基于贝叶斯网络的燃气发电企业应急人员能力评估研究

张金心

山西寿阳国新热电综合利用有限公司

燃气发电行业作为国民经济支柱产业之一，促进了我国经济的快速发展。但燃气发电企业同时也存在着重大的火灾和爆炸事故风险，给企业以及周边居民自身带来了极大的安全及环境威胁。大量事故案例表明，快速有效的应急救援能大大降低事故所造成的后果及影响（如石钰基于SEM的煤矿企业应急救援能力评价模型研究及应用[1]），是控制燃气发电企业风险的重要手段，也是安全科研工作者研究的重点方向，如邓云峰的突发灾害应急能力评估及应急特点[2]，陈建国的美国应急资源管理体系的借鉴和思考[3]。目前应急能力的研究内容多偏重于应急物资的调度、应急救援过程的评价，忽视或者弱化了人员在整个应急过程中的主导作用，如李峰的石油石化企业应急物资调度分析模型研究[4]。尽管现如今应急设备的自动化水平不断提高、可靠性逐步上升，但人员仍然在整个体系中占据十分重要的作用。在应急体系性能评估方面，当前的研究大多偏向于层次分析法和模糊评价或相类似的评分方法，如张小刚基于AHP-模糊评价的化工园区综合应急能力研究[5]、胡月婷基于可拓的石油化工企业应急能力评估研究[6]，这些评价方法的缺点是：评价过程很少考虑各个指标间的相互关系；评价结果一般为“好”或“差”，或者是多少分。但评价应急能力最理想的结果应是其对事故控制的状况，也就是应急成功的概率；除此之外，通过评价过程找出应急能力的薄弱环节也是当前企业关注的重点问题，本文拟采用贝叶斯网络方法对上述问题进行研究，弥补当前研究的不足。

本文根据某燃气发电企业突发事件应急预案和实际情况，分析不同的人员在应急过程中应具备的相应能力，构建应急人员能力评估指标，并用贝叶斯网络对其进行评估研究。

1 理论方法介绍

1.1 贝叶斯网络

贝叶斯网络（Bayesian Networks），又称信度网（Belief Network）、概率网（Probabilistic Network），是1986年由美国加州大学J.Peal教授首次完整提出的。贝叶斯网络解决了不确定问题和数据不全面的问题，其网络结构可以直观地看出各个事件或指标间的关联关系。在定量计算方面可以推理计算最终子节点的发生概率，并且可以逆向推理得出贝叶斯方法的基本原理：首先由过去的经验或专家估计获得将要发生事件的事前概率，而后根据调查或试验计算得到条件概率，最后利用贝叶斯公式计算出各事件的事后概率[7]。

在贝叶斯网络分析中，需获得相关指标的先验概率数据。现有文献中关于应急人员能力的研究很少，难以获得全面的统计数据，本文采用三角模糊数和三位专家来获取人员应急能力的先验概率。

1.2 三角模糊数

模糊理论是以模糊合集为基础，用于处理不确定或模糊的问题。它是描述和处理人类语言中所特有的模糊信息的理论，以模糊的信息或数据为基础，经过模糊变换得到精确的数据。

三角形模糊数的隶属度函数形式为[8]：

因此，三角模糊数也可由3个参数a、m和b表示，记为（a，m，b）。

2 人员应急能力指标体系的建立

指标体系的建立应本着科学性、系统性、整体性的原则[9]，燃气发电企业不同于一般的普通企业，除了事故发生后的抢险工作，其还注重于事故发生前的应急准备，因此本文首先将应急人员分为事前控制和事后抢险两种。应急领导小组、应急办公室、机关应急队、运行部门应急队主要是在事故发生前做好应急的准备工作。如应急领导小组，他们工作的重点是在事故发生前组织编制应急预案、制定相关应急救援方案、全面协调应急资源以及与政府的沟通配合；运行部门应急队则是要在事故发生前做好策划应急演练和检查应急物资的相关工作；而现场应急指导组、事故抢险组、信息组以及专家组则是事故发生后的应急工作中的主要参与者。如事故抢险组的主要工作则是在事故发生后进行抢险工作，他们的应急设备熟练程度、危险物品辨识能力以及专业抢救技能好坏将会很大的影响事后抢险工作的好坏，进而影响应急工作是否成功。

根据实际情况和文献资料，不同岗位的应急人员在应急过程中完成的工作或具备的能力，见表1。

3 某石油化工企业评价实例

3.1 先验概率的获取

由于文献资料和历史数据中只能获取极少的事件概率，因此本文邀请三位专家对某燃气发电企业应急人员进行分析，采用五级语言评价，根据应急人员能力的高低或者完成相应工作的程度进行评估打分，然后运用三角模糊数计算得出根节点的先验概率[10]。专家打分评估（部分），见表2。

表2 根节点专家打分及先验概率

根据三位专家评价情况，运用三角模糊数进行转化计算，得出根节点的先验概率，见表2。

3.2 条件概率的获取

条件概率是事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为P（A|B)，读作“在B条件下A的概率”。条件概率的一种获取方法是基于指标间的贡献度。本文根据对某燃气发电企业进行走访调查得出父节点对子节点的贡献率，如表1。

根据参考文献[11]所运用到的方法：

Pj代表各个父节点（子集）对子节点的贡献率，P（Y│X1，X2…Xn）代表相对应的条件概率，由表2便可以计算得出各个子节点的条件概率。由于事前控制和事后抢险在应急中缺一不可，也就是与门的关系，因此事前控制和事后抢险对子节点事故控制的条件概率不需要根据贡献度来计算，直接根据或门的关系来判定。

表1 应急人员指标体系

3.3 基于Netica软件的贝叶斯网络计算及分析

本文采用Netica软件评估应急人员对事故控制的情况[12]。首先根据已经获取的先验概率和条件概率计算得出应急人员对事故控制的概率。贝叶斯网络结构，如图1。

图1 应急人员评估贝叶斯网络

通过贝叶斯网络计算可以得出该燃气发电企业在目前应急人员的状况下控制事故的概率为92.8%。可以说该燃气发电企业的人员应急能力是很优秀的，但并不能保证事故发生时应急一定成功，因为还有7.22%的失败概率，因此其人员应急能力还有可以改进的空间。

将应急成功的概率设为0，进行反向推理计算，得出各个节点的后验概率，即事故失控时，各个节点的概率。其贝叶斯网络计算，如图2。

敏感性分析。敏感性分析是描述各个父节点应急失败（事故失控）的贡献度，在贝叶斯网络中敏感性是用互信息表示的。

图2 事故失控下应急人员贝叶斯网络

从图3可以清晰的看出各类应急人员对导致事故失控的影响程度，影响大小依次为事故抢险组、信息组、应急领导小组、专家组、运行部门应急队、机关应急队、应急办公室、现场应急指导组。事故抢险组是消灭事故的第一作用者，如果他们应急能力不足，必然导致应急失败，甚至会造成事故的扩大。发生事故时，极有可能破坏企业的通讯设备，因此信息组也是应急中的一个薄弱环节。

图3 各类应急人员互信息分析

通过人员敏感性分析为提高该企业的总体应急能力指明了方向，以便于企业可以有重点的、分次序的进行改进。

图4明确的给出了应急人员的应急能力指标对应急失败（事故失控）的影响，进一步细化了提高应急能力的方向。

图4 应急人员评价指标互信息分析

对应急失败影响大小依次为保障信息畅通（X17）、及时汇报上级（X18）、专业抢救技能（X16）、专业技术知识（X20）、经验判断能力（X19）、危险物品辨识能力（X15）、应急设备熟练程度（X14）、落实应急管理工作（X21）、评价应急管理工作（X22）、检查应急物资（X24）、策划应急演练（X23）、专业抢救技能（X16）、应急预案编制能力（X1）、制定应急救援方案能力（X2）、协调应急资源能力（X3），因此可以从以上这些指标着手提高该企业的应急人员能力，从而提高整个企业的应急能力水平，进而提高对事故的控制概率。

本文基于在应急过程中所涉及到的不同人员对其分成8类进行评估研究，以某燃气发电企业为例验证模型的可操作性，并计算出该燃气发电企业控制事故即应急成功的概率。研究结论有以下几个方面。

（1）本文基于现场调研和资料查询建立了一套相对完整的应急人员能力评估指标体系。

（2）本文成功的将贝叶斯网络运用于应急人员能力的评估研究，计算出了应急成功（控制事故）的概率。并由敏感性分析寻找出可能导致应急失败的因素，为企业提高应急人员能力提供了方向。

（3）本文在研究初期由于模型建立的不合理，导致了结果与事实的不相符。因此运用贝叶斯网络时，网络结构的合理性在很大程度上决定了结果的正确性。