[发明专利]一种基于云计算的化工装置爆炸风险评估控制系统

权利要求书

1.一种基于云计算的化工装置爆炸风险评估控制系统，其特征在于，所述基于云计算的化工装置爆炸风险评估控制系统包括：

极限压力获得模块，用于利用现场气象资料及所述化工装置的周边环境获得的数据计算不同场景情况下所述化工装置发生爆炸时的极限压力；

爆炸概率获得模块，与极限压力获得模块连接，用于利用生产中的实际数据计算获得所述化工装置发生爆炸事故的爆炸概率；

云计算模块，与爆炸概率获得模块连接，用于获取极限压力获得模块和爆炸概率获得模块的信息，计算爆炸风险的概率；

风险性评估模块，与云计算模块连接，用于利用云计算模块获得的化工装置发生爆炸时的极限压力和化工装置发生爆炸事故的爆炸概率形成累积概率-爆炸后果评估曲线，最终对化工装置的爆炸风险性进行评估；风险性评估模块采用定量化与定性分析相结合，结合工程实际建立评价集，建立综合评价判断矩阵，根据每一失效因素对化工装置的损伤率及其对化工装置安全影响的权重计算总的损伤率，摒弃采用单一角度评定、过分依赖或现场数据的方式，综合考虑影响在役化工装置安全性的所有主要因素，并明确各影响的相互联系，作出综合性安全评价；在役化工装置失效因素评定包括：

平面缺陷的断裂评定，评定方法为采用失效评定图的方法进行，失效评定曲线方程为：

$K_r=(1-0.14L_r^2)(0.3+0.7e^{-0.65L_r^{\mathrm{\β}}})$

垂直线的方程为：

的值取决于材料的特性：

对奥氏体不锈钢，

对无屈服平台的低碳钢及奥氏体不锈钢焊缝，

对无屈服平台的低合金钢及其焊缝，

对于具有长屈服平台的材料，当材料温度不高于200℃时，可根据K_r值及材料屈服强度级别；

对于不能按钢材类别确定的材料，可按下式计算的值：

$L_r^{\max }=\stackrel{\‾}{\mathrm{\σ}}/{\mathrm{\σ}}_s=0.5({\mathrm{\σ}}_b+{\mathrm{\σ}}_s)/{\mathrm{\σ}}_s;$

平面缺陷的疲劳评定方法：

平首先依据疲劳裂纹扩展速率da/dN与裂纹尖端应力强度因子变化幅度ΔK关系式确定在规定的循环周期内疲劳裂纹的扩展量和最终尺寸；然后根据所给出的判别条件和方法，来判断该平面缺陷是否会发生泄漏和疲劳断裂，除所规定的平面缺陷外，裂纹、未融合、未焊透、深度大于等于1mm的咬边定；

风险性评估模块，对化工装置的爆炸风险性进行评估具体包括：建立因素集：

影响在役化工装置的各种参数组成因素集合，取二级因素U＝{u₁,u₂,u₃,u₄}＝{缺陷，重要部件，材质，内部环境}，u₁＝{u₁₁,u₁₂}＝{平面缺陷的断裂失效，平面缺陷的疲劳失效}，u₂＝{u₂₁,u₂₂,u₂₃,u₂₄}＝{胶芯，活塞，密封圈，液压控制油路}，u₃＝{u₃₁,u₃₂,u₃₃}＝{材料加工质量，材料机械性能，设计合理性}，u₄＝{u₄₁,u₄₂,u₄₃}＝{压力，温度，腐蚀性}；

建立评价集：

为了对各评价指标进行定量分析需要确定各指标的评价集，采用5级百分制评价把评价集V划分5个评价等级，即V＝{v₁，v₂，v₃，v₄，v₅}＝{极小，很小，小，较大，大}，其中v₁为在役化工装置多因素失效危险性极小，评分区间为90～100，中值为95；v₂为危险性很小，评分区间为80～89，中值为84.5；依此类推；选择各区间的中值作为等级的参数，则5个等级所对应的参数为{95，84.5，74.5，64.5，49.5}，参数列向量为ν＝{95，84.5，74.5，64.5，49.5}^T；

建立权重集：

(1)建立递阶层次结构：

根据建立的在役化工装置评价因素集即评价指标体系，将问题所包含的各因素分为四个层次：第一层是评价的总目标层G，即在役化工装置综合安全；第二层是准则层C，即缺陷，重要部件，材质和内部环境；最后将个具体指标作为第三层，即指标层P；

(2)构造两两比较判断矩阵：

根据1～9标度法逐层对各个要素两两之间进行重要性程度赋值，构造判断矩阵U＝(u_ij)_n×n，其中u_ij表示因素u_i和u_j相对于准则层的重要值，矩阵U具有性质：u_ii＝1,u_ij＝1/u_ji,i,j＝1,2,…,n，得出判断矩阵：将矩阵X¹～X⁵按列归一化，即：

$y_{ij}=\frac{x_{ij}}{\underset{i=1}{\overset{n}{\Σ}}{x}_{ij}},(i,j=1,2...n)$

计算出矩阵Y为：

$Y^1=\left(\begin{array}{cccc}0.681& 0.732& 0.572& 0.667\\ 0.136& 0.146& 0.214& 0.190\\ 0.085& 0.049& 0.071& 0.048\\ 0.098& 0.073& 0.143& 0.095\end{array}\right)$

$Y^2=\left(\begin{array}{cc}0.5& 0.5\\ 0.5& 0.5\end{array}\right)$

$Y^3=\left(\begin{array}{cccc}0.293& 0.348& 0.353& 0.279\\ 0.073& 0.087& 0.118& 0.093\\ 0.049& 0.043& 0.059& 0.070\\ 0.585& 0.522& 0.470& 0.558\end{array}\right)$

$Y^4=\left(\begin{array}{ccc}0.652& 0.556& 0.692\\ 0.131& 0.111& 0.077\\ 0.217& 0.333& 0.231\end{array}\right)$

$Y^5=\left(\begin{array}{ccc}0.732& 0.789& 0.600\\ 0.146& 0.158& 0.300\\ 0.122& 0.053& 0.100\end{array}\right)$

(3)单一准则下元素相对权重的计算：

将Y矩阵按行相加，由公式得出：

W¹＝(2.652 0.686 0.253 0.409)^T

W²＝(1 1)^T

W³＝(1.273 0.371 0.221 2.135)^T

W⁴＝(1.9 0.319 0.781)^T

W⁵＝(2.121 0.604 0.275)^T

将得到的和向量进行归一化处理，由公式可得权向量：

${\stackrel{\‾}{W}}^1={\left(\begin{array}{cccc}0.663& 0.172& 0.063& 0.102\end{array}\right)}^T$

${\stackrel{\‾}{W}}^2={\left(\begin{array}{cc}0.5& 0.5\end{array}\right)}^T$

${\stackrel{\‾}{W}}^3={\left(\begin{array}{cccc}0.381& 0.093& 0.055& 0.534\end{array}\right)}^T$

${\stackrel{\‾}{W}}^4={\left(\begin{array}{ccc}0.633& 0.106& 0.261\end{array}\right)}^T$

${\stackrel{\‾}{W}}^5={\left(\begin{array}{ccc}0.707& 0.201& 0.092\end{array}\right)}^T$

(4)判断矩阵的一致性检验：

计算判断矩阵的最大特征根λ_max，由公式计算得出:

${\stackrel{\‾}{\mathrm{\λ}}}_{max}^1=4.085$

${\stackrel{\‾}{\mathrm{\λ}}}_{max}^2=2$

${\stackrel{\‾}{\mathrm{\λ}}}_{max}^3=4.031$

${\stackrel{\‾}{\mathrm{\λ}}}_{max}^4=0.304$

${\stackrel{\‾}{\mathrm{\λ}}}_{max}^5=3.096$

根据公式进行一致性检验，得到：

CI¹＝0.019

CI²＝0

CI³＝0.031

CI⁴＝0.020

CI⁵＝0.048

由公式得：

CR¹＝0.022

CR²＝0

CR³＝0.035

CR⁴＝0.038

CR⁵＝0.092

CR＜0.1，均满足一致性要求，因此各因素的相对权重

隶属度计算：

多位使用频数统计法，对被评价的各项指标按评价集对在役化工装置各项指标的危险程度进行评级，得到因素集的隶属度：

确定评判隶属矩阵：

由得到第k个因素集的相对隶属度矩阵：

$R_k=\left|\begin{array}{ccc}{r}_{k11}& \mathrm{...}& r_{k1n}\\ .& & .\\ .& & .\\ .& & .\\ r_{km1}& \mathrm{...}& r_{kmn}\end{array}\right|$

其中：

式中：R_k—第k个因素集的相对隶属度矩阵；

r_kij—第k个因素集的第i个因素属于评价集中的j的隶属度；

p_kij—组成员对第k个因素集的第i个因素指标评级为j的频数；

存储器，与风险性评估模块连接，用于对风险性评估模块的评估结果进行存储。