摘  要：对石油化工过程安全生产的一些关键技术研究的现状以及未来的发展前景做了综合性的述评与展望。介绍了国内外安全生产和事故预防若干关键技术的研究进展，包括过程监测与故障诊断技术、生产关键装置风险评估技术、石油和化工过程的柔性设计、本质安全技术的应用。
        关键词：石油化工；安全；事故预防；风险评估；本质安全；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
        石化以及化工生产涉及的原料、辅料、产品等大多易燃、易爆、有毒、有害；大多生产过程连续性强、工艺复杂、设备管线阀门繁多，稍有不慎就有可能发生事故，破坏性很大。因此安全问题对于石化及化工项目至关重要，“安、稳、长、满、优”五字方针中，安全摆在了首位。多年来，化工反应器升压爆炸、锅炉断裂、有毒气体泄漏等事故常有发生，不仅给企业带来巨大损失，而且严重威胁着生产现场工人及周边地区居民的人身安全。据统计，2005年，全国共发生各类安全生产事故727945起，死亡126760人，其中危险化学品事故发生164起，死亡229人。2005年11月吉林石化苯胺装置塔发生堵塞，循环不畅，因处理不当，发生爆炸。该事故不仅造成重大人员伤亡和财产损失，而且引发了重大水环境污染事件，给松花江沿岸人民群众生活和经济发展带来严重影响。同样，国外石化行业的事故也时有发生。2005年3月，BP在美国德克萨斯州的炼油厂碳氢化合物车问发生了火灾和一系列爆炸事故，15名工人被当场炸死，170余人受伤，许多工人和居民成为爆炸产生浓烟的受害者。同时还导致了严重的经济损失。事后，美国化工安全与危害管理局(CSB)主席卡罗琳·梅里特公布了事故的调查结果：“BP在组织决策、安全监督和企业安全文化中存在系统性疏漏，如果不加以改正，这种疏漏可能会导致更多严重事故”。行业统计结果表明：尽管化工行业大型的灾难性的事故并不频繁，但是中小事故时有发生。[1]
        20世纪70年代以来，针对石化行业安全生产运行，不断涌现众多的新技术，主有：过程运行监测与故障诊断技术、过程关键装置风险评估技术、化工过程柔性设计以及化工过程本质安全技术等。其中过程状态分析、故障诊断、安全预警和事故防范技术的研究与应用得到了普遍重视。在我国，对工业生产安全运行技术的研究和实施起步较晚，但各级政府、生产企业非常重视这一课题。中国石化行业的方针是：一方面是大力加强生产安全的管理工作，如以安全、健康与环境为主题的HSE管理体系的推广实施；另一方面是重视安全生产技术研究与开发，充分发挥专业研究机构、高等院校的科研作用。
        1. 石油化工过程安全生产和事故预防关键技术研究进展
        1.1 过程监测与故障诊断技术
        过程监测故障与诊断技术，主要是针对生产运行中存在的非正常状态而采取一系列的措施。非正常状态包括几个阶段：过渡、异常、事故、灾难等。过程监测与故障诊断技术是化工过程连续稳定安全生产的有力保障手段之一。Frank将故障诊断方法分成基于知识的、基于解析模型的和基于信号处理的3种方法。Purdue大学的Venkatasu bramanian将故障诊断方法分为：定量模型方法、定性模型方法和过程历史方法。还有的学者提出了数据驱动方法。[2]
        1.1.1 基于定量模型的故障诊断方法
        定量模型的故障诊断是将被诊断对象的可测信息和由模型表达的系统先验信息进行比较、分析和处理。所用到的模型种类繁多，大致可分为基本原理模型和动态响应模型等。基本原理模型也称为宏观传递现象模型，由于计算的复杂性现在已经很少应用。大部分工作都集中于输入-输出模型和状态空间模型。
        1.1.2 基于定性模型的故障诊断方法
        工业过程系统中，很难得到对象的精确数学模型。定性的诊断方法不拘泥于精确数学模型，只描述过程系统的物理关系，建立各子系统之间的定性关系。定性模型方法以符号有向图(signed directedgraph，SDG)和故障树法为代表。
        符号有向图(SDG)是描述大规模复杂系统的一种有效的方式，通过节点和有向支路表示系统变量与局部变量之间的因果影响关系。SDG方法一方面将系统变量问的因果关系用图形的方式来表示，为系统的结构提供了一个直观的描述；另一方面利用SDG可以比较方便地确定系统的故障根源。但是，SDG应用于复杂工艺流程还有一些不足。某些实际的体系中需要做到定量诊断，为此一些研究者在SDG中引入定量的概念。这些改进主要体现在SDG模型支路的定义上。例如增益、延迟、概率等信息都可以在支路上体现出来，而不仅仅是相容或不相容的两个值。比较典型的例子是文献中采用模糊的隶属函数将稳态增益的知识引入SDG模型。
        故障树分析法(fault tree analysis，FTA)最早由美国Bell实验室在20世纪60年代提出。它研究系统或设备发生故障这一事件的各种直接原因和间接原因，并在这些事件之间建立逻辑关系，以帮助人们寻找潜在事故的根源或进行事故诊断的分析方法。故障树分析是一种演绎方法，把系统不希望发生的事件作为故障树的顶事件，用规定的逻辑符号，白上而下地分析导致顶事件发生的所有可能的直接因素和起因以及相互问的逻辑关系，并由此逐步深入分析，直到找到事故的基本原因，即故障树的底事件为止。故障树分析包括定性和定量分析两部分，通过分析不仅可以得到顶事件发生的概率，而且可以找出系统的薄弱环节，提高系统的安全性和可靠性。该方法简明、直观、易懂、灵活，是工程系统可靠性与安全性评价的有效方法之一。
        1.1.3 基于过程历史的诊断方法
        对于工业过程来说，系统的定量解析模型非常复杂，建立其解析模型非常难。即使得到其解析模型，也很难做到在线应用。而定性模型中包含许多不确定的因素，推理以及诊断都有一定的难度，因此难以找出故障的根本原因。基于过程历史的方法填补了依赖模型诊断方法的缺点，该方法对线性、非线性系统以及简单、复杂系统都适用，具有较好的应用前景。
        定性的趋势分析(qualitative trendanalysis，QTA)是一种数据驱动的时间推理和形状分析方法，常用于慢过程的诊断和控制。1990年，Cheung等建立趋势描述的一种框架，引入三角形的形式来描述过程的趋势，但并不能完全描述出过程的历史趋势。1991年，Janusz等根据过程趋势的一阶和二阶导数的组合，定义并提出趋势描述语言的几种基本语言形式。Rengaswamy等采用人工神经网络的方法从带有噪声的传感器数据中提取过程的基本趋势。1997年，Vedam等发表基于小波理论自适应趋势分析的框架，紧接着Venkatasubramanian等又提出基于双值B样条的趋势分析算法。用于故障诊断的专家系统是利用计算机系统不断采集工业生产过程的信息，并综合运用知识库中经验规则进行推理，快速找到系统可能的故障，从而预报和诊断解决过程系统的故障问题。专家系统汇集了各种来源的有关故障诊断的知识，将专家和专业人员的知识系统化。作者所在的课题组近几年来针对化工装置的安全操作开发了若干个化工装置故障诊断系统。
        主元分析法(principal component analysis，PCA)是一种典型的多元投影方法。该方法基于原始的数据空间，通过构造一组新的潜隐变量来降低原始数据空间的维数，再从新的映射空间抽取主要变化信息，提取统计特征，从而辨识原始数据空间的系统特性。文献采用PCA方法用于自适应过程监控，Dong和，McAvoyt采用非线性的PCA来实现间歇过程的故障诊断，文献讨论了采用PCA技术进行传感器故障的辨识与重构，本文部分作者采用非线性动态PCA用于在线过程检测与诊断，都取得了较好都效果。
        支持向量机(support vector machine，SVM)是由Vapnik在统计学习理论基础上提出的一种新的通用学习算法，以结构风险最小化(SRM)为归纳原则，寻求使经验风险和置信范围之和最小j算法最终转化为一个二次型寻优问题。从理论上讲，得到的将是全局最优解；将实际问题通过非线性变换映射到高维特征空问，在高维特征空间中构造线性判别函数来实现原空间中的非线性判别函数；巧妙地解决了维数问题，其算法复杂度与样本维数无关。但是其不足主要是在基于支持向量机的多值问题分类算法、核函数和核参数的选择优化问题以及增量学习问题等机制。