摘? 要：對石油化工過程安全生產的一些關鍵技術研究的現狀以及未來的發(fā)展前景做了綜合性的述評與展望。介紹了國內外安全生產和事故預防若干關鍵技術的研究進展，包括過程監(jiān)測與故障診斷技術、生產關鍵裝置風險評估技術、石油和化工過程的柔性設計、本質安全技術的應用。
??????? 關鍵詞：石油化工；安全；事故預防；風險評估；本質安全；柔性分析
??????? Abstract：A review and perspectives of key technologies of industrial safety for the petrochemical industy are presented.The progress is reviewed in four aspects: Process monitoring and fault diagnosisRisk assessment of key equipment; Lexibility analysis and design of chemical Processes; Application of inherent safety in design of chemical processes.Perspectives of key technologies of safe operation for petrochemical industry are discussed and analyzed．
??????? Key words：petrochemical industry; safe operation; accident prevention; risk evaluation; inherent safety; flexibility analysis
??????? 引言
??????? 石化以及化工生產涉及的原料、輔料、產品等大多易燃、易爆、有毒、有害；大多生產過程連續(xù)性強、工藝復雜、設備管線閥門繁多，稍有不慎就有可能發(fā)生事故，破壞性很大。因此安全問題對于石化及化工項目至關重要，“安、穩(wěn)、長、滿、優(yōu)”五字方針中，安全擺在了首位。多年來，化工反應器升壓爆炸、鍋爐斷裂、有毒氣體泄漏等事故常有發(fā)生，不僅給企業(yè)帶來巨大損失，而且嚴重威脅著生產現場工人及周邊地區(qū)居民的人身安全。據統(tǒng)計，2005年，全國共發(fā)生各類安全生產事故727945起，死亡126760人，其中危險化學品事故發(fā)生164起，死亡229人。2005年11月吉林石化苯胺裝置塔發(fā)生堵塞，循環(huán)不暢，因處理不當，發(fā)生爆炸。該事故不僅造成重大人員傷亡和財產損失，而且引發(fā)了重大水環(huán)境污染事件，給松花江沿岸人民群眾生活和經濟發(fā)展帶來嚴重影響。同樣，國外石化行業(yè)的事故也時有發(fā)生。2005年3月，BP在美國德克薩斯州的煉油廠碳氫化合物車問發(fā)生了火災和一系列爆炸事故，15名工人被當場炸死，170余人受傷，許多工人和居民成為爆炸產生濃煙的受害者。同時還導致了嚴重的經濟損失。事后，美國化工安全與危害管理局(CSB)主席卡羅琳·梅里特公布了事故的調查結果：“BP在組織決策、安全監(jiān)督和企業(yè)安全文化中存在系統(tǒng)性疏漏，如果不加以改正，這種疏漏可能會導致更多嚴重事故”。行業(yè)統(tǒng)計結果表明：盡管化工行業(yè)大型的災難性的事故并不頻繁，但是中小事故時有發(fā)生。[1]
??????? 20世紀70年代以來，針對石化行業(yè)安全生產運行，不斷涌現眾多的新技術，主有：過程運行監(jiān)測與故障診斷技術、過程關鍵裝置風險評估技術、化工過程柔性設計以及化工過程本質安全技術等。其中過程狀態(tài)分析、故障診斷、安全預警和事故防范技術的研究與應用得到了普遍重視。在我國，對工業(yè)生產安全運行技術的研究和實施起步較晚，但各級政府、生產企業(yè)非常重視這一課題。中國石化行業(yè)的方針是：一方面是大力加強生產安全的管理工作，如以安全、健康與環(huán)境為主題的HSE管理體系的推廣實施；另一方面是重視安全生產技術研究與開發(fā)，充分發(fā)揮專業(yè)研究機構、高等院校的科研作用。
??????? 1. 石油化工過程安全生產和事故預防關鍵技術研究進展
??????? 1.1 過程監(jiān)測與故障診斷技術
??????? 過程監(jiān)測故障與診斷技術，主要是針對生產運行中存在的非正常狀態(tài)而采取一系列的措施。非正常狀態(tài)包括幾個階段：過渡、異常、事故、災難等。過程監(jiān)測與故障診斷技術是化工過程連續(xù)穩(wěn)定安全生產的有力保障手段之一。Frank將故障診斷方法分成基于知識的、基于解析模型的和基于信號處理的3種方法。Purdue大學的Venkatasu bramanian將故障診斷方法分為：定量模型方法、定性模型方法和過程歷史方法。還有的學者提出了數據驅動方法。[2]
??????? 1.1.1 基于定量模型的故障診斷方法
??????? 定量模型的故障診斷是將被診斷對象的可測信息和由模型表達的系統(tǒng)先驗信息進行比較、分析和處理。所用到的模型種類繁多，大致可分為基本原理模型和動態(tài)響應模型等。基本原理模型也稱為宏觀傳遞現象模型，由于計算的復雜性現在已經很少應用。大部分工作都集中于輸入-輸出模型和狀態(tài)空間模型。
??????? 1.1.2 基于定性模型的故障診斷方法
??????? 工業(yè)過程系統(tǒng)中，很難得到對象的精確數學模型。定性的診斷方法不拘泥于精確數學模型，只描述過程系統(tǒng)的物理關系，建立各子系統(tǒng)之間的定性關系。定性模型方法以符號有向圖(signed directedgraph，SDG)和故障樹法為代表。
??????? 符號有向圖(SDG)是描述大規(guī)模復雜系統(tǒng)的一種有效的方式，通過節(jié)點和有向支路表示系統(tǒng)變量與局部變量之間的因果影響關系。SDG方法一方面將系統(tǒng)變量問的因果關系用圖形的方式來表示，為系統(tǒng)的結構提供了一個直觀的描述；另一方面利用SDG可以比較方便地確定系統(tǒng)的故障根源。但是，SDG應用于復雜工藝流程還有一些不足。某些實際的體系中需要做到定量診斷，為此一些研究者在SDG中引入定量的概念。這些改進主要體現在SDG模型支路的定義上。例如增益、延遲、概率等信息都可以在支路上體現出來，而不僅僅是相容或不相容的兩個值。比較典型的例子是文獻中采用模糊的隸屬函數將穩(wěn)態(tài)增益的知識引入SDG模型。
??????? 故障樹分析法(fault tree analysis，FTA)最早由美國Bell實驗室在20世紀60年代提出。它研究系統(tǒng)或設備發(fā)生故障這一事件的各種直接原因和間接原因，并在這些事件之間建立邏輯關系，以幫助人們尋找潛在事故的根源或進行事故診斷的分析方法。故障樹分析是一種演繹方法，把系統(tǒng)不希望發(fā)生的事件作為故障樹的頂事件，用規(guī)定的邏輯符號，白上而下地分析導致頂事件發(fā)生的所有可能的直接因素和起因以及相互問的邏輯關系，并由此逐步深入分析，直到找到事故的基本原因，即故障樹的底事件為止。故障樹分析包括定性和定量分析兩部分，通過分析不僅可以得到頂事件發(fā)生的概率，而且可以找出系統(tǒng)的薄弱環(huán)節(jié)，提高系統(tǒng)的安全性和可靠性。該方法簡明、直觀、易懂、靈活，是工程系統(tǒng)可靠性與安全性評價的有效方法之一。
??????? 1.1.3 基于過程歷史的診斷方法
??????? 對于工業(yè)過程來說，系統(tǒng)的定量解析模型非常復雜，建立其解析模型非常難。即使得到其解析模型，也很難做到在線應用。而定性模型中包含許多不確定的因素，推理以及診斷都有一定的難度，因此難以找出故障的根本原因?；谶^程歷史的方法填補了依賴模型診斷方法的缺點，該方法對線性、非線性系統(tǒng)以及簡單、復雜系統(tǒng)都適用，具有較好的應用前景。
??????? 定性的趨勢分析(qualitative trendanalysis，QTA)是一種數據驅動的時間推理和形狀分析方法，常用于慢過程的診斷和控制。1990年，Cheung等建立趨勢描述的一種框架，引入三角形的形式來描述過程的趨勢，但并不能完全描述出過程的歷史趨勢。1991年，Janusz等根據過程趨勢的一階和二階導數的組合，定義并提出趨勢描述語言的幾種基本語言形式。Rengaswamy等采用人工神經網絡的方法從帶有噪聲的傳感器數據中提取過程的基本趨勢。1997年，Vedam等發(fā)表基于小波理論自適應趨勢分析的框架，緊接著Venkatasubramanian等又提出基于雙值B樣條的趨勢分析算法。用于故障診斷的專家系統(tǒng)是利用計算機系統(tǒng)不斷采集工業(yè)生產過程的信息，并綜合運用知識庫中經驗規(guī)則進行推理，快速找到系統(tǒng)可能的故障，從而預報和診斷解決過程系統(tǒng)的故障問題。專家系統(tǒng)匯集了各種來源的有關故障診斷的知識，將專家和專業(yè)人員的知識系統(tǒng)化。作者所在的課題組近幾年來針對化工裝置的安全操作開發(fā)了若干個化工裝置故障診斷系統(tǒng)。
??????? 主元分析法(principal component analysis，PCA)是一種典型的多元投影方法。該方法基于原始的數據空間，通過構造一組新的潛隱變量來降低原始數據空間的維數，再從新的映射空間抽取主要變化信息，提取統(tǒng)計特征，從而辨識原始數據空間的系統(tǒng)特性。文獻采用PCA方法用于自適應過程監(jiān)控，Dong和，McAvoyt采用非線性的PCA來實現間歇過程的故障診斷，文獻討論了采用PCA技術進行傳感器故障的辨識與重構，本文部分作者采用非線性動態(tài)PCA用于在線過程檢測與診斷，都取得了較好都效果。
??????? 支持向量機(support vector machine，SVM)是由Vapnik在統(tǒng)計學習理論基礎上提出的一種新的通用學習算法，以結構風險最小化(SRM)為歸納原則，尋求使經驗風險和置信范圍之和最小j算法最終轉化為一個二次型尋優(yōu)問題。從理論上講，得到的將是全局最優(yōu)解；將實際問題通過非線性變換映射到高維特征空問，在高維特征空間中構造線性判別函數來實現原空間中的非線性判別函數；巧妙地解決了維數問題，其算法復雜度與樣本維數無關。但是其不足主要是在基于支持向量機的多值問題分類算法、核函數和核參數的選擇優(yōu)化問題以及增量學習問題等機制。