基于贝叶斯网络的掺氢管道泄漏风险评价方法

doi:10.16085/j.issn.1000-6613.2024-0340

化工进展 ›› 2024, Vol. 43 ›› Issue (S1): 61-70.DOI: 10.16085/j.issn.1000-6613.2024-0340

基于贝叶斯网络的掺氢管道泄漏风险评价方法

徐晴晴¹^,²(), 张璇¹^,², 赵瑞东³, 熊鑫¹^,², 蒋璐朦⁴, 禹胜阳⁴

^1.中国石油大学（北京）安全与海洋工程学院，北京 102249
^2.油气生产安全与应急技术应急管理部重点实验室，北京 102249
^3.中国石油天然气股份有限公司勘探开发研究院，北京 100083
^4.中国石油国际勘探开发有限公司，北京 100034

收稿日期:2023-03-01 修回日期:2023-05-23 出版日期:2024-11-20 发布日期:2024-12-06
通讯作者: 徐晴晴
作者简介:徐晴晴（1986—），女，博士，讲师，研究方向为管道监测和检测技术、管道完整性技术等。E-mail：xuqq@cup.edu.cn。
基金资助:
中国石油科技创新基金(2021DQ02-0801);中国石油天然气集团有限公司-中国石油大学（北京）战略合作科技专项项目(ZLZX2020-05)

Bayesian network risk assessment method for hydrogen blending natural gas pipeline leakage

XU Qingqing¹^,²(), ZHANG Xuan¹^,², ZHAO Ruidong³, XIONG Xin¹^,², JIANG Lumeng⁴, YU Shengyang⁴

^1.School of Safety and Ocean Engineering, China University of Petroleum (Beijing), Beijing 102249, China
^2.Key Laboratory of Oil and Gas Production Safety and Emergency Technology Emergency Management, Beijing 102249, China
^3.Research Institute of Petroleum Exploration & Development, PetroChina, Beijing 100083, China
^4.China National Oil and Gas Exploration and Development Company Ltd. , Beijing 100034, China

Received:2023-03-01 Revised:2023-05-23 Online:2024-11-20 Published:2024-12-06
Contact: XU Qingqing

摘要/Abstract

摘要：

氢气是一种可靠的清洁能源，开展氢气体积分数10%～20%的天然气掺氢输送是目前国内外氢气经济高效输送研究的热点。然而，掺氢后天然气的密度、热值、阻力等发生改变，打破管网的动态平衡。不同掺氢比例对管道的相容性、安全事故、完整性等均产生影响，将增大管道的失效风险。因此，本文开展掺氢天然气管道失效风险分析，通过识别掺氢过程中可能出现的各种风险因素，建立以掺氢天然气管道泄漏失效为顶上事件的事故树，再依据事故树与贝叶斯网络的映射关系转化为对应的贝叶斯网络。将时间因素纳入分析中，进行掺氢天然气管道失效的动态贝叶斯网络分析，得出导致管道失效的关键因素以及随时间变化的变化趋势。考虑到不同的掺氢比例会对管道部分基本事件的先验概率产生影响，在掺氢比例5%～30%工况下，对失效概率进行更新，获得管道失效概率随掺氢比例变化的变化趋势，为天然气管道掺氢技术的风险管理及控制提供了新的思路与方法。

关键词: 掺氢天然气管道, 失效风险分析, 贝叶斯网络, 事故树, leaky noisy-or gate模型

Abstract:

Hydrogen is a reliable clean energy, and the hydrogen doping of natural gas with a volume concentration of 10%—20% is currently a hot spot in the research on the economical and efficient transportation of hydrogen at home and abroad. However, the density, calorific value, resistance, etc. of natural gas change after hydrogen doping, breaking the dynamic balance of the pipeline network. Different hydrogen doping ratios have an impact on the compatibility, safety accidents and integrity of pipelines, which will increase the risk of pipeline failure. Therefore, this paper analyzed the failure risk of the dynamic process of hydrogen doping in natural gas pipelines, identified various risk factors that might occur in the process of hydrogen doping, established an ^{accident tree with the failure of natural gas hydrogen doping pipelines as the top event, and then transformed it into the corresponding Bayesian network according to the mapping relationship between the accident tree and the Bayesian network. The time factor was incorporated into the analysis, and the dynamic Bayesian network analysis of natural gas hydrogen doped pipeline failure was carried out to obtain the key factors leading to pipeline failure and the change trend over time. Considering that different hydrogen doping ratios would have an impact on the prior probability of some basic events of pipelines, the failure probability was updated under the condition of 5%—30% hydrogen doping ratio, and the change trend of pipeline failure probability with hydrogen doping ratio was obtained, which provided new ideas and methods for the risk management and control of natural gas pipeline hydrogen doping technology.}

Key words: hydrogen blended natural gas pipeline, failure risk analysis, Bayesian network, fault tree, leaky noisy-or gate model

中图分类号:

TE832

徐晴晴, 张璇, 赵瑞东, 熊鑫, 蒋璐朦, 禹胜阳. 基于贝叶斯网络的掺氢管道泄漏风险评价方法[J]. 化工进展, 2024, 43(S1): 61-70.

XU Qingqing, ZHANG Xuan, ZHAO Ruidong, XIONG Xin, JIANG Lumeng, YU Shengyang. Bayesian network risk assessment method for hydrogen blending natural gas pipeline leakage[J]. Chemical Industry and Engineering Progress, 2024, 43(S1): 61-70.

图/表 14

参考文献 28

1	贾文龙, 温川贤, 杨明, 等. 掺氢天然气输送管道阀室泄漏扩散规律研究[J]. 油气与新能源, 2021, 33(6): 75-82.
	JIA Wenlong, WEN Chuanxian, YANG Ming, et al. Study on leakage and diffusion of hydrogen mixed natural gas in the valve chamber[J]. Petroleum and New Energy, 2021, 33(6): 75-82.
2	尚娟, 鲁仰辉, 郑津洋, 等. 掺氢天然气管道输送研究进展和挑战[J]. 化工进展, 2021, 40(10): 5499-5505.
	SHANG Juan, LU Yanghui, ZHENG Jinyang, et al. Research status-in-situ and key challenges in pipeline transportation of hydrogen-natural gas mixtures[J]. Chemical Industry and Engineering Progress, 2021, 40(10): 5499-5505.
3	JIA Guanwei, LEI Mingyu, LI Mengya, et al. Hydrogen embrittlement in hydrogen-blended natural gas transportation systems: A review[J]. International Journal of Hydrogen Energy, 2023, 48(82): 32137-32157.
4	ZHANG Hongwei, ZHAO Jie, LI Jingfa, et al. Research progress on corrosion and hydrogen embrittlement in hydrogen–natural gas pipeline transportation[J]. Natural Gas Industry B, 2023, 10(6): 570-582.
5	TIAN Xiao, PEI Jingjing. Study progress on the pipeline transportation safety of hydrogen-blended natural gas[J]. Heliyon, 2023, 9(11): e21454.
6	许未晴, 鲁仰辉, 孙晨, 等. 天然气掺氢输送系统氢脆研究进展[J]. 油气储运, 2022, 41(10): 1130-1140.
	XU Weiqing, LU Yanghui, SUN Chen, et al. Research progress on hydrogen embrittlement in hydrogen-blended natural gas transportation system[J]. Oil & Gas Storage and Transportation, 2022, 41(10): 1130-1140.
7	WILKENING H, BARALDI D. CFD modelling of accidental hydrogen release from pipelines[J]. International Journal of Hydrogen Energy, 2007, 32(13): 2206-2215.
8	刘延雷, 徐平, 郑津洋, 等. 管道输运高压氢气与天然气的泄漏扩散数值模拟[J]. 太阳能学报, 2008, 29(10): 1252-1255.
	LIU Yanlei, XU Ping, ZHENG Jinyang, et al. Numerical simulation on the dispersion of hydrogen and natrual gas due to high pressured pipeline leakage[J]. Acta Energiae Solaris Sinica, 2008, 29(10): 1252-1255.
9	QU Guang, SUN Limin. Performance prediction for steel bridges using SHM data and Bayesian dynamic regression linear model: A novel approach[J]. Journal of Bridge Engineering, 2024, 29(7): 04024044.
10	辛颖, 王岩. 油气集输站场实时风险预警评价体系研究[J]. 中国安全科学学报, 2013, 23(5): 151-155.
	XIN Ying, WANG Yan. Study on real-time risk early-warning system in gathering station[J]. China Safety Science Journal, 2013, 23(5): 151-155.
11	刘克会, 胡玉生, 冉伦, 等. 燃气管线运行的动态风险评价[J]. 系统科学与数学, 2017, 37(8): 1828-1839.
	LIU Kehui, HU Yusheng, RAN Lun, et al. Dynamic risk assessment of gas pipeline operation[J]. Journal of Systems Science and Mathematical Sciences, 2017, 37(8): 1828-1839.
12	崔凯燕, 王晓霖, 刘明亮, 等. 基于定量RBI技术的输气站场设备风险评价[J]. 中国安全科学学报, 2016, 26(2): 152-157.
	CUI Kaiyan, WANG Xiaolin, LIU Mingliang, et al. Risk assessment of equipment in gas transmission station by quantitative RBI technology[J]. China Safety Science Journal, 2016, 26(2): 152-157.
13	宋策. 石化装置静设备动态风险管理及预知检验技术研究[D]. 北京: 北京化工大学, 2019: 39-42.
	SONG Ce. Research on dynamic risk management and predictive inspection technology of petrochemical plant static equipment[D]. Beijing: Beijing University of Chemical Technology, 2019: 39-42.
14	赵志峰. 长输管道腐蚀防护系统安全性动态评价方法研究[D]. 西安: 西安科技大学, 2017: 31-32.
	ZHAO Zhifeng. Dynamic safety evaluation method for the long-distance pipeline corrosion protection system[D]. Xi’an: Xi’an University of Science and Technology, 2017: 31-32.
15	张鹏, 游亚菲, 王璟, 等. 基于多维云模型的埋地并行油气管道风险评价研究[J]. 中国安全生产科学技术, 2022, 18(7): 149-156.
	ZHANG Peng, YOU Yafei, WANG Jing, et al. Research on risk assessment of buried parallel oil and gas pipelines based on multi-dimensional cloud model[J]. Journal of Safety Science and Technology, 2022, 18(7): 149-156.
16	汪广超. 基于云理论的原油储罐风险评价研究[D]. 成都: 西南石油大学, 2019: 31-32.
	WANG Guangchao. Study on risk assessment of crude oil tanks based on cloud theory[D]. Chengdu: Southwest Petroleum University, 2019: 31-32.
17	郝永梅, 邢志祥, 沈明, 等. 基于贝叶斯网络的城市燃气管道安全失效概率[J]. 油气储运, 2012, 31(4): 270-273, 327.
	HAO Yongmei, XING Zhixiang, SHEN Ming, et al. Calculate the failure probability of urban gas pipeline based on Bayesian network model[J]. Oil & Gas Storage and Transportation, 2012, 31(4): 270-273, 327.
18	顾建荣. 陆上油气管道急剧危害定量风险评价研究[D]. 西安: 西安建筑科技大学, 2016.
	GU Jianrong. Research on quantitative sharp disaster risk evaluation of onshore oil-gas pipeline[D]. Xi’an: Xi’an University of Architecture and Technology, 2016.
19	LI Xinhong, CHEN Guoming, ZHU Hongwei. Quantitative risk analysis on leakage failure of submarine oil and gas pipelines using Bayesian network[J]. Process Safety and Environmental Protection, 2016, 103: 163-173.
20	张俊光, 徐振超, 贾赛可. 基于Noisy-or Gate和贝叶斯网络的研发项目风险评估方法[J]. 科技管理研究, 2015, 35(1): 193-196, 206.
	ZHANG Junguang, XU Zhenchao, JIA Saike. Risk assessment on research and development project based on noisy-or gate and Bayesian network[J]. Science and Technology Management Research, 2015, 35(1): 193-196, 206.
21	申建红, 张静. 基于模糊贝叶斯网络的桥梁施工安全风险评估[J]. 哈尔滨商业大学学报(自然科学版), 2023, 39(6): 760-768.
	SHEN Jianhong, ZHANG Jing. Safety risk assessment of cable-stayed bridge construction based on fuzzy Bayesian network[J]. Journal of Harbin University of Commerce (Natural Sciences Edition), 2023, 39(6): 760-768.
22	陈立峰, 范雯杰. 基于模糊集合理论的自动雨量站故障树分析方法[J]. 现代电子技术, 2023, 46(3): 119-124.
	CHEN Lifeng, FAN Wenjie. Method of automatic rainfall station FTA based on fuzzy set theory[J]. Modern Electronics Technique, 2023, 46(3): 119-124.
23	王辉, 纪翔, 洪亮. 基于优化贝叶斯网络的油气管道失效风险安全评价[J]. 化工安全与环境, 2023, 36(1): 35-40.
	WANG Hui, JI Xiang, HONG Liang. Safety assessment of failure risk of oil and gas pipeline based on optimized Bayesian network[J]. Chemical Safety & Environment, 2023, 36(1): 35-40.
24	屈静, 张建彬, 李旭芳, 等. 基于贝叶斯网络的输油管道泄漏事故情景推演[J]. 中国安全科学学报, 2021, 31(1): 192-198.
	QU Jing, ZHANG Jianbin, LI Xufang, et al. Deduction of leakage accident scenarios of oil pipelines based on Bayesian network[J]. China Safety Science Journal, 2021, 31(1): 192-198.
25	杨永胜, 钟少波, 余致辰, 等. 一种城市燃气管网泄漏风险动态计算模型[J]. 中国安全科学学报, 2018, 28(1): 167-172.
	YANG Yongsheng, ZHONG Shaobo, YU Zhichen, et al. A model for dynamic risk calculation of urban gas pipeline[J]. China Safety Science Journal, 2018, 28(1): 167-172.
26	龚瑶, 丁锋. 天然气加氢工艺技术研究[J]. 云南化工, 2018, 45(7): 163-165.
	GONG Yao, DING Feng. Research on technology of blending hydrogen into natural gas[J]. Yunnan Chemical Technology, 2018, 45(7): 163-165.
27	赵永志, 张鑫, 郑津洋, 等. 掺氢天然气管道输送安全技术[J]. 化工机械, 2016, 43(1): 1-7.
	ZHAO Yongzhi, ZHANG Xin, ZHENG Jinyang, et al. Safety technology for pipeline transportation of hydrogen-natural gas mixtures[J]. Chemical Engineering & Machinery, 2016, 43(1): 1-7.
28	林禄彬, 郭亚唯一, 高丽, 等. 基于故障树-贝叶斯网络的管道失效概率计算研究[J]. 石油化工自动化, 2021, 57(3): 40-45.
	LIN Lubin, GUO Yaweiyi, GAO Li, et al. Study on pipeline failure probability calculation based on fault tree—Bayesian network[J]. Automation in Petro-Chemical Industry, 2021, 57(3): 40-45.

符号	事件名称	先验概率	符号	事件名称	先验概率
T	管道泄漏	—	X₉	管道线路不明确	5.18×10^-4
M₁	氢损伤	—	X₁₀	违章未及时发现	1.76×10^-3
M₂	第三方破坏	—	X₁₁	违章未及时处理	2.35×10^-3
M₃	腐蚀损伤	—	X₁₂	塌方	1.24×10^-4
M₄	设计施工缺陷	—	X₁₃	滑坡	1.24×10^-4
M₅	误操作	—	X₁₄	其他自然灾害	1.24×10^-4
M₆	氢致开裂	—	X₁₅	没有内涂层	1.16×10^-4
M₇	氢脆	—	X₁₆	内涂层失效	6.73×10^-4
M₈	施工破坏	—	X₁₇	管道侵蚀	5.00×10^-4
M₉	违章占压	—	X₁₈	防腐层失效	1.00×10^-3
M₁₀	自然灾害	—	X₁₉	防腐层检测不合格	1.00×10^-3
M₁₁	内腐蚀	—	X₂₀	阀门缺陷	1.72×10^-4
M₁₂	外腐蚀	—	X₂₁	混气设备缺陷	2.02×10^-3
M₁₃	初始缺陷	—	X₂₂	管道壁厚不均匀	5.19×10^-4
M₁₄	设计施工缺陷	—	X₂₃	焊接工艺缺陷	3.84×10^-4
M₁₅	运行误操作	—	X₂₄	焊接材料缺陷	6.78×10^-4
M₁₆	设计误操作	—	X₂₅	埋深不够	1.09×10^-3
M₁₇	维护误操作	—	X₂₆	人员培训不到位	1.00×10^-3
X₁	管道材质不合格	3.05×10^-3	X₂₇	安全措施不完善	1.53×10^-3
X₂	运行压力过高	1.69×10^-4	X₂₈	规程未严格执行	2.39×10^-3
X₃	环境温度过高	3.00×10^-3	X₂₉	强度设计不合格	9.62×10^-4
X₄	管材含碳量过高	2.50×10^-3	X₃₀	材料选择不当	1.93×10^-3
X₅	管材强度过高	6.30×10^-3	X₃₁	技术不全面	6.62×10^-4
X₆	气体压力过高	7.80×10^-3	X₃₂	设备维护差	2.20×10^-3
X₇	违章施工	2.45×10^-3	X₃₃	维护规程不合理	7.58×10^-4
X₈	管道巡线不到位	3.70×10^-4	X₃₄	维护人员能力不足	1.26×10^-3

符号	事件名称	先验概率	符号	事件名称	先验概率
T	管道泄漏	—	X₉	管道线路不明确	5.18×10^-4
M₁	氢损伤	—	X₁₀	违章未及时发现	1.76×10^-3
M₂	第三方破坏	—	X₁₁	违章未及时处理	2.35×10^-3
M₃	腐蚀损伤	—	X₁₂	塌方	1.24×10^-4
M₄	设计施工缺陷	—	X₁₃	滑坡	1.24×10^-4
M₅	误操作	—	X₁₄	其他自然灾害	1.24×10^-4
M₆	氢致开裂	—	X₁₅	没有内涂层	1.16×10^-4
M₇	氢脆	—	X₁₆	内涂层失效	6.73×10^-4
M₈	施工破坏	—	X₁₇	管道侵蚀	5.00×10^-4
M₉	违章占压	—	X₁₈	防腐层失效	1.00×10^-3
M₁₀	自然灾害	—	X₁₉	防腐层检测不合格	1.00×10^-3
M₁₁	内腐蚀	—	X₂₀	阀门缺陷	1.72×10^-4
M₁₂	外腐蚀	—	X₂₁	混气设备缺陷	2.02×10^-3
M₁₃	初始缺陷	—	X₂₂	管道壁厚不均匀	5.19×10^-4
M₁₄	设计施工缺陷	—	X₂₃	焊接工艺缺陷	3.84×10^-4
M₁₅	运行误操作	—	X₂₄	焊接材料缺陷	6.78×10^-4
M₁₆	设计误操作	—	X₂₅	埋深不够	1.09×10^-3
M₁₇	维护误操作	—	X₂₆	人员培训不到位	1.00×10^-3
X₁	管道材质不合格	3.05×10^-3	X₂₇	安全措施不完善	1.53×10^-3
X₂	运行压力过高	1.69×10^-4	X₂₈	规程未严格执行	2.39×10^-3
X₃	环境温度过高	3.00×10^-3	X₂₉	强度设计不合格	9.62×10^-4
X₄	管材含碳量过高	2.50×10^-3	X₃₀	材料选择不当	1.93×10^-3
X₅	管材强度过高	6.30×10^-3	X₃₁	技术不全面	6.62×10^-4
X₆	气体压力过高	7.80×10^-3	X₃₂	设备维护差	2.20×10^-3
X₇	违章施工	2.45×10^-3	X₃₃	维护规程不合理	7.58×10^-4
X₈	管道巡线不到位	3.70×10^-4	X₃₄	维护人员能力不足	1.26×10^-3

事件	概率
P(M₆=1\| X₁=1)	0.75
P(M₆=1\| X₁=0)	0.26
P(M₆=1\| X₂=1)	0.71
P(M₆=1\| X₂=0)	0.24
P(M₆=1\| X₃=1)	0.78
P(M₆=1\| X₃=0)	0.21

事件	概率
P(M₆=1\| X₁=1)	0.75
P(M₆=1\| X₁=0)	0.26
P(M₆=1\| X₂=1)	0.71
P(M₆=1\| X₂=0)	0.24
P(M₆=1\| X₃=1)	0.78
P(M₆=1\| X₃=0)	0.21

事件				发生概率
X₁	1	0	0	1	1	0	1
X₂	0	1	0	1	0	1	1
X₃	0	0	1	0	1	1	0
P(M₆=1)	0.69	0.66	0.75	0.88	0.91	0.9	0.97
P(M₆=0)	0.31	0.34	0.25	0.12	0.09	0.1	0.03

基于贝叶斯网络的掺氢管道泄漏风险评价方法

Bayesian network risk assessment method for hydrogen blending natural gas pipeline leakage

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 28

相关文章 2

编辑推荐

Metrics

本文评价

序号	代号	事件名称	RoV
1	X₂₃	焊接工艺缺陷	30.25
2	X₃	环境温度过高	29.67
3	X₂	运行压力过高	28.59
4	X₂₀	阀门缺陷	28.07
5	X₁	管道材质不合格	27.20
6	X₂₅	埋深不够	26.52
7	X₆	气体压力过高	26.31
8	X₂₄	焊接材料缺陷	25.55
9	X₁₅	没有内涂层	24.86
10	X₄	管材含碳量过高	24.20
11	X₂₂	管道壁厚不均匀	24.05
12	X₂₁	混气设备缺陷	23.26
13	X₅	管材强度过高	23.13
14	X₁₆	内涂层失效	19.80
15	X₁₉	防腐层检测不合格	19.00

[1]	徐双双, 赵珺, 王伟. 基于多目标差分进化算法的高炉煤气系统调度[J]. 化工进展, 2018, 37(07): 2510-2515.
[2]	夏晨曦, 韩辉, 李伟敏. 基于贝叶斯网络的粉尘爆炸多米诺效应分析[J]. 化工进展, 2016, 35(S2): 110-115.

概率等级	事件发生可能性	典型概率值
1	低	<0.001
2	中	0.0125
3	高	0.05
4	特高	>0.125

概率等级	事件发生可能性	典型概率值
1	低	<0.001
2	中	0.0125
3	高	0.05
4	特高	>0.125