基于贝叶斯网络的惰气系统故障诊断

姜明军，鲁欣卫，朱鲁方，李海寿，张伟娜，朱万林，马国印，李晨安

(1.海洋石油工程股份有限公司，天津 300451； 2.中海石油(中国)有限公司天津分公司，天津 300451；3.中法渤海地质服务有限公司，天津 300451； 4.合肥通用机械研究院有限公司，合肥 230031)

0 引言

随着我国海洋石油装备的不断发展，水下生产系统加采油船逐渐成为我国海洋油气资源开采的主要模式[1]。海洋油气资源的开采过程可简述如下：水下生产系统采集原油并通过海管外输至采油船，在船上经油气分离、除沙、脱水、除硫、化学药剂回收等一系列工艺处理流程后储存在船体的储油仓内。原油产品属于易燃易爆物质。当储油仓内游离的碳氢化合物溶度、助燃氧气溶度处于油气爆炸范围且引燃温度达到燃爆下限时，会发生储油仓的燃爆现象[2]。为避免发生燃爆事故，必须为采油船设置惰气发生器系统(inert gas generator system,IGGS)。

IGGS作为海洋油气资源开发的重要设备，在原油存储与外输环节均发挥重要作用。该系统一旦发生故障将会导致油田停产，为安全生产埋下巨大隐患。另一方面，IGGS的故障诊断往往过分依赖机修师的工作经验[3]，且故障排查过程耗时久、效果差。综上所述，快速、准确的故障源定位，对于协助维修人员排除故障具有十分重要的意义。

为解决上述问题，本文提出了一种利用贝叶斯网络进行IGGS故障诊断的方法：首先，简要介绍了IGGS的组成结构、运行机制；其次，阐述了有关贝叶斯网络的基本知识并引入Netica软件；最后，结合南海某采油船项目，给出IGGS故障诊断的案例分析。

1 IGGS的原理及组成

IGGS通过燃烧天然气或燃油与空气的混合物产生惰性气体。空气中主要包含了79%的氮气和21%氧气，燃烧过程消耗掉大部分氧气，产生二氧化碳和水蒸气，以及少量的一氧化碳和氢气[4]。反应原理如式(1)所示：

(CH)n+O2→CO2+H2O+CO+H2

(1)

IGGS产生的废气经洗涤、除尘、降温等工序处理后供采油船使用。此时，产生气体的主要成分是氮气及二氧化碳。虽然各厂家生产的IGGS外形差异很大，但其工作原理基本相同，功能、结构十分类似[5]。IGGS主要包括惰气发生器、单元控制面板(unit control panel,UCP)控制柜、甲板水封撬及P/V破断器。IGGS结构如图1所示。

图1 IGGS结构图

IGGS中，最左侧是燃气供给入口和燃油供给入口，为燃烧腔室提供燃气及燃油。气阀单元与燃油泵决定燃气与燃油供给管路的通断。风机为燃烧腔室提供新鲜空气。燃烧反应在本地控制盘的调节下发生在惰气发生器的燃烧腔室内。燃烧模式分为燃油、燃气和混合三种。

①燃油模式。燃油进入燃烧腔室前被喷嘴喷散使其雾化，水平方向的雾状燃油与切向新鲜空气按照一定比例充分混合，并由引燃器点火引燃。

②燃气模式。燃气不需要雾化，直接进入燃烧腔室与新鲜空气混合后燃烧。

③混合模式。燃油与燃气同时作为燃料进入燃烧腔室燃烧。

惰气发生器的出口管线上装有氧分析仪，测定排出气的氧含量并将数据回传至UCP控制柜。UCP控制柜与IGGS启动器、本地控制盘相互通信共同控制IGGS的启停过程，使其安全、稳定地运行。排气扇将燃烧腔室内的惰气排出。合格的惰气通过B口经甲板水封撬、P/V破断器进入船体原油仓，起到封仓的作用。当惰气的含氧量较高时，不合格的惰气将直接排放到空气中。Netica软件仅支持英文字符输入。为便于说明，下文给出主要部件中英文名称对照表。

IGGS各部分中英文名称对照表如表1所示。

表1 IGGS各部分中英文名称对照表

2 贝叶斯网络及Netica软件

贝叶斯网络(Bayesian network,BN)是概率图模型的一种，结构为一种有向无环图[6]。BN由节点和节点之间的有向边组成。节点代表了随机变量其集合，记为I；有向边代表了节点之间的条件概率，其集合记为E。则BN可简记为G=(I,E)。假设集合I中共有N个随机变量Xi∈I(i=1,2,…N)，根据概率乘法的链式法则，N个随机变量的联合概率分布如式(2)所示：

p(X1,X2,…,Xn)=p1(X1)p2(X2|X1)p3(X3|X1,X2)…

(2)

式中：pi(Xi)为节点Xi的概率。

根据有向无环图的网络拓扑结构，网络中任意节点的概率只与其父节点的概率有关。其联合概率分布可简化为：

(3)

式中：F(Xi)为节点Xi的所有父节点；pi[Xi|F(Xi)]为父节点与节点Xi的条件概率。

式(3)表明：在BN中，联合概率分布可表示为所有节点与其父节点条件概率的乘积。BN可以很方便地构建事物间的不确定性、简化网络推理过程，已经被成功应用于流程工业生产过程[7]、汽轮机[8]以及导弹发射过程的故障诊断[9]。

式(3)使概率计算程序化，可以很方便地利用计算机计算每一个结点的概率。Netica是Norsys软件公司的一款基于BN的统计推断软件，已被各大公司、政府机构及医院用于决策分析、因果推断，是各领域应用较多的贝叶斯分析软件[10-11]。Netica软件图形化的操作界面对用户十分友好，工程人员稍加培训即可熟练掌握。软件中可以很方便地定义节点、设置节点之间的条件概率、一键完成BN的推理过程，并以数字加图形的方式显示结果。针对先验概率不完整的情况，软件支持导入测试数据训练网络参数。使用软件创建BN的过程主要包括：建立网络拓扑结构、确定条件概率表(conditional probability tables,CPT)、使用网络进行推理。行业专家基于对研究对象工作机制、操作流程的理解，将其拆分为若干部分并确定各部分间的因果关系，在此基础上建立BN的拓扑结构。条件概率表的确定或基于专家的先验知识，或基于测试数据。以下举例说明如何使用Netica创建一个简单的BN并进行推理。

2.1 创建网络拓扑结构

在IGGS中，当有燃油供给且燃油泵正常工作时，惰气发生器的燃烧腔室才会有燃油进入。据此可创建BN的拓扑结构。燃油输入系统的BN如图2所示。

图2 燃油输入系统的BN示意图

2.2 确定条件概率表

依据专家经验及历史数据，确定节点Fuel Oil Supply (S)的条件概率为p(S=Yes)=0.7、p(S=No)=0.3，表示燃油有供给的概率为70%、无供给的概率为30%。节点Fuel Oil Pump (P)的条件概率为p(P=Work)=0.8、p(P=Fault)=0.2，表示燃油泵正常工作的概率为80%、故障的概率为20%。节点Fuel Oil Input (I)的CPT如表2所示。

表2 节点Fuel Oil Input的CPT

表2中，第一行数据表示在燃油正常供给且燃油泵正常工作的条件下，燃烧腔室内有燃油的概率为95%，无燃油的概率为5%。Netica软件界面仅显示节点的边缘概率，如图2所示，节点Fuel Oil Supply (S)与Fuel Oil Pump (P)没有父节点其边缘概率等于条件概率。节点Fuel Oil Input (I)的边缘概率依据式(3)计算：

p(I=Y)=p(I=Y,S=Y,P=W)+p(I=Y,S=Y,P=F)+p(I=Y,S=N,P=W)+p(I=Y,S=N,P=F)=p(I=Y|S=Y,P=W)P(S=Y,P=W)+p(I=Y|S=Y,P=F)P(S=Y,P=F)+p(I=Y|S=N,P=W)P(S=N,P=W)+p(I=Y|S=N,P=F)P(S=N,P=F)

(4)

式中：Y、N、W、F分别为Yes、No、Work、Fault的首字母缩写。

图2所示的BN为Head-to-Head结构，在Fuel Oil Input (I)未知的情况下，随机节点Fuel Oil Supply (S)与Fuel Oil Pump (P)相互独立。式(4)可化简为：

p(I=Y)=p(I=Y|S=Y,P=W)P(S=Y)P(P=W)+p(I=Y|S=Y,P=F)P(S=Y)P(P=F)+p(I=Y|S=N,P=W)P(S=N)P(P=W)+p(I=Y|S=N,P=F)P(S=N)P(P=F)=0.95×0.7×0.8+0.02×0.7×0.2+0.02×0.3×0.8+0×0.3×0.2=0.539 6

(5)

根据概率的公理化定义，可得：

p(I=N)=1-p(I=Y)=1-0.539 6=0.460 4

(6)

2.3 使用网络进行推理

在Netica软件界面中，单击Fuel Oil Input (I)节点的Yes状态，软件自动更改其值为100%，所有节点的边缘概率值均发生变化。节点Fuel Oil Input置为Yes=100%如图3所示。

图3 节点Fuel Oil Input 置为Yes=100%

由图3可知，若燃烧腔室有燃油输入，则燃油有供给的概率是99.1%，燃油泵正常工作的概率是99.5%。

同理，单击Fuel Oil Input (I)节点的No状态，软件自动更改其值为100%。节点Fuel Oil Input置为No=100%如图4所示。

图4 节点Fuel Oil Input置为No=100%

由图4可知，若燃烧腔室内无燃油输入，则燃油无供给的概率是64.1%、燃油泵故障的概率是42.8%。燃油无供给的概率高于燃油泵故障的概率，据此设备维修人员应首先检查燃油供给状态，再查看燃油箱内是否有燃油。若确定燃油有供给，则维修人员再确认燃油泵是否故障。

3 案例分析

根据第一节介绍的IGGS的组成框图创建BN。为便于描述，该案例仅对惰气发生器撬块TS-X-3803部分进行建模，甲板水封撬(TS-T-3810)及P/V破断器(TS-T-3820)暂不予考虑。

在Netica软件中创建的惰气发生器的BN如图5所示。

图5 惰气发生器的BN示意图

此时，惰气发生器处于混合模式。节点Combustion Chamber的CPT如表3所示。

表3 节点Combustion Chamber的CPT

在Netica软件界面中，单击Inert Gas Output节点的No状态，软件自动更改其值为100%，表示无惰气输出，惰气发生器处于故障状态。观察其父节点，Combustion Chamber的故障概率变为69.3%，而Extraction Fan的故障概率变为52.6%。若能够确定Combustion Chamber故障，则继续单击该节点的Fault状态，其父节点的概率发生变化，Local Control Panel故障的概率变为40.6%，燃烧腔室内无燃气供应的概率为35.9%，无燃油供应的概率为34.8%，无新鲜空气供应的概率为49.9%。

以故障概率值为基准，从大到小依次确认燃烧腔室内新鲜空气输入、燃气输入、燃油输入是否正常。若确认无新鲜空气供应，则单击Fresh Air Input节点的No状态。融合证据后的BN如图6所示。图6中，在惰气发生器各部分的故障概率中Blower Fan节点的故障概率最大，为90.5%，设备维修人员需确认风机是否正常工作。按照上述故障诊断步骤，从结果开始依次加入已经确认的各种证据，逐步倒推，直到排查出设备的故障部位。

图6 融合证据后的BN示意图

4 结论

针对设置有IGGS的采油船(如浮式生产储卸油装置、半潜式采油船)，可利用BN对IGGS进行故障诊断。BN是概率模型与图模型的有机结合体，便于人们以类似于故障树的模式排查IGGS的故障。在IGGS的维修过程中，相关维修人员可借助Netica软件创建BN并逐步加入证据进行推理，从而快速确定故障源头、缩短维修时间，以节约海洋石油开采成本。