海底管道泄漏风险演化复杂网络分析*

孟祥坤，陈国明，朱红卫

(中国石油大学(华东) 海洋油气装备与安全技术研究中心，山东 青岛 266580)

数字出版日期： 2017-04-20

0　引言

随着我国油气资源开采战略重心由陆地向海洋的转移，海底管道投用量逐年增加[1]。海底管道所处海洋环境恶劣，除承受着复杂的工作载荷外，还承受各种确定与非确定性的环境载荷和意外风险载荷，管道泄漏及其引发的连锁事故屡见不鲜[2]。海底管道一旦发生泄漏事故，不仅会造成重大经济损失，而且会导致严重的环境污染。因此，开展海底管道事故的影响因素分析及其演化过程研究对事故预防具有重要工程意义。

目前，国内外学者针对海底管道的泄漏事故主要集中在其影响因素分析[3-4]、数值模拟[5-6]和扩散预测评估[7]等方面，对于泄漏事故的演化方面研究较少。传统的安全分析方法无法从系统角度解释事故演化的内在机制，而复杂网络模型[8]为泄漏事故的系统性演化分析提供了理论依据。复杂网络理论提出以后，由于其将系统的复杂性与网络有机地结合在一起，契合复杂系统事故演化的特点[9]，在台风灾害演化[8]、交通网络[10-11]、电力系统[12]等具有时间相关性和功能相关性的复杂系统安全分析领域得到广泛应用，对网络的拓扑结构进行了详细研究，分析造成风险的各个因素节点，揭示风险演化的内在规律，同时提出相应的控制措施。

鉴于此，针对海底管道系统泄漏事故的特征，在现有研究基础上，构建泄漏风险演化网络模型，采用无权有向网络中的节点出入度和聚类系数，以及带权有向网络中的最短路径等参数对事故风险演化过程进行分析，以期为海底管道泄漏事故的预防提供参考。

1　海底管道泄漏演化模型

1.1　复杂网络理论及其应用

事故的发生经常是突发性的，但许多事故也会表现出多米诺效应：初始节点受到微小扰动后，可能触发整个系统的连锁反应，导致系统中大部分节点崩溃，进而导致灾难性事故的发生。复杂网络可将分析对象复杂的风险演化过程转化为简单的网络计算，通过网络节点的出入度、聚类系数和最短路径等分析风险因素的重要性，确定关键节点和路径，从而得出其断链控制方法。系统复杂网络的主要表征参数有以下3项[11]。

1.1.1度

以影响管道泄漏的风险事件为网络节点，节点度为连接该节点的其他节点的数量，节点i的度记为：

(1)

式中：aij为节点vi与节点vj之间连接边的数目。度越大，则表明该节点在网络中越重要。根据风险因素的影响程度，可对网络中连接边赋予权重，得到海底管道系统泄漏风险演化路径对应的加权图。

1.1.2系统聚类系数

许多大规模的复杂网络具有明显的聚类效应，系统结构的聚类系数反应了演化结构的集团化程度，聚类系数越大，节点之间的联系越紧密。节点vi的聚类系数为：

(2)

式中：n为与节点vi相邻的节点总数；Li为n个相邻节点之间实际相连的边数。若Ci=0，则该节点为孤立节点；若Ci=1，则与该节点相连的任意节点相互连接。整个系统的聚类系数C为：

(3)

式中：N为节点总数，C值越大，整个网络中形成短距离联系的程度也就越大。

1.1.3最短路径

复杂网络运算的目的之一是求出引发结果事件的最快途径，即最短路径。但网络连锁图不能直接进行计算，需要转换为带权的有向图。转化后，有向图由节点和带权边组成，其中，带权边表示网络中前一事件导致后续事件发生的难易程度。因此，最短路径计算的关键在于图形的变换和权的设定，即：

3）枝条冬春季短截能增加成枝力，也能刺激叶芽生长旺盛而延迟结果。利用夏季摘心培养结果枝，一般在新梢长至10～15 cm时摘心，摘心部位以下的叶芽有1～2个萌发成中、短枝，其余芽则抽生叶丛枝，在营养条件较好的情况下，叶丛枝当年可以形成花芽。对于枝量比较好的树，尽量采取缓放的办法及早结果。

G=(V,E,W)

(4)

式中：V={v1,v2,v3, …,vn}，是各初始事件、传递事件和结果事件的集合；E={e1,e2,e3, …,en}，是节点事件之间的边集；W则为边权的集合。节点vi与节点vj之间的最短路径长度称为结点间的距离，记作d(i,j)。

1.2　泄漏事故风险演化连锁模型

海底管道在规划、设计和施工阶段的风险最终在运行过程中显现。管道在运行过程中面临波浪、海流、台风和地震等破坏力极大的动力作用载荷的恶劣环境，各类载荷时空变化复杂，其单独或交互作用于海底管道，对管道的正常运行产生严重影响。管道在服役过程中面临的风险主要有自然条件风险、腐蚀风险、第三方破坏风险和人因组织风险。

1.2.1自然条件风险

海底管道自然条件的严峻性和复杂性表现为浪高、流急、泥沙回淤强度大、地质地基条件软弱等，造成海底管线悬空、塌陷、移位、沉降，直至发生疲劳断裂而发生泄漏；同时，地震会导致管线周围土体的变形，还将在短时间内使管道周围流体产生剧烈的往复运动，通过土体和流体运动间接对管道产生影响。

1.2.2腐蚀风险

海底管道的腐蚀主要分为内腐蚀和外腐蚀2种情况。外腐蚀表现为外防腐层破损或剥离、阴极保护被破坏等情况，土壤、海水、微生物以及杂散电流会对管道产生腐蚀；内腐蚀是由于原油中含二氧化碳、硫化氢等酸性介质，这些介质直接与管道钢结构发生化学反应而腐蚀内壁。

1.2.3第三方破坏风险

第三方破坏包含航运及渔业活动、坠落物、打孔盗油盗气等。航运过程中的抛锚、拖锚及渔业活动中的渔网拖拽等可能对管道刮擦或者锯切，导致管道水泥保护层的破坏、管道横向移动等；坠落物主要来源于过往或附近作业船只，损坏裸露或埋深较浅的管道；打孔盗油盗气造成管道结构缺陷及局部应力集中。

1.2.4人因与组织风险

海底管道部分事故与人和组织管理失误有关，人因失误产生的原因非常复杂，与专业技能、工作负荷和交接班制度等相关，可能导致管道作业过程中的误操作，以及应急响应不及时等。

综合上述风险辨识与分析，将影响管道泄漏事故的风险因素划分为30个主要风险事件，如表1所示。

表1　海底管道泄漏风险事件

根据事件之间的影响关系与逻辑顺序，建立风险因素之间的演化结构模型，有向网络图如图1所示，演化模型共包含30个节点和54条边，分别代表风险事件和演化关系，并构成相应的风险传递链，其中，组织管理不善、输送含酸性介质、飓风冲击海洋平台和海底地震为初始事件，管道泄漏为末端事件，其余为风险传递事件。

图1　海底油气管道泄漏风险演化连锁模型Fig.1　Evolutional model of risk for submarine pipeline leakage

2　无权有向网络风险演化分析

2.1　节点出入度

在海底管道泄漏风险演化网络模型中，风险事件对后续事件的影响程度取决于其出度，即出度越大，对后续事件的综合影响程度就越大。风险事件的入度代表导致该事件的发生的路径个数，入度越大，说明导致该事件的途径就越多，控制难度也会相应增加。据图1，出度和入度分别指代风险事件的箭头指出和被指向的总数，各风险事件的出度和入度如表2所示。

表2　无权有向图分析结果

由表2知，海底管道泄漏演化过程中作业组织不合理、第三方监管不善、打孔盗油盗气、船只抛锚、渔网拖曳、监控失效等风险事件的出度比较大，影响范围较广；误操作、管道破裂、管道外部护层受损、管道移位、配重层受损、等危险事件的入度相对较大，导致该事件发生的途径较多，且诱发泄漏的原因也更直接，较难控制和预防；综合所有风险节点，误操作、管道破裂、管道移位、配重层受损等中间节点的度均超过6，说明与这些节点相连的其他节点数量较多，即与其他风险因素之间的相互影响作用大，是影响管道泄漏的重要因素。

据此，度较高的中间节点在海底管道全寿命周期应予以重点关注。从避免发生和切断传递的断链控制角度，在管道运营期间合理规划工作安排以防止从业人员工作负荷过大、定期开展培训教育以提高从业人员技能以及完善交接班制度等是防止误操作的重要手段，并建立针对误操作的容错机制；针对管道移位和配重层受损，在铺设阶段做好路由选址以避开海床活跃区域和渔业、航运频繁区域，在运营阶段加强巡线以避免第三方破坏，在出现移位和受损后及时做好加固工作；而管道破裂是导致泄漏的最直接也是最严重的因素，需在本质安全设计、安装、运营和报废全寿命周期采取技术和管理综合手段进行预防和控制。

2.2　聚类系数

为清晰的表明事件的发生顺序，根据出入度分析，将所有风险事件分为3级，入度为零的事件即初始事件为一级事件，处于模型最顶端的事件即管道泄漏为三级事件，风险传递事件为二级事件。

据式(2)，各节点的聚类系数计算后如表2所示。其中：一级事件中，海底地震的聚类系数为1外，其余事件的聚类系数均为0，说明作为初始节点，所引发的下一级风险事件之间的相互影响较小；二级事件中，海水冲击管道、仪表系统失效、监控失效和应急响应不及时等事件的聚类系数较高，表明这些事件与其相连接的事件群之间具有密集连接的性质，从抑制风险传递的角度，增强管道稳定性、提高仪表系统可靠性、定时检测维修和提高应急响应速度是切断泄漏风险传递路径的有效手段；三级事件即管道泄漏，聚类系数为0，表明导致最终后果的直接原因之间联系不紧密。

海底管道系统泄漏风险演化网络的综合聚类系数由式(3)计算为C=0.131，表明在整个复杂网络中，导致最终事件的成因复杂，但是大部分风险事件之间的相互影响并不明显，而是存在着显著的传递关系，采取断链控制措施、切断演化路径可达到控制或减缓海底管道泄漏事故发生的目的。

3　带权有向网络风险演化分析

节点出入度以及聚类系数分别分析了网络中节点的重要程度及联系程度，但未考虑上一节点事件引发后续节点事件的难度程度，即忽略边权的影响。在实际演化过程中各个连锁事件引发的可能性是不相同的，而带权的有向网络可以较好的解决这一问题。

将图1演化模型中的边赋予权重，转化成带权的有向网络，参照文献[13]的权重标准对边权E进行赋值，以{1, 3, 5, 7, 9, ∞}分别表示前一节点发生时，后一节点{肯定，极可能，可能，不易，极难，不可能}发生。

根据Dijkstra[14]提出的带权有向图计算方法，如果使节点集合(v1,v2, …,vn-1,vn)的路径最短，则要使(v1,v2, …,vn-1)的路径最短，即保证各传递路径都是最短的。采用该方法编制计算程序，由初始事件v1，v4，v5和v6开始，分别得到的各自的最短路径(可能不止1条)。

表3　边权值

图2　海底管道泄漏最短路径示意Fig.2　Digram of shortest paths for leakage of subsea pipelines

图2中粗线条为各初始事件的最短路径，其中以v4开始的最短路径有2条，具体路径如表4所示。

表4　各初始事件最短路径

据表4，以v4输送酸性介质和v6海底地震为初始事件得到的演化路径最短，其次为v5飓风冲击海洋平台，v1组织管理不善的演化路径最长。这是由于组织管理因素是人的因素，对整个管道系统安全运行造成的影响是间接性的；而其他因素是工艺和环境的因素，对系统事故的影响也更直接。

但是，整体而言，各初始事件的最短路径较短且相差不大，初始事件经少数的几步传递即可导致泄漏事故的发生，表现出明显的小世界网络特性。从抑制初始事件和控制传递事件的角度，在铺设之前做好路由选址避开海床活跃区以提高管道稳定性，在海底管道输送过程中处理酸性介质以减缓或抑制腐蚀进程，在运行阶段提高组织管理水平以减轻或防止第三方破坏，落实管道完整性管理制度、提高从业人员素质以及实时监测与定时检测是预防海底管道泄漏事故发生、保障管道持续安全运行的重要手段。

4　结论

1)构建以风险事件为节点、以事件发展联系为连接边的海底管道泄漏演化复杂网络模型，通过无权有向网络中的节点出入度和聚类系数、带权有向网络中的最短路径等分析风险事件的重要性、连接性和演化性，可确定影响海底管道系统泄漏的关键环节，进而提出针对性断链措施与控制建议。

2)海底管道泄漏网络的聚类系数为0.13，网络聚集程度偏低，表现出明显的演化性与传递性；各初始事件的最短路径均不超过10，说明初始事件经少数几步传递即可导致泄漏事故的发生；降低节点事件风险并切断其与后续事件联系是防止初始事件升级演化为泄漏事故的重要措施。

3)基于复杂网络的风险演化评价方法将复杂的事故风险发展过程转化为简洁的网络计算，适用范围不局限于海底管道系统，可以扩展到整个海洋石油装备系统，简化风险评价过程，提高分析对象的本质安全化。

4)在海底管道系统泄漏风险演化研究方面，对网络节点和风险传递链赋予概率属性，对关键节点和路径进行量化分析，将是进一步研究的重点。

[1]金晓剑, 赵英年, 李健民, 等. 海洋石油工程领域“十一五”技术创新成果及“十二五”展望[J]. 中国海上油气, 2011, 23(5):285-292.

JIN Xiaojian, ZHAO Yingnian, LI Jianmin, et al. Technology innovation achievements of the Eleventh Five-year Plan and prospect of the Twelfth Five-year Plan in offshore oil engineering field[J]. China Offshore Oil and Gas, 2011, 23(5):285-292.

[2]Aljaroudi A, Khan F, Akinturk A, et al. Risk assessment of offshore crude oil pipeline failure[J]. Journal of Loss Prevention in the Process Industries, 2015, 37: 101-109.

[3]Vinnem J E. Offshore risk assessment vol. 1 principles, modelling and applications of QRA studies[M]. 3rd ed. London: Springer Verlag, 2014.

[4]胡显伟, 段梦兰, 官耀华. 基于模糊 Bow-tie 模型的深水海底管道定量风险评价研究[J]. 中国安全科学学报, 2012, 22( 3): 128-133.

HU Xianwei，DUAN Menglan，GUAN Yaohua. Quantitative risk assessment of deepwater submarine pipeline based on fuzzy bow-tie model[J]. China Safety Science Journal, 2012, 22( 3): 128-133.

[5]李新宏, 朱红卫, 陈国明, 等. 海底管道泄漏天然气扩散规律数值模拟[J]. 油气储运, 2016, 35(2): 215-220.

LI Xinhong, ZHU Hongwei, CHEN Guoming, et al. Numerical simulation on the gas diffusion law due to leakageof submarine pipeline[J]. Oil & Gas Storage and Transportation, 2016, 35(2): 215-220.

[6]刘瑞凯, 吴明, 王同秀, 等. 海底埋地热油管道泄漏扩散的数值模拟[J]. 中国安全生产科学技术, 2012, 8(8): 63-68.

LIU Ruikai, WU Ming, WANG Tongxiu, et al. Numerical simulation on leakage and diffusion of submarine buried hot oil pipeline[J]. Journal of Safety Science and Technology, 2012, 8(8): 63-68.

[7]B. Blocken, T. Stathopoulos, P. Saathoff， et al. Numerical evaluation of pollutant dispersion in the built environment: comparisons between models and experiments[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008, 96 (10): 1817-1831.

[8]陈长坤, 纪道溪. 基于复杂网络的台风灾害演化系统风险分析与控制研究[J]. 灾害学, 2012, 27(1): 1-4.

CHEN Changkun, JI Daoxi. Risk analysis and control for the evolution disaster system of typhoon based on complex network[J]. Journal of Catastrophology, 2012, 27(1): 1-4.

[9]房丙午, 黄志球, 王勇, 等. 基于贝叶斯网络的复杂系统动态故障树定量分析方法[J]. 电子学报, 2016, 44(5): 1234-1239.

FANG Bingwu, HUANG Zhiqiu, WANG Yong, et al. Quantitative analysis method of dynamic fault tree of complex system using Bayesian Network[J]. Acta Electronica Sinica, 2016, 44(5): 1234-1239.

[10]郑啸, 陈建平, 邵佳丽, 等. 基于复杂网络理论的北京公交网络拓扑性质分析[J]. 物理学报, 2012, 61(19): 95-105.

ZHENG Xiao，CHEN Jianping，SHAO Jiali，et al. Analysis on topological properties of Beijing urban public transit based on complex network theory[J]. Acta Physica Sinica, 2012, 61(19): 95-105.

[11]武喜萍, 杨红雨, 韩松臣. 基于复杂网络理论的多元混合空管技术保障系统网络特征分析[J]. 物理学报, 2016, 65(14): 15-23.

WU Xiping, YANG Hongyu, HAN Songchen. Analysis on network properties of multivariate mixed air traffic management technical support system based on complex network theory[J]. Acta Physica Sinica, 2016, 65(14): 15-23.

[12]苏慧玲, 李扬. 基于电力系统复杂网络特征的线路脆弱性风险分析[J]. 电力自动化设备, 2014, 34(2): 101-107.

SU Huiling, LI Yang. Line vulnerability risk analysis based on complex network characteristics of power system[J]. Electric Power Automation Equipment, 2014, 34(2): 101-107.

[13]郭恒, 陈国明. 基于图论的海洋平台连锁风险评价[J]. 中国安全科学学报, 2012, 22(5): 106-112.

GUO Heng, CHEN Guoming. Offshore platform chain risk assessment based on Graph Theory[J]. China Safety Science Journal, 2012, 22(5): 106-112.

[14]徐俊明. 图论及其应用[M]. 合肥: 中国科学技术大学出版社, 2010: 31-34.