文摘隐患、未遂事故及无伤亡事故等异常事件是重大事故的早期预警和征兆,此类事件发生频率高,通过建立事故模型识别及纠正事件中的不安全因素能够有效预防重大事故发生。结合油库工艺特点和事故特征,对系统危害辨识、预测及预防(System Hazard Identification,Prediction and Prevention,SHIPP)模型改进,建立基于安全屏障的油库事故模型。采用故障树和事件树相结合的方式构建原因-后果关系模型,将故障树和事件树映射为贝叶斯网络以表征不确定性和条件依赖性。针对新的证据信息,通过贝叶斯网络更新机制实施概率更新;基于贝叶斯理论对现场异常事件数据进行经验学习,降低先验概率的不确定性,实现对油库事故的动态风险预测。对某油库算例分析结果表明,库区发生物质和能量释放的概率较大,整体安全性能趋于退化,应加强安全检查和隐患排查的力度。研究成果可为大型油库风险预测和事故预防提供科学指导和决策支持。
文摘安全隐患、未遂事故等异常事件是小事故升级为重大事故的早期预警,可用来建立事故模型识别源头事件及纠正保护系统中的不安全因素。结合液化天然气(LNG)库区的工艺特点和事故特征,对系统危害辨识、预测及预防(system hazard identification,prediction and prevention,SHIPP)模型改进,提出一种将故障树、贝叶斯网络与A-star算法融合的风险评估建模方法。首先依托专家经验,结合事故报警数据库中的异常事件建立安全屏障模型和故障树;然后遵循链式法则将故障树映射为贝叶斯网络;最后与改进的A-star算法融合确定事故发生途径。基于LNG事故报警数据库的研究表明,该方法相较于传统的SHIPP模型,可以实现动态前向风险评估并量化事故之间的条件概率,反向模拟安全屏障失效时的事故发生过程。研究成果可为LNG库区的系统安全、风险规避提供合理设计及决策。
