联立GO-贝叶斯的气田站场系统失效可能性研究

田 帝 朱丽霞 李丽锋 罗金恒 李 霄 郝晓东

（1. 西安石油大学，陕西 西安 710064；2. 中国石油集团工程材料研究院有限公司，陕西 西安 710077；3. 中国石油天然气股份有限公司规划总院，北京 100083）

0 引言

气田站场是开采、运输、储存石油和天然气的核心，据统计，目前中国石油有站场约16000座，规模庞大且功能齐全，可以满足油气开发等的生产需求[1]。由于站场内设备繁多且输送和储存介质均有腐蚀性、易燃易爆性，随着在役周期不断增长，失效问题引发的站场事故成为站场安全面临的潜在威胁[2]。需要有完整的风险评价体系提高其可靠性，站场的失效概率由各子系统失效概率与功能失效系数相乘。常用的方法有蒙特卡罗法、故障树分析法、马尔可夫状态空间法、GO法等。这些方法不可避免一定的主观性，失效概率的计算多数源于以往的事故数据，由于国外对站场历史失效数据库方面更加完善，而国内在站场失效数据方面存在缺失，尚未建立失效数据库，通常是参考欧美发达国家相关标准将统计数据修正后，再对站场实施定量风险评价[3-5]。相比于集输管道的事故分析和安全评价方法[6,7]，气田站场有更多复杂因素[8,9]。并且站内对周边人员造成的安全影响，在80%的风险中因设备引起的占比就达到20%。

关于气田站场的失效可能性研究目前不够完整，分析多以单个设备为对象，对设备间相互影响考虑欠缺，也没有系统性的方案。本文从站场整体系统的角度，将所有影响站场失效的因素串/并联而不是单一考虑设备的失效概率。通过对近年来新建站场的规模、设计参数分析，将整个站场功能和运行状态不同的单元进行划分。在确定站场典型设备和管道失效概率的基础上，采用以成功为导向的可靠性分析法GO法，建立GO图再结合贝叶斯网络得出站场的系统风险水平。

1 气田站场失效可能性计算方法

1.1 蒙特卡罗法（Monte Carlo）

蒙特卡罗法[10]是一种基于概率和统计学的随机模拟方法，通过对实验抽样调查来推断未知特性量。这种方法可以充分体现出随机因素对系统运行过程中的影响并反映出活动的动态过程。它的基本步骤是根据需要求解的问题从建立概率模型入手，使其参数等于问题的解，再对概率模型进行抽样试验计算参数特征，最后得出解的统计估计值和精度估计值。蒙特卡罗模型在系统中有多种形式，只要建立起系统和系统内设备正常和故障之间的联系，用可靠性参数计算出故障前平均时间，每一个设备使用随机发生概率计算，即可得到系统的失效概率。

纪文[11]等对某气田压缩站内的压缩机组用蒙特卡罗法做了局部敏感性分析，得出对机组效率影响最大的是压缩天然气进出口压力，给出了进出口压力不应大于压力表最高量程2/3，不应小于压力表最高量程的1/3、传感器取压点应安装在压力波动小且距进排气阀较近的位置等提高压缩机组效率测量结果准确性的措施。何蕾[12]等对储气库运行中关键设备工况变化和失效机理采用蒙特卡罗法进行失效可能性计算，并用蒙特卡罗法对极限状态方程中的部分变量进行抽样获得可靠训练样本，结合BP神经网络拟合，建立设备单元可靠性模型。反映出设备单元可靠度在不同工况下的规律。马小芳[13]等在具有多重腐蚀缺陷的管道可靠性分析中基于原始的蒙特卡罗法进行改进，利用尾概率的规律性降低了计算成本，并考虑到随机变量之间的相关效应，将失效概率降低了大约2倍。Zaki Syed[14]等在分析地下储气库设备中，建立了一种热液性能和潜在破坏事件的蒙特卡罗模拟结合的模型，通过天然气供应短缺的严重程度和这种短缺的频率来量化风险，并具有高度的可配置性，可用于分析许多可能影响到储气库设施的潜在事件。

1.2 故障树分析法（Fault Tree Analysis-FTA）

故障树分析法[15]是一种从上往下采用演绎形式的分析方法，这种方法可以清晰的呈现出事故发生的各种因素和逻辑关系图。它的基本步骤是先确定顶事件即系统中最不希望出现的事件，从顶事件起由因至果层层分析引起故障的各种因素，直到基本事件为止，再将所有事件用逻辑关系组合构成完整的故障树。对于体系较庞大的故障树，可以去掉明显的逻辑多余事件和逻辑多余门对其进行简化。最后进行定量分析时需要由基本事件发生概率按照逻辑代数运算法则计算顶事件发生概率和最小割集。再用顶事件发生概率对基本事件发生概率的偏导数求出基本事件对顶事件的概率重要系数。

祝新泰[16]等对站场设备的失效可能性采用了故障树分析法，弥补了国内同类设备失效数据库不足，并通过层次分析法建立层次结构模型和模糊概率法将专家给出意见的自然语言转换成模糊数，提高了专家判断的客观性和科学性，同时增加了现场工作人员的可操作性。陈文贤[17]等在站场设备失效模式分析的基础上建立了故障树模型，将站场储罐腐蚀穿孔作为顶事件，用层次分析法和模糊概率法进行主客观赋权的同时，并编写了含工程管理、故障树分析、失效概率定量分析、风险评价、结果输出和帮助六种模块组成的失效分析软件，计算结果验证了失效可能性与无损检测结果相符，得出绝缘涂层和阴极保护的重要度较高。程茂[18]等在天然气站场失效可能性分析中，将故障树分析法与事件树法和故障模式及影响分析法做了对比，总结出站场风险控制与安全管理有必要根据设备特点及工艺流程区块进行分析。李平[19]等在输气站场收球区用故障树分析法归纳出失效底层的所有基本事件，并计算出顶事件模糊失效概率，做出失效后果分析和风险等级划分，解决了输气站场缺乏风险因素的客观失效概率的问题。黄亮亮[20]等在输气站场设备失效可能性分析中考虑到故障概率及事件间联系的不确定性以传统故障树分析法为基础，引入T-S模糊故障树，将基本的指标评价转化成当前工况下的故障程度，再计算故障可能性值，最后采用模糊数学的方法将故障可能性值转化为失效概率，解决了系统内部故障机理不确定的问题。Halloul[21]等在站场原油罐区失效可能性研究中，采用故障树分析法并结合了专家访谈，给出了事故影响范围和损害强度分布。

1.3 马尔可夫状态空间法（Markov Analysis）

马尔可夫链[22]是机器学习和人工智能的基石，在状态空间中从某个状态转换到另一个状态的随机过程，并且下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。它的核心思想是用现有动态变化状况来预测未来动态。该方法适用于一切具有某种变化趋势、随机波动性大的中长期事件的预测评估，可使建模和预测结果更加有效、可靠，具有更高的拟合度，在动态预测模型中是一种实用性强的方法。

苏继军[23]等提出一种基于贝叶斯推断的复杂系统可靠性分析方法，利用事件树图对复杂系统结构进行建模，归纳可用的数据类型，对组件随机模型和先验分布进行描述。利用马尔可夫蒙特卡洛法对模型求解，构建计算示例验证方法的可行性与有效性。骆正山[24]等在埋地管道腐蚀速率的预测中应用优化的马尔可夫链预测模型，提出二次平滑指数法优化和粒子群算法优化状态区间白化系数，得到残差序列状态转移状态中出现的概率最大的点。在对气田某段油气管道进行实例分析时预测结果的精确度提高了40.33%。李威君[25]等在应用故障树对站场进行分析时考虑到故障树是静态的，在动态建模方面存在不足，忽略了因果关系的动态关联性等问题，提出了风险动态评估方法，在故障树的动态推理借助马尔可夫链等辅助方法来处理动态问题。并在站场作业过程中进行了应用，论证了方法的有效性。Wari E[26]等针对油气行业管道腐蚀失效提出了一种用于油气管道腐蚀维护的连续状态部分可观测马尔可夫决策过程模型，用来检测腐蚀类型，确定其严重程度，并预测恶化率，计划未来的监测计划和维护政策。

1.4 GO法（GO Oriented）

GO法[27]是一种以成功为导向的系统概率分析技术，其本质是将系统的工艺流程图转变成GO图。它的基本步骤是先通过对系统的分析来构造相应的可视化模型GO图，然后对系统进行定性定量分析，找到系统薄弱环节，计算各种可靠性指标。在具体设备反映之间的逻辑关系中定义有17种操作符，用信号流将其连接可呈现出动态时序性，连接逻辑采用正常的工作路径，即面向成功的建模方法。得到的系统GO模型可以反映出系统的原貌，表达出系统中各部件之间的物理关系和逻辑关系。

姚安林[28]等对输气站场进行可靠性分析，根据站场的工艺流程特征，将站场划分为7个子系统并建立了GO图模型，进行了站场的定量可靠性分析，得出系统、设备、元件的失效概率重要度，充分体现出站场内单体设备之间的停工相关性、维修相关性和备用相关性。岳铭亮[29]等在输气站场的可靠性分析中，将GO法引入危险与可操作性分析中，应用在站场调压子系统直观的反映了系统单元状态及单元间逻辑关系，减少了危险与可操作性分析专家人为主观因素，有助于提高工作人员对设备状态异常的分析和应急处置能力。周夏伊[30]等在油气集输站场失效可能性研究中，基于API RP581和GO法，利用GO操作符定量计算公式，确定各子系统及站场整体的失效可能性值，最后应用在某油田联合处理站，确定了站场的失效可能性等级。

1.5 四种失效可能性计算方法对比

通过以上四种失效可能性计算方法，从适用范围及其优缺点方面如表1所示，做出对比总结，蒙特卡罗法的局限性在于它是基于概率统计理论的方法，是通过随机抽样进行模拟的，对参数的依赖强，计算精度难以保证，因此模拟结果存在一定的偏差且稳定性较差。故障树分析的局限性在于它是针对系统中某一特定事故进行分析，而不是针对一个过程或设备系统进行分析，不同人员绘制出的故障树会有误差，这种误差跟主观判断联系紧密。马尔可夫状态空间法局限于本身性质的无记忆性，不考虑过去的状态对当前状态的影响。GO法虽然对分析人员要求较高，但现阶段在站场的失效可能性分析中仍占主导地位，GO法应用在站场因设备繁多会存在众多操作符和复杂的信号流。

表1 失效可能性计算方法对比

2 气田站场设备主要失效模式

气田站场储存和运输主要有凝析油和天然气。按照站场工艺单元分为原油处理、天然气处理和水处理[31]。将站场设备局部划分为静设备、动设备和集输管线。静设备主要有收发球筒、各式过滤分离器、塔器、凝析油罐、阀门和管线，动设备主要有泵和压缩机[32]。集输管线是连接站场内各种设备的重要部件，失效模式有腐蚀、变形和断裂三种。腐蚀一般是外防腐层破坏导致的大气腐蚀和支撑管线处裸露在外的腐蚀，埋地管线的腐蚀与土壤环境、地下水位和阴极保护措施有关，内腐蚀与管线输送中常含有的Cl-、H2S、CO2等介质和流速有关，变形的原因有超压、振动、残余应力、外力损伤、壁厚、地基沉降，断裂的原因有管线选材、应力集中、安全装置失灵[33-35]。储罐失效除了地基沉降主要集中在底板的焊缝缺陷、罐顶浮舱腐蚀渗漏、罐壁变形泄漏。离心泵是站场输送介质的动力装置，温度、压力、流量等热力性能指标相对稳定，它是由轴承、转子、壳体、密封等部件构成的，主要失效模式是机器零部件松动、缺陷、损坏等导致的机械功能失效。往复式压缩机在油气田站场中广泛应用，关键部位包括曲轴、柱塞/活塞杆、气缸、十字头等。主要失效模式为机械功能和热力性能失效两方面，失效特征有气阀泄漏、柱塞/活塞杆断裂、气缸开裂、密封失效、曲轴断裂、螺栓断裂等[36,37]。

3 气田站场子系统划分及GO图建立

3.1 气田站场子系统划分

通过操作符和信号流基于气田站场工艺流程组建GO图，若对整体分析，建立的体系庞大计算繁琐容易出错，故对系统进行简化后再合并。为了简化GO图分析，有必要将站场子系统进行划分。根据油气田站场工艺流程归纳如图1所示，为站外转油、原油处理、多井等来液混合，对含水油脱水、稳定等，进入缓冲罐储存或通过泵增压外输。

图1 气田站场工艺流程图

天然气处理将单井来气通过分离器气液分离后增压进入吸收塔脱水脱烃处理使达到外输标准后增压外输。同时对污水的处理和排放也要达标。将气田站场划分为收集、过滤分离、脱水稳定、储存、增压、外输、放空与排污7个子系统。明确了子系统和各单元功能后，确定输入端和输出端再结合操作符与信号流表示它们之间的逻辑关系，建立GO图。在可修系统中通常还需要参数失效率λ和平均维修时间MTTR。数据方面可从设备供应商中获得，要是没有相关数据，可以由专家在现场勘察收集数据并分析。最后根据运算法则逐步计算至输出端[38,39]。

3.2 贝叶斯网络与GO图的结合

贝叶斯网络是一种能处理好变量间不确定关系的因果关联模型[40]，将它与GO图结合，实现操作符与网络节点的互换，可优化复杂的计算映射出节点的条件概率[41]。根据贝叶斯公式：P（Bi│A）=P（Bi）P（A│Bi）/Σ P（Bi）P（A│Bi），（i=1，2，…，n)其中P（Bi）为先验概率，P（Bi│A）为后验概率，P（A│Bi）为条件概率。将其转换为贝叶斯网络先对建立好GO图的信号流编号，对信号流i映射后的贝叶斯网络节点为H=｛H1，H2，…，Hn｝。确定信号流i前的操作符Oi，按照3.1图1中的操作符对应，第1种将操作符C和输入端S映射为父节点，输出端R为子节点。第2、3、4、6种逻辑操作符，Oi输入端S映射到父节点，输出端R映射到子节点。第5种各个信号相互独立，可直接将输出端R映射到根节点Hi。最后判断Hi若为输出信号，直接完成映射，若不是，对下一个信号映射，直至为输出信号结束转换[42]。

4 实例分析

以某气田站场为例，本文仅对站场核心单元增压子系统进行分析计算，其余6个子系统均适用。增压子系统来气进入阀组区，过滤器过滤后再通过压缩机将气体压缩，最后经过空冷器冷却达到外输标准。来油经过三相分离器后到达再生塔通过塔底的重沸器再到储罐最后外输。增压子系统设备失效如表2所示，阀组、机械过滤器、压缩机的失效概率较高。

表2 增压子系统设备失效

集输管道失效多数会发生在埋地管道，因为埋地管道除受地基沉降外受土壤因素和电流影响较为严重[43,44]，符合站场实际失效情况，应制定合理的检验方案。增压子系统按照其工艺流程建立的GO图模型如图2所示，箭头上的数字为信号流编号。再将表2的失效概率转化为贝叶斯网络根节点的先验概率，然后根据3.2中方法进行映射。GO图操作符与贝叶斯网络映射关系如表3所示。维修率μ=0.28d平均维修时间MTTR=3.57d。稳态不可用概率A=2.48×10-2。并且可通过假设逆向推理计算出后验概率，明确增压系统容易失效的环节。图3为增压系统的贝叶斯网络。经过计算，S14故障率λ=7.12×10-3d-1。

图2 增压子系统GO图

图3 增压系统的贝叶斯网络

表3 GO图与贝叶斯网络映射关系及根节点后验概率

5 结语

在气田站场失效概率问题分析中，通过对站场工艺了解和子系统划分，将GO图与贝叶斯网络联立对系统进行失效可能性分析，不仅充分体现出站场的动态关联特征，还得出了子系统的失效概率，经对比符合实际情况，风险水平在各子系统中与腐蚀、使用频率和备用相关，在风险控制方面，需要对风险较高的系统定期检查维护，才能保障站场有条不紊的运行。