CN114021864A - 一种涉氨制冷企业重大风险辨识与实时动态风险评估方法 - Google Patents

Abstract

本发明公开了一种涉氨制冷企业重大风险辨识与实时动态风险评估方法。步骤在于S1数据收集；S2数据分析；S3风险辨识，根据涉氨制冷企业工艺系统划分风险单元，以诱发单元的重特大事故作为风险点；从高风险物品、高风险设备、高风险工艺、高风险场所、高风险作业辨识风险点的固有风险因子；将各个风险点的固有因子辨识结果编制成单元固有风险清单；S4风险评估分级；S5风险聚合。本发明为企业安全风险管控工作提供理论与技术指导，有助于提高涉氨制冷企业安全管理水平，预防重特大事故。

Description

一种涉氨制冷企业重大风险辨识与实时动态风险评估方法

技术领域

本发明属于企业安全生产中的安全风险分级管控技术领域，具体涉及一种涉氨制冷企业重大风险辨识与实时动态风险评估方法。

背景技术

涉氨制冷企业重特大事故时有发生，安全生产形势依然严峻。重大风险的管控是预防重特大事故发生的关键，对可能发生的事故风险进行全面辨识、实时评估、分级管控，将会对事故预防起到事半功倍的作用。

风险辨识评估技术是伴随着安全系统工程的理论发展而来的。风险辨识方法有专家调查法、安全检查表、危险与可操作性研究、事故树分析等；常用的风险评估方法有预先危险性分析、事故树分析、危险和可操作性研究、故障类型和影响分析、作业条件危险性评价方法、风险矩阵法、事故后果模拟评价法、美国道化学公司(DOW)法、帝国化学公司(ICI)蒙德法、日本劳动省“化学工厂六步骤安全评价法”、俄罗斯化工过程危险性评价法等，以及适用于特种设备安全领域的基于风险的检验方法(RBI)。

原劳动部劳动保护科学研究所等单位承担的科技攻关专题《易燃、易爆、有毒重大危险源辨识、评价技术研究》，在大量重大火灾、爆炸、毒物泄漏中毒事故资料的统计分析基础上，将重大危险源的评价分为固有危险性评价和现实危险性评价，固有危险性评价从物质危险性、工艺危险性入手，分析重大事故发生的原因、条件，评价事故的影响范围、伤亡人数和经济损失；现实危险性评价考虑了工艺设备、安全管理、人员素质抵消因子，反映了人对控制事故发生和事故后果扩大的主观能动作用。该项目在事故严重度评价中建立了伤害模型库，采用了定量的计算方法，使我国工业安全评价方法的研究从定性评价进入定量评价阶段。

企业日常采用较多的方法有安全检查表法、LEC法、风险矩阵法、MES法、预先危险性分析、故障类型和影响分析、危险和可操作性分析、事件树分析、事故树分析。上述评估方法操作简单，多以定性或半定量为主，在国内外企业安全管理工作中被广泛运用。当涉及到火灾爆炸以及中毒等特定事故风险评价的时候，美国道(DOW)化学公司的火灾爆炸指数法、英国帝国化学公司蒙德工厂的蒙德评价法、易燃易爆有毒重大危险源评价法则具有明显的优势。此外，专门针对石油化工企业的安全风险评价还有日本的六阶段危险评价法、我国的危险程度分级方法。

学术界对风险的评估则是以定量评价为主，可分为概率评价、伤害范围评价以及系统综合评价。随着模糊数学、灰色系统理论、马尔科夫、贝叶斯理论、机器学习、深度学习、复杂系统理论的引入，风险评估模型也逐渐多元化。

(1)现有的风险辨识缺乏对重大风险的辨识方法，且风险辨识对象不够全面，缺乏对系统外部风险因子的辨识；

(2)现有风险评价指标较为单一固定，考虑了安全风险定义中的可能性和后果指标，忽略了风险动态变化的客观属性；

(3)现有风险评估是将评价对象某一时刻的风险度量值作为其稳定的风险水平，评估结果不够精准；

(4)现有的风险评价模型是通用性、宏观性的评估模型，且立论根据、建模原则、指标量化方法，未见严密的科学论证。

涉氨制冷企业的关键问题是安全问题，从我国最初建造的一批氨制冷系统冷库至今，氨系统冷库已运行六十多年。大部分冷库设备陈旧、管路老化、阀门垫圈老化，存在诸多事故隐患。同时，作为涉氨制冷企业冷库的中枢，氨制冷系统涉及到众多的制冷设备、安全附件以及防护装置，且经常构成重大危险源，一旦失效或发生故障，极易导致重特大事故发生。

氨制冷冷库规模及数量的快速增长和氨制冷系统重特大事故频发对涉氨制冷企业的安全生产提出了更高的要求，以行业为重点预防重特大事故的管理思路已经不能适应涉氨制冷企业安全生产的实际。如何针对涉氨制冷企业的重特大事故预防建立一套具有精准性、系统性和全面性的风险辨识评估方法，是亟需解决的一个问题。

发明内容

本发明的目的是针对现有技术存在的不足提供一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，解决涉氨制冷企业安全风险分级管控工作中的重大安全风险辨识、单元动态风险评估分级、企业风险聚合的问题。

为实现本发明的目的，本发明的技术方案是：一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，步骤在于：

S1数据收集，所述收集的数据包括：

S1.1涉氨制冷企业典型事故案例；

S1.2涉氨制冷企业典型事故模式分析；

S1.3涉氨制冷企业典型生产工艺原理、相关物料特性、设备原理及监测设施要求；

S1.4涉氨制冷企业安全标准化评价报告；

S1.5涉氨制冷企业相关法规、标准及规范；

S2数据分析，基于工艺原理、物料特性，结合几种典型的事故模式，分析可能的事故原因，对现有事故案例中的事故原因进行比对扩充；在事故原因分析基础上，提炼涉氨制冷企业典型事故发生所涉及到物料、设备设施、工艺、作业及场所信息，归纳与事故相关的风险因子；

S3风险辨识

S3.1根据涉氨制冷企业工艺系统划分风险单元，以诱发单元的重特大事故作为风险点；

S3.2固有风险因子辨识

S3.2.1从高风险物品、高风险设备、高风险工艺、高风险场所、高风险作业辨识风险点的固有风险因子；

S3.2.2将各个风险点的固有因子辨识结果编制成单元固有风险清单；

S3.3管理风险因子辨识

管理风险因子辨识是识别并获取单元或企业的安全管理水平，即安全标准化等级；

S3.4动态风险因子辨识

S3.4.1从关键监测数据、事故隐患数据、自然环境特征、物联网事故大数据、特殊时期等方面辨识动态风险因子；

S3.4.2将动态风险因子辨识结果整理编制成单元的动态风险清单；

S4风险评估分级

S4.1建立“5+1+X”风险评价指标体系，具体涵盖；

S4.1.1风险点的“五高”固有风险指标“5”，包括物品固有风险指标、设备固有风险指标、工艺固有风险指标、作业固有风险指标、场所固有风险指标；

S4.1.2单元管控指标“1”；

S4.1.3风险动态指标“X”，包括高危监测指标、事故隐患动态指标、特殊时期指标、物联网事故大数据指标、自然环境指标等；

S4.2风险评价指标量化，量化形式包括：

S4.2.1设备固有风险指标的量化形式为设备危险指数，根据设备的本质安全化水平进行衡量；物品固有风险指标量化形式为物质危险指数，由火灾、爆炸、毒性、能量等特性及物质量衡量；工艺固有风险指标是通过单元内监测监控设施失效率的平均水平来表征；作业固有风险指标的计量是通过单元内存在的高风险作业种类数来确定，包括危险作业的种类、特种设备操作以及特种作业的种类数；场所固有风险指标的量化形式为场所人员暴露指数，根据场所的暴露人员数量确定；

S4.2.2风险管控指标量化为企业安全管理水平，以单元安全生产标准化得分百分比的倒数进行计量；

S4.2.3风险动态指标的量化形式为动态风险指标对风险的扰动程度，关键监测指标和事故隐患动态指标是对风险值的动态修正，特使时期指标、自然环境指标、物联网事故大数据指标等直接对单元风险等级进行扰动；

S4.3风险评估

S4.3.1在“5+1+X”风险评价指标体系基础上，根据计量数学模型，计算风险点固有风险、单元固有风险、单元初始风险、以及单元“5+1+X”实时动态风险；

S4.3.2风险分级准则；

根据ALARP原则和帕累托法则，兼具风险的可比性和差异性原则，给定风险分级准则；

S4.3.3风险级别判定

根据风险分级准则，判定单元风险等级；

S5风险聚合

在单元风险评估基础上，根据风险聚合规则，将单元实时动态风险耦合为企业现实风险。

根据本发明实施例，所述步骤S3.1按工艺划分风险单元包括制冷单元、速冻单元、加工车间单元、储罐区单元；所述步骤S3.1在风险单元内确定的风险点包括火灾爆炸事故风险点和中毒事故风险点。

根据本发明实施例，所述步骤S3.2固有风险因子辨识，从高风险物品、设备、工艺、作业、场所进行辨识；

高风险物品指可能导致发生重特大事故的易燃易爆物品、危险化学品等物品；

高风险工艺指工艺过程失控可能导致发生重特大事故的工艺；

高风险设备指运行过程失控可能导致发生重特大事故的设备设施，如氨制冷系统；

高风险场所指一旦发生事故可能导致发生重特大事故后果的场所，如重大危险源、劳动密集型场所；

高风险作业指失误可能导致发生重特大事故的作业，如特种作业、危险作业、特种设备作业等。

根据本发明实施例，所述步骤S3.4动态风险因子辨识，所述高危风险动态监测数据从涉氨制冷企业现有的监测系统提取，包括温度、压力、流量等；

所述事故隐患动态数据从隐患排查系统获取，选取对本单元事故发生有影响的事故隐患；所述自然环境动态因子从气象系统获取，选取对本单元事故发生有影响的气象和地质灾害数据；

所述物联网大数据动态因子从国家安全大数据平台提取，选取与本单元风险相关的同类型事故数据；

所述特殊时期动态因子从政务网、国家日历获取，选取国家大型会议、国家法定节假日、重大活动等作为动态数据。

根据本发明实施例，所述步骤S4.1中“5+1+X”风险评价指标体系，包括物质、设备、工艺、作业、场所5类固有且相对稳定的对象的危险性表征严重度的特征指标，表征频率的安全管理指标，以及包含物联网监测指标、事故隐患指标、事故大数据指标、特殊时期指标、自然环境指标的5类扰动指标。

根据本发明实施例，所述步骤S4.3.1风险评估模型包括风险点风险评估模型、单元固有风险评估模型、单元初始风险评估模型、单元实时动态风险评估模型；

其中，风险点固有风险评估是基于“五高”固有风险指标的累乘，所述风险评估数学模型如下：

h＝h_sMEK₁K₂

式中：

h_s——高风险设备危险指数；

M——物质危险指数；

E——场所人员暴露指数；

K₁——监测监控失效率修正系数；

K₂——高风险作业危险性修正系数；

单元固有风险是单元内各个风险点的固有风险在暴露人员指数上的加权平均，所述风险评估数学模型如下：

式中：

h_i——单元内第i个风险点固有危险指数；

E_i——单元内第i个风险点场所人员暴露指数；

F——单元内各风险点场所人员暴露指数累计值；

n——单元内风险点数；

单元初始风险是单元固有风险与管控指标的累乘，所述风险评估数学模型如下：

R₀＝100H/M_s

式中：

H——单元固有风险；

M_S——初始安全生产标准化分值；

单元实时动态风险是单元初始风险在动态指标扰动下的修正，所述风险评估数学模型如下：

R_N——单元实时动态风险；

R₀——单元初始高危安全风险值；

M_S———初始安全标准化分值；

K₃——关键监测指标扰动系数；

K₄——事故隐患动态指标扰动系数；

——第i个风险点设备固有危险指数；

M_i——第i个风险点物质危险指数；

E_i——第i个风险点场所人员暴露指数；

——第i个风险点监测监控失效率修正系数；

——第i个风险点高风险作业危险性修正系数；

F——单元内各风险点场所人员暴露指数累计值。

根据本发明实施例，所述步骤S4.3.2风险分级准则，依据试算结果的可比性原则，制定单元风险分级标准为：

根据本发明实施例，所述步骤S5风险聚合，单元风险到企业风险的聚合数学模型如下：

式中：

R——企业现实风险；

max(R_Nj)——企业各单元实时动态风险值中最大值；

ave(R_Nj)——企业各单元实时动态风险值的平均值。

根据本发明实施例，所述单元实时动态风险分级标准适用于企业风险分级。

本发明的技术效果是：(1)提出一种新的单元到风险点的涉氨制冷企业重大风险辨识方法，包括基于“五高”的固有风险因子辨识，管控因子辨识以及动态风险因子辨识；(2)编制汇总涉氨制冷企业的单元高危风险清单，为后期的风险评价提供依据和参考，有助于确定分析对象，减少对重大安全风险管控的盲目性，实现靶向感知；(3) 建立“5+1+X”风险评价指标体系，在此基础上，提出基于安全控制论的风险评估模型，实现了风险的实时动态评估，突破传统风险静态评估的壁垒；(4)提出了单元到企业的风险聚合方法，区别传统企业风险宏观评价带来的不确定性和粗糙性；(5)结合涉氨制冷企业调研的有关技术资料，将风险辨识方法和评估模型进行应用，与调研的技术资料和现场调查结果进行对比分析，验证了风险辨识方法的有效性和评估模型的可行性；(6) 为企业安全风险管控工作提供理论与技术指导，有助于提高涉氨制冷企业安全管理水平，预防重特大事故。

附图说明

图1是涉氨制冷企业安全风险辨识与实时动态风险评估方法流程图。

图2是“5+1+X”风险评价指标的量化图。

具体实施方式

以下结合附图及实施例对本发明做进一步详细的说明。

如图1，本发明提供一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，步骤在于：

S1数据收集，所述收集的数据包括：

S1.1涉氨制冷企业典型事故案例；

S1.2涉氨制冷企业典型事故模式分析；

S1.3涉氨制冷企业典型生产工艺原理、相关物料特性、设备原理及监测设施要求；

S1.4涉氨制冷企业安全标准化评价报告；

S1.5涉氨制冷企业相关法规、标准及规范；

S2数据分析，基于工艺原理、物料特性，结合几种典型的事故模式，分析可能的事故原因，对现有事故案例中的事故原因进行比对扩充；在事故原因分析基础上，提炼涉氨制冷企业典型事故发生所涉及到物料、设备设施、工艺、作业及场所信息，归纳与事故相关的风险因子；

S3风险辨识

S3.1根据涉氨制冷企业工艺系统划分风险单元，以诱发单元的重特大事故作为风险点；

S3.2固有风险因子辨识

S3.2.1从高风险物品、高风险设备、高风险工艺、高风险场所、高风险作业辨识风险点的固有风险因子；

S3.2.2将各个风险点的固有因子辨识结果编制成单元固有风险清单；

S3.3管理风险因子辨识

管理风险因子辨识是识别并获取单元或企业的安全管理水平，即安全标准化等级。

S3.4动态风险因子辨识

S3.4.1从关键监测数据、事故隐患数据、自然环境特征、物联网事故大数据、特殊时期等方面辨识动态风险因子。

S3.4.2将动态风险因子辨识结果整理编制成单元的动态风险清单。

S4风险评估分级

S4.1建立“5+1+X”风险评价指标体系，具体涵盖；

S4.1.1风险点的“五高”固有风险指标“5”，包括物品固有风险指标、设备固有风险指标、工艺固有风险指标、作业固有风险指标、场所固有风险指标；

S4.1.2单元管控指标“1”；

S4.1.3风险动态指标“X”，包括高危监测指标、事故隐患动态指标、特殊时期指标、物联网事故大数据指标、自然环境指标等。

S4.2风险评价指标量化，量化形式包括：

S4.2.1设备固有风险指标的量化形式为设备危险指数，根据设备的本质安全化水平进行衡量；物品固有风险指标量化形式为物质危险指数，由火灾、爆炸、毒性、能量等特性及物质量衡量；工艺固有风险指标是通过单元内监测监控设施失效率的平均水平来表征；作业固有风险指标的计量是通过单元内存在的高风险作业种类数来确定，包括危险作业的种类、特种设备操作以及特种作业的种类数；场所固有风险指标的量化形式为场所人员暴露指数，根据场所的暴露人员数量确定。

S4.2.2风险管控指标量化为企业安全管理水平，以单元安全生产标准化得分百分比的倒数进行计量。

S4.2.3风险动态指标的量化形式为动态风险指标对风险的扰动程度，关键监测指标和事故隐患动态指标是对风险值的动态修正，特使时期指标、自然环境指标、物联网事故大数据指标等直接对单元风险等级进行扰动。

S4.3风险评估

S4.3.1在“5+1+X”风险评价指标体系基础上，根据计量数学模型，计算风险点固有风险、单元固有风险、单元初始风险、以及单元“5+1+X”实时动态风险；

S4.3.2风险分级准则。根据ALARP原则和帕累托法则，兼具风险的可比性和差异性原则，给定风险分级准则。

S4.3.3风险级别判定。根据风险分级准则，判定单元风险等级。

S5风险聚合。在单元风险评估基础上，根据风险聚合规则，将单元实时动态风险耦合为企业现实风险。

本发明涉及涉氨制冷企业，主要分布在各水果、蔬菜、肉制品、禽类、水产、冷饮、奶制品主产区、大中城市郊区的蔬菜基地、及重要的冷链运输港口。

如图1所示，与传统风险辨识和评估方法不同，在现有资料的收集分析基础上，本发明提供一种单元到风险点的风险辨识方法，建立基于“5+1+X”评价指标体系的风险评估模型，提出涉氨制冷企业风险聚合规则，以满足涉氨制冷企业重大风险辨识与实时动态风险评估分级的需要。

资料收集与分析。通过现场调研、事故案例收集、文献查阅、标准对比等手段，提炼分析事故原因，归纳与事故相关的风险因子。

风险评估单元借鉴安全生产标准化单元划分经验，以相对独立的工艺系统作为固有风险辨识评估单元，一般以车间划分将涉氨制冷企业划分评估单元，见表1。

风险点是在单元区域内，以可能诱发的本单元重特大事故作为风险点，见表1。

表1涉氨制冷企业单元划分与风险点选取

实施例：以制冷单元为实施实例进行风险辨识、指标量化取值、实时动态风险评估分级方法的运用和说明。

制冷单元以火灾爆炸和中毒事故居多，将此两类事故作为该单元的典型事故风险点。

由于两类事故风险点，属于同一套生产装置，仅是在进行高风险场所时，人员暴露指数存在差异，涉及到的其他类别的固有风险辨识差异性不大。

制冷单元生产装置中储存氨的量，是事故的能量来源，属于高风险物品；

制冷单元有整套的制冷系统，包括压缩机、冷凝器、蒸发器、储罐、管道等设备设施，生产过程有压力的循坏变化，属于高风险设备；

制冷单元的工艺监测装置(如压力表、液位计、氨气浓度检测仪等)的完好性反映了企业对关键指标控制的可靠性，此为高风险工艺；

涉氨单元有制冷与空调作业、压力管道的巡护维检、固定式压力容器操作等作业，作业的合规性影响着事故发生的概率和严重度，因此作为高风险作业；

厂区及其附近的人员暴露的程度，决定了事故发生可能导致的人员伤亡后果，属于高风险场所；

“五高”固有风险因子辨识后，将各个风险点的“固有风险因子辨识结果整理汇编成单元固有风险清单，并按规定及时更新。

制冷单元火灾爆炸事故风险点固有风险清单见表2。

制冷单元管控风险因子辨识是识别并获取单元的安全管理水平，一般以整个涉氨制冷企业的安全标准化得分作为数据源。

《企业安全生产标准化基本规范》(GB/T 33000-2016)指出企业根据自身安全生产实际，从目标职责、制度化管理、教育培训、现场管理、安全风险管控及隐患排查治理、应急管理、事故管理、持续改进8个要素内容实施标准化管理。

从关键监测数据、事故隐患数据、自然环境特征、物联网事故大数据、特殊时期等方面辨识动态风险因子。

高危风险动态监测数据从涉氨制冷企业现有的监测系统提取，包括温度、压力、流量等；事故隐患动态数据从隐患排查系统获取，选取对本单元事故发生有影响的一般事故隐患和重大事故隐患；

自然环境动态因子从气象系统获取，选取对本单元事故发生有影响的气象和地质灾害数据；

物联网大数据动态因子从国家安全大数据平台提取，选取与本单元风险相关的同类型事故数据；

特殊时期动态因子从政务网、国家日历获取，选取国家大型会议、国家法定节假日、重大活动等作为动态数据。

制冷单元动态风险辨识后，编制本单元动态风险清单，并按规定及时更新。制冷单元动态风险清单见表3、表4。

表3制冷单元动态风险清单。

表4制冷单元动态风险清单。

根据高风险物品、高风险工艺、高风险设备、高风险场所、高风险作业固有风险因子，构建固有风险指标体系，分析指标要素和特征值。

构建单元风险管控指标，单元高危风险管控频率指标以企业安全管理现状来进行表征。

根据单元动态风险因子，构建单元动态风险指标体系，分析指标要素和特征值。

固有风险指标的计量主要包括高风险物品、高风险设备、高风险工艺、高风险作业以及高风险场所的计量。

高风险设备的计量方法是以设备的本质安全化水平来表征。

主要是从氨压缩机、循环桶等主要制冷设备的生产、安装以及验收的资质条件、使用情况、泄压管以及止逆阀等安全附件的配备情况、以及氨浓度报警装置等主要防护装置的安装使用情况及客观存在的生产环境布局情况来考虑，每种技术措施的实施情况对应不同的故障类型，表征不同的安全化水平。

表5风险点设备固有危险指数取值标准

实施例中火灾爆炸事故风险点及中毒事故风险点的设备固有危险指数取值hs＝1.2。

高风险物品的计量方法是以物质的危险系数M来表征。

M值由风险点高风险物品的火灾、爆炸、毒性、能量等特性确定，采用高风险物品的实际存在量与临界量的比值及对应物品的危险特性修正系数乘积的m值作为分级指标，根据分级结果确定M值。

根据《危险化学品重大危险源辨识》(GB 18218-2018)，氨的临界量Q为10t；校正系数β为2。制冷单元火灾爆炸事故风险点和中毒事故风险点的分级结果R计算如下。

m＝q/5

式中，q-制冷系统氨的实际存在量，t

根据计算出来的m值，按表6确定风险点高风险物品的级别，确定相应的物质指数M。

表6风险点高风险物品级别与物质危险系数M的对应关系

实施例中，实际储氨量有25t，计算得m＝5，M＝3。

高风险工艺的计量方法是通过监测监控设施失效率的修正系数K₁来表征，计量方法如下：

K₁＝1+l

式中，l：监测监控设施失效率的平均值。

制冷单元的高风险工艺通过制冷压缩机、制冷设备以及管道上的压力计、温度计、流量计、氨浓度探测器、液位计等监测设施的失效率的平均水平来计量。

实施例中风险点工艺监测监控设施失效率的平均值取0.02，则工艺监测监控设施失效率修正系数K₁＝1.02。

高风险作业固有风险指标的计量以高风险作业危险性修正系数来量化表征，通过计量高风险作业的种类数，转换为高风险作业危险性修正系数K₂，K₂计量方法如下：

K₂＝1+0.05t

式中，t：风险点涉及高风险作业种类数

制冷单元的火灾爆炸事故风险点和中毒风险点涉及融霜作业、常规设备检维修作业、压力管道巡检维护D1、固定式压力容器操作R1、安全附件维修作业、制冷与空调作业等作业。

实施例中，风险点存在6种高风险作业，则高风险作业修正系数K₂＝1.3。

高风险场所的人员暴露指数主要是通过风险点的暴露人员数量，根据表7确定来的。

涉氨制冷单元的火灾爆炸事故风险点的暴露人员数量包括整个冷库区的作业人员；中毒事故风险点的暴露人员包括库区的作业人员以及周边1km范围内的人员。

表7暴露人数与场所人员暴露指数对应关系。

单元安全风险管控指标指的是企业安全管理水平的表征，通过安全标准化得分率的倒数来衡量，计量公式如下：

G＝100/M_s

式中：G-最终单元高危风险管控指标取值；

M_s-初始安全生产标准化分值。

实施例中，安全标准化等级为二级，分数Ms为85分，则G＝1.176。

关键监测指标的量化是对单元风险值的动态修正，通过将关键监测指标的预报警情况量化为关键监测指标的扰动系数K₃，用来修正单元初始风险值。

在线监测指标实时报警情况分为一级报警(低报警)、二级报警(中报警)和三级报警(高报警)。

通过测算，不报警时扰动系数K₃＝1，一级报警时扰动系数K₃＝1.2，二级报警扰动系数K₃＝1.5，三级报警扰动系数K₃＝2.5。

制冷单元高危风险监测特征指标以制冷单元的压力、液位、流量、浓度等动态安全生产在线监测指标的最高预警情况作为动态修正指标；

实施例中，制冷单元关键监测指标最高报警级别为一级报警，则扰动系数K₃＝1.2

事故隐患动态指标的量化是对单元风险值的动态修正，主要包括事故隐患层级和事故隐患整改率两类子要素对风险值的扰动，将其转化为事故隐患动态指标修正系数 K₄；

事故隐患等级(I₁)分为一般隐患和重大隐患，不同等级的事故隐患的对应分值见表8。

表8不同等级事故隐患对应分值。

事故隐患等级I₁计量方法如下：

I₁＝B₁b₁+B₂b₂

式中：

I₁——隐患等级的计算结果

B₁——重大隐患对应数量

B₂——一般隐患对应数量

b₁——重大隐患对应分值

b₂——一般隐患对应分值。

实施例中，制冷单元有1个重大隐患，一般隐患为4个，计算I₁＝2.2。

事故隐患整改率分值I₂，与事故隐患的等级和整改程度相关。

表9不同隐患整改率的对应分值。

事故隐患整改率分值I₂，计量方法如下：

式中：

I₂——隐患整改率的计算结果

——重大隐患整改率对应的分值，n₁＝1，2，3，4，5

——一般隐患整改率对应的分值，n₂＝1，2，3，4，5。

实施例中，制冷单元1个重大隐患，重大隐患全部整改，一般隐患为4个，整改率为80％，计算I₂＝0.24。

事故隐患动态指标对风险的修正主要包括事故隐患等级和事故隐患整改率两类要素对风险值的修正，不同的要素占比和权重见表10。

表10不同事故隐患动态指标对应的权重分值。

通过指标量化值及其指标权重，建立数学模型。，事故隐患动态修正系数K₄计量公式如下：

K₄＝I₁W₁+I₂W₂

K₄——事故隐患动态修正系数；

W_n——各指标所对应的权重，n＝1，2

实施例中，事故隐患等级分值I₁＝2.2，事故隐患整改率得分值I₂＝0.24，则事故隐患动态修正次数K₄＝2.2*0.4+0.6*0.24＝1.024。

自然环境动态指标对单元风险等级进行提档修正，最高提两档。

物联网事故大数据指标对单元风险等级进行提档修正，最高提一档。

特殊时期动态指标对单元风险等级进行提档修正，最高提一档。

风险点固有风险评估是基于“五高”固有风险指标的累乘，所述风险评估数学模型如下：

h＝h_sMEK₁K₂

式中：

h_s——高风险设备危险指数；

M——物质危险指数；

E——场所人员暴露指数；

K₁——监测监控失效率修正系数；

K₂——高风险作业危险性修正系数。

实施例中，计算得：

火灾事故风险点固有风险h₁＝h_sMEK₁K₂＝1.2*3*5*1.02*1.3＝23.868；

中毒事故风险点固有风险h₂＝h_sMEK₁K₂＝1.2*3*9*1.02*1.3＝42.962。

单元固有风险是单元内各个风险点的固有风险在暴露人员指数上的加权平均，所述风险评估数学模型如下：

式中：

h_i——单元内第i个风险点固有危险指数；

E_i——单元内第i个风险点场所人员暴露指数；

F——单元内各风险点场所人员暴露指数累计值；

n——单元内风险点数。

实施例中，制冷单元单元包括火灾爆炸和中毒两个风险点，根据暴露人数加权平均计算单元的固有风险，

单元初始风险是单元固有风险与管控指标的累乘，数学模型如下：

R₀＝100H/M_s

式中：

H——单元固有风险；

Ms——初始安全生产标准化分值。

实施例中，Ms为85分，单元固有风险H＝36.143，则制冷单元初始风险值 R0＝42.521。

单元实时动态风险是单元初始风险在动态指标扰动下的修正，所述风险评估数学模型如下：R_N＝R₀×K₃×K₄

式中：

R_N——单元实时动态风险；

R₀——单元初始高危安全风险值；

K₃——关键监测指标扰动系数；

K₄——事故隐患动态指标扰动系数。

实施例中，K₃＝1.2，K₄＝1.024，则制冷单元现实风险R_N＝R₀×K₃×K₄＝ 52.25。

表11单元实时动态风险分级

根据风险分级标准，制冷单元风险等级为二级风险，橙色预警。

与其他方法的对比，将“5+1+X”评价指标下的评估结果与其他方法进行比较。

根据《危险化学品重大危险源辨识》(GB18218-2018)中的重大危险源分级方法，采用制冷单元内各种危险化学品实际存在量与其规定的临界量比值，经校正系数校正后的比值之和作为分级指标。

实施例中，储氨量25t，则

根据重大危险源分级标准，实施例中制冷单元属于三级重大危险源。

本发明中，采用“5+1+N”风险评估方法计算的制冷单元现实(动态风险)风险值为52.228，属于二级风险。

在不考虑动态数据影响下的单元固有风险值为36.143，在现有风险分级标准下属于三级风险，这和重大危险源的分级结果是相对吻合的。

本发明中，由于单元的实时动态风险考虑了动态数据的影响，风险级别上升是合理的。

风险聚合。单元风险到企业风险聚合模型如下：

式中：

R——企业现实风险；

max(R_Nj)——企业各单元实时动态风险值中最大值；

ave(R_Nj)——企业各单元实时动态风险值的平均值。

本发明不局限于上述实施方式，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书未做详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (9)

1.一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征步骤在于：

S1数据收集，所述收集的数据包括：

S1.1涉氨制冷企业典型事故案例；

S1.2涉氨制冷企业典型事故模式分析；

S1.3涉氨制冷企业典型生产工艺原理、相关物料特性、设备原理及监测设施要求；

S1.4涉氨制冷企业安全标准化评价报告；

S1.5涉氨制冷企业相关法规、标准及规范；

S2数据分析，基于工艺原理、物料特性，结合几种典型的事故模式，分析可能的事故原因，对现有事故案例中的事故原因进行比对扩充；在事故原因分析基础上，提炼涉氨制冷企业典型事故发生所涉及到物料、设备设施、工艺、作业及场所信息，归纳与事故相关的风险因子；

S3风险辨识

S3.1根据涉氨制冷企业工艺系统划分风险单元，以诱发单元的重特大事故作为风险点；

S3.2固有风险因子辨识

S3.2.1从高风险物品、高风险设备、高风险工艺、高风险场所、高风险作业辨识风险点的固有风险因子；

S3.2.2将各个风险点的固有因子辨识结果编制成单元固有风险清单；

S3.3管理风险因子辨识

管理风险因子辨识是识别并获取单元或企业的安全管理水平，即安全标准化等级；

S3.4动态风险因子辨识

S3.4.1从关键监测数据、事故隐患数据、自然环境特征、物联网事故大数据、特殊时期等方面辨识动态风险因子；

S3.4.2将动态风险因子辨识结果整理编制成单元的动态风险清单；

S4风险评估分级

S4.1建立“5+1+X”风险评价指标体系，具体涵盖；

S4.1.1风险点的“五高”固有风险指标“5”，包括物品固有风险指标、设备固有风险指标、工艺固有风险指标、作业固有风险指标、场所固有风险指标；

S4.1.2单元管控指标“1”；

S4.1.3风险动态指标“X”，包括高危监测指标、事故隐患动态指标、特殊时期指标、物联网事故大数据指标、自然环境指标等；

S4.2风险评价指标量化，量化形式包括：

S4.2.1设备固有风险指标的量化形式为设备危险指数，根据设备的本质安全化水平进行衡量；物品固有风险指标量化形式为物质危险指数，由火灾、爆炸、毒性、能量等特性及物质量衡量；工艺固有风险指标是通过单元内监测监控设施失效率的平均水平来表征；作业固有风险指标的计量是通过单元内存在的高风险作业种类数来确定，包括危险作业的种类、特种设备操作以及特种作业的种类数；场所固有风险指标的量化形式为场所人员暴露指数，根据场所的暴露人员数量确定；

S4.2.2风险管控指标量化为企业安全管理水平，以单元安全生产标准化得分百分比的倒数进行计量；

S4.2.3风险动态指标的量化形式为动态风险指标对风险的扰动程度，关键监测指标和事故隐患动态指标是对风险值的动态修正，特使时期指标、自然环境指标、物联网事故大数据指标等直接对单元风险等级进行扰动；

S4.3风险评估

S4.3.1在“5+1+X”风险评价指标体系基础上，根据计量数学模型，计算风险点固有风险、单元固有风险、单元初始风险、以及单元“5+1+X”实时动态风险；

S4.3.2风险分级准则；

根据ALARP原则和帕累托法则，兼具风险的可比性和差异性原则，给定风险分级准则；

S4.3.3风险级别判定

根据风险分级准则，判定单元风险等级；

S5风险聚合

在单元风险评估基础上，根据风险聚合规则，将单元实时动态风险耦合为企业现实风险。

2.根据权利要求1所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述步骤S3.1按工艺划分风险单元包括制冷单元、速冻单元、加工车间单元、储罐区单元；所述步骤S3.1在风险单元内确定的风险点包括火灾爆炸事故风险点和中毒事故风险点。

3.根据权利要求1所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述步骤S3.2固有风险因子辨识，从高风险物品、设备、工艺、作业、场所进行辨识；

高风险物品指可能导致发生重特大事故的易燃易爆物品、危险化学品等物品；

高风险工艺指工艺过程失控可能导致发生重特大事故的工艺；

高风险设备指运行过程失控可能导致发生重特大事故的设备设施，如氨制冷系统；

高风险场所指一旦发生事故可能导致发生重特大事故后果的场所，如重大危险源、劳动密集型场所；

高风险作业指失误可能导致发生重特大事故的作业，如特种作业、危险作业、特种设备作业等。

4.根据权利要求1所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述步骤S3.4动态风险因子辨识，所述高危风险动态监测数据从涉氨制冷企业现有的监测系统提取，包括温度、压力、流量等；

所述事故隐患动态数据从隐患排查系统获取，选取对本单元事故发生有影响的事故隐患；所述自然环境动态因子从气象系统获取，选取对本单元事故发生有影响的气象和地质灾害数据；

所述物联网大数据动态因子从国家安全大数据平台提取，选取与本单元风险相关的同类型事故数据；

所述特殊时期动态因子从政务网、国家日历获取，选取国家大型会议、国家法定节假日、重大活动等作为动态数据。

5.根据权利要求1所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述步骤S4.1中“5+1+X”风险评价指标体系，包括物质、设备、工艺、作业、场所5类固有且相对稳定的对象的危险性表征严重度的特征指标，表征频率的安全管理指标，以及包含物联网监测指标、事故隐患指标、事故大数据指标、特殊时期指标、自然环境指标的5类扰动指标。

6.根据权利要求1所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述步骤S4.3.1风险评估模型包括风险点风险评估模型、单元固有风险评估模型、单元初始风险评估模型、单元实时动态风险评估模型；

其中，风险点固有风险评估是基于“五高”固有风险指标的累乘，所述风险评估数学模型如下：

h＝h_sMEK₁K₂

式中：

h_s——高风险设备危险指数；

M——物质危险指数；

E——场所人员暴露指数；

K₁——监测监控失效率修正系数；

K₂——高风险作业危险性修正系数；

单元固有风险是单元内各个风险点的固有风险在暴露人员指数上的加权平均，所述风险评估数学模型如下：

式中：

h_i——单元内第i个风险点固有危险指数；

E_i——单元内第i个风险点场所人员暴露指数；

F——单元内各风险点场所人员暴露指数累计值；

n——单元内风险点数；

单元初始风险是单元固有风险与管控指标的累乘，所述风险评估数学模型如下：

R₀＝100H/M_s

式中：

H——单元固有风险；

Ms——初始安全生产标准化分值；

单元实时动态风险是单元初始风险在动态指标扰动下的修正，所述风险评估数学模型如下：

R_N——单元实时动态风险；

R₀——单元初始高危安全风险值；

M_S——初始安全标准化分值；

K₃——关键监测指标扰动系数；

K₄——事故隐患动态指标扰动系数；

——第i个风险点设备固有危险指数；

M_i——第i个风险点物质危险指数；

E_i——第i个风险点场所人员暴露指数；

——第i个风险点监测监控失效率修正系数；

——第i个风险点高风险作业危险性修正系数；

F——单元内各风险点场所人员暴露指数累计值。

7.根据权利要求1所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述步骤S4.3.2风险分级准则，依据试算结果的可比性原则，制定单元风险分级标准为：

。

8.根据权利要求1所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述步骤S5风险聚合，单元风险到企业风险的聚合数学模型如下：

式中：

R——企业现实风险；

max(R_Nj)——企业各单元实时动态风险值中最大值；

ave(R_Nj)——企业各单元实时动态风险值的平均值。

9.根据权利要求7所述的一种涉氨制冷企业重大风险辨识与实时动态风险评估方法，其特征在于所述单元实时动态风险分级标准适用于企业风险分级。

Images