 基于AcciMap模型的燃气管道泄漏爆炸事故分析[J]. 中国安全科学学报, 2023, 33(7): 140-146.
[2]	吴海涛, 刘月, 杜彗敏. 小样本条件下地铁运营事故致因推理模型[J]. 中国安全科学学报, 2023, 33(3): 134-140.
[3]	付姗姗, 张悦, 席永涛, 翁金贤. 多因素耦合下长江口水域交通事故致因链分析[J]. 中国安全科学学报, 2023, 33(3): 60-67.
[4]	陈辰, 程嘉, 窦志平. 在用自动扶梯和自动人行道安全评估[J]. 中国安全科学学报, 2023, 33(2): 103-109.
[5]	马港, 徐晓楠, 郭小芳, 张志珍, 徐子豪. 基于贝叶斯网络的电镀企业火灾事故情景推演[J]. 中国安全科学学报, 2023, 33(2): 202-208.
[6]	张冰鉴, 苏秦, 刘海龙. 基于FTA-BN的云ERP不安全事件的人因失误分析[J]. 中国安全科学学报, 2023, 33(2): 38-47.
[7]	靳慧斌, 朱孟昌, 马明霞. 基于ACE-BN的通勤飞行事故/事件诱因分析[J]. 中国安全科学学报, 2023, 33(2): 96-102.
[8]	秦荣水, 石晨晨, 陈超, 兰猛, 刘小勇, 肖峻峰. 基于模糊贝叶斯网络的城市商业综合体火灾风险分析[J]. 中国安全科学学报, 2023, 33(12): 176-182.
[9]	王金江, 关鹏婷, 陈卓, 葛伟凤, 鞠茜. 基于深度学习的检修作业过程风险智能预警[J]. 中国安全科学学报, 2023, 33(10): 16-22.
[10]	刘奕, 钱静, 范维澄. 走向精准:突发事件风险分析方法发展综述[J]. 中国安全科学学报, 2022, 32(9): 1-10.
[11]	赵建伟, 谢磊, 杨洋, 胡昕源, 欧昌奎, 曾荣. 基于ISM-BN的内河船舶航行风险因素研究*[J]. 中国安全科学学报, 2022, 32(8): 37-44.
[12]	刘嘉豪, 余杨, 张振兴, 余建星, 王巍巍, 傅一钦. 二维云模型和贝叶斯网络的立管风险评估方法[J]. 中国安全科学学报, 2022, 32(5): 147-154.
[13]	鲁义, 伍江乐, 邵淑珍, 施式亮, 周荣义, 王伟. 基于贝叶斯网络的危化品道路运输事故推理模型[J]. 中国安全科学学报, 2022, 32(3): 174-182.
[14]	杨越, 马博凯, 曹宇轩. 国外空管不安全事件中的人误风险分析[J]. 中国安全科学学报, 2022, 32(12): 38-45.
[15]	吕伟, 周雯楠, 陈文涛, 韩业凡, 房志明. 暴雨灾害短视频引发舆情危机的BN研究[J]. 中国安全科学学报, 2022, 32(11): 192-199.

基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析

Quantitative risk analysis on failure of submarine pipeline leakage based on FDHHFLTS-BN

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 10

相关文章 15

编辑推荐

Metrics

本文评价