基于贝叶斯网络的油田管道失效概率计算

吉林大学学报(信息科学版) ›› 2021, Vol. 39 ›› Issue (1): 66-76.

基于贝叶斯网络的油田管道失效概率计算

任伟建^a,b, 于雪^a, 霍凤财^a,b, 康朝海^a,b

东北石油大学 a. 电气信息工程学院; b. 黑龙江省网络化与智能控制重点实验室, 黑龙江大庆 163318

收稿日期:2020-05-08 出版日期:2021-03-19 发布日期:2021-03-20
作者简介:任伟建(1963— ), 女, 黑龙江泰来人, 东北石油大学教授, 博士生导师, 主要从事复杂系统的控制研究,(Tel)86-13845901386(E-mail)renwj@126.com
基金资助:
国家自然科学基金资助项目(6193307); 黑龙江省自然科学基金资助项目(F2018004)

Calculation of Failure Probability of Oil Field Pipeline Based on Bayesian Network

REN Weijian^a,b YU Xue^a, HUO Fengcai^a,b, KANG Chaohai^a,b

a. School of Electrical Engineering and Information; b. Heilongjiang Provincial Key Laboratory of Networking and Intelligent Control, Northeast Petroleum University, Daqing 163318, China

Received:2020-05-08 Online:2021-03-19 Published:2021-03-20

摘要/Abstract

摘要： 针对事故树分析法不能对管道风险进行多态性分析, 且无法实现双向推理问题, 提出一种基于贝叶斯网络的油田管道失效概率计算方法。首先, 建立油田管道失效风险事故树模型, 利用事故树与贝叶斯网络的转换确定贝叶斯网络结构, 完成管道失效风险贝叶斯网络模型结构的构建; 其次, 考虑到由专家知识经验及期望最大化算法确定的网络参数存在较大的估计误差问题, 引入遗传算法完成贝叶斯网络参数学习以此获取最优参数; 最后, 将该方法应用于实际油田管道风险问题, 利用 GeNIe 贝叶斯网络仿真软件计算油田管道失效概率,同时对每个风险因素进行分析并得到影响管道发生失效的致因链。实验证明, 所提方法在评估精度上得到了显著地提升。

关键词: 事故树分析, 贝叶斯网络, 参数学习, 遗传算法, 管道

Abstract: In view of the fact that the fault tree analysis method can not analyze the pipeline risk polymorphism, and can not realize two-way reasoning, a calculation method of pipeline failure probability based on Bayesian network is proposed. Firstly, the fault tree model of oil field pipeline failure risk is established, and the Bayesian network structure is determined by the transformation of fault tree and Bayesian network to complete the construction of the Bayesian network model structure of pipeline failure risk. Secondly, considering the large estimation error of network parameters determined by expert knowledge experience and expectation maximization algorithm, genetic algorithm is introduced to complete the Bayesian network structure. Finally, this method is applied to the actual risk problem of oil field pipeline, and the failure probability of oil field pipeline is calculated by using the genie Bayesian network simulation software. And each risk factor is analyzed and the cause chain affecting the pipeline failure is obtained. The experimental results show that the method proposed has significantly improved the evaluation accuracy.

Key words: fault tree analysis, bayesian network, parameter learning, genetic algorithm, pipeline

中图分类号:

TP15

任伟建, 于雪, 霍凤财, 康朝海. 基于贝叶斯网络的油田管道失效概率计算[J]. 吉林大学学报(信息科学版), 2021, 39(1): 66-76.

REN Weijian, YU Xue , HUO Fengcai , KANG Chaohai . Calculation of Failure Probability of Oil Field Pipeline Based on Bayesian Network[J]. Journal of Jilin University (Information Science Edition), 2021, 39(1): 66-76.

[1]	张勇, 王臣, 王闯, 姜鑫蕾, 刘洁. 基于 PSO-FCM 的长输管道泄漏检测方法[J]. 吉林大学学报(信息科学版), 2021, 39(2): 185-191.
[2]	刘苗, 姚荣, 霍卓苗, 钟晓曦, 孙振兴. 基于能量采集的管道物联网路由优化算法[J]. 吉林大学学报(信息科学版), 2021, 39(2): 152-157.
[3]	张超, 侯男, 路敬祎, 王闯. 改进的 PSO-VMD 算法及其在管道泄漏检测中的应用[J]. 吉林大学学报(信息科学版), 2021, 39(1): 28-36.
[4]	周小琳, 焦子恒, 胡锦林, 李彦怡, 王长鹏. 基于智能算法的灾区救援路径规划[J]. 吉林大学学报(信息科学版), 2020, 38(4): 516-521.
[5]	徐世福, 蒋亚南. 机械故障稀疏特征相似性度量优化研究[J]. 吉林大学学报(信息科学版), 2020, 38(2): 154-159.
[6]	赵航, 岳晓峰, 方博, 袁晓磊, 马国元, 郭宋吾铭. 基于PSO-GA-BP神经网络的视觉伺服控制系统[J]. 吉林大学学报(信息科学版), 2020, 38(2): 172-178.
[7]	任悦, 刘铠铭, 杨舒迪, 李林远, 张会珍. 油田管道风险及完整性评价体系构建与应用[J]. 吉林大学学报(信息科学版), 2020, 38(2): 220-226.
[8]	梁洪卫, 刘冬冬, 阚玲玲, 高丙坤, 邹岱峰. 基于VMD改进算法的气体管道泄漏检测[J]. 吉林大学学报(信息科学版), 2019, 37(5): 490-496.
[9]	尹淑欣, 段玉波, 刘云菲. 基于互信息的变模态分解算法及应用[J]. 吉林大学学报(信息科学版), 2019, 37(3): 260-264.
[10]	王明君, 吴庆宪. 多无人机协同机场驱鸟任务分配[J]. 吉林大学学报(信息科学版), 2019, 37(1): 47-57.
[11]	刘苗, 刘彦昌, 孙振兴. 基于遗传算法的频谱池ICI 优化算法[J]. 吉林大学学报(信息科学版), 2018, 36(5): 492-496.
[12]	刘玉敏, 高松岩. 混合粒子群算法在地震波阻抗反演中的应用[J]. 吉林大学学报(信息科学版), 2018, 36(5): 531-538.
[13]	隋振，徐峰，苏振东. 基于遗传算法的凸轮升程误差修正[J]. 吉林大学学报(信息科学版), 2018, 36(3): 277-282.
[14]	安杏杏,董宏丽,张勇,邵晓光,代丽艳 . 输油管道泄漏检测技术综述[J]. 吉林大学学报(信息科学版), 2017, 35(4): 424-429.
[15]	李娟, 步贺, 卢秋悦, 吴雷. 基于ZigBee 的供水管道泄漏监测节点的设计[J]. 吉林大学学报(信息科学版), 2016, 34(4): 455-460.