CC BY
29ТРАНСПОРТ, ХРАНЕНИЕ И ПЕРЕРАБОТКА НЕФТИ И ГАЗА
УДК 629.039.58
В.Н. Медведев, генеральный директор, ООО «Газпром газнадзор» (Москва, Россия), e-mail: [email protected]; А.Б. Докутович, заместитель генерального директора по контролю за техническим состоянием газовых и нефтяных объектов, ООО «Газпром газнадзор» (Москва, Россия), e-mail: [email protected]; В.Д. Шапиро, к.т.н., ведущий инженер отдела по анализу производственной безопасности экспертно-аналитического управления, ООО «Газпром газнадзор» (Москва, Россия), e-mail: [email protected]; С.В. Коваленко, к.т.н., заместитель начальника отдела по анализу производственной безопасности экспертно-аналитического управления, ООО «Газпром газнадзор» (Москва, Россия), e-mail: [email protected]
О совершенствовании принципов прогнозирования аварий на объектах магистральных газопроводов ОАО «Газпром»
При создании и обеспечении функционирования систем управления промышленной безопасности (СУПБ) в организациях ОАО «Газпром», эксплуатирующих опасные производственные объекты (ОПО) магистральных газопроводов, наибольшую методическую сложность представляет прогнозная оценка риска (прогнозирование риска) эксплуатации ОПО как мера потенциальной опасности их эксплуатации. Такая задача возникает при разработке деклараций промышленной безопасности (ПБ), в случаях разработки обоснований безопасности, при экспертизе ПБ, обязательном страховании гражданской ответственности за причинение вреда в результате аварий или инцидентов на ОПО, продлении ресурса эксплуатируемых объектов и во многих других случаях. Главная же цель прогнозной оценки риска для ОПО магистральных газопроводов любых классов опасности состоит в обеспечении СУПБ возможностью предсказания (и, соответственно, предупреждения) неблагоприятных ситуаций (аварий, инцидентов) того или иного вида.
Мера риска определяется распределением случайной величины последствий возможной неблагоприятной ситуации, например аварии.
Для повышения эффективности риск-анализа ОПО магистральных газопроводов ОАО «Газпром» является целесообразным совершенствование принципов вероятностного прогнозирования риска аварий с использованием накопленных сведений об авариях и с учетом конкретных условий эксплуатации.
В данной статье рассматривается уточнение принципов риск-анализа с привлечением математического аппарата распознавания образов. Разработанная методика предсказания наиболее вероятного типа (природы) возможной аварии является достаточно универсальной и может быть использована не только для прогнозирования аварий, но и как советующая (экспертная) система для более точного определения причины и природы уже произошедшей аварии в процессе комиссионного расследования.
Ключевые слова: магистральный газопровод, авария, причины, база данных, статистика, вероятность, распознавание, прогнозирование.
V.N. Medvedev, Gazprom Gaznadzor LLC (Moscow, Russia), General Director, e-mail: [email protected]; A.B. Dokutovich, Gazprom Gaznadzor LLC (Moscow, Russia), Deputy General Director, Control over Technical Condition of Gas and Oil Facilities, e-mail: [email protected]; V.D. Shapiro, Gazprom Gaznadzor LLC (Moscow, Russia), Candidate of Science (Engineering), Lead Engineer, Analysis of Production Safety at the Expert and Analytical Department, e-mail: shapiro@ gaznadzor.gazprom.ru; S.V. Kovalenko, Gazprom Gaznadzor LLC (Moscow, Russia), Candidate of Science (Engineering), Deputy Head, Analysis of Production Safety at the Expert and Analytical Department, e-mail: [email protected]
On accidents forecasting principles improvement at facilities of main gas pipelines of Gazprom JSC
Risk assessment (risk forecasting) as a measure of potential hazard of hazardous production facilities (HPF) operation is the greatest methodological difficulty when creating and ensuring functioning of safety control systems (SCS) operation at Gazprom JSC companies that operate HPF of main gas pipelines. This task arises when developing Safety declarations for safety rationale in case of safety expert review, compulsory insurance of the civil liability for damage in the result of accidents or incidents at HPF, service life extension of the operated facilities, and in many other cases. The main objective
96
№ 4 апрель 2015 ТЕРРИТОРИЯ НЕФТЕГАЗ
OIL AND GAS TRANSPORTATION, STORAGE AND REFINING
of the forecast risk assessment for HPS of main gas pipelines of any hazard class is to provide SCS with the possibility to forecast (and respectively to prevent) unfavourable situations (accidents, incidents) of any type. The risk level is determined by distribution of the accidental value of possible unfavourable situation consequences, e.g. accident.
To improve risk-analysis efficiency for HPF of main gas pipelines of Gazprom JSC it is reasonable to improve principles of the accident risk probability forecasting using collected data on accidents and taking into account particular conditions of operation.
This article deals with specification of the risk-analysis principles using the mathematical tool of pattern recognition. The developed method of forecasting the most probable type (nature) of the accident is rather universal and can be used not only for accidents forecasting but as advisory (expert) system for more precise determination of the cause and nature of the accident that has already happened in the course of the commission investigation.
Keywords: main gas pipeline, accident, causes, data base, statistics, probability, recognition, forecasting.
ХАРАКТЕРИСТИКА ПРОЦЕДУР РАСПОЗНАВАНИЯ ОБРАЗОВ В ЗАДАЧЕ АНАЛИЗА ТЕХНИЧЕСКОГО РИСКА
Целью создания методов прогнозной оценки риска эксплуатации опасных производственных объектов магистральных газопроводов является обеспечение менеджмента эксплуатирующих дочерних обществ ОАО «Газпром» возможностью предсказания и, соответственно, предупреждения неблагоприятных ситуаций (аварий, инцидентов) того или иного вида. Важным назначением прогнозирования аварий ОПО является также совершенствование принципов страховой экспертизы опасного объекта, регламентированной Постановлением Правительства РФ от 03.11.2011 № 916 «Об утверждении правил обязательного страхования гражданской ответственности владельца опасного объекта за причинение вреда в результате аварии на опасном объекте», в т.ч. в части оценки страховых рисков при разных типах возможных аварий, учета уровня безопасности объекта при оценке размера возможного вреда от аварии и т.д. Совершенствование принципов риск-анализа ОПО магистральных газопроводов возможно за счет привлечения аппарата распознавания образов.
Идея распознавания образов состоит [1] в том, что в результате выбора некоторого объекта из совокупности объектов, принадлежащих разным классам (категориям*), по некоторым признакам можно с определенной достоверностью определить, к какой из этих категорий относится наблюдаемый объект. Кате-горирование, т.е. принятие решения о принадлежности объекта к определенной категории, осуществляется на основе анализа признаков, сопутствующих событию, и сопоставления с признаками ранее наблюдаемых категорий объектов. При наличии ряда наблюдаемых и подлежащих распознаванию категорий объектов исследования их обычно объединяют абстрактным термином «образы» и говорят о «распознавании образов». Необходимость в распознавании образов присутствует и часто возникает в различных областях науки и техники. Каждая задача распознавания сугубо индивидуальна и по-разному решается в различных областях применения. В задаче обеспечения возможности прогнозирования вероятной причины аварии (и, следовательно, возможности ее предупреждения) с привлечением имеющихся ретроспективных данных об авариях [2] будем под объектом исследования определенной категории подразумевать событие - аварию опре-
деленной физической природы, а под распознаванием - отнесение случая возможной аварии (по определенным сопутствующим признакам) к (1-й) категории из п категорий, т.е. к 1-й группе по физической природе аварий. Требования, определяющие классификацию объектов (в наших понятиях -категорирование аварий), могут быть различными и зависят от цели распознавания. Характерен пример [3]: при распознавании английских букв образуется 26 классов (категорий) образов. Однако чтобы отличить при распознавании английские буквы от китайских иероглифов, нужно лишь два класса образов.
Поскольку, как сказано в предисловии, категорирование аварий - задача многоцелевая, процедуру распознавания при категорировании аварий в общем виде можно организовать двухступенчатой, т.е. с возможной детализацией выводов (результатов распознавания) на 2-м этапе.
Как показали предварительно проведенные работы по оценке информационной обеспеченности различных категорий аварий, имеющихся в базе данных, на 1-й ступени распознавания согласно принятой модели целесообразно установить принадлежность конкретного случая аварии к одной из
* В дальнейшем, чтобы не дублировать разные понятия, связанные с термином «класс» - «класс опасности объекта» по Федеральному закону № 116-ФЗ и «класс объекта», применяемый при распознавании образов, - в случаях, когда речь идет о распознавании образов, будем применять термин «категория объекта», а задачу классификации объектов при распознавании образов называть категорированием.
Ссылка для цитирования (for references):
Медведев В.Н., Докутович А.Б., Шапиро В.Д., Коваленко С.В. О совершенствовании принципов прогнозирования аварий на объектах магистральных газопроводов ОАО «Газпром» // Территория «НЕФТЕГАЗ». - 2015. - № 4. - С. 94-103.
Medvedev V.N., Dokutovich A.B., Shapiro V.D., Kovalenko S.V. O sovershenstvovanii principov prognozirovanija avarij na ob'ektah magistral'nyh gazoprovodov OAO «Gazprom» [On accidents forecasting principles improvement at facilities of main gas pipelines of Gazprom JSC]. Territorija «NEFTEGAZ» = Oil and Gas Territory, 2015, No 4. P. 94-103.
ТЕРРИТОРИЯ НЕФТЕГАЗ № 4 апрель 2015
97
ТРАНСПОРТ, ХРАНЕНИЕ И ПЕРЕРАБОТКА НЕФТИ И ГАЗА
п = 3 категорий, где п - принятое для 1-й ступени распознавания число категорий аварий.
К указанным трем укрупненным категориям сводятся все случаи аварий, внесенные в базу данных, с позиций их причинной идентификации при расследовании этих происшествий:
• к категории 1 («отсроченные проявления дефектов») отнесены аварии, обусловленные внешними или внутренними дефектами и повреждениями элементов ОПО, внесенными на каком-либо из этапов их жизненного цикла, не приведшими к немедленному разрушению, взрыву или выбросу опасных веществ, но способствующими накоплению повреждений, усталости, старению металла, развитию коррозии или эрозии элементов (труб, соединительных деталей и т.д.) ОПО;
• к категории 2 («внезапные аварийные воздействия») относятся аварии из-за внезапного, непланового силового воздействия на неповрежденный объект, связанного с диверсией или неумышленным повреждением, скачком нагрузок при нарушении правил эксплуатации объекта, стихийным бедствием и т.д.;
• к категории 3 («стресс-коррозионные проявления») относятся аварии, обусловленные стресс-коррозией, т.е. быстро протекающим коррозионным процессом, развивающимся при одновременном воздействии коррозионной среды и механических (постоянных или переменных) напряжений.
Как будет показано ниже, при таком разбиении массива аварий по категориям сопутствующие признаки аварий имеют наибольшую разделительную способность, т.е. при таком разбиении на категории достигается наибольшая определенность идентификации причин аварий по признакам. Особо следует остановиться на совокупности признаков, сопутствующих авариям. Весь комплекс признаков (пространство признаков) происшедшей аварии, характеризующий вероятную принадлежность аварии к определенной категории, - вид производственного объекта, место на трассе газопровода, назначение и конструкция отказавшего элемента и узла, время
года при отказе (зима, лето, переходные сезоны), проектные и фактические рабочие параметры объекта и действующие нагрузки, грунтовые, температурные, гидрологические и иные условия его функционирования - обязательно регистрируется в процессе расследования аварии и вносится в базу данных об этих происшествиях. Для каждой конкретной аварии сопутствующие признаки приобретают те или иные значения (измеримые или неизмеримые, т.е. качественные, в т.ч. альтернативного содержания «да» - «нет»), которые в комплексе отражают большую или меньшую принадлежность рассматриваемой аварии к определенной выбранной группе (категории). Идея распознавания в данном случае заключается в использовании совокупности значений признаков (пространства признаков) каждой категории аварий для вероятностной оценки принадлежности случая аварии к той или иной выбранной категории.
Предлагаемый подход к прогнозированию категории возможной аварии магистрального газопровода с использованием пространства признаков можно отнести к одной из разновидностей прецедентного подхода, изложенного в [4], но реализуемого на основе распознавания образов. На 2-й ступени распознавания аналогичная работа может быть проведена относительно установленной как наиболее вероятной категории аварии для дальнейшего исследования ее возможного механизма (природы аварии). При этом:
1) для категории 1 (отсроченные проявления дефектов) могут быть выделены, например, следующие т1 = 4 подгруппы (подкатегории):
• авария из-за развития начальных (металлургических) дефектов основного металла под действием повторно-статических или циклических нагрузок;
• авария из-за начальных дефектов изготовления или ремонта конструкции, в т.ч. дефектов сварки;
• авария из-за накопления при эксплуатации внешних механических повреждений основного металла под действием непроектных нагрузок и воздействий;
• авария из-за коррозионной потери металла в связи с нарушениями изоляции или ЭХЗ, появлением источников дополнительных коррозионных воздействий и т.д.;
2) для категории 2 (внезапные аварийные воздействия) могут быть выделены следующие т2 = 4 подгруппы (подкатегории):
• аварии из-за внезапных умышленных воздействий (диверсий);
• аварии из-за перегрузок при ошибках эксплуатации;
• аварии из-за случайных крупных повреждений объекта или его элемента (сквозных пробоев трубопроводов при эксплуатации, их деформаций с разгерметизацией при наездах тяжелой техникой и т.д.);
• аварии из-за непредвиденных природных воздействий и стихийных бедствий;
3) для категории 3 (стресс-коррозионные проявления) могут быть выделены следующие т3 = 3 подгруппы (подкатегории):
• стресс-коррозионная авария, вызванная сочетанием высокого уровня рабочих нагрузок и начальных металлургических дефектов или низкой коррозионной стойкостью основного металла труб;
• стресс-коррозионная авария, вызванная сочетанием высокого уровня рабочих нагрузок и неблагоприятных внешних факторов (повреждением трубы, изоляционного покрытия, периодическим обводнением трубопровода или других);
• авария из-за внутренней стресс-коррозии (водородное растрескивание). Как и на 1-й ступени распознавания, на 2-й ступени формируется пространство признаков (с учетом факта уже состоявшегося отнесения рассматриваемой аварии к одной из категорий).
МАТЕМАТИЧЕСКИЕ ОСНОВЫ ОБЩЕГО РЕШЕНИЯ ЗАДАЧИ ВЕРОЯТНОСТНОГО КАТЕГОРИРОВАНИЯ АВАРИЙ И ПРОГНОЗИРОВАНИЯ ХАРАКТЕРА (ПРИРОДЫ) НАИБОЛЕЕ ВОЗМОЖНОЙ АВАРИИ
Формализуя задачу с позиций распознавания образов, на 1-й ступени распознавания имеем:
• полную группу несовместимых событий (так называемых гипотез о при-
98
№ 4 апрель 2015 ТЕРРИТОРИЯ НЕФТЕГАЗ
OIL AND GAS TRANSPORTATION, STORAGE AND REFINING
надлежности аварий к определенным категориям) Н1, Н2, Н3;
• вероятности появления этих событий (аварий), определенные по статистике наблюдений за ними (так называемые априорные вероятности) Р(Н5), Р(Н2),
Р(Нз).
Мы располагаем отвечающей указанной полной группе несовместимых событий (аварий) совокупностью N признаков, каждый из которых в данной задаче рассматривается как случайный фактор либо случайная величина Я1, Я2, ..., Ям [5] в силу случайного характера регистрируемых в базе данных событий. Сведения, рассматриваемые в категории случайных факторов (вид грунта, конструкция отказавшего элемента, узла, тип изоляционного покрытия и т.д.) определяются (вместо численных значений, характерных для случайных величин) набором словесных характеристик, отражающих свойства этих факторов. Например, для видов грунтов это глина, суглинок, супесь, песок и т.д. Так же как дискретные случайные величины, случайные факторы обладают своим рядом распределения вероятностей, однако не обладают присущими случайным величинам числовыми характеристиками (математическим ожиданием, дисперсией и т.д.). Более строгое определение случайных факторов будет приведено ниже. Для упрощения решения задачи непрерывные случайные величины (внутреннее давление газа,температура перекачки и др.) представляются здесь их дискретными аналогами. На 2-й ступени распознавания, например, для события (реализации гипотезы) Н , если оно выбрано в качестве наиболее вероятного, имеем:
• полную группу несовместимых событий G„ G3, G4;
12 3 4
• априорные вероятности появления этих событий, известные из статистики наблюдений за ними Р^), Р^2), Р^3),
Р^);
• группу М сопутствующих признаков, рассматриваемых как случайные факторы или случайные величины У2,..., УМ. Множество У2, ...,имеет общие элементы с множеством Х1, Я2, ..., , т.е. множества X и у пересекаются.
Аналогичную информацию мы будем иметь для событий (гипотез) Н2 или Н3 в случае, если какое-то из них будет отобрано как наиболее вероятное. С учетом выбранных категорий аварий, обеспеченности этих событий соответствующими априорными вероятностями появления и системами признаков проведение категорирования может преследовать разные цели и рассматриваться, например:
• как задача прогнозного определения вида (категории) возможной (гипотетической) аварии с использованием дополнительной информации о признаках, полученной шурфованием эксплуатируемого газопровода в конкретной его точке;
• как методический инструмент в системе поддержки решений, например, как поверочная задача отнесения случая реальной (произошедшей) аварии к той или иной категории, т.е. как задача подтверждения выводов комиссии по расследованию аварии.
Пусть, например, для решения первой из указанных задач - прогнозирования наиболее вероятной технической причины (природы)аварии в конкретной точке линейной части эксплуатируемого магистрального газопровода - произведен опыт, состоящий в шурфовке участка МГ в определенной точке с определением значений или характеристик N сопутствующих признаков х1,., х^ т.е.
у 0 у ^у 0 у ^у 0
Х1_Х1 , Х2 Х2 . Если представить, что случайный фактор (признак X0), по которому можно судить о принадлежности аварии к определенной категории, всего один и имеет только одно значение (один уровень), причем при шурфовании реализовалось его значение х0, вероятность того, что это значение признака указывает на принадлежность аварии к определенной категории, определяется из следующих рассуждений [6]. Случайное событие А, состоящее в реализации значения х0 признака (Х°), может произойти только вместе с одной из трех гипотез, образующих полную группу несовместимых событий Н1, Н2, Н3. При этом безусловная вероятность события А будет оцениваться по формуле полной вероятности из условия:
P(A)=2;P(H.)P(A|H.),
(1)
где Р(Н.) - априорная вероятность каждой из гипотез, вычисляется по имеющимся в базе данных сведениям по изучаемым видам аварий (с учетом указанного выше их подразделения -по гипотезам); отметим, что ^(Н,)-! 1=1,..., п, п-3;
Р(А|Н.) - условная вероятность [7] события А, т.е. вероятность того, что событие А, состоящее в реализации значения х0 признака (Я°) произошло при условии проведения опыта в рамках элементов (аварий) 1-й категории; данная вероятность вычисляется как доля содержания значений х0 признака (Х°) среди элементов (аварий) 1-й категории. Вероятность Р(Н,|Д) того, что при реализации значения х0 признака (Я°) это событие произошло в категории аварий 1, определяется по формуле Байеса, являющейся следствием соотношения условных вероятностей:
P(A) P(H.|A)=P(H.) P(A|H.), как _Р(Н,) Р(А|К)
Р(Н,|А)=
Р(А)
(2)
где вероятность события Р(Д) определяется по формуле (1). Однако приведенное решение не дает адекватного представления об условиях принадлежности конкретной аварии к определенной категории из трех выбранных выше, поскольку не учитывает, что каждый признак представляет собой вектор (например, признак «вид грунта» имеет несколько значений: глина, суглинок, супесь, песок), а пространство признаков есть совокупность векторов, причем для каждой конкретной аварии пространство признаков представляет собой вектор их реализации при конкретной аварии.
Введем ряд понятий, позволяющих решить задачу с учетом векторного характера признаков (факторов). Под упомянутым выше понятием «фактор» (случайный фактор) подразумевается количественная переменная, которая принимает конечное число нечисловых значений.Значения этой переменной будем называть уровнями. В дальнейшем все признаки, сопутству-
ТЕРРИТОРИЯ НЕФТЕГАЗ № 4 апрель 2015
99
ТРАНСПОРТ, ХРАНЕНИЕ И ПЕРЕРАБОТКА НЕФТИ И ГАЗА
ющие авариям, определяемые нечисловыми значениями, а также признаки, выраженные случайными величинами (как дискретными, так и непрерывными) будем характеризовать как факторы (случайные факторы), ранжированные по уровням.
При указанных представлениях условная вероятность отнесения аварии к 1-й категории в формуле (2) для одного фактора (признака) в векторной форме А выражается, с учетом несовместимости событий Л^ А2,..., Ам, (т.е. при реализации разных уровней фактора А), суммой:
Р(К|А)=Р(К|А1)+Р(К|А2)+...+Р(К|Ам), (3)
где Л5, Д2,..., Ам - уровни каждого из N факторов (признаков), т.е. значения составляющих вектора А. Аналогично для любого из остальных факторов В, С и т.д.:
Р(Н1|Ё)=Р(НД)+Р(НД)+... +Р(Н,|ВМ), (3.1)
Р(Н1^)=Р(Н1|С1)+Р(Н1|С2)+. +Р(Н(|См) (3.2)
и т.д.
Условная вероятность отнесения аварии к 1-й категории при векторной форме представления совокупности N признаков с учетом совместимости событий А, §, (!... (т.е. совместимости реализации определенных уровней факторов Л, В, С,. ) составит:
Р(Н.|А§ £...)=Р(Н.|А) Р(Н.|Й) Р(Н,|(!)...= =[Р(Н1|Л1)+Р(Н1|л2)+.+Р1(Н1|Лма)1]* *[Р(Н1|В1)+Р(Н1|В2)+^.+Р(Н1|В1мЬ)]* *[Р(Н1|С1)+Р(Н1|С2)+^.+Р(Н1|Смс)]*. (4)
где Ма, МЬ, Мс ... - число уровней признаков А, В, С, ... (до ^го). Например, при наличии трех признаков (А, В, С) исходя из (4), условная байесовская вероятность принадлежности гипотетической аварии к 1-й категории выразится соотношением:
Р(Н^А § б)=Р(Н1|Х) Р(Н^) Р(Н1^)=
^(Н^В^ + Р^^+.-. + Р^^)]* ^(Н^У+Р^^д+.^^^у],-
где по формуле (2):
Р(Н ,|Аг)=™ рж 1А ^ЖВД.
Р(АМ) '
Аналогичными соотношениями, исходя из (4), выразятся условные вероятности принадлежности гипотетической аварии ко 2-й, т.е. Р(Н2|А Ё (!), и 3-й, т.е. Р(Н3|А § (!), категориям. В задаче прогнозирования наиболее вероятной причины (природы)аварии по результатам (сведениям о признаках), полученным однократным шурфованием конкретного участка линейной части трубопровода, формулы вычисления условной вероятности отнесения гипотетической аварии к 1-й категории упрощаются.
Так, условная вероятность отнесения аварии к 1-й категории (в случае реализации, например, уровней Л1, В2, С2) в этом случае составит:
Р1шУрф(Н1|А 6 £)= =Р(Н1|Л1) Р(Н^В2) Р(Н^С2),
(5)
где Р(Н1|Л1), Р(Н1|В2), Р(Н1|С2) - условные байесовские вероятности, определенные для уровней Л1, В2, С2. Чтобы определить наиболее вероятную физическую природу возможной аварии по совокупности знаний о предшествующих авариях с их признаками и результатах однократного шурфования (натурного обследования в конкретной точке трубопровода), дающего знания об уровнях признаков потенциальной аварии в данной точке трубопровода, следует сопоставить полученные значения апостериорной вероятности принадлежности гипотетической аварии к каждой из категорий. Большее из полученных значений укажет на наиболее возможную категорию аварий в данной точке трубопровода, т.е. наиболее возможную совокупность причин (природу) гипотетической аварии. Следует подчеркнуть, что вышеуказанная задача рассматривалась только для
случая гипотетической аварии, причем рассуждения касались только 1-й ступени распознавания.
РАЗРАБОТКА «РАБОЧЕГО СЛОВАРЯ» ПРИЗНАКОВ, ИСПОЛЬЗУЕМЫХ ПРИ ПОСТРОЕНИИ СИСТЕМЫ РАСПОЗНАВАНИЯ АВАРИЙ
Различные признаки обладают различной информативностью по отношению к разным категориям аварий и при их использовании доставляют различную по объему и качеству информацию об объекте определенного класса (в нашем случае - об аварии определенной категории).
В связи с этим при формировании пространства используемых признаков («рабочего словаря» признаков) заранее следует побеспокоиться о включении в него признаков, обладающих наибольшей информативностью для характеристики той или иной категории аварии. В любом случае следует стремиться отсечь те признаки, которые слабо реагируют на смену классов распознаваемых объектов (в данном случае - смену распознаваемых категорий аварии).
Критерием отбора признаков в «рабочий словарь» может служить оценка вероятности правильного распознавания категории аварии при использовании того или иного признака, а точнее - ее информационный аналог, оценка степени неопределенности (энтропии) распознаваемой категории аварии [8]. Для решения данной задачи следует:
• оценить неопределенность(энтропию) распознаваемой категории аварии как функционал безусловной вероятности правильного установления категории аварии (11) для каждого предлагаемого для включения в «словарь» признака;
• получить ту же оценку неопределенности как функционал условной вероятности правильного установления категории аварии (12) для каждого предлагаемого для включения в «словарь» признака;
• оценить уровень снижения неопределенности (энтропии) распознавания как разность между 11 и 12 для каждого предлагаемого для включения в «словарь» признака, т.е.:
100
№ 4 апрель 2015 ТЕРРИТОРИЯ НЕФТЕГАЗ
OIL AND GAS TRANSPORTATION, STORAGE AND REFINING
i = I - i2.
(6)
Таблица 1. Признаки, входящие в базу данных Table 1. Attributes in the data base
Такое снижение неопределенности (энтропии) оценивается условием:
=ад=дрвд (7)
в котором:
р(х.) - вероятность л'-го значения случайной величины (случайного фактора) к-го признака, содержащего 1_уровней; р(у,) - вероятность 1-го значения случайной величины реализации определенной категории (в нашем случае -одной из трех категорий) аварии при условии выбора какого-либо значения (уровня) X. в рамках рассмотрения совокупности данных по к-му признаку, имеющихся в базе данных, т.е. условная случайная величина у,|х.; р(х.,у,) - обозначение совместных вероятностей [р(х.)р(у,|х.)], характеризующих безусловные вероятности наступления аварии 1-й категории на основе изучения каждого из 1_ уровней к-го признака.
Для применения в задаче распознавания отбираются признаки с более высокой информационной характеристикой Д1.
Пример. Установление наиболее вероятной физической природы возможной (гипотетической) аварии в определенной точке газопровода с привлечением базы данных о случаях аварий на газопроводах Задача решается с помощью проведения однократного шурфования газопровода в определенной точке с определением всех сопутствующих признаков и в условиях проведенной в 1-й части статьи классификации:
• деление аварий на три укрупненные категории (отсроченные проявления дефектов, внезапные аварийные воздействия и стресс-коррозионные проявления);
• наличие базы данных о случаях аварий, по каждому из которых установлены причины и природа происхождения и значения (уровни) по 29 сопутствующим признакам.
1. Разработка «рабочего словаря» признаков
№ п/п No. Признаки, входящие в базу данных Attributes in the data base Выбранные информативные признаки Information attributes selected
1 Возраст объекта, лет Facility age, years +
2 Организация, эксплуатирующая объект Company operating the facility +
3 Вид объекта Facility type
4 Узел Assembly +
5 Конфигурация трубопровода в месте аварии Pipeline configuration in the accident place
6 Категория трубопровода в месте аварии Pipeline category in the accident place
7 Глубина заложения объекта, м Depth of the facility, m +
8 Тип изоляции трубопровода Pipeline insulation type
9 Конструкция изоляции трубопровода Pipeline insulation structure +
10 Вид изоляции объекта Facility insulation type
11 Вид пригрузки Surcharge type
12 Давление в точке аварии Pressure in the accident point +
13 Вид грунта Soil type +
14 Влагонасыщенность грунта Water saturation of soil +
15 Свойства грунта Soil properties
16 Расстояние до нагнетательной КС, км Distance to delivery pump station, km +
17 Температура газа в месте аварии Gas temperature at the accident place +
18 Условный диаметр узла, мм Nominal diameter of the assembly, mm +
19 Толщина стенки, мм Wall thickness, mm +
20 Второй условный диаметр тройника, мм Second nominal diameter of the T-joint, mm
21 Вторая толщина стенки тройника, мм Second wall thickness of the T-joint, mm
22 Тип аварийного узла Accident assembly type +
23 Состояние изоляции трубопровода в месте аварии Condition of the pipeline insulation in the accident place
24 Сезон Season
25 Класс прочности стали Steel grade +
26 Ру/Рп, МПа Rated pressure/Formation pressure, MPa
27 Федеральный округ Federal district +
28 Плотность населения Population density +
29 Климат Climate
ТЕРРИТОРИЯ НЕФТЕГАЗ № 4 апрель 2015
101
ТРАНСПОРТ, ХРАНЕНИЕ И ПЕРЕРАБОТКА НЕФТИ И ГАЗА
Таблица 2. Пример определения категории гипотетической аварии Table 2. Example of hypothetical accident category determination
№ No. Наименование, единица измерения признака Attribute description, unit of measuring Значение (уровень) признака Attribute value (level) Вероятность категории аварии при реализации конкретного значения признака* Probability of the accident category should particular attribute value is employed*
1-я категория (отсроченные проявления дефектов) category 1 (deferred defects manifestation) 2-я категория (внезапные аварийные воздействия) category 2 (sudden accident impact) 3-я категория (стресс-коррозионные проявления) category 3 (stress-corrosion manifestation)
1 Возраст объекта, лет Facility age, years 30-34 0,0891 0,0559 0,0489
2 Организация, эксплуатирующая объект Company operating the facility Газпром трансгаз Gazprom transgaz 0,0485 0,3356 0
3 Узел Assembly Линейный участок Linear section 0,7165 0,3846 0,8858
4 Глубина заложения объекта, м Depth of the facility, m 2 0,1579 0,0349 0,1902
5 Конструкция изоляции трубопровода Pipeline insulation structure Двухслойная с оберткой Double layer with wrapping 0,1538 0,2657 0,1304
6 Давление в точке аварии Pressure in the accident point 5 0,3967 0,0979 0,4076
7 Вид грунта Soil type Суглинок Loam 0,4494 0,3636 0,5761
8 Влагонасыщенность грунта Water saturation of soil Влажный Wet 0,2631 0,2238 0,1685
9 Расстояние до нагнетательной КС, км Distance to delivery pump station, km 15,1-20 0,0324 0,0349 0,0761
10 Температура газа в месте аварии, °К Gas temperature at the accident place, °K 288-292 0,1336 0,1608 0,1413
11 Условный диаметр узла, мм Nominal diameter of the assembly, mm 1000 0,2186 0,0699 0,1087
12 Толщина стенки, мм Wall thickness, mm 10 0,0486 0,0419 0,0272
13 Тип аварийного узла Accident assembly type Труба спиральношовная Helical pipe 0,0809 0,0699 0,0869
14 Класс прочности стали Steel grade К52 0,3846 0,2797 0,2717
15 Федеральный округ Federal district Северо-Кавказский North-Caucasian 0,0688 0,4335 0
16 Плотность населения Population density 30-45 0,1781 0,2867 0,1467
Условная вероятность принадлежности к категории Transitional probability of rating 6,2026.10-14 2,1450.10-14 0
* Значения вероятностей выбираются из базы данных в зависимости от введенного значения (уровня) признака (рис. 1).
* Probability values are selected from the data base depending on the attribute value (level) input (Fig. 1).
Как показано в таблице 1, из 29 признаков, сведения о которых имеются в базе данных по каждой из произошедших аварий, для решения поставленной задачи отобрано, согласно приведенной выше методике, 16 признаков, в наибольшей степени способствующих уменьшению неопределенности прогнозирования природы возможной аварии. 2. Прогнозирование физической природы аварии (решение для 1-й ступени распознавания) В окне ввода исходных данных программы оценки вероятности аварии опреде-
ленной категории (рис. 1), разработанной на основе изложенного подхода, на 1-й ступени распознавания выбираются значения (уровни) признаков по результатам однократного шурфования, по которым определяется категория гипотетической аварии. Результаты проведенного расчета прогнозирования физической природы аварии (решение для 1-й ступени распознавания) показаны в таблице 2. Как видно из таблицы 2, наиболее вероятной гипотетической аварией в месте шурфования является авария катего-
рии 1. Результат расчета выводится в виде сообщения, представленного на рисунке 2.
По результатам проверок для случаев распознавания аварий различных категорий средний процент правильного распознавания категории возможной аварии составляет 82,3%. На 2-й ступени распознавания при детализации выводов о причине гипотетической аварии с учетом установленной выше ее природы задача решается аналогично, путем распознавания и выбора соответствующей подкатегории.
102
№ 4 апрель 2015 ТЕРРИТОРИЯ НЕФТЕГАЗ
OIL AND GAS TRANSPORTATION, STORAGE AND REFINING
Рис. 1. Окно ввода исходных данных программы прогнозирования вероятности наступления аварии определенной категории Fig. 1. Window to input source data of the program for certain category accident probability forecasting
Рис. 2. Сообщение о результате расчетного прогнозирования категории аварии
Fig. 2. Message on the result of the calculated accident category forecasting
ЗАКЛЮЧЕНИЕ
На основе теории распознавания образов и привлечения ретроспективных сведений о случаях аварий на магистральных газопроводах разработана методика предсказания наиболее вероятного типа (природы) возможной аварии, позволяющая: • определить наиболее вероятный тип (физическую природу) возможной (гипотетической) аварии в конкретной точке эксплуатируемого газопровода с использованием данных пробного (одиночного) шурфования и, соответ-
ственно, обеспечить возможность обоснованного планирования противоава-рийных мероприятий, оценки масштаба возможного ущерба от аварии;
• осуществлять поверочные расчеты правильности причинно-следственных выводов комиссий по расследованию аварий в случаях недостаточности информации для однозначных выводов на основе изучения обстановки на месте аварии;
• уточнять принципы обязательного страхования гражданской ответственности за причинение вреда в
результате аварий на опасных производственных объектах (магистральных газопроводах) в случаях наступления «внезапных» и «отсроченных» аварий;
• прогнозировать риски в области охраны труда и промышленной безопасности, в т.ч. при разработке деклараций промышленной безопасности, инженерной разработке обоснований безопасности, продлении ресурса и решении других задач,связанных с обеспечением безопасности магистральных газопроводов.
Литература:
1. Горелик А.Л., Скрипкин В.А. Методы распознавания. - М.: Высшая школа, 1977.
2. Аварийность и травматизм на объектах нефтегазового комплекса // Информационный бюллетень Федеральной службы по экологическому, технологическому и атомному надзору: Спецвыпуск. - М.: ЗАО «НТЦ ПБ», 2013. - 83 с.
3. Фу К. Последовательные методы в распознавании образов и обучении машин. - М.: Наука, 1971.
4. Берман А.Ф., Николайчук О.А., Малтугуева Г.С., Юрин А.Ю. Применение прецедентного подхода для поддержки принятия решений при определении причин и прогнозировании инцидентов и аварий // Безопасность труда в промышленности. - 2014. - № 11. - С. 18-23.
5. Справочник по прикладной статистике / Под ред. Э. Ллойда, У. Ледермана. - М.: Финансы и статистика, 1990. - Т. 2.
6. Вентцель Е.С. Теория вероятностей. - М.: Наука, 1969. - 576 с.
7. Феллер В. Введение в теорию вероятностей и ее приложения. - М.: Мир, 1984. - Т. 1.
8. Волькенштейн М.В. Энтропия и информация. - М.: Наука, 2006.
References:
1. Gorelik A.L., Skripkin V.A. Metody raspoznavanija [Recognition methods]. Moscow, Vysshaya Shkola Publ., 1977.
2. Avarijnost' i travmatizm na ob'ektah neftegazovogo kompleksa [Accident and injury rate at the oil and gas complex facilities]. Informacionnyj bjulleten' Federal'noj sluzhby po jekologicheskomu, tehnologicheskomu i atomnomu nadzoru: Specvypusk [Newsletter of the Federal Service for Ecological, Technological and Atomic Supervision Special Issue]. Moscow, Scientific and Technical Center on Safety CJSC, 2013. 83 pp.
3. Fu K. Posledovatel'nyemetody vraspoznavaniiobrazoviobucheniimashin [Systematic methods: pattern recognition and machine learning]. Moscow, Nauka Publ., 1971.
4. Berman A.F., Nikolaichuk O.A., Maltuguyeva G.S., Yurin A.Yu. Primenenie precedentnogo podhoda dlja podderzhki prinjatija reshenij pri opredelenii prichin i prognozirovanii incidentov i avarij [Case-approach method to support decision taking when determining causes and forecasting incidents and accidents]. Bezopasnost' truda v promyshlennosti = Occupational safety in industry, 2014, No. 11. P. 18-23.
5. Spravochnik po prikladnojstatistike [Reference book: applied statistics]. Ed. by E. Lloyd, U. Lederman. Moscow, Finances and statistics Publ., 1990. Vol. 2.
6. Venttsel Ye.S. Teorija verojatnostej [Probability theory]. Moscow, Nauka Publ., 1969. 576 pp.
7. Feller V. Vvedenie v teoriju verojatnosteji ee prilozhenija [Introduction to the probability theory and its application]. Moscow, Mir Publ., 1984. Vol. 1.
8. Volkenstein M.V. Jentropija i informacija [Entropy and information]. Moscow, Nauka Publ., 2006.
ТЕРРИТОРИЯ НЕФТЕГАЗ № 4 апрель 2015
103
