基于系统理论与贝叶斯网络融合的电池电动汽车水上运输风险评估研究

为解决电池电动汽车(BEV)海上运输的安全隐患，研究人员采用系统理论过程分析(STPA)和贝叶斯网络(BN)方法，结合模糊集理论，识别出27个不安全控制动作(UCA)和关键因果因素(CF)。研究发现船员知识缺乏、消防设备不当等是主要风险源，为制定BEV海运安全标准提供了重要依据。该研究创新性地将STPA与BN相结合，为复杂系统风险评估提供了新范式。

　　

随着全球碳中和目标的推进，电池电动汽车(BEV)的普及率快速攀升。然而，这些搭载锂离子电池的新能源车辆在海上运输时却暗藏危机——不同于传统燃油车，BEV的电池组在受损或过热时可能发生热失控(thermal runaway)，引发难以扑灭的火灾。近年来，多起渡轮火灾事故调查显示，BEV运输过程中的电池故障是主要诱因。更棘手的是，现行国际海事组织(IMO)的安全规范主要针对传统车辆设计，对BEV特有的风险缺乏针对性规定。面对这一新兴挑战，来自英国斯特拉斯克莱德大学的Dwitya Harits Waskito团队在《Ocean Engineering》发表重要研究，开创性地将系统理论(System Theory)与贝叶斯网络(Bayesian Network)相结合，为BEV水上运输安全提供了科学评估框架。

研究团队采用系统理论过程分析(STPA)识别风险场景，通过构建控制结构模型，系统梳理了船舶导航、消防系统、货物装载和BEV电池管理等四大子系统的交互关系。为弥补STPA在量化分析上的不足，创新性地引入模糊贝叶斯网络(FBN)，将专家语言判断转化为概率参数。研究还整合了印尼渡轮事故历史数据，使模型更具现实指导意义。特别值得一提的是，团队设计了包含7位领域专家的评估小组，采用相似度协议法(SAM)处理不确定性数据，确保了分析结果的可靠性。

研究首先通过STPA识别出三大类损失：人员伤亡(L1)、资产损失(L2)和环境损害(L3)，并确定火灾/爆炸(A1)和货物装卸事故(A2)是主要事故类型。控制结构分析揭示了27个不安全控制动作(UCA)，其中"消防员采取不当灭火措施"(UCA7)以20.39%的概率成为最危险操作。模糊贝叶斯网络分析显示，消防设备不当(EQ6)是最关键的因果因素(概率4.96%)，而船员知识缺乏(HF1)对人员伤亡的影响最大(敏感度0.409)。

敏感性分析得出重要发现：管理因素中"规程缺失"(M1)对资产损失的贡献度最高(敏感度0.629)，凸显了制度建设的紧迫性。令人意外的是，港口检查疏漏(UCA14)对火灾事故的影响(TRI值0.363)仅次于直接灭火失误，这表明监管环节的漏洞可能放大技术风险。研究还发现，与传统认知不同，电池管理系统(BMS)故障的概率仅4.09%，说明现有电池技术已相对可靠，而人为和制度因素才是主要短板。

这项研究的意义在于：首次建立了BEV海运风险的全系统评估模型，突破了传统方法仅关注组件故障的局限。研究提出的"控制缺陷-因果因素"分析框架，能捕捉到组件正常工作时仍可能发生的系统失效。实践层面，结果为IMO等监管机构制定BEV运输新规提供了数据支持，特别是强调了人员培训和专用消防设备的重要性。方法论上，STPA-FBN的创新组合为复杂工程系统风险评估树立了新标杆，可推广至自动驾驶船舶、新能源 bunkering 等海事安全领域。

作者在讨论部分指出，未来研究可结合动态贝叶斯网络(DBN)分析风险演化规律，并建议建立BEV事故数据库来校准模型参数。尽管研究存在专家主观性的局限，但其系统思维和量化分析的结合，为应对新能源革命带来的海事安全挑战提供了重要工具。正如论文结论强调的，在BEV海运时代，只有统筹技术、人因和管理要素，才能构建真正可靠的安全防线。