等级全息建模技术在输油泵机组风险根源辨识中的应用.docxVIP

等级全息建模技术在输油泵机组风险根源辨识中的应用 摘要：为“挖掘”输油泵机组风险根源,降低设备预知性维护难度,结合输油泵多准则风险评价,提出1种基于等级全息建模的输油泵机组风险根源辨识方法,运用等级全息建模方法将输油泵系统分解为泵体结构、管理因素、环境因素、操作因素、技术因素、运行因素、设备安装7个子系统进行定性和定量分析。结果表明:相比危险与可操作性分析(HAZOP)、事故树分析(FTA)等传统风险辨识方法,等级全息建模(HHM)对轴承等关键部件以及压力等运行参数的监测更为深入,能够有效辨识输油泵机组高风险情景,提升输油泵的风险辨识效率。 0 引言输油泵机组作为长输管道泵站长距离输油的关键设备,其安全可靠运行是保障油气稳定生产的基础。目前,国内油气站场的在役输油泵机组由于时期不同造成设备配置不同,且型号和制造厂家较多,导致质量和性能上各有差异。不同型号的输油泵故障率从6.9%到20%不等目前,国内外相关机构和学者针对输油泵系统的风险辨识常采用“自下而上”或“自上而下”的分析方式。“自下而上”即从底层节点分析上层故障,如文献本文结合输油泵多准则风险评价提出基于等级全息建模的输油泵机组风险根源辨识方法,在实现输油泵风险全方位辨识的基础上,确定风险等级及后果,以辨识出风险根源作为维护决策参考。最后,结合输油泵在油气站场的应用,为站场风险管理与运维提供指导。1 基于HHM的输油泵风险辨识模型基于HHM进行风险辨识的数学思想是在相应约束,如标准的、经济的、法规的、自然的条件下寻找1组最优变量组合(风险情景),使表征不同风险情景引发故障的目标函数大小实现最优化,以起到风险根源辨识作用,即求解风险目标函数在满足约束条件最大时的变量取值,如式(1)所示:[式中:基于HHM的输油泵风险根源辨识理论框架如图1所示,需要根据系统状态及复杂度确定各层变量1.1 输油泵风险情景构建大型复杂系统在构建HHM模型时,决策者需要确定变量类型,见表1。其中,输出变量依据变量所属的不同层面,确定泵体结构、管理因素、环境因素、操作因素、技术因素、运行因素、设备安装7个分析层面并构建HHM模型,如图2所示。1.2 输油泵风险度评估基于风险定义从概率和后果2方面评估风险度 (2)非式中:风险后果按严重性分为灾难性、严重、一般、轻微和可忽略。在故障概率和后果共同作用下,将目标函数1.3 依据多准则的输油泵风险筛选输油泵风险情景筛选主要是根据风险管理者所处的角度、职责、利益等,包括决策水平、范畴(重要风险情景)和时间域(重要时间阶段)等进行筛选,结合风险情景破坏输油泵系统3种固有属性(恢复性、鲁棒性、冗余性)的能力确定评价准则。依据多评价准则构建风险评价表,见表2,定性分析各风险情景集在多准则风险评价下的中高风险占比,并保留占比较高的风险情景集进行下一步定量评级。通过多准则风险评价筛选能够有效减少定量化评级的工作量,提高复杂系统风险根源辨识的效率。1.4 输油泵风险的定量化评级综合考虑概率和后果的双重标准风险矩阵见表3,将其作为定量化风险评级准则。其中不同风险场景引发的故障概率2 HHM在油气站场中的应用2.1 数据来源通过对西北地区某油气集输站场进行实地调研,统计该站场近10 a输油泵机组运行历史数据以及维修记录,部分人为因素结合站场管理人员经验,同时参考Zhang等2.2 站场输油泵风险辨识过程针对油气站场复杂系统的风险辨识过程,结合故障概率分布,应用等级全息建模进行风险根源辨识。本文中,风险辨识的具体步骤可表述为:1)构建输油泵系统HHM模型,见图2。2)基于贝叶斯定理计算风险引发的故障概率并根据影响程度判断风险后果。3)依据多准则风险评价,见表5,对HHM模型内的风险场景进行筛选。通过统计各风险情景集的中高风险占比,发现泵体结构、操作因素、技术因素、运行因素的占比较大,分别达到82%,55%,73%,73%;依据风险情景破坏系统3种固有属性(恢复性、鲁棒性以及冗余性)的能力对筛选出的情景集内各细分风险情景分别进行风险后果评定。依据多准则风险评价和风险后果去除重要度较低的风险情景,得到筛选后的输油泵HHM模型,如图3所示,较大程度上降低了后续的风险定量评级工作的复杂性,同时显著提高了风险管理资源分配的最优程度。4)对输油泵风险定量化评级。以轴承故障概率计算为例,假设A1表示轴承故障,将结果填入双重标准风险矩阵,高风险与较高风险即为基于2.3 结果分析通过对站场输油泵系统的风险情景构建、筛选、定性分析和定量计算后,将风险等级在较高风险及以上的风险情景作为油气站场应重点关注风险,辨识出该站场输油泵系统的风险