基于场景集的危险气体检测报警仪选址方法

章 博, 王志刚, 王彦富, 蔡文斌， 邹牛洋

(1.中国石油大学机电工程学院,山东青岛 266580; 2.广西天然气管道有限责任公司，广西北海 536000;3.西安石油大学石油工程学院，陕西西安 710065)

基于场景集的危险气体检测报警仪选址方法

章 博1, 王志刚2, 王彦富1, 蔡文斌3， 邹牛洋1

(1.中国石油大学机电工程学院,山东青岛 266580; 2.广西天然气管道有限责任公司，广西北海 536000;3.西安石油大学石油工程学院，陕西西安 710065)

传统以典型或等概率泄漏场景为代表开展危险气体检测报警仪选址的做法未能体现装置真实风险,报警仪的探测效率较低。提出一种基于场景集的危险气体检测报警仪选址方法。融合泄漏源工况和风场等重要随机因素生成可能发生的泄漏场景,并定量预测场景发生概率。以概率加权法建立报警仪选址方案的定量评价指标,结合报警仪数量约束构建随机优化模型。结合气体扩散经验模型定义泄漏场景风险指数,在保证风险覆盖率的前提下,优选最大可信场景进行CFD数值模拟。基于量子粒子群算法实现优化模型的定量求解。以某柴油加氢装置为例,采用该方法进行硫化氢检测报警仪选址优化。结果表明,通过该方法获得的最优选址方案与原布置方案相比可较大程度地提高探测效率。

泄漏场景集; 气体检测报警仪; 选址优化; 随机优化; 炼油装置

炼油装置在生产过程中可能发生有毒、可燃气体泄漏事故,危险气体检测报警仪作为炼油装置的一项重要保护层,是关联其他安全系统(如报警系统、ESD(emergency shut down)、ISC(ignition source control)、BD(blow down))的重要环节。若气体探测报警系统在泄漏发生时正常发挥作用,可大大降低事故损失。然而,相关统计数据表明气体泄漏成功探测并报警的效率却不如人意。危险气体检测报警仪选址优化的重点在于须考虑气体泄漏的多种不确定性因素,并实现在各种可能泄漏场景下的综合表现最优。目前,基于选址问题的随机优化方法已逐渐成为解决该问题的首选方法。如Legg等[1-2]采用FlACS软件对研究装置进行泄漏扩散后果模拟,提出了混合整数线性规划(mixed-integer linear programming formulation,MILP)优化模型。Benavides-Serrano等[3-4]提出了考虑检测报警仪不可用性和表决逻辑的随机规划模型。Lee 等[5]通过对多个典型泄漏场景计算模拟,对影响气体泄漏风险的多个因素进行权重赋值,分别得出各场景区域风险,并结合动态优化算法得出了最终优化布置方案。Seungho等[6]考虑场景风险最小化建立数学模型,采用蒙特卡洛方法进行随机优化。传统以典型或等概率泄漏场景为代表开展气体检测报警仪选址随机优化的做法未能体现装置真实风险[7-9]。为此,笔者提出一种基于场景集的危险气体检测报警仪选址优化方法，充分考虑随机因素历史数据信息定量预测场景发生概率。基于泄漏场景集,以概率加权法建立气体检测报警仪选址方案的定量评价指标,结合报警仪数量约束构建随机优化模型，获得最优选址方案。

1 泄漏场景集构建原理

场景集能包含重要随机性因素且可准确预测其发生概率,是气体检测报警仪选址优化方案有效可靠的关键[10]。现场装置可能发生的危险气体泄漏主要受泄漏源位置、泄漏流速、风向、风速等不确定因素影响。本文中考虑以上随机因素,通过泄漏源集和风场集的构建及概率预测,定量构建装置近似真实的危险气体泄漏场景集。

1.1 泄漏源集构建及泄漏概率预测

在泄漏易发性评估过程中,常以泄漏孔径分布为基准定义泄漏模式[11-12]。据国外典型泄漏孔径分类,分为小、中、大孔泄漏及灾难性破裂4种情形[13-14]。由于同时发生多个关键设备泄漏事件的概率较低,因此泄漏源集中泄漏场景均为单个泄漏工况,泄漏源集表示为

L=[l∂δ]1≤∂≤n,1≤δ≤4．

(1)

式中,L为泄漏源集;l∂δ为第∂个设备的第δ个泄漏孔径类型的泄漏源;n为辨识出的设备装置数目;δ的取值:1、2、3、4分别代表小孔泄漏、中孔泄漏、大孔泄漏及破裂。

根据挪威船级社的石化装置同类设备失效数据库数据,计算研究装置的泄漏概率为[14-16]

(2)

式中,g为所求泄漏源孔径,mm;q、z分别为同类设备失效数据库给定孔径区间的左、右端点尺寸,mm;Pq、Pz分别为泄漏孔径为q、z的同类设备失效频率;FE为设备修正系数;FM为管理修正系数。

1.2 风场集构建及联合分布概率预测

风向、风速分别决定泄漏气云扩散的主要方向和速度,故采用风速、风向联合分布的方式描述风场[17]。采用基本方向将风向划分为8个子风向。以0 m/s和近十年中出现的最大风速值vmax为端点,以ΔU=2 m/s为间隔,将风速区间划分为若干个风速子区间。0.2 m/s以下风速视为静风[18]。风场集表示为

W=[wθv]1≤θ≤8,1≤v≤m．

(3)

其中

m=vmax/ΔU．

式中,W为风场集;wθv表示在θ风向区间上风速在v区间内的风场。

根据大数定律,取研究对象所在区域长时期气象历史数据,整理分析得到风场联合分布概率P(wθν)。

1.3 泄漏场景生成

将泄漏源和风场这两个独立参数随机组合,可构造出众多可能发生的泄漏场景Sθv∂δ。各泄漏场景的发生概率为

P(Sθv∂δ)=P(wθv)P(l∂δ)．

(4)

式中,P(Sθv∂δ)为Sθv∂δ泄漏场景发生概率;P(l∂δ)为泄漏源l∂δ的发生概率。

2 优化模型

2.1 目标函数

基于定量预测场景集,利用概率加权法建立气体检测报警仪选址方案的定量评价指标。以累积检测报警时间最小化为优化目标,表示为

(5)

其中

ti=min{tijXj},∀j∈J,Xj=1.

式中,T为累积检测报警时间;ki为第i个场景的发生概率;J为报警仪布置备选点集合;Xj为选址方案的二元决策向量,取1表示该备选点布置报警仪,取0则表示该备选点不布置报警仪;tij为在第i个场景下第j个备选点达到报警阈值的时间;ti为选址方案在第i个场景下最先达到报警阈值的时间。

报警仪布置备选点须依据危险气体检测报警仪布置高度和间距的相关标准规定设置。值得注意的是,累积检测报警时间T仅作为综合评价布置方案在各场景下表现的量化指标,不具备实际检测报警时间意义。

2.2 约束条件

对于某个确定的现场装置,根据企业报警仪布置的投资额,会有报警仪数目D的限制;并且当报警仪的数目增加到一定数量时,累积检测报警时间T减小幅度逐渐变缓,最终不再降低。有必要设定报警仪的数目约束为

(6)

此外,实际存在某些备选点在某场景下始终未达到报警阈值的情况,从而导致优化方案出现较多场景检测失败的情况。为此,对该情况下的tij赋予一个较大的惩罚值Pv,并限定招致惩罚的场景不超过to。约束条件表示为

(7)

2.3 场景优选

模型中的输入值tij须根据危险气体报警阈值由监测点的实时浓度数据转化而来。为获取符合现场装置布局的气体扩散实时浓度数据,须建立研究装置的CFD三维精细模型,采用FLUENT、FLACS等CFD软件对泄漏场景进行数值模拟。理论上按提出的方法已生成完备泄漏场景集。然而精细模拟全部泄漏场景将耗费大量计算成本。以某柴油加氢装置为例,采用高性能计算机(CPU:Core i7-4790@3.6GHz,八核;RAM:32GB)进行单泄漏场景300 s的FLUENT模拟所需CPU时间约合23 h。在精细模拟前,有必要通过场景优选降低计算成本。

采用Pasquill-Gifford模型估算各泄漏场景下不同位置上的危险气体浓度[19]为

(8)

式中,C(x,y,z)为坐标x,y,z上的气体浓度,mg/m3;Q为连续稳态源质量流速,mg/s;δy、δz分别为横向和垂直扩散系数;H为泄漏源相对于地面的高度,m;u为风速,m/s。

针对有毒气体,利用毒物剂量-反应模型划定暴露30 min内死亡概率P∈(0,1]的急性中毒危险区域[20-22],公式如下:

(9)

(10)

式中,Y为概率变量;A、B为毒物的性质常数;n为浓度指数;t为暴露时间,min;P为概率;w为一个积分变量。

可燃气体则依据可燃浓度范围划定可燃气云范围。采用MATLAB编程计算急性中毒危险区域面积或可燃气云体积表征该场景的后果严重程度。定义场景后果严重程度与场景发生概率的乘积为场景风险指数。分别以不同风险指数量级为标准选取场景集,分析工程计算准确性与经济性的最佳平衡点,在保证风险覆盖率的前提下优选最大可信场景进行数值模拟。

2.4 基于量子粒子群算法的模型求解

模型通过枚举满足约束条件的报警仪选址组合,对各组合方案进行比较,实现最优选址方案求解。然而当J和D数目较大时将产生组合爆炸,属NP-hard问题(non-deterministic polynomial)[23]。采用粒子群优化算法可解决此问题。为提高计算效率,首先要降低粒子维数。将二元决策向量Xj转变为D维决策向量x=(x1,x2,x3,…,xD),代表D个报警仪布置点的位置编号。由于xD为整数,还须解决粒子取整问题。采用量子粒子群算法对模型进行求解。粒子位置取整采用随机取整法[24]。适应度函数为

(11)

其中

进化方程可描述为

(12)

其中

3 优化方法应用实例

3.1 泄漏场景集

柴油加氢装置中广泛存在硫化氢气体,由于设备或人为因素,在开停工、日常生产及检维修过程中易发生硫化氢泄漏事故,危及现场操作人员及周边群众生命健康。现以某柴油加氢装置为例采用所提方法开展硫化氢检测报警仪选址随机优化。该套装置大小为215 m×60 m,主要包括加氢精制反应器、循环氢脱硫塔、脱硫化氢汽提塔、产品分馏塔和分馏塔底重沸炉等设备。根据装置工艺参数,按上述方法共得该装置的64个硫化氢泄漏源及其发生概率,如表1所示。该装置所在地近十年的风速风向联合分布频率统计数据如表2所示。将泄漏源和风场随机组合可构建出2 560个可能发生的泄漏场景。

依据本文中方法计算出各泄漏场景风险指数,以不同风险指数量级为标准选取场景集,对应场景数量和风险分布情况如表3所示。可见以10-1量级为标准优选406个泄漏场景纳入场景集,既满足风险覆盖率的要求,又可大幅降低场景精细模拟成本,达到了工程计算准确性与经济性的最佳平衡。

表1 重点设备硫化氢泄漏概率Table 1 Probability of hydrogen sulfide leakage on key equipments 10-5

表2 风速风向联合分布频率统计Table 2 Joint distribution frequency of wind speed and direction 10-3

表3 场景数量和风险指数随选取标准变化情况Table 3 Number and rick of scenarios under different selection criteria

3.2 报警仪选址优化

获得硫化氢泄漏场景集后,建立该装置CFD三维精细模型。模型计算区域为306 m、宽110 m、高30 m,装置模型位于计算域中心。依据硫化氢检测报警仪高度和间距设置规定,在预设高度平铺设置484个监测点作为泄漏检测报警仪布置的备选点,如图1所示。采用FLUENT对优选的406个场景进行精细数值模拟,获取各备选点的硫化氢扩散实时浓度数据。

图1 柴油加氢装置CFD模型Fig.1 CFD model of diesel-hydrogenated unit

取硫化氢报警阈值为10×10-6[25],由实时浓度数据转化获得备选点在各场景下达到报警阈值的时间。采用MATLAB编写粒子群优化算法程序实现模型求解。不同D约束下的最优选址方案对应T值如图2(a)所示。原选址方案布置15个报警仪。同样数量报警仪情况下,经该方法优化后的选址方案T值降低了90%,综合效率提升了近10倍。图2(a)中显示当报警仪数量D≥16时,选址方案定量评价指标T基本不变,确定报警仪最优布置数量为16,对应选址如图3所示。如图2(b)所示,与原选址方案有3.1%的场景检测失败相比,最优选址方案可成功检测全部优选场景。说明模型中提出的赋予惩罚值和限定招致惩罚场景数量的方法有效避免了原选址方案出现较多场景检测失败的情况。此外,采用最优选址方案可使36%的泄漏场景的检测报警时间降低90%以上。对比可知,通过该方法获得的报警仪选址方案,可较大程度提高硫化氢检测报警仪的检测效率。

图2 不同报警仪布置方案的表现对比Fig.2 Performance comparison of different detector layout scheme

图3 硫化氢检测报警仪布置最优方案Fig.3 Optimal placement for hydrogen sulfide detector layout

4 结 论

(1)建立的随机优化模型中针对实际存在某些备选点在某场景下始终未达到报警阈值的情况,提出的赋予惩罚值和限定招致惩罚场景数量方法解决了布置方案出现较多场景不能成功检测的问题。利用气体扩散经验模型提出的场景优选方法,在保证风险覆盖率的前提下优选了最大可信场景,兼顾了工程计算的准确性与经济性,实现了模型快速准确求解。

(2)通过新方法获得的最优选址方案与原布置方案相比较大程度地提高了探测效率。

[1] LEGG S W, BENAVIDES-SERRANO A J, SIIROLA J D, et al. A stochastic programming approach for gas detector placement using CFD-based dispersion simulations[J]. Computers & Chemical Engineering,2012,47(12):194-201.

[2] LEGG S W,WANG C,BENAVIDES-SERRANO A J,et al. Optimal gas detector placement under uncertainty considering conditional-value-at-risk[J]. Journal of Loss Prevention in the Process Industries,2013,26(3):410-417.

[3] BENAVIDES-SERRANO A J,MANNAN M S,LAIRD C D. A quantitative assessment on the placement practices of gas detectors in the process industries[J]. Journal of Loss Prevention in the Process Industries,2015,35(3):339-351.

[4] BENAVIDES-SERRANO A J,LEGG S W, VZQUEZ-ROMN R, et al. A stochastic programming approach for the optimal placement of gas detectors: unavailability and voting strategies[J]. Industrial & Engineering Chemistry Research,2014,53(13):5355-5365.

[5] LEE R W,KULESZ J J. A risk-based sensor placement methodology[J]. J Hazard Mater, 2008,158(2/3):417-429.

[6] SEUNGHO J,DEDY N,JIN H L, et al. An approach for risk reduction (methodology) based on optimizing the facility layout and siting in toxic gas release scenarios[J]. Journal of Loss Prevention in the Process Industries, 2010,23(1):139-148.

[7] STEPHEN D,DEJMEK M,PORTER L,et al. A risk-based approach to flammable gas detector spacing[J]. Journal of Hazardous Materials,2008,159(1):142-151.

[8] RONALD W L,JAMES J K. A risk-based sensor placement methodology [J]. Journal of Hazardous Materials,2008,158(2/3):417-429.

[9] RAMIREZ-MARENGO C,DIAZ-OVALLE C, VZQUEZ-ROMN R, et al. A stochastic approach for risk analysis in vapor cloud explosion[J]. Journal of Loss Prevention in the Process Industries,2015,35(3):249-256.[10] 杨永青. 油田开发规划的随机规划模型及求解[D].青岛:中国石油大学,2008. YANG Yongqing. Stochastic programming modeling and solving for oilfield development programming[D]. Qingdao:China University of Petroleum,2008.

[11] 成松柏,陈国华.石化装置泄漏易发性预测方法应用研究[J]. 灾害学,2008,23(2):106-111. CHENG Songbai, CHEN Guohua. Study on the application of petrochemical equipment leakage prediction method[J]. Journal of Catastrophology,2008,23(2):106-111.

[12] 王磊,陈国华,蒋利军. 石化装置泄漏易发性评估方法及其应用研究[J]. 石油化工设备,2009,38(1):79-84. WANG Lei,CHEN Guohua,JIANG Lijun. Research and application of leak susceptibility assessment method in petrochemical plant[J]. Petro-Chemical Equipment,2009,38(1):79-84.

[13] American Petroleum Institute. Risk based resource document: API581 [S].Washington D. C: API Publishing Services, 2000.

[14] 于立见,多英全,师立晨,等. 定量风险评价中泄漏概率的确定方法探讨[J]. 中国安全生产科学技术, 2007,3(6):27-30. YU Lijian,DUO Yingquan,SHI Lichen,et al. Method for determinating probabilities of leaks in quantitative risk assessment[J]. Journal of Safety Science and Technology， 2007,3(6):27-30.

[15] CHENG Songbai, CHEN Guohua. Investigation on the leak accident prediction of petrochemicalinstallations[J]. Journal of Pressure Equipment and Systems, 2008,6:97-101.

[16] 男政,叶志祥. 挪威船级社定量风险评估方法解析[J]. 中国海上油气 (工程),2001,13(5):45-47. NAN Zheng,YE Zhixiang. Analysis of the quantitative risk evaluati on metlled of DNV[J]. China Offshore Oil and Gas(Engineering),2001,13(5):45-47.

[17] 于洪喜,李振林,张建,等. 高含硫天然气集输管道泄漏扩散数值模拟[J]. 中国石油大学学报(自然科学版),2008,32(2):119-122,131. YU Hongxi, LI Zhenlin, ZHANG Jian, et al. Numerical simulation of leakage and dispersion of acid gas in gathering pipeline[J]. Journal of China University of Petroleum (Edition of Natural Science), 2008,32(2):119-122,131.

[18] 中国气象局.地面气象观测规范:QX/T51-2007 [S].北京:气象出版社,2007.

[19] 章博. 高含硫天然气集输管道腐蚀与泄漏定量风险研究[D]. 东营:中国石油大学, 2010. ZHANG Bo.Analysis on risk due to corrosion and leakage of high sulfide natural gas gasthering pipeline [D].Dongying:China University of Petroleum,2010.

[20] 国家安全生产监督管理总局.化工企业定量风险评价导则:AQ/T3046-2013 [S].北京:煤炭工业出版社,2013.

[21] 于辉,刘茂,刘付衍华. 毒气泄漏场景下基于蒙特卡罗的工厂布局研究[J]. 中国安全科学学报,2011,21(2):171-176. YU Hui, LIU Mao, LIUFU Yanhua. Research on facility layout of factories under toxic release based on monte-carlo simulation[J]. China Safety Science Journal,2011,21(2):171-176.

[22] 章博,陈国明. 毒气泄漏环境下人员暴露风险评估[J]. 石油化工高等学校学报,2009,22(2):73-76. ZHANG Bo,CHEN Guoming.Personnel exposure risk assessment in the circumstance of toxic gas leakage[J]. Journal of Petrochemical Universities,2009,22(2):73-76.

[23] DINLER D, TURAL M K, IYIGUN C. Heuristics for a continuous multi-facility location problem with demand regions[J]. Computers & Operations Research, 2015,62(10): 237-256.

[24] 杨荣华,刘建华. 量子粒子群算法求解整数规划的方法[J]. 科学技术与工程,2011,11(33):8195-8198. YANG Ronghua, LIU Jianhua.Solving integer programming based on quantum particle swarm optimization[J].Science Technology and Engineering,2011,11(33):8195-8198.

[25] 国家发展和改革委员会.含硫油气田硫化氢监测与人身安全防护规定:SY-T6277-2005 [S].北京:石油工业出版社,2005.

(编辑 沈玉英)

An approach to placement optimization of gas detectors based on leakage scenario set

ZHANG Bo1, WANG Zhigang2, WANG Yanfu1, CAI Wenbin3, ZOU Niuyang1

(1.College of Mechanical and Electronic Engineering in China University of Petroleum, Qingdao 266580, China;2.GuangxiGasPipelineCompanyLimited,Beihai536000,China;3.PetroleumEngineeringAcademy,XianShiyouUniversity,Xian710065,China)

The traditional gas detector placement method using typical or equal probability leakage scenarios can not reflect the actual risk, and the detection efficiency is also low. Basing on the approximate real leakage scenario set, this article proposes a new approach to gas detector placement optimization. It combines leaking condition and wind field to build leakage scenes that will probably occur and predicts the probability of each leakage scenario quantatively. The probability weighting method was applied to establish the quantitative evaluation index for the detector layout. With the constraint of detector number, the stochastic optimization model was developed. The gas leakage empirical model was also integrated to define the risk index for leakage scenario and the most credible scenario was selected to perform a CFD-based dispersion simulation. To obtain the optimal gas detectors placement efficiently, the quantum particle swarm optimization(QPSO) was employed to solve this model. The method mentioned above was applied to the optimization of hydrogen sulfide detectors for a diesel hydrogenation unit. The results demonstrate that the optimal hydrogen sulfide detectors placement can significantly improve the detection efficiency compared with the original layout.

leakage scenario set; gas detector; placement optimization;stochastic programming;oil refinery installations

2016-02-22

山东省自然科学基金项目 (ZR2016EEM27);国家自然科学基金项目(51409260);中央高校基本科研业务费专项(2012-487);2012年度山东省安全生产科技发展计划项目(LAK2012-6)

章博(1980-),男，副教授,博士,研究方向为油气安全工程、安全工程信息化技术以及安全管理工程等。E-mail:zhangbo@upc.edu.cn。

1673-5005(2016)06-0156-07

10.3969/j.issn.1673-5005.2016.06.020

X928.03; X928.5; X937

A

章博,王志刚,王彦富,等. 基于场景集的危险气体检测报警仪选址方法[J]. 中国石油大学学报(自然科学版), 2016,40(6):156-162.

ZHANG Bo, WANG Zhigang, WANG Yanfu, et al. An approach to placement optimization of gas detectors based on leakage scenario set[J]. Journal of China University of Petroleum (Edition of Natural Science), 2016,40(6):156-162.