含硫气井井筒完整性风险评价研究

针对含硫气井开发过程中井筒完整性失效风险,建立了含硫气井风险评价模型。采用Bow-tie模型将井筒完整性的失效形式分为水力屏障失效、实体屏障失效和操作管理屏障失效3个方面,确定了含硫气井井筒完整性失效的28个风险因素;基于层次分析法定量确定了各风险因素的权重,通过风险矩阵法评估了风险因素发生的可能性与严重程度,实现了对井筒完整性风险等级的划分。将以上方法对某含硫气井进行了应用,确定了该井的风险等级及主要风险因素。研究结果表明:建立的风险评价模型能够对含硫气井井筒完整性进行评价,确定风险等级。该方法的应用有助于降低含硫气井的事故风险,可为含硫气井完整性现场管理提供参考。     

基于多因素耦合的井筒完整性风险评价

为了合理开展井筒完整性评价,提出合理的管理措施,综合考虑管柱力学、管柱腐蚀、管柱及附件密封、水泥环力学、地层以及油气井管理等关键节点及因素的相互耦合协同作用,分析多因素耦合协同作用对井筒完整性的影响。对于管柱力学等具有比较明确物理意义且可以量化的因素,采用定量分析评价;对于操作管理等难以量化的因素采用定性评价,对于腐蚀环境因素采用定量与定性相结合的方法进行评价;在定性及定量评价的基础之上,对关键节点进行风险概率和风险影响程度的划分及量化,再基于层次分析及风险矩阵的方法建立井筒完整性评价模型;基于模型编制了相应的计算程序,并对某高腐蚀性气井开展了井筒完整性评价。评价结果表明,在影响该井井筒完整性的风险因素中,高酸性气体腐蚀是造成该井井筒完整性失效的主要因素。     

基于模糊贝叶斯网络的煤气化职业健康风险分析

针对煤气化行业职业健康风险影响因素不确定及模糊的特点,建立了职业健康风险计算模型。该模型将模糊数学与贝叶斯网络相耦合,模拟事件概率,找出导致风险的主要因素。通过分析煤气化行业中存在的多种风险因素,应用问卷调查法和模糊集理论模拟了根节点的发生概率,得出职业健康风险概率的预测值;应用贝叶斯网络反向推理的功能计算根节点后验概率并排序,确定了薄弱环节。该模型不仅能解决概率缺失情况下的风险量化推算问题,定量进行职业健康风险评估,还可以实现关键因素的识别,并能有针对性地提出改进措施,为职业健康风险预防提供决策依据。     

稠油热采井管柱失效动态风险分析研究

为保证稠油热采井筒管柱的安全运行,采用故障树与贝叶斯网络相结合的方法开展稠油热采井管柱失效风险分析,应用故障树分析方法定性识别管柱失效诱因,建立稠油热采井管柱失效场景演化模型,并将故障树转化为贝叶斯网络模型,应用贝叶斯网络对管柱失效风险进行定量分析,得出热采井管柱失效的关键致因和管柱失效的动态失效概率,以新疆油田某区块热采井的管柱失效为对象进行了案例分析。研究结果表明,该方法可为稠油热采井管柱失效风险分析及井筒完整性管理提供理论支撑和工程设计参考。     

基于贝叶斯网络的页岩气集输管道失效概率计算方法研究

页岩气集输管道运行压力和出砂量在生产过程中衰减显著，这导致管道失效概率不断变化，针对这一问题，采用贝叶斯网络方法，建立了页岩气集输管道失效概率动态计算模型。首先，分析页岩气气质特征、管道运行工况及失效原因，利用逻辑门的连接关系，建立了页岩气集输管道失效故障树；其次，基于贝叶斯网络与失效故障树的结构映射关系，将失效故障树转化成贝叶斯网络结构；然后，通过贝叶斯网络的参数学习，实现模型求解；最后，进行了实例应用。研究结果表明:该模型不仅可有效计算页岩气集输管道的失效概率，还能确定影响管道失效的关键风险因素，并且可通过调整节点的状态及概率分布，实现页岩气集输管道失效概率的更新。     

基于RPN-BN的平台-隔水管系统遇内波风险分析

为保障内孤立波作用下的深水半潜式钻井平台-隔水管系统的安全,同时解决海洋平台系统设备失效数据的缺失问题,提出1种风险优先系数（RPN）与贝叶斯（BN）结合的定量风险分析方法。首先,基于故障树和安全屏障方法,建立平台-隔水管系统Bow tie模型和贝叶斯风险演化模型;其次,根据贝叶斯推断和风险优先系数中的事故发生频度估计,得到平台-隔水管系统失效事故的发生概率;最后,通过贝叶斯网络的逆向推理能力辨识内孤立波作用下引起平台-隔水管系统失效的主要风险节点,实现对平台-隔水管系统失效事故的定量风险分析。结果表明:RPN-BN法可应用于平台-隔水管系统遇内波的定量风险分析;加强对平台漂移量的控制,提高动力定位系统控制设备的可靠性可有效抵御内波对系统造成的影响。     

基于贝叶斯网络的物流无人机失效风险评估*

为降低城市物流无人机（UAV）失效坠落风险,通过考虑其运行环境和系统故障等因素的影响,以城市物流无人机运行数据为基础,从系统故障、运行环境和人为因素3方面提取失效诱因;分析物流无人机失效模式,并构建意外坠落事故的贝叶斯网络;基于所建网络和失效诱因发生概率分别计算不同工况下意外坠落事故及各中间事件概率,并基于网络拓扑结构展开反向推理,推演事故的主要失效诱因。结果表明:物流无人机正常运行时发生安全事故的概率为6.54×10-3;其中,电池电量不足、桨叶失效和电池故障是坠落事故的主要诱因,计算结果可为无人机运行安全风险防控提供依据。     

基于动态贝叶斯网络的城市综合管廊燃气泄漏动态风险评价

为解决综合管廊燃气管网系统风险因素多、风险状态随时间动态变化等问题，在传统故障树和静态贝叶斯网络等方法的基础上提出了基于动态贝叶斯网络的城市综合管廊燃气泄漏动态风险评价方法。首先利用蝴蝶结模型分析总结了导致综合管廊燃气管网发生泄漏的主要风险源和不同事故后果。然后，引入时间因素与Leaky Noisy-or Gate模型，根据故障树模型的映射规则，建立城市综合管廊燃气泄漏的动态贝叶斯网络模型。最后，利用动态贝叶斯网络的双向推理功能对模型进行求解。由实例分析得到了某综合管廊燃气泄漏概率及各事故后果概率的时序变化曲线，通过反向推理得到了导致燃气泄漏的主要风险源。研究成果可为综合管廊的风险评估、日常维护提供理论支持。     

基于BN的FTA在通用航空风险评价中的应用

针对事故树分析法(FTA)在风险评价中的局限性,采用以事故树为基础建立的贝叶斯网络(BN)风险模型,对通用航空中的两机空中相撞事故进行分析和推理,对事故模型进行改进和修正时,注重基事件的多态性和事件间的逻辑合理性。根据贝叶斯推理得出的数据,找到了事故的主要致因。结果表明,基于BN的FTA既能向前预测顶事件的发生概率,又能向后诊断基本事件的后验概率,可以更好地对通用航空风险进行评价。     

基于毕达哥拉斯模糊贝叶斯网络的海底管道泄漏风险分析*

为分析海底管道运行中存在的泄漏风险,提出1种基于毕达哥拉斯模糊数与贝叶斯网络的风险评估模型。首先,通过毕达哥拉斯模糊数转换专家定性评价,拓展专家意见模糊范围;然后,结合主客观组合赋权法,利用毕达哥拉斯梯形爱因斯坦混合几何算子（PTFEHG）实现专家意见的聚合;最后,通过贝叶斯网络的推理与敏感性分析,计算海底管道泄漏风险的失效概率,并辨识关键风险因素。研究结果表明:该方法可以结合专家意见对海底管道泄漏风险进行定量分析,并识别导致泄漏事故的关键风险因素,对海底管道安全管理具有指导意义。     

Dynamic risk assessment for underground gas storage facilities based on Bayesian network

Loss of the underground gas storage process can have significant effects, and risk analysis is critical for maintaining the integrity of the underground gas storage process and reducing potential accidents. This paper focuses on the dynamic risk assessment method for the underground gas storage process. First, the underground gas storage process data is combined to create a database, and the fault tree of the underground gas storage facility is built by identifying the risk factors of the underground gas storage facility and mapping them into a Bayesian network. To eliminate the subjectivity in the process of determining the failure probability level of basic events, fuzzy numbers are introduced to determine the prior probability of the Bayesian network. Then, causal and diagnostic reasoning is performed on the Bayesian network to determine the failure level of the underground gas storage facilities. Based on the rate of change of prior and posterior probabilities, sensitivity and impact analysis are combined to determine the significant risk factors and possible failure paths. In addition, the time factor is introduced to build a dynamic Bayesian network to perform dynamic assessment and analysis of underground gas storage facilities. Finally, the dynamic risk assessment method is applied to underground gas storage facilities in depleted oil and gas reservoirs. A dynamic risk evaluation model for underground gas storage facilities is built to simulate and validate the dynamic risk evaluation method based on the Bayesian network. The results show that the proposed method has practical value for improving underground gas storage process safety.     

基于BN-CREAM的深水井控压井作业风险诱因研究

深水井控压井作业是有效控制溢流演化为井喷事故的二级井控工艺屏障。为提高深水井控压井作业可靠性,采用 BN-CREAM方法对其风险诱因进行研究。结合深水井控压井作业特点,考虑共因失效等因素,采用贝叶斯网络方法建立深 水井控压井作业风险演化模型。应用人因可靠性分析CREAM法计算深水压井人因失误先验概率,参考海洋可靠性数据手 册OREDA确定深水井控设备失效先验概率。依托贝叶斯网络的逆向推理能力辨识压井作业的主要风险节点,从而实现对 深水井控压井作业风险诱因的有效预测和评估。研究表明:深水井控压井作业共包含6个关键风险根节点,且压井作业人 因可靠性要低于设备可靠性;3级子节点“压井方法选择不合理”对深水压井作业的成功起到至关重要的作用,需进一 步开展风险分析研究。     

燃气管网定量风险分析方法综述

以城市燃气管网的风险为研究对象,分析并提出一种可用于城市燃气管网定量风险分析的新思路,包含了不同事故后果及其物理模型的分析即事故可能性分析、后果分析和风险评价,分为失效事故假定、泄漏率计算、物理效应计算、致死率计算、风险值计算、风险评价等环节;整理、研究城市燃气管网定量风险分析所涉及的多种物理模型,并通过比较不同模型的特点,分析各个模型的不足之处;最后针对国内外研究现状及燃气管网风险的特点,指出研究发展方向:研究风险在燃气管网内的传播,提出燃气管网相继失效的风险分析方法。所提出的分析思路、计算方法可与工程应用相结合。     

A new pre-assessment model for failure-probability-based-planning by neural network

At present, the prediction of failure probability is based on the operation period for laid pipelines, and the method is complicated and time-consuming. If the failure probability can be predicted in the planning stage, the risk assessment system of gas pipeline will be greatly improved. In this paper, the pre-laying assessment model is established to minimize risk of leakage due to piping layout. Firstly, Fault Tree Analysis (FTA) modeling is carried out for urban natural gas pipeline network. According to expert evaluation, 84 failure factors, which can be determined in the planning stage, are selected as the input variables of the training network. Then the FTA model is used to calculate the theoretical failure probability value, and the failure probability prediction model is determined through repeated trial calculation based on BP (Back Propagation Neural Network) and RBF (Radial Basis Function), for obtaining the optimal network parameter combination. Finally, two prediction models are used to calculate the same example. By comparing our pre-assessment model with the theoretical prediction consequences of the fault tree, the results show that the error of RBF prediction model can be close to 3%, which proves the validity and correctness of the method.