基于失效数据的油气管道定量风险评价方法
帅健, 单克
中国石油大学(北京)机械与储运工程学院

作者简介:帅健,1963年生,教授,博士生导师;主要从事油气储运安全和管道完整性管理方面的研究工作。地址:(102249)北京市昌平区府学路18号中国石油大学(北京)。ORCID: 0000-0002-6130-4548。E-mail: shuaij@cup.edu.cn

摘要

油气管道风险评价作为当前的热点问题,逐渐由定性评价向定量评价过渡。为了减少油气管道定量风险评价过程中主观因素的影响,建立了基于管道失效历史数据的油气管道定量风险评价模型,通过分析美国管道与危险品安全管理局(PHMSA)等数据库的管道分类失效数据,确定了油气管道的基本失效概率与修正因子的指标体系,再根据各个指标量化的难易程度将修正因子分为定量、半定量及定性3种类型,其中前两类指标可以量化或量化分级,仅后一类指标依赖于专家的经验判断,大大降低了风险评价的主观依赖性。进一步构建了油气管道风险评价矩阵,用失效概率量化失效可能性,用后果评分量化失效后果的严重程度。最后,将该油气管道定量风险评价方法应用于某输气管线,并绘制“红橙黄蓝”4色管线风险分布图,识别出该管线的高风险管段。结论认为:①基于管道失效历史数据的风险评价方法能够客观地量化管道的失效概率,准确进行风险分级,有利于实施风险分级管控策略;②建议建立全行业或全国范围的管道失效数据库,以期为基于历史数据的定量风险评价乃至制订风险管控措施提供依据。

关键词: 油气管道; 定量风险评价; 管道失效; 历史数据; 危害因素; 事故统计; 修正因子; 风险分布图
A quantitative risk assessment method for oil and gas pipelines based on failure data
Shuai Jian, Shan Ke
College of Mechanical and Transportation Engineering, China University of Petroleum, Beijing 102249, China
Abstract

The risk assessment of oil and gas pipeline, one of the current hotspot issues, has gradually evolved from qualitative evaluation to quantitative evaluation. In order to reduce the effects of subjective factors in the process of quantitative risk assessment of oil and gas pipeline, we established a quantitative risk assessment model of oil and gas pipeline based on the historical data of pipeline failure. The index system of basic failure probability and modification factors for oil and gas pipeline was determined by analyzing the failure data of different types of pipelines in the database, such as Pipeline and Hazardous Materials Safety Administration (PHMSA). The modification factors are divided into three groups (i.e., quantitative index, semi-quantitative index and qualitative index) according to the degrees of difficulty in quantifying the modification factors. The first two groups of them can be quantified or quantitatively classified, and only the last one depends on the experience of experts. Thus, the subjective dependence of risk assessment is reduced greatly. Then, the risk evaluation matrix of oil and gas pipeline was constructed, the likelihood of pipeline failure was quantified by using the failure probability, and the severity of the failure consequence was quantified by means of the consequence score. Finally, this quantitative risk assessment method was applied to one gas pipeline system, and a four-color (red, orange, yellow and blue) risk distribution map was plotted to identify the high risk pipe segments. It is included that the risk assessment method based on the historical data of pipeline failures can quantify the failure probability of the pipeline objectively, and classify the risk accurately, which is conducive to the implementation of classification based risk control strategy. It is recommended to create the pipeline failure database in the whole industry or all over the country, so as to provide a basis for the quantitative risk evaluation based on historical data and even for the formulation of risk control measures.

Keyword: Oil and gas pipeline; Quantitative risk assessment; Pipeline failure; Historical data; Hazard factors; Incident statistics; Modification factor; Risk distribution map
0 引言

管道风险评价的目的在于识别管道危险因素, 对整个管道系统的风险值进行评估排序, 为制订风险减缓措施、保证管道安全运行提供技术支持。近年来层出不穷的管道事故更加凸显了油气管道风险评价的重要性。

油气管道定量风险评价是管道风险管控的重要技术之一, 国内外学者对此均开展了大量的研究[1, 2, 3, 4, 5, 6, 7, 8]。黄小美等[2]将基于管道失效历史数据的方法与专家判断方法相结合, 从中找出这两种方法之间的联系, 得到描述其相互关系的方程式。Onisawa[3]提出了将模糊数(Fuzzy Possibility Score, FPS)转化成模糊概率(Fuzzy Possibility, FP)。Shi等[4]将层次分析法与模糊综合评价法相结合, 用改进后的层次分析法计算专家权重, 用模糊综合评价法计算模糊矩阵, 从而减小专家评判主观性的影响。Liang等[5]将故障树分析法与神经网络相结合, 对管道第三方破坏进行风险评估和分类。Lam和Zhou[8]基于数据库, 研究美国管道事故关于管径、安装年份、地区等级、失效原因等参数的分布情况, 为管道定量风险评价奠定基础。研究表明, 管道失效历史数据对于管道定量风险评价而言, 是一项非常重要的基础资料, 现在较流行的专家打分法, 没有充分利用国内外管道的历史失效数据, 评价方法的主观性较强。

基于此, 笔者在分析国内外油气管道失效历史数据的基础上, 建立基于历史失效数据的油气管道定量风险评价模型, 并建立了红橙黄蓝四色风险分级标准, 以期减小油气管道定量风险评价过程中主观因素的影响, 并进行合理的风险分级。

1 危害因素识别

鱼骨图是一种发现工程系统问题“ 根本原因” 的分析方法。在管道的风险评价过程中, 对收集到的管道历史数据进行分析, 是对管道风险因素进行合理分类的前提。基于笔者以前对国内油气管道失效原因分类的分析, 采用鱼骨图将油气管道事故原因分为腐蚀、第三方破坏、自然力破坏、材料/焊接/装备失效、误操作、其他原因等6大类[9], 每一大类可分为若干小类(图1), 该分类也是建立管道定量风险评价指标体系的基础。

图1 基于鱼骨图法的油气管道危害因素识别图

2 美国油气管道事故分类统计

事故分类统计是得到失效概率的基础, 美国是目前世界上管道系统最为完善的国家, 通过对美国运输部(Department of Transportation, DOT)下属的管道及危险物品安全管理局(Pipeline and Hazardous Materials Safety Administration, PHMSA)数据库[10]的油气管道里程数据、事故数据和失效因素数据进行统计分析, 可以得到油气管道的失效概率。

美国每年油气管道的长度变化统计数据如图2所示。美国PHMSA数据库将管道事故划分为:一般事故、较大事故和重大事故3种类型, 并且给出每类事故的划分标准[11], 事故统计数据如图3所示, 油气管道事故原因比例分布如图4所示。

图2 美国油气管道长度变化统计图

图3 美国油气管道事故统计图

图4 美国油气管道事故原因比例分布图

3 失效概率评估
3.1 评估模型

基于修正因子的油气管道失效概率计算方法如式(1)所示。根据统计资料获得由i失效因素引起的管道失效概率, 将其作为基本失效概率(Ri), 通过失效概率修正因子(Fi)对基本失效概率(Ri)进行修正, 求得要评价管线由i失效因素引起的失效概率。各个因素引起的失效概率相加即得到各段管线的失效概率。评估模型见图5。

式中P表示管道失效概率, 次/(km· a); Pi表示由i失效因素引起的失效概率, 次/(km· a); Ri表示失效因素i对应的基本失效概率, 次/(km· a); Fi表示失效因素i对应的失效概率修正因子; l表示失效因素的个数, 根据前面的分类, 此处l=6。

图5 油气管道失效概率评估模型图

3.2 基本失效概率计算

管道基本失效概率也可以理解为平均失效概率, 是指某国家或者某企业管道系统平均每年每千米发生的事故数量, 反映了管道失效概率的平均状况, 可作为管道失效概率评估的基准线。基本失效概率需要通过大量的历史失效数据的统计资料获得, 该统计资料来源于管道事故的历史记录, 如管道失效数据库。基于历史失效数据的管道某失效因素i的基本失效概率(Ri)可通过式(2)计算。

式中α i表示失效因素i所占的比例; m表示年数; Nk表示第k年管道发生的事故数量; Lk表示第k年的管道长度, km。

根据前述美国PHMSA数据库的油气管道里程数据、事故数据和失效因素数据统计的结果, 按照式(2)计算油气管道基本失效概率, 计算结果见表1

表1 油气管道基本失效概率表
3.3 修正因子指标体系

基本失效概率可以由统计资料获得, 但由于统计资料多来源于油气管道事故的历史记录, 所以其得出的值只能视为处于平均状态下的管道的失效概率, 并不能完全真实地反映特定管道、特定时间、特定运行条件下的失效概率情况, 需要通过建立模型对基本失效概率进行修正和更新[12]。修正因子指标体系由6个一级指标和若干个二级指标组成。一级修正因子指标的值可以根据二级修正因子指标的值与二级指标在一级指标中所占的权重的乘积求得。如下式所示:

式中Fij表示二级修正因子指标的值; wij表示二级修正因子指标j在一级修正因子指标i中的权重; n表示一级修正因子指标i中二级指标的个数。

为了减少风险评价过程中的主观性, 尽可能将修正因子指标量化。考虑各个指标获取和量化的难易程度, 将修正因子指标划分为3种类型:定量指标、半定量指标以及定性指标。

3.3.1 定量指标

定量指标包括壁厚、管径、管道投产年份、埋深、钢级等参数。通过对欧洲输气管道事故数据组织(European Gas Pipeline Incident Report Group, EGIG)的数据库[13]的数据进行统计分析, 拟合得到上述定量指标与失效频率间的函数关系(图6)。

图6 定量指标与失效频率间的拟合函数图

3.3.2 半定量指标

半定量指标包括土壤腐蚀速率、阴极保护电位、防腐层最大衰减率、杂散电流干扰、管道安全系数、系统安全系数、SCADA系统可靠度等(表2)。根据历史失效数据尚不能建立这些指标与失效概率间的函数关系, 但是可以参照现行标准或者管理者手册的量化分级标准对半定量指标进行分级。

表2 半定量指标表

3.3.3 定性指标

对于定性指标, 由于没有确切数据作为支撑, 不能量化, 并且现行标准或管理手册中也没有相应的检测方法对其进行量化分级, 需凭借专家既往经验判断确定其等级划分准则, 定性指标见表3

表3 定性指标表

修正因子的取值根据修正因子的等级确定。如果修正因子处于平均水平, 则修正因子取“ 1” , 此时管道系统的失效概率等于基本失效概率。如果修正因子处于较好的水平, 则修正因子的取值小于“ 1” , 反之则大于“ 1” 。采用修正因子的方法评估管道失效概率, 重点是确定上述提到的“ 平均水平” 。对于定量修正因子指标来说, 通过积分中值定理求得拟合函数的平均失效概率, 将该平均失效概率视为“ 平均水平” , 每个定量指标对应的失效概率值除以该平均失效概率即为定量修正因子指标的值。半定量和定性指标修正因子的值可以根据模糊评价法求得, 每个等级对应相应模糊数, “ Ⅰ ” 对应“ 0.1” , “ Ⅱ ” 对应“ 0.3” , “ Ⅲ ” 对应“ 0.5” , “ Ⅳ ” 对应“ 0.7” , “ Ⅴ ” 对应“ 0.9” , 然后利用荷兰学者Onisawa[3]提出的经验公式将模糊数转换成模糊概率, 同时将等级“ Ⅲ ” 视为“ 平均水平” , 相应的修正因子取值为“ 1” , 其他4个等级对应的修正因子的值为各个等级对应的模糊概率与等级“ Ⅲ ” 对应的模糊概率(平均失效概率)的比值。另外, 每个二级修正因子指标的权重值为每个指标的平均失效概率除以所有指标的平均失效概率之和。

4 失效后果评估

失效后果评估采用评分模型。用失效后果评分来衡量管道泄漏后果的严重程度, 分值越高, 说明泄漏后果越严重, 风险越高。参考KENT法[18]、GB/T 27512— 2011《埋地钢质管道风险评估方法》[17]、SY/T 6891.1— 2012《油气管道风险评价方法 第1部分:半定量评价法》[18]、SY/T 6828— 2011《油气管道地质灾害风险管理技术规范》[19]等方法与标准, 建立失效后果评估模型, 后果模型总分为2 500分。失效后果的计算公式如下:

式中Cof表示失效后果总分; PH表示介质危害性评分; LV表示泄漏量评分; DS表示扩散情况评分; RT表示危害受体评分。

5 风险分级

采用风险矩阵法将油气管道风险分为4级, 并用“ 红橙黄蓝” 4色表示, 其目的是对油气管道风险进行分析、排序, 确定关注重点和优先级顺序, 以便有针对性地做到分级核查、报告、追责和管理。在该风险评价矩阵中, 用失效概率量化失效可能性, 用后果评分量化失效后果的严重程度, 使风险矩阵的各个等级明确化、清晰化。风险评价矩阵见表4

表4 油气管道安全风险矩阵表
6 实例验证

以某管道公司的输气管道为例, 进行工程应用示范。该管线沿途经过山地、城镇、工业区、农田等, 穿越公路、铁路、河流, 全长69.8 km。管道设计压力为1.6 MPa, 工作压力为1.4 MPa, 输送介质为天然气, 管道规格为Ø 510 mm× 7.9 mm, 材质为X52钢管, 防腐层为3PE防腐层, 于2010年1月投入使用。

根据该管线的具体情况, 结合相关的检测数据, 以阀室和敷设环境为划分依据, 将该管线划分为28段。根据第3、4、5节提出的评估方法, 得到该管线各段失效概率、失效后果以及风险等级的评价结果(表5), 该管线按里程的风险分布情况见图7。评价结果显示:该管线的失效概率在1× 10– 4~1× 10– 2次/(km· a), 失效可能性为中等偏高, 无极高失效可能性管段; 其失效后果评分介于180~1 500, 存在失效后果很大的管段; 综合失效概率及失效后果, 该管线低风险的管段有8段, 占总长度的35.60%, 一般风险的管段有14段, 占总长度的38.11%, 较大风险的管段有5段, 占总长度的19.69%, 重大风险的管段有1段, 占总长度的6.59%。

表5 某管线各段的风险评价结果表

图7 某管道风险等级按管道里程的分布图

7 结论与建议

本文建立了基于历史失效数据的油气管道定量风险评价模型, 确定了油气管道的基本失效概率与修正因子的指标体系, 并以某输气管线为例, 对提出的风险评价方法与分级标准进行实例验证。通过研究, 得到具体结论如下:

1)根据各个指标量化的难易程度将修正因子分为3类:定量指标、半定量指标、定性指标。定量指标可依靠统计数据进行量化评分, 半定量指标参考相关标准或手册的量化检测结果进行等级评定, 定量和半定量指标评定中, 都不包含主观因素, 而定性指标则主要依靠专家经验判断进行等级评定, 具有一定的主观依赖性。通过这3类指标的划分, 可最大程度地降低风险评价的主观依赖性, 增强了风险评价的准确性。

2)构建了油气管道风险矩阵, 用失效概率量化失效可能性, 用后果评分量化失效后果的严重程度, 绘制“ 红橙黄蓝” 4色管道风险分布图, 使各管段的风险等级明确化、清晰化, 便于对油气管道实施风险分级管控策略。

3)实例管线中, 低风险管段有8段, 占总长度的35.60%, 一般风险管段有14段, 占总长度的38.11%, 较大风险管段有5段, 占总长度的19.69%, 重大风险管段有1段, 占总长度的6.59%。另外, 整条管线主要的危害因素为:杂散电流干扰、外防腐层破损、内腐蚀、管道本体缺陷未修复、水平净距不足、个别区段地质灾害敏感。可有针对性地采取风险管控措施, 尤其是较大风险和重大风险管段。

4)与仅仅依靠专家打分的方法相比, 笔者提出的基于历史失效数据的方法较为客观。然而, 这种基于历史失效数据的风险评价模型的准确性, 依赖于管道失效数据的统计分析结果, 需要建立全行业范围的油气管道失效数据库, 而这恰恰是我国现阶段所缺少的。因此, 建议建立全行业或全国范围的管道失效数据库, 为基于历史数据的定量风险评价乃至提出风险管控措施提供依据。

The authors have declared that no competing interests exist.

参考文献
[1] 姚安林, 周立国, 汪龙, 王棠昱, 李又绿. 天然气长输管道地区等级升级管理与风险评价[J]. 天然气工业, 2017, 37(1): 124-130.
Yao Anlin, Zhou Liguo, Wang Long, Wang Tangyu & Li Youlü. Management of and risk evaluation on long-distance gas pipelines related to regional level upgrading[J]. Natural Gas Industry, 2017, 37(1): 124-130. [本文引用:1]
[2] 黄小美, 李百战, 彭世尼, 张家兰. 燃气管道失效概率评估方法研究[J]. 石油学报, 2010, 31(4): 664-667.
Huang Xiaomei, Li Baizhan, Peng Shini & Zhang Jialan. Assessment methods of failure probability on gas pipelines[J]. Acta Petrolei Sinica, 2010, 31(4): 664-667. [本文引用:2]
[3] Onisawa T. An approach to human reliability in man-machine systems using error possibility[J]. Fuzzy Sets and Systems, 1988, 27(2): 87-103. [本文引用:3]
[4] Shi Lei, Shuai Jian & Xu Kui. Fuzzy fault tree assessment based on improved AHP for fire and explosion accidents for steel oil storage tanks[J]. Journal of Hazardous Materials, 2014, 278: 529-538. [本文引用:2]
[5] Liang Wei, Hu Jinqiu, Zhang Laibin, Guo Cunjie & Lin Weipeng. Assessing and classifying risk of pipeline third-party interference based on fault tree and SOM[J]. Engineering Applications of Artificial Intelligence, 2012, 25(3): 594-608. [本文引用:2]
[6] 陈利琼, 宋利强, 吴世娟, 邱星栋, 刘琦, 夏燕, . 基于有限元方法的滑坡地段输气管道应力分析[J]. 天然气工业, 2017, 37(2): 84-91.
Chen Liqiong, Song Liqiang, Wu Shijuan, Qiu Xingdong, Liu Qi, Xia Yan, et al. FEM-based stress analysis of gas pipelines in land slide areas[J]. Natural Gas Industry, 2017, 37(2): 84-91. [本文引用:1]
[7] 青松铸, 范小霞, 阳梓杰, 孙明楠, 高健, 周秀兰. ASME B31G-2012标准在含体积型缺陷管道剩余强度评价中的应用研究[J]. 天然气工业, 2016, 36(5): 115-121.
Qing Songzhu, Fan Xiaoxia, Yang Zijie, Sun Mingnan, Gao Jian & Zhou Xiulan. Application of ASME B31G-2012 to the residual strength evaluation of pipelines with volumetric defects[J]. Natural Gas Industry, 2016, 36(5): 115-121. [本文引用:1]
[8] Lam C & Zhou Wenxing. Statistical analyses of incidents on onshore gas transmission pipelines based on PHMSA database[J]. International Journal of Pressure Vessels and Piping, 2016, 145: 29-40. [本文引用:2]
[9] 狄彦, 帅健, 王晓霖, 石磊. 油气管道事故原因分析及分类方法研究[J]. 中国安全科学学报, 2013, 23(7): 109-115.
Di Yan, Shuai Jian, Wang Xiaolin & Shi Lei. Study on methods for classifying oil & gas pipeline incidents[J]. China Safety Science Journal, 2013, 23(7): 109-115. [本文引用:1]
[10] Pipeline and Hazardous Materials Safety Administration. About data & statistics[EB/OL]. (2017-10-28)[2018-07-11]. https://www.phmsa.dot.gov/data-and-statistics/pipeline/pipeline-incident-20-year-trends. [本文引用:1]
[11] 单克, 帅健, 张思弘. 基于修正因子的油气管道失效概率评估[J]. 中国安全科学学报, 2016, 26(1): 87-93.
Shan Ke, Shuai Jian & Zhang Sihong. Adjustment factors based assessment of oil and gas pipelines failure probability[J]. China Safety Science Journal, 2016, 26(1): 87-93. [本文引用:1]
[12] Shan Ke & Shuai Jian. Statistical analyses of incidents on oil and gas pipelines based on comparing different pipeline incident databases[C]// Proceedings of the ASME 2017 Pressure Vessels and Piping Conference, 16-20 July 2017, Hawaii, USA. DOI: http://dx.doi.org/10.1115/PVP2017-65289. [本文引用:1]
[13] European Gas Pipeline Incident Report Group. 9th Report of the European Gas Pipeline Incident Group 1970-2013[R]. Nederland se: EGIG, 2015. [本文引用:1]
[14] 全国锅炉压力容器标准化技术委员会. 埋地钢质管道腐蚀防护工程检验 : GB/T 19285—2014[S]. 北京: 中国标准出版社, 2014.
China Stand ardization Committee on Boilers and Pressure Vessels. Inspection of corrosion protection for buried steel pipelines: GB/T 19285-2014[S]. Beijing: Stand ards Press of China, 2014. [本文引用:1]
[15] 中国市政工程华北设计研究院. 城镇燃气设计规范 : GB 50028—2006[S]. 北京: 中国建筑工业出版社, 2006.
North China Municipal Engineering Design and Research Institute. Code for design of city gas engineering: GB 50028-2006[S]. Beijing: China Architecture & Building Press, 2006. [本文引用:1]
[16] Muhlbauer WK. Pipeline risk management manual: Ideas, techniques, and resources[M]. Burlington: Gulf Professional Publishing, 2004. [本文引用:1]
[17] 全国锅炉压力容器标准化技术委员会. 埋地钢质管道风险评估方法: GB/T 27512—2011[S]. 北京: 中国标准出版社, 2011.
China Stand ardization Committee on Boilers and Pressure Vessels. Risk assessment for buried steel pipeline: GB/T 27512-2011[S]. Beijing: Stand ards Press of China, 2011. [本文引用:1]
[18] 国家能源局. 油气管道风险评价方法第1部分: 半定量评价法: SY/T 6891. 1—2012[S]. 北京: 中国标准出版社, 2012.
National Energy Administration. Oil & gas pipeline risk assessment methods —Part 1: Semi-quantitative risk assessment method: SY/T 6891. 1-2012[S]. Beijing: Stand ards Press of China, 2012. [本文引用:2]
[19] 国家能源局. 油气管道地质灾害风险管理技术规范: SY/T 6828—2011[S]. 北京: 中国标准出版社, 2011.
National Energy Administration. Technical specification for geological hazards risk management of oil and gas pipeline: SY/T 6828-2011[S]. Beijing: Stand ards Press of China, 2011. [本文引用:1]
[20] Det Norske Veritas. Recommended practice DNV-RP-F107, risk assessment of pipeline protection[S]. Oslo: Det Norske Veritas, 2010. [本文引用:1]