基于事件树连锁故障推演和证据推理的制氢站设备风险评价

2024-03-05刘玉成杨源胡宇浩李雨航赵子泰马志勇董玉亮

发电技术 2024年1期

刘玉成，杨源，胡宇浩，李雨航，赵子泰，马志勇，董玉亮*

（1.中国大唐集团有限公司，北京市西城区 100033；2.华北电力大学能源动力与机械工程学院，北京市昌平区 102206）

0 引言

在未来一段时间，燃煤电站仍然是我国新型电力系统的关键支撑[1-5]，其能否安全运行将直接影响整个电力系统的安全。随着技术的发展和运行人员素质的提高，我国燃煤电站运行安全水平得到了极大的提升，实现了机组的长周期安全稳定运行。然而，燃煤电站的安全性不仅仅是正常情况下的安全运行，还应包括特殊情况(比如遭受人、车、低空飞行器、漂浮物和投掷物等外部攻击)下的安全运行，对于存在较大不稳定社会因素的西部地区，后者尤为重要。

燃煤电站最容易受到外部攻击的是电站的周界设备，主要包括制氢站、循环水系统或空冷系统、烟气脱硝系统、烟气脱硫系统、制粉系统、油站、输煤系统、变压器、升压站等。电站周界设备系统受到外部攻击后，一方面会引起自身设备的停运、损坏，甚至会发生爆炸、有毒气体扩散等危及人身和环境安全的事故；另一方面也会通过连锁故障的方式，将事故传播到整个电站，最终殃及电网，造成更严重的后果和损失。在所有电站周界设备中，制氢站因为氢气易燃、易爆的特点，尤其应该受到重视。因此，通过开展制氢站设备遭受外部攻击的连锁故障推演和风险评估，实现制氢站设备乃至整个周界设备的风险排序，可以为发电企业制定针对外部攻击的安全防范措施提供重要依据。

在已有的关于安全风险评价研究中，常见的方法主要有情景构建分析[6]、事件树分析(event tree analysis，ETA)[7-11]、故障树分析(fault tree analysis，FTA)[12-14]、事故树-风险矩阵法[15]、证据理论[16]、蒙特卡洛模拟[17]、贝叶斯网络[18-20]等。任建强等[6]将情景构建与推演的方法应用于新能源电力设备，实现了运行风险评估。刘玉良等[7]基于停运模型和事件树理论，开展了电力系统连锁故障的系统脆弱性分析，确定了系统重点高风险元件。传统事件树分析中，基本事件来源于统计数据，事故概率和后果被视为精确值，一旦统计资料来源不全，就无法评价后果事件发生概率的不确定性。为此，Rasool[8]于1991年最先提出了模糊概率事件树方法，将模糊集理论引入事件树概率定量计算，用于处理风险评价中的不精确和不确定性问题。随后，2009年Ferdous等[9]针对事件树定量分析中数据不确定性的问题，对比分析了基于模糊理论和基于证据理论的定量分析方法，仿真结果证明，基于模糊的方法适合于处理不精确性和主观性数据，而证据理论则适用于处理不一致、不完整和冲突的数据。Lower等[10]构建了航空事故的概率事件树分析模型，用于航空事故的风险评价；Purba等[11]将模糊概率事件树分析方法应用于核电站堆芯损坏频率计算。龙丹冰等[12]构建了基于熵算法改进的故障树-云模型，并应用于建筑运维期失效风险的评估；吴寒梅[13]提出了基于故障树分析的固定风险与动态风险相结合的电站设备风险评价方法，并以汽轮机为例进行了实例分析；宫运化等[14]采用动态故障树实现了化工系统的动态风险评价。张玉涛等[15]提出了事故树-风险矩阵法，并应用于脱硫工艺中毒窒息事故风险评估。董玉亮等[16]构建了基于模糊理论和证据理论的电站设备安全评价模型，并进行了实例验证。Tian等[17]建立了基于蒙特卡洛仿真的核电站恐怖袭击风险评估模型。George等[18]构建了基于贝叶斯网络的流程工业安全与安保风险评估模型，通过更新先验概率实现了流程工厂的动态风险评估。Li[19]构建了加权贝叶斯网络模型，并应用于恐怖袭击后果评价。Zhao等[20]则建立基于动态贝叶斯网络和概率安全评价的核电站故障源快速预测模型，并进行了实例验证。

目前针对电站的安全风险评价模型多数是正常运行情况下的设备安全风险等级评价[21-22]，专门研究外部攻击下电站安全风险问题尚未见诸文献报道。同时，现有故障树、贝叶斯网络分析方法难以探索发电站设备事故发生和演化的复杂机理；难以分析直接及后续的次生衍生事件危害严重程度；难以从影响电站设备运行因素和电站设备故障导致的后果进行推演分析。而事件树分析方法可以很好地解决上述问题，因此本文针对制氢站设备受到外部攻击所产生故障的不确定性和连锁性，采用事件树分析方法来实现连锁故障推演，进而得到外部攻击引起的各后果事件及其发生概率。在此基础上建立风险评价指标体系，并采用模糊理论将连锁故障后果量化，最后引入证据推理的方法处理风险评价过程中的不精确性、随机性和不完整性问题，实现制氢站设备乃至整个电站周界设备遭受外部攻击的风险评价和风险排序。

1 基于事件树的连锁故障推演

事件树分析法是安全系统工程中常用的一种归纳推理分析方法，起源于决策树分析(decision tree analysis，DTA)，它是一种按事故发展的时间顺序由初始事件开始推论可能的后果，从而进行危险源辨识的方法。

以制氢站为例，按照工作流程和电站故障仿真结果绘制的事件树如图1所示。由图1可以看出，制氢站遭受外部攻击发生连锁故障后，根据不同的推演路径，最终有氢气泄露扩散，氢气泄漏扩散遇明火发生火灾，氢气泄漏扩散遇明火发生爆炸3类主要后果。

图1 制氢站及供氢系统连锁故障推演事件树Fig.1 Event tree for cascading failure deduction of hydrogen production station and hydrogen supply system

考虑到外部攻击会具体到某一单个设备，为了实现设备层面的风险评估，绘制出连锁故障推演中的关键设备(电解槽、氢分离洗涤器、氢气管道、氢除湿器、储氢罐)的故障推演事件树，并根据领域专家经验给出各中间事件的发生概率。以电解槽受外部攻击泄漏事故为例，连锁故障事件树如图2所示。

图2 电解槽泄漏事件树Fig.2 Event tree of electrolytic cell leakage

某一设备第i类后果事件概率计算公式[23]为

式中：pij为第i类后果事件中第j个后果事件的发生概率；xijk为第i类后果事件中第j个后果事件的第k个中间事件的发生概率。

2 设备风险评价指标及量化

根据燃煤电站周界设备事故案例和专家经验，并参考文献[24-25]确定连锁故障的后果事件量化评价指标为人员伤亡、设备损失、电网影响、环境影响、经济损失、恢复时间，利用这6个指标对各设备遭受外部攻击引起的后果进行风险量化。风险量化标准如表1所示。

表1 风险指数量化标准Tab.1 Quantitative standard of risk index

某一设备第j个风险评价指数计算公式[21]为

式中rij为第i类后果事件对应的第j个风险评价指数量化值。

考虑到风险评价指数进行评价的不精确性和不确定性，风险评价前进行模糊化处理，采用梯形隶属函数进行转化[26]，该隶属函数根据领域专家经验获得。风险指数模糊化隶属关系如图3所示。

图3 风险指数模糊化隶属关系图Fig.3 Fuzzy membership diagram of risk index

3 基于证据推理的电站周界设备风险评价模型

典型的基于证据推理的风险评价分析模型如图4所示[27]。

图4 典型的决策树评价分析模型Fig.4 Typical decision tree evaluation and analysis model

在评价分析模型中，评价等级Sn可看作D-S证据理论的一个基本假设，因素eik可看作一条证据，基本概率分配可通过信任度获得，S中的评价等级独立且包含所有可能的等级，这样鉴别框架可定义为

令M(Sn/eik(α))表示证据eik支持设备α风险等级为Sn这一假设的基本概率赋值；同时令β(eik(α))表示决策者考虑对于设备α的证据eik属性的状态为确定的确信度。

如果在因素集Ek中只有一个因素eik，则m(Sn/eik(α))应该等于β(eik(α))；如果在因素集Ek中有多个因素，则有：

式中λik为Ek中各因素eik的相对权重。

在获得基本概率赋值后，可利用下面的证据推理算法计算全局概率分配。

分别按式(5)、(6)定义因素子集eLk(i)(α)和合并概率分配(α)：

则有以下迭代算法。

初始条件：MMnr,1=Mnr,1，MMSr,1=MSr,1。

递推公式：

可以推出，由因素集Ek(α)确定的，对C的全局概率分配为MMCr,Lk，且MMCr,Lk=0(C⊆H，C=Hn和H除外)。这样，针对设备α的全局优先度可以按下式计算：

各因素权重分配的合理与否直接影响状态评价结果的准确性，目前权重的确定多单独采用主观或客观的方法，如德尔菲法、层次分析方法、主成分分析法、复相关系数法、熵方法等。本文利用层次分析法与复相关系数法相结合并进行乘法合成的方法来确定各个定量指标的权重。将2种赋权方法得出的权值，采用线性加权组合法得出最终的组合权数：

式中：bi为第i种方法的权系数；wij为第i种方法得出的第j个指标的权数。

使用上述方法进行各个指标权重的计算，本文中的各个指标对应权重如表2所示。

表2 指标权重Tab.2 Weight of risk indexes

4 火电厂制氢站设备风险评价实例

以某火电厂制氢站设备为例进行分析。本次评价对制氢站的事故风险以关键设备为单位进行定量评价，即对电解槽、氢除湿器、氢分离洗涤器、储氢罐、氢气管道5个关键设备进行定量风险评价，并按照风险度进行排序。针对上述制氢站及供氢系统，根据连锁故障推演事件树，采用式(1)可计算出各关键设备遭受外部攻击后3类后果事件的发生概率，如表3所示。

表3 制氢站设备遭受外部攻击连锁故障后果事件发生概率Tab.3 Probability of occurrence of cascading failure consequences from external attack on hydrogen production station equipment

表1中给出了不同连锁故障后果下风险评价指标对应的风险指数取值标准。设备遭受外部攻击后果可由表1进行量化。仍以电解槽遭受攻击损坏为例，事故后果定量分析结果如表4所示。

表4 电解槽连锁故障后果定量分析结果Tab.4 Quantitative analysis result of consequences of cascading faults in electrolytic cell

根据制氢站各关键设备的连锁故障后果定量分析结果，利用式(2)可计算出设备不同风险指标对应的风险指数，然后采用图3 给出的风险指数模糊隶属函数，实现风险指数的模糊化。计算结果如表5、6所示。

表5 制氢站设备风险评价输入数据Tab.5 Input data for risk assessment of hydrogen production station equipment

表6 制氢站设备风险评价结果Tab.6 Risk assessment results of hydrogen production station equipment

由以上风险评价结果可知，在制氢站设备中氢气储罐风险度最高，因为其储存了大量的压缩氢气，如若遭受外部攻击，导致氢气泄漏，遇明火，将会发生重大火灾甚至爆炸事故，危及电厂工作人员的生命安全及其周边设备的正常运行，并直接关系到发电机组的冷却问题，导致停机，对电厂和电网的安全稳定运行造成重大影响。电解槽的风险度较高，因为其在制氢过程中有大量的有害化学物质，如果发生破坏导致泄漏，会对工作人员生命安全及环境产生严重危害。氢除湿器、氢分离洗涤器及氢气管道的风险水平依次下降。

根据评价结果(风险度)，可以将电站周界设备划分为3类：高风险设备、中风险设备和低风险设备。表7给出了3类风险等级周界设备的列表及相应的安全防范措施。利用上面的方法计算出主要电站周界设备的风险度，如图5所示。