基于多维模糊函数和贝叶斯网络的涉氢部件风险评估方法

技术领域

本发明属于设备状态风险评估技术领域，尤其涉及一种基于多维模糊函数和贝叶斯网络的涉氢部件风险评估方法。

背景技术

随着低碳经济的发展和全球减排、降耗的严峻形势，由于氢能具有储运方便、来源多样、无碳排放、环保等突出优势，包括中国在内的许多国家都将发展氢能作为重要的能源战略。氢安全是氢能大规模商业应用的重要保证。近年来，随着氢化技术的快速发展和加氢站示范应用的日益增多，人们越来越重视氢能的安全使用，在生产过程中，发生涉氢关键装备故障造成氢燃料泄露是常见现象。

氢能的使用对氢安全的可靠性提出了更高的要求，随后在加氢站、制氢和车载储氢等方面进行了更多的轻安全分析和评估，目前氢气风险分析模型的还存在一些主要缺陷，不够准确量化风险。

因此，对氢能利用中与氢有关的设备进行可靠性分析和管理就显得尤为重要，氢气压缩机的可靠性问题决定着整个制氢装置的可靠性和系统寿命。复杂模型结构分析中不确定性的量化和传播比相应的确定性分析需要大量的计算量。计算效率和计算精度是工程计算的基本矛盾。

目前涉氢往复式压缩机广泛应用于涉及氢气的应用中，但一些限制意味着它们并不完全适合这一目的。首先，由于制造的复杂性和有效维护的难度，多个运动部件的存在增加了成本。由于氢气往复式压缩机中活塞等往复部件的存在，使得该类压缩机的使用受到阻碍，随着热量的增加，传热管理变得更加复杂和困难。此外，活塞的前后运动引起压缩室压力波动，对氢气压缩机的可靠性有较大的影响。在更严重的情况下，它可能会引起振动、噪音、甚至爆炸。

发明内容

针对上述问题，本发明提供一种基于多维模糊函数和贝叶斯网络的涉氢部件风险评估方法。

本发明的一种基于多维模糊函数和贝叶斯网络的涉氢部件风险评估方法，通过对往复式压缩机关键零部件进行可靠性建模，基于受力情况计算压缩机的可靠性模型，进而得到压缩机关键零部件的工作故障概率，同时针对压缩机系统，采用多维模糊函数联合贝叶斯网络的异常能量传递分析，基于模糊规则综合专家最近进行突变和风险估计，最后获得利用多准侧综合评估的压缩机系统量化风险，得出精准的压缩机的故障概率，具体为：

步骤1：氢气压缩机可靠性建模。

S1.1、氢气压缩机关键部件的确定：包括活塞杆、曲轴、气缸、螺栓、进排气阀。

S1.2、氢气压缩机关键部件受力情况及应力分析，确定氢气关键零部件的失效模式及其影响因素分析。

S1.3、针对氢气压缩机关键零部件进行失效概率量化计算，揭示可能故障部件。

步骤2：压缩机串并联系统可靠性模型设计，以及压缩机串并联系统可靠性模型定量风险评估。

其压缩机串联系统可靠性模型设计，计算公式如下：

并联系统的可靠度为：式中X

步骤3：提出氢气压缩机系统故障的对人员、环境、经济综合影响并对其量化风险进行多准则综合分析。

通过对氢高压压缩机建模的危险识别，基于多维准则考虑人员、环境、经济综合影响，可能故障线设计如下：人员伤亡、环境破坏、经济损失。

步骤4：基于模糊规则，由专家判断来评估部件故障引起的压缩机失效的等级，确定故障事件发生的可能性和概率。

设计模糊函数，量化专家风向评估意见，基于专家经验获得风险等级评估，计算氢气压缩机操作故障概率，具体为：

设计专家判断风险结果使用的模糊函数量化风险，通过计算三角和梯形模糊概率，在设计的三角形和梯形z函数中

其中，Z<0表示该结构无效，由于R和S实际上都是随机变量，因此结构失效概率P

其中，P

其中

由式(6)得左后的量化风险值：

三角模糊数

正梯形模糊数

基于模糊函数量量化专家风险评估的具体故障概率：

步骤5：基于多维模糊函数联合贝叶斯网络的异常能量传递分析的涉氢关键部件可靠性量化风险综合评估。

首先，建立氢气压缩机系统的多维模糊函数联合贝叶斯网络的异常能量传递分析模型，并利用该模型分析异常能量传递识别，基于多维模糊函数联合贝叶斯网络的异常能量传递分析模型框架，辨识可能的事故，并基于该模型构建了一个包含原因、障碍和后果的进化树，并将进化树转换为贝叶斯网络结构；其次，利用数据和调查来确定先验概率；第三，利用模糊函数结合突变理论计算贝叶斯网络的概率，提高事故的客观性，更好地匹配事故的性质；通过建立整个多维模糊函数联合贝叶斯网络的异常能量传递分析综合评估模型，贝叶斯网络用于使用、运行场景分析、故障危害判断以及相关的定量风险研究；最后，为了更好地进行风险评估，可考虑不同的场景，进行场景分析，预测潜在的后果，并比较不同的情况；影响因素分析，重点危害分析识别，节点间相关性直观量化。

进一步的，步骤S1.3中可能故障部件包括七种，具体如下：往复式压缩机活塞连杆故障、往复式压缩机曲轴丧失驱动能力、往复式压缩机汽缸故障、往复式压缩机连杆异常、往复式压缩机连杆螺栓断裂、往复式压缩机进气阀故障和往复式压缩机排气阀故障。

进一步的，步骤1中，氢气压缩机系统设备边界范围能够以具体的设备及与之相连的管道系统为界，能够是一个具有独立功能的设备及其附属管道为边界，并且针对连杆、气缸、活塞、气阀，螺栓也能够选择多个完成特定功能的设备及其附属管道为边界；危险区边界的设置可估算，危险区边界的设置可由式(10)估算；

式中，r

进一步的，步骤5中异常能量传递分析模型建立步骤为：

S5.1、分析势能异常。

S5.2、分析能量传递规律及控制措施。

S5.3、识别因能量异常转移和/或失去控制而引起的潜在事故。

S5.4、利用PHA分析事故原因和后果。

S5.5、建立从原因到障碍再到结果的进化树。

本发明的有益技术效果为：

1、本发明装置始终处于工作过程中，其中设备所处的介质环境也是动态变化的，如温度、流速的变化、介质组分的变化等，会对设备的风险产生影响使设备风险发生变化，采用该方法可以根据设备的动态变化，通过量化风险评价模型调整参数，实现风险量化评价技术。

2、本发明说明了高压氢气压缩机风险评估的多属性方法。本研究采用力学模型对高压氢气压缩机关键部件的应力、病态和失效概率进行可靠性建模，利用贝叶斯网络，采用专家评估方法，结合模糊三角函数方法，解决了在具体历史失效数据不足时的定量风险评估问题。将模糊逻辑纳入模型，通过将语言值转换为事件的模糊概率来定量评估风险。一个FTA和ETA模糊风险评估安全算子可以很容易地应用所提出的模型进行风险评估。为了用传统方法解决这些问题，本文提供了对风险评估过程的多维视角。反映决策者对风险的行为。该模型试图通过同时考虑风险估计后果的这三个维度，更一致地解释问题的不确定性、事故情景的复杂性以及减少人类、环境和财务影响所涉及的几个好处。然后，管理人员可以优先考虑那些对社会、环境和公司财务目标构成更高风险的管理操作方面。

附图说明

图1为氢气压缩机系统及加氢站组成图。

图2为氢气压缩机系统及活塞连杆机构受力情况示意图。

图3为氢气压缩机系统连杆机构受力情况示意图

图4为氢气压缩机系统曲轴受力情况示意图。

图5为氢气压缩机系统连杆受力情况示意图。

图6为氢气压缩机系统关键零部件节点情况示意图。

图7为模糊隶属函数量化专家的主观意见。

图8为模糊隶属函数量化专家的主观意见。

图9为氢气压缩机系统关键零部件基于多维模糊函数联合贝叶斯网络的异常能量传递分析的量化风险综合评估模型的框架。

图10为基于多维准则联合贝叶斯网络的异常能量传递模型的框架图。

具体实施方式

下面结合附图和具体实施方法对本发明做进一步详细说明。

首先，氢气压缩机需要满足加氢站对于多种加氢能力的要求，实现70MPa-5MPa范围内的多档广域的加氢途径，同时本系统也不限制制氢的方式，能够适应于水电解制氢、化工原料重整制氢及新型制氢法等多种制氢方式。其次，加氢的输出一端对外设置有多条加氢途径，能够解决制氢方式更新迭代所导致的设备整体需要更换的问题，避免一次性投入导致的不可逆影响，使制氢加氢站的生产途径更加灵活，防止先期投入的巨量浪费，并能够提高氢能源的利用率。

氢气压缩机系统及加氢站如图1所示，分析氢气压缩机可靠性，根据计算可以得到氢气压缩机弱环节，对于氢气高压往复式压缩机，曲柄转动时产生的旋转惯性力和活塞总成往复运动时产生的往复惯性力，而曲轴所受的切向力和法向力是周期性变化的，气缸套和缸体不仅由于气体压力和过盈配合而承受结构应力，而且筒体内部温度比较高，温度变化较大。有一个热胀冷缩的过程，还会产生较大的热应力。压缩机故障很多与进气阀和排气阀有关，因此，氢气压缩机弱环节主要涉及到活塞杆、曲轴、气缸、螺栓、进排气阀等，活塞杆、曲轴、气缸、螺栓、进排气阀的可靠性建模和低概率评估已成为氢往复压缩机安全评估的重要组成部分。

根据氢气压缩机的运动状态，建立了一维弹性碰撞动力学模型，并进行了计算，得到了相互作用力的关系，根据牛顿第二定律，列出了平衡方程，基于强度应理论计算极限状态函数，计算往复式压缩机的活塞杆、曲轴、气缸、螺栓、进排气阀等结构可靠度和失效概率。

本发明氢气压缩机可靠性建模如图2-6所示，根据可靠度理论，计算步骤如下：

步骤1：氢气压缩机关键部件确定，包括往复式压缩机的活塞杆、曲轴、气缸、螺栓、进排气阀等。

步骤2：氢气压缩机关键部件受力情况及应力分析，确定氢气关键零部件的失效模式及其影响因素分析。

步骤3：针对氢气压缩机关键零部件进行失效概率量化计算，揭示了七个可能故障部件，具体如下：往复式压缩机活塞连杆故障、往复式压缩机曲轴丧失驱动能力、往复式压缩机汽缸故障、往复式压缩机连杆异常、往复式压缩机连杆螺栓断裂、往复式压缩机进气阀故障和往复式压缩机排气阀故障。

往复式压缩机活塞及活塞杆可靠性建模及失效概率计算，如图2所示。

曲轴可靠性建模失效概率计算，如图3所示。

汽缸可靠性建模及失效概率计算，如图4所示。

连杆可靠性建模及失效概率计算，如图5所示。

连杆螺栓可靠性建模及失效概率计算，如图5所示。

为了更科学地评估高压氢压缩机系统故障的风险值，开展了定量风险评估(QRAs)。定量风险评估是基于风险的决策工具之一，用于识别安全风险并提出降低安全风险的措施。氢气压缩机风险评估方法研究面临的主要挑战是:压缩机系统的精确建模和QRA分析，包括事故缓解措施，考虑加氢站在有限空间和一定范围内使用的高压氢气压缩机泄漏、疲劳等事故的QRA分析。考虑所建立的高压氢气压缩机系统的运行特性，可以利用系统的串并联特性对压缩机系统的定量风险进行初步估计。

其压缩机串联系统可靠性模型设计，计算公式如下：

并联系统的可靠度为：式中X

风险评估，包括风险识别、风险分析、风险评估的全过程。通过风险管理和风险评估的结果，对结果进行风险接受或风险承受。风险管理流程-风险评估-风险应对。风险响应提供了注意的输入点。决定是否应进行某些活动。如何将机会最大化。是否需要对风险做出反应。对不同风险的反应选择。优先应对风险。选择最合适的风险应对策略；将有负面影响的风险控制在可容忍的范围内。通过风险识别解决会发生什么，为什么会发生问题，风险分析明确后果是什么、第三和第四个基本问题，同时基于风险评估过程来判别风险的后果能否减轻，影响风险的影响因素能否减少以及风险评级的结果是否可以接受，是否需要进一步的行动。风险评估的任务和风险量化的要求。对于风险的评级结果是否可接受以及是否需要进一步响应，如果没有定量评估，最终无法对风险等值是否可接受进行评级。根据风险管理流程的安排进行分析，子方法是常规的、常用的流程分析方法。还有一种分析方法，即初步分析，是指对产生风险的事件进行筛选，通过筛选发现具有重要影响的重大风险，排除次要风险，从而确定初步风险。不需要进一步的评估，可以确定风险应对策略，将不需要解决的不重要风险放在一边，继续进行更详细的风险评估。

高压氢压缩机已知操作故障的主要原因包括：1.缸体泄露，能量损失异常；2.温升过高，持续高温，能量异常；3.丧失高压驱动能力，能量异常；4.排放压力高于公称压力碳积聚，能量异常，导致爆炸；5.氢气泄露，能量异常；建立多准则决策模型，联合压缩机各关键部件的受力、应力、疲劳寿命等均质性特征，综合压缩机关键部件故障。如图6压缩机系统的a、b、c、d、e、f等关键节点所示。

设计的氢气压缩机的风险等级值，基于专家经验获得风险等级评估。

利用模糊数定义风险等级，由四位独立专家给出的风险发生可能性及相应置信度的定性项分别为“VL”，“L”，“FL”，“M”，“FH”，“H”，“VH”。如图8所示。

设计模糊函数，量化专家风向评估意见，基于专家经验获得风险等级评估，计算氢气压缩机操作故障概率，具体为：

设计专家判断风险结果使用的模糊函数量化风险，通过计算三角和梯形模糊概率，如图7所示，在设计的三角形和梯形z函数中

其中，Z<0表示该结构无效，由于R和S实际上都是随机变量，因此结构失效概率P

其中，P

其中

由式(6)得左后的量化风险值：

三角模糊数

正梯形模糊数

基于模糊函数量量化专家风险评估的具体故障概率：

基于多维准则风险分析方法，提出氢气压缩机系统故障的对人员，环境，经济等综合影响并对其量化风险进行多准则综合分析；

通过对氢高压压缩机建模的危险识别，基于多维准则考虑人员、环境、经济等，可能故障线设计如下：人员伤亡、环境破坏、经济损失。

氢气压缩机系统设备边界范围能够以具体的设备及与之相连的管道系统为界，能够是一个具有独立功能的设备及其附属管道为边界，并且针对连杆、气缸、活塞、气阀，螺栓也能够选择多个完成特定功能的设备及其附属管道为边界；危险区边界的设置可估算，危险区边界的设置可由式(10)估算。

式中，r

估计危险情景的概率[pi(q)]，在考虑影响时，除了人、经济等方面，还需要考虑环境植被破坏的面积。该模型还将环境维度分解为环境影响面积(E1)和环境多样性影响(E2)两个子层次。在这个分析中考虑。该指标按下式计算。

M可以用样本来计算。确定结果概率函数，分别估计各维的概率分布.

g(h,e,f∣θ,a)＝g(h∣θ,a)·g(e∣θ,a)·g(f∣θ,a) (12)

P

其中t为暴露时间，I为感兴趣位置的辐射热流。t的值为30s作为城市地区人们的暴露时间。为了正确计算I，使用式(14)：

其中ρ是总辐射热量与总释放热量的比值。它不能从理论上估计，通常是用辐射计测量的数据来估计。对于氢气，建议0.15，Q

其中P

其中A

其中，n是受影响的总人数，p

考虑决策理论的相关研究，将每种自然状态或偶然情况的概率定义为p

U(θ,s

(17)

该模型中使用的加性效用函数的一般形式所示为。

U(h,e,f)＝K

其中K

在K

风险可以定义为一系列事件的后果及其发生的可能性的组合。事件发生的概率、频率和影响是任何风险分析都应考虑的因素。风险分析是一个结构化的过程，它可以识别单个给定活动产生不良后果的可能性和程度。风险评估是对管道固有风险及其在适当环境下的重要性的综合分析。决策理论的一个关键要素是损失函数。如果采取了一个特定的动作a，而q被证明是真实的自然状态，那么将产生一个损失函数L(q,a)。在该模型中，损失函数的计算方法所示，并结合了多属性效用函数和概率密度函数。

对于每一对危险情景(θ)和关键节点(a)，可以将风险函数定义为损失的期望值。

其中θ

Diff(k)＝r

方程式(23、24)其中k表示在排名中的位置，r

基于多维模糊函数联合贝叶斯网络的异常能量传递分析的涉氢关键部件可靠性量化风险综合评估方法。基于氢气压缩机可靠性建模。利用基于多维准则风险分析方法，联合模糊函数联合贝叶斯网络的异常能量传递，提出综合分析氢气压缩机风险量化评估方法，如图9所示。

异常能量传递分析模型理论，能量异常是指系统参数的微小变化导致系统发生突变。基于多维模糊函数联合贝叶斯网络的异常能量传递分析是一种系统的危害识别和演化分析方法。它集成了能量传递理论、初步危害分析和进化树，如图10所示。能量传递理论的核心是能量的异常传递和/或释放可能导致事故。这样，事故的分析就转移到了一个更基本的层面，即势能的确定、势能的传递规律和控制措施。氢气作为一种吸热、汽化、燃烧、爆炸的物质，适合用能量传递理论进行分析。初步危害分析在工业活动的设计中进行，通过识别危害，其原因和后果，并考虑风险等级。该方法被广泛使用，通常与进化树等图形化网络危险识别方法结合，通过事件树可以很容易地转换为贝叶斯网络。同时进化树更灵活地表示事故的进化路径，不仅包括事故的危害和产生的后果，还包括障碍、响应等。

异常能量传递分析模型建立步骤:

步骤1、分析势能异常；

步骤2、分析能量传递规律及控制措施；

步骤3、识别因能量异常转移和/或失去控制而引起的潜在事故；

步骤4、利用PHA分析事故原因和后果；

步骤5、建立从原因到障碍再到结果的进化树。

基于此系统分布，可以描述为状态变量和每个控制变量之间关系的数学表达式。平衡曲面的奇异集可设f(x)＝0求得。当f(x)＝0，f(x)的导数为0。系统分布方程由状态变量表示，状态变量反映了状态变量与控制变量之间的关系。然后利用异常能量传递分析模型理论的基本公式推导出积分分析的归一化公式。归一化公式将系统中节点的不同质量状态归一化为相同的可比质量状态。归一化公式和系统分布方程是异常能量传递分析模型理论中固定的数学表达式。

式(25)是一个标准化公式，用于综合分析和判断整个系统是否发生了突然变化。前文已经通过模糊隶属函数量化专家意见评估，明确每个父节点对子节点特定状态的影响，然后利用异常能量传递分析模型理论计算得到子节点的概率。首先，基于多维准则确定了对每个子节点的贡献进行量化，然后应用归一化公式得到归一化值；最后，根据子节点的相对重要性(差小/差大)，通过平均/最小化确定隶属函数值。考虑的突变情况有两个变量，因此选择尖点突变模型。首先，应用式(25)计算归一化值，当“不发生异常”时，隶属函数值为归一化值的最小值，当“发生异常”时，突变可能性根据权重来确定。同类，可计算所有子节点的概率。

基于多维模糊函数联合贝叶斯网络的异常能量传递分析模型提出了风险识别和进化分析的系统方法。它结合了能量转移理论、初步危害分析和进化树，将事故分析转移到更根本的层面，即事故原因的性质是能量异常转移或能量异常释放，异常能量传递分析模型可用于改变势能识别方法及其转移规律和控制措施。

首先，建立氢气压缩机系统的多维模糊函数联合贝叶斯网络的异常能量传递分析模型，并利用该模型分析异常能量传递识别，如图10，所示，基于多维模糊函数联合贝叶斯网络的异常能量传递分析模型框架，辨识可能的事故，并基于该模型构建了一个包含原因、障碍和后果的进化树，并将进化树转换为贝叶斯网络结构。其次，利用数据和调查来确定先验概率。第三，利用模糊函数结合突变理论计算贝叶斯网络的概率，提高事故的客观性，更好地匹配事故的性质。通过建立整个多维模糊函数联合贝叶斯网络的异常能量传递分析综合评估模型，贝叶斯网络可以用于使用、运行场景分析、故障危害判断以及相关的定量风险研究。最后，为了更好地进行风险评估，可以考虑不同的场景(多个节点的组合状态)，进行场景分析，可以预测潜在的后果，并比较不同的情况。影响因素分析，重点危害分析识别，节点间相关性直观量化。

识别关键危险，在贝叶斯网络中用证据更新概率的能力不仅可以分析假设场景，还可以通过单发现敏感性分析来确定关键危害并量化节点之间的相关性，这在风险评估中被广泛使用。通过敏感度值排序，敏感度分析可以为损失标准提供定量参考，并处理应急决策中的优先问题。

利用“对结果的敏感性”功能，收集了几个节点的灵敏度值(互信息)。特别关注“氢气泄漏”的敏感性分析，这是大多数氢气压缩机事故的触发事件。“泄漏”对其父节点(危害)的敏感性证明了此类危害如何影响泄漏，并可用于识别关键危害。后一步是风险处理。识别和处理关键危险后考虑风险相互关联和相互作用的，定量分析氢气压缩机事故要素之间的相关性，并应优先考虑与关键危害密切相关的危害并合理管理。

本发明提出基于多维模糊函数联合贝叶斯网络的异常能量传递分析的涉氢关键部件可靠性量化风险综合评估方法，对氢气压缩机使用操作中风险识别、危害诊断、后果预测和相关性分析。基于情景分析和敏感性分析，所提出的基于多维模糊函数联合贝叶斯网络的异常能量传递分析的涉氢关键部件可靠性量化风险综合评估方法框架是涉氢关键装备风险评估的替代有效工具，对于扩大可用于支持涉氢关键装备的安全评估和损失预防的技术工具具有重要意义。