化工厂安全风险动态预警技术的研究与应用

《Journal of Loss Prevention in the Process Industries》：Research and Application of Dynamic Early Warning Technology for Safety Risks in Chemical Plants

　　

摘要

环氧乙烷/乙二醇的生产涉及复杂的工艺流程，存在多种相互关联的风险因素。现有研究多关注单个设备的参数警报，忽视了参数之间的关联性、防护层失效的影响以及由此产生的风险时间延迟。本研究构建了动态贝叶斯网络来挖掘隐藏的关键安全参数，并开发了一个整合了Aspen工艺模拟与实时安全数据的厂级动态风险模拟平台。该系统能够实现连续的动态风险分级，而非传统的离散二元判断，提升了风险感知的灵敏度，为重大风险提供了20–100秒的响应时间，模拟误差低于10%，展现出在工厂风险预警和事故预防方面的可靠性能。

引言

石化工厂的工艺复杂且自动化程度高，大多数材料都具有易燃易爆性，轻微的故障或人为失误都可能引发连锁反应，导致火灾或爆炸（Muller等人，2008；Zhang等人，2013）。作为典型单元，环氧乙烷/乙二醇的生产也存在多种相互关联的风险，各种危险场景之间紧密相互作用。现场实时数据能够反映风险的演变情况，因此建立可靠的因果模型对于实现有效的早期预警至关重要。

传统的静态风险评估缺乏时效性，且存在明显的响应延迟。自20世纪80年代以来，随着人类可靠性与系统安全研究的进展，动态风险分析也得到了发展（Riaz等人，2014；Marhavilas等人，2011、2019；Koulinas等人，2019）。动态风险分析克服了静态评估的局限性，动态故障树和贝叶斯网络被广泛应用于此领域（?epin & Mavko，2002；Langseth & Portinale，2007；Paltrinieri & Khan，2020；Villa等人，2016）。将经典的安全分析方法与贝叶斯网络相结合，已成为一种实用的动态评估手段（Sokukcu & Sakar，2022）。

近年来，抗干扰危险分析也取得了进展（Almousa等人，2025），动态风险模型则可分为数据驱动型、过程驱动型和退化驱动型三类（Bhatia等人，2019）。动态风险评估现已成为核心研究方向之一（Yang等人，2015）。大多数研究利用动态贝叶斯网络、弓形图模型和机器学习技术，对单个设备进行异常检测和泄漏监测（Li等人，2022；Guo等人，2019；Schmitz & Swuste，2020；Schmitz等人，2021；Deng & Wang，2020；Li等人，2024；Tan & Fu，2024；Khalaf等人，2024）。也有部分研究通过多任务学习和数字孪生技术来应对相互关联的风险（Guo等人，2024；Tang等人，2024；Zio等人，2024）。

然而，现有方法仍存在明显局限。它们多关注单个设备，而非整个工厂的多维度相互关联风险。数据驱动型方法依赖于充足的事故数据，在数据稀少或关联关系复杂的情形下性能较差。大多数模型只能输出离散的风险等级，无法体现风险的连续演变过程。目前仍有两个关键的科学难题需要解决：一是如何量化大型工厂中多种因素的相互关联，二是如何描述防护层失效带来的风险延迟，这两点都制约了可靠的风险预警和现场指导的实现。

为弥补这些缺陷，本研究将贝叶斯网络与情景风险链相结合。该框架通过双向推理识别关键参数，分析偏差带来的后果，并通过防护层失效概率来量化剩余风险，为大型石化设施的厂级实时风险表征和动态预警提供了新的解决方案。

章节节选

基于贝叶斯理论的 risk情景概率动态预测

本节提出了一个用于实时异常事件监测和保护层动态可靠性预测的系统性框架。

针对厂级风险情景的动态预警技术

本节用于计算实时剩余风险，并确定工厂的动态风险等级，从而将贝叶斯可靠性分析结果转化为实际的预警情景。

结果与讨论

本研究选取了一座环氧乙烷/乙二醇生产工厂来验证所提出的算法。通过整合多种风险情景，构建了一种基于“工艺偏差——关键参数——剩余风险”逻辑的动态预警机制。

结论

本研究为石化设施建立了厂级动态风险传递与预警框架，解决了当前风险监测方法的主要缺陷，即这些方法大多只关注设备级的偏差警报，而未考虑多种风险因素的相互关联演变。该框架通过整合关键安全参数监测、风险分区、防护层可靠性建模以及贝叶斯-copula概率更新功能，实现了定量的、连续的风险评估。

CRediT作者贡献说明

刘新梅：监督工作、项目管理、方法设计。杨哲：资金筹集、概念构思。蒋雪：文章撰写与修改、可视化处理。穆云涛：初稿撰写、软件应用。

未引用参考文献

中华人民共和国住房和城乡建设部 产品质量监督总局。

数据声明

本研究的相关数据可向相应作者提出合理请求后获取，本研究并未使用任何公开存档的数据集。

利益冲突声明

? 作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

穆云涛|蒋雪|杨哲|刘新梅

中国石油大学（青岛）化学与化工学院，中国青岛市