证据实时更新的海上平台采油树系统动态风险评估方法研究

海上平台采油树系统是油气生产的重要设备之一。为研究证据实时更新的采油树系统动态风险评估问题,提出了基于动态贝叶斯网络、物元理论和证据理论的海上平台采油树系统动态风险评估方法。首先,根据采油树结构组成和故障率等,建立动态贝叶斯网络结构模型和参数模型;其次,依据物元理论对各故障模式的失效后果进行量化分析;最后,将新加入的证据转化为风险区间,计算采油树系统的风险区间,并对风险进行预测。以某采油树为例,对构建的模型进行了实证研究。结果表明：失效后果最严重的关键部件是采油树本体;对于采油树系统的各类阀门,最主要的故障模式是开关故障和阀门外漏;随着新证据的增加,风险区间的不确定性减小;采油树系统的套管翼阀、节流阀和地面安全阀风险偏高,需要采取相应的预防措施,以保证采油树系统的安全可靠运行。     

基于深度学习的检修作业过程风险智能预警

为提高炼化企业检维修作业过程的安全性,利用目标检测技术,构建基于深度学习的智能风险识别模型;首先,结合贝叶斯网络(BN)及模糊集理论,建立动态风险评估模型;其次,采用分级动态预警方法,实现检修作业过程风险要素的智能监控预警;然后,以压缩机检修作业过程为例,采用失效模式和影响分析(FMEA)与作业条件危险性分析方法,辨识作业过程风险,再利用基于深度学习的风险智能识别模型,监控现场作业过程并识别风险;最后,采用BN和模糊集理论相结合的方法,评估作业过程中的动态风险,并采用分级预警的方法智能预警作业过程风险。结果表明：该方法可以有效识别压缩机检修作业过程中的风险因素,识别准确率为93%,在此基础上进行动态风险评估,当观测到事件概率发生变化,且超出相应预警阈值时,依据风险等级进行报警,实现风险要素的智能监控。