基于等级全息建模的输油泵机组风险根源辨识*

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。     

基于突变理论的加油站火灾爆炸事故分析与安全评价

为探索加油站火灾爆炸事故致因机理,从而建立安全评价模型,在分析加油站火灾爆炸事故因素的基础上,从人的因素和物的因素视角构建加油站安全状态突变模型,并针对常用加油站安全评价中权重获取受主观影响的问题,提出基于突变理论的加油站火灾爆炸事故安全评价方法,该方法通过对评价目标进行多层次分解,利用归一化公式计算出总突变隶属函数值,实现了加油站安全等级评价与动态评判。实例验证表明:突变模型合理地诠释了加油站火灾爆炸事故形成的规律,安全评价结果是合理、可行的,为加油站安全综合评价提供了新思路。     

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。     

道化学评价法的改进及其在联合站安全评价中的应用

道化学评价法是一种在化学工业领域应用广泛的安全评价方法,针对道化学评价法评价未考虑人员、环境及设备维护等因素而使评价结果不够准确的情况,提出了在安全补偿系数选取中引入物质系数修正、人因危险补偿系数、环境补偿系数和设备状态补偿系数对道化学法进行改进。首先通过对物质燃烧性进行温度修正获取实际情况下的物质系数值,同时通过统计数据分析计算出人因行为概率,进而计算人因危险补偿系数,此外结合设备可靠度引入了设备状态补偿系数。将以上改进方法应用到某油田联合站原油稳定装置和轻烃储罐装置的安全评价中,结果表明经过改进的道化学评价法能更客观地反映实际情况,评价结果更准确,同时根据改进后得到的危险等级提出了稳定装置及轻烃储罐装置安全运行的对策措施,最后结合事故案例对比了传统道化学和改进道化学的结果,说明了改进方法的准确性和优势。