基于反馈校正的水下采油树海试作业风险评价方法

1.本发明涉及风险评估技术领域，尤其涉及一种基于反馈校正的水下采油树海试作业风险评价方法。


背景技术：

2.随着我国海洋油气开采由浅海向深海进军，水下采油树的使用需求增大，为突破国外技术垄断和降低成本，国产化水下采油树的研发取得突破性进展。然而，由于我国水下采油树使用相对较少，海试作业经验较为匮乏，缺少较为可行的国产化水下采油树海试作业风险评价体系，有待进一步的改进。


技术实现要素：

3.为了解决上述问题，本发明提供一种可以有效针对水下采油树海试作业进行风险评价的基于反馈校正的水下采油树海试作业风险评价方法，为国产化水下采油树海试作业提供技术指导，补足我国水下采油树海试作业经验的补足。
4.为达到上述目的，本发明的技术方案为：
5.一种基于反馈校正的水下采油树海试作业风险评价方法，包括：
6.建立专家库，并由专家库对水下采油树海试作业故障树进行评价，根据各个专家的评价结果计算故障树各个基本事件的失效概率和顶事件的失效概率，将计算出的基本事件和顶事件的失效概率发送至各个专家，专家根据当前作业或作业后结果再次进行评价。
7.作为本发明的进一步优化，所述建立专家库包括：
8.统计各个专家的教育背景、制成和工龄，并根据专家的教育背景、职称和工龄赋予各个专家不同的权重值。
9.作为本发明的进一步优化，还包括根据水下采油树安装、测试、回收过程确定基本事件，并以水下采油树海试作业某一作业流程失效为顶事件，建立水下采油树海试作业故障树。
10.作为本发明的进一步优化，所述建立水下采油树海试作业故障树进一步包括：
11.将采油树防腐帽下失效作为顶事件，将准备工作失效、与采油树连接失效、rov失效、人为操作失效、锁紧手柄故障和密封失效作为中间事件。
12.作为本发明的进一步优化，所述根据各个专家的评价结果计算故障树各个基本事件的失效概率和顶事件的失效概率之后还包括：
13.对各个基本事件进行敏感度分析，从而求得各个基本事件的临界重要度系数和概率重要度系数。
14.作为本发明的进一步优化，所述对各个基本事件进行敏感度分析，从而求得各个基本事件的临界重要度系数和概率重要度系数的步骤之后包括：
15.结合敏感度分析，分析出相应基本事件的影响程度大小。
16.作为本发明的进一步优化，所述分析出相应基本事件的影响程度大小包括：
17.根据公式
[0018][0019][0020]
计算出各个基本事件的概率重要度系数和临界重要度系数，其中，表示第i个基本事件的临界重要度系数，ig(i)表示第i个基本事件的概率重要度系数，p(t)为顶事件发生的概率，pi为第i个基本事件的发生概率。
[0021]
与现有技术相比，本发明的有益效果在于：
[0022]
本发明所述的基于反馈校正的水下采油树海试作业风险评价方法，包含了结果校正处理，可以更加全面和准确地识别风险因素，实时更新高风险事件及预防措施，形成一个不断更新的较为完善的水下采油树海试作业风险评价体系，为海试作业提供实时保障。
附图说明
[0023]
图1为本发明所述基于反馈校正的水下采油树海试作业风险评价方法的流程图；
[0024]
图2为本发明所述基于反馈校正的水下采油树海试作业风险评价方法的实施例的故障树的示意图；
[0025]
图3为本发明所述基于反馈校正的水下采油树海试作业风险评价方法的实施例的分析结果示意图。
具体实施方式
[0026]
下面，通过示例性的实施方式对本发明进行具体描述。然而应当理解，在没有进一步叙述的情况下，一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
[0027]
参考图1，本发明现在结合油田的一个水下采油树海试作业，对本发明所述的基于反馈校正的水下采油树海试作业风险评价方法做进一步详细的描述。
[0028]
s1、依据水下采油树海试作业程序确定风险事故的基本事件，并构建水下采油树海试作业的故障树，具体为：
[0029]
依据水下采油树海试作业程序对水下采油树安装、测试、回收过程确定风险事故的基本事件，以水下采油树海试作业某一作业流程失效为顶事件，建立水下采油树海试作业的故障树。
[0030]
本实施例中，各个基本事件之间相互独立，全部用“或”门连接，将基本事件作为底事件，与中间事件及顶事件相连，建立故障树。
[0031]
具体实施步骤包括：
[0032]
针对“采油树防腐帽安装失效”事件建立故障树，选择“采油树内树帽安装失效”作为顶事件，往下可以按照安装过程从四个方面进行分析，即：准备作失效、下放锁紧失效、测试失效、工具回收失效。油树防腐帽安装的故障树定性分析的目的是要罗列出导致采油树防腐帽安装失效的所有可能因素，并定性的判断系统的薄弱环节，最后得到各底事件的编码如表1，所建立的故障树如图2所示。
[0033]
表1水下采油树防腐帽下放安装事件编码表
[0034][0035][0036]
以采油树防腐安装失效为顶事件，运用演绎方法找到导致其发生的原因事件、基本事件，通过安装过程分析过程建立了如图2所示的故障树，故障树上下层事件是结果原因关系，用逻辑关系连接从而形成倒立的树状图。
[0037]
s2、采用专家打分法对故障树进行评价，并对评价结果进行模糊化处理，以得到基本事件的概率模糊数。
[0038]
本实施例中，专家打分法采用的是一个开放式、可实时更新的专家库，专家库涵盖不同教育背景、职称(职务)、工龄的专家，赋予各专家相应的权重值，由专家库成员结合现场经验和统计数据采用评价语言集合中的元素对各个基本事件进行评价，形成评价矩阵。
[0039]
具体的，本实施例中根据针对专家的教育背景、职称、工龄和专家赋予不同的分值，具体如下表所示：
[0040]
表2专家不同指标的分值
[0041][0042]
表3水下采油树防腐帽安装及回收专家组权重值
[0043]
专家职位学历工龄(年)分数权重e1主管硕士5～1080.13e2工人硕士《560.10e3工人学士5～1060.10e4工人硕士《560.10e5副经理博士5～10110.18e6副经理硕士5～10100.17e7经理硕士15-20130.22
[0044]
专家打分法，需要对评价的元素进行定性评价，如高中低等方式，本实施例中，采用评价语言集合中的元素为”低”、“比较低”、“中”、“比较高”、“高”五个定义语言表达，然后，针对任一基本事件，采用模糊数学方法将专家的定性评价转化为综合模糊数，其中，模糊数类型和隶属函数为梯形隶属度函数。
[0045]
如下表所示，为本实施例中根据专家打分得到的采油树防腐帽下放/测试专家自然语言评价得到的评价矩阵：
[0046]
表4采油树防腐帽下放/测试专家自然语言评价矩阵
[0047]
事件/专家e1e2e3e4e5e6e7x1flfhflflmfhflx2lmflflmllx3lmlllllx4lfllllllx5lfhflflllflx6flmflmlfllx7lfhlmlllx8lmlfllllx9lfllllllx10lfllfllllx11lflflflllflx12lmflfllllx13lmlllfll
x14lmllllflx15lmflfllmlx16lmflfllmlx17lfhflfllfll
[0048]
随后，专家组成员(ek,k＝1,2,...,n)根据经验和知识做出不同的判断，需将所有评估专家评价汇总，以获得该评估专家组的共识，每个专家用自然语言表达自己的观点，自然语言通过相应算法转换为模糊数，本实施例中，针对任一基本事件，采用模糊数学方法将专家的定性评价转化为综合模糊数，本实施例中模糊数类型和隶属函数优选为梯形隶属度函数，具体公式如下所示：
[0049][0050][0051][0052][0053][0054]
上述函数为梯形隶属函数，将专家的定性评价语言转化为0到1之间的数值，表示某一评价元素属于某集合的“真实程度”。运用该隶属函数，可充分结合专家实际经验给出的模糊信息，得到综合模糊数，将定性评价量化，从而用于定量化的风险分析。
[0055]
随后，计算专家评价结果的一致性系数，从而将综合模糊数转化为概率模糊数，具体如下：
[0056]
将各个专家的评价结果用标准梯形模糊数进行表示，如其中两个专家的标准梯形模糊数分别为和随后计算两个评价结果的相似度s：
[0057][0058]
值的范围在[0,1]之间，值越大，表示专家们的观点一致性越高。当表明两位评价专家的观点相同。
[0059]
根据上述方法，计算专家的评价结果的相似度，根据上述评价结果，本实施例中的相似度如下所示：
[0060]
表5专家组的相似函数(x1)
[0061]
编号相似函数相似度编号相似函数相似度编号相似函数相似度1s(e1&e2)0.58s(e2&e4)0.515s(e3&e7)12s(e1&e3)19s(e2&e5)0.7516s(e4&e5)0.753s(e1&e4)110s(e2&e6)0.517s(e4&e6)0.54s(e1&e5)0.7511s(e2&e7)0.518s(e4&e7)15s(e1&e6)112s(e3&e4)119s(e5&e6)0.756s(e1&e7)113s(e3&e5)0.7520s(e5&e7)0.757s(e2&e3)0.514s(e3&e6)121s(e6&e7)0.5
[0062]
随后根据已经求得的相似度，进一步计算专家评价结果的平均相似度和相对相似度，并那就相对相似度和各个专家的权重计算一致性系数，具体步骤如下：
[0063]
首先计算各个专家的平均相似度和相对相似度：
[0064][0065]
式中，aa为平均相似度，n为专家组成员数，ek为第k位专家，k＝0,1,2,
…
,n。
[0066][0067]
式中，ra为平均相似度。
[0068]
根据以上两个公式，将表5中的相似度带入进行计算，其结果如下表所示：
[0069]
表6专家组对基本事件x1的平均相似度aa和相对相似度ra
[0070][0071]
随后根据求得的相对相似度计算专家评价结果的一致性系数，其具体步骤如下：
[0072]
cc(ek)＝ω*w(ek)+(1-ω)ra(ek)
[0073]
式中，cc为一致性系数，ω是松弛因子，表示权重w(ek)对于相对相似度ra(ek)的重要性，在本实施例中，松弛因子ω取0.5，根据上述公式，计算可得本实施例中的一致性系数，具体结果如下所示：
[0074]
表7专家组对基本事件x1一致性系数cc
[0075]
[0076]
通过一致性评价，可以对比各个专家之前对某一基本事件的评价结果，充分结合各专家意见，避免评判结果有偏向性。按照各专家不同的职务、教育背景、工龄等因素赋予不同分值，来确定各专家的权重。综合一致性评价与专家权重，结合梯形隶属函数，得到概率模糊数，其具体步骤如下：
[0077]
依据如下公式计算概率模糊数：
[0078][0079]
式中，r
ag
为概率模糊数。
[0080]
s3、根据基本事件的概率模糊数计算出模糊数，并根据模糊数计算故障树的顶事件的失效概率，具体步骤如下：
[0081]
将概率模糊数转化为模糊数，常用的去模糊化方法有：最大隶属度法、中心面积法(重心法)和加权平均法。最大隶属度法不考虑输出隶属度函数的形状，只考虑最大隶属度处的输出值。因此，难免会丢失许多信息。与最大隶属度法相比较，中心面积法具有更平滑的输出推理控制。因此，本发明选用中心面积法来进行去模糊化处理。经处理后，得到模糊数p*，具体如下：
[0082]
依据如下公式，将概率模糊数转化为模糊数：
[0083][0084]
式中，p
*
为模糊数。
[0085]
然后根据去模糊化算法将模糊数转化为失效概率：
[0086][0087][0088]
式中，z为中间变量，p为失效概率。
[0089]
onisawa等人提出的转化方法可用于水下生产系统的风险评价，准确度较高，运用此方法将模糊数转化为基本事件失效概率。
[0090]
随后，分析故障树的结构，采用布尔代数法及各基本事件失效概率求得顶事件失效概率：
[0091][0092]
其中，f
or
为“或”门的失效概率，f1、f2和fn为基本事件失效概率，n为基本事件个数。
[0093]
s4、对各个基本事件进行敏感度分析，以得到基本事件的临界重要度系数和概率重要度系数，具体步骤如下：
[0094]
在求得顶事件失效概率后，根据计算出的顶事件概率和基本事件概率进行敏感度
分析。敏感度分析在系统的事故预防、风险评价以及安全性设计等方面起到了关键性的作用。故障树中各基本事件的发生概率和处于故障树中的位置对顶事件的发生有着不同程度的影响。根据系统安全学计算基本事件的概率重要度和临界重要度，本实施例中采用如下方式进行计算：
[0095][0096][0097]
表示第i个基本事件的临界重要度系数，ig(i)表示第i个基本事件的概率重要度系数，p(t)为顶事件发生的概率，pi为第i个基本事件的发生概率。
[0098]
结合敏感度分析，选出各个作业过程中的敏感因素，分析出相应基本事件，提出相应防范措施，制定防范举措，最终形成水下采油树的海试作业风险评价体系，为水下采油树海试提供安全风险技术指导，补足我国水下采油树海试作业经验不足带来的潜在风险。
[0099]
上述计算结果如表8所示：
[0100]
表8采油树防腐帽安装/测试风险参数分析结果
[0101][0102]
由上表可知，顶事件失效概率为0.0061，以及
[0103]
(1)基本事件恶劣海况影响失效概率最大；
[0104]
(2)基本事件恶劣海况影响、下放速度过快、操作不熟练(其中间事件：人为操作失误)、错误估计、推进器故障、运输/装配过程发生损坏、认知不足对顶事件的影响程度较大，在安装时应采取相应的措施，注意海况影响、注意下放速度、检查工具的有效性、注意密封面、尽量减少人为操作失误。
[0105]
s5、对计算结果进行校正处理，具体如下：将计算出的结果发给各个专家，各个专家可以在当前海试作业正在进行或作业结束后，由专家库根据现场作业情况或者专家库成员的更新将实时反馈对各基本事件风险等级的评价，重新计算各个模块的分析结果，并对数据库中的相关参数进行更新，并再次分析失效概率、临界重要度系数和概率重要度系数等参数，实时更新高风险事件及预防措施，为后续海试作业提供实时保障。
[0106]
本发明所述的基于反馈校正的水下采油树海试作业风险评价方法，在专家评价方法的基础上结合模糊数学方法中的隶属函数和中心面积法将专家的评价进行模糊化和去
模糊化处理将专家评价语言转化为具体数值，并利用系统安全学中故障树理论中的布尔代数法将这些具体数值转化为失效概率，实时更新专家评价反馈，实现定量分析风险因素，充分利用了专家经验和实时反馈的优势，避免了专家评价方法存在的主观性与认识的局限性问题，与专家评价法相比客观性和科学性更强，评价结果更加贴近实际，能够得到更充分的风险因素相关数据，可以应用于水下采油树海试作业风险评价中。
[0107]
此外，本发明所述的基于反馈校正的水下采油树海试作业风险评价方法，包含了结果校正处理，可以更加全面和准确地识别风险因素，实时更新高风险事件及预防措施，形成一个不断更新的较为完善的水下采油树海试作业风险评价体系，为海试作业提供实时保障。
[0108]
综上，本发明所述的基于反馈校正的基于反馈校正的水下采油树海试作业风险评价方法，可补足我国水下采油树海试作业经验补足的劣势，填补我国水下采油树海试作业风险评价领域的空白，为我国国产化水下采油树海试作业的风险评价提供指导，服务与我国海洋油气开采事业。
[0109]
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。