МЕТОДОЛОГИЯ ПРИМЕНЕНИЕ СИТУАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ РАЗРАБОТКИ ПЛАНОВ ОБЕСПЕЧЕНИЯ БЕЗОПАСНОСТИ ПО ПРЕДУПРЕЖДЕНИЮ И ЛИКВИДАЦИИ АВАРИЙ И ИНЦИДЕНТОВ НА ОБЪЕКТАХ НЕФТЕГАЗОВОЙ ОТРАСЛИ

Нефтегазовая отрасль является одним из базовых секторов мировой экономики, однако технологические процессы добычи, транспортировки, хранения и переработки углеводородного сырья сопряжены с повышенным уровнем опасности. Аварии и инциденты на таких объектах, такие как разлив нефти, пожары, взрывы паровоздушных смесей и выбросы токсичных газов (сероводорода), могут приводить к катастрофическим последствиям. Практика показывает, что в момент реальной аварии разработанные планы оказываются нежизнеспособными, а персонал и аварийно-спасательные формирования действуют в условиях неопределенности. В связи с этим, актуальной научной и практической задачей становится разработка и внедрение методологии ситуационного моделирования. Ситуационное моделирование позволяет в режиме, близком к реальному времени, прогнозировать развитие аварийной ситуации при различных начальных условиях и вариантах вмешательства, формируя на этой основе оптимальные алгоритмы действий для планов обеспечения безопасности.

Цель исследования – разработка и детальное обоснование методологии применения ситуационного моделирования для создания адаптивных, научно обоснованных планов предупреждения и ликвидации аварий (далее - ПЛАС) на объектах нефтегазовой отрасли.

Ситуационное моделирование ­­­­- это метод исследования, основанный на построении и анализе математических, имитационных и логических моделей, отображающих развитие ситуации во времени и пространстве при различных вариантах начальных условий и управляющих воздействий. В контексте промышленной безопасности это означает создание виртуального полигона, на котором «проигрываются» сценарии аварий для выявления узких мест в системах защиты и оптимизации ресурсов АСФ.

Для построения адекватных моделей необходимо классифицировать аварийные ситуации по нескольким признакам: по типу инициирующего события (разгерметизация оборудования, отказ систем автоматики и противоаварийной защиты, ошибки персонала, диверсионные акты), по характеру развития (мгновенные (взрывы, разрывы трубопроводов), развивающиеся во времени (пожары в обваловании, растекание нефтяных пятен), скрытые (коррозионные повреждения, ведущие к постепенной утечке)), по масштабу воздействия.

Ситуационная модель для разработки ПЛАС должна включать следующие подмодели: технологическая (описывает физико-химические свойства веществ, параметры технологического процесса (давление, температура, расход)); динамическая (описывает механику выброса, дисперсию газового облака, динамику пожара, растекание жидкости); подмодель последствий (оценивает воздействие поражающих факторов (тепловое излучение, ударная волна, токсическое воздействие) на персонал, оборудование и окружающую среду); подмодель ресурсов (описывает наличие и расположение средств пожаротушения, АСФ, времени их прибытия, тактики ведения работ); метеорологическая и геопространственная подмодель (учитывает рельеф, застройку, розу ветров, температуру и влажность воздуха).

Разработанная методология представляет собой итерационный процесс, состоящий из пяти основных этапов. Она предназначена для использования инженерами по промышленной безопасности, аналитиками и разработчиками ПЛАС.

Этап 1. Сбор и структурирование исходных данных. Первый этап является фундаментом всей методологии. Осуществляется сбор детальной информации об объекте: данные для создания 3D-модели объекта (BIM) (планы размещения оборудования, спецификации трубопроводов (диаметр, толщина стенки, материал)), химические и физические данные (свойства углеводородов (плотность, вязкость, давление насыщенных паров, теплота сгорания, НКПР/ВКПР)), геопространственные данные (цифровая модель рельефа, данные о грунтах, гидрологическая обстановка (близость водных объектов)), ресурсные данные (дислокация и тактико-технические характеристики, имеющихся средств пожаротушения, насосов, боновых заграждений, сорбентов).

Этап 2. Идентификация опасностей и создание сценариев. На этом этапе применяется комбинированный подход. Используются методологии HAZOP и What-If для выявления отклонений от нормального режима работы. Для каждого отклонения строятся «Деревья отказов» для определения частоты инициирующих событий и «Деревья событий» для определения возможных путей развития аварии.

Этап 3. Моделирование развития аварийных ситуаций. Для каждого базового сценария проводится компьютерное моделирование. В зависимости от типа аварии применяются различные математические модели.

Для моделирования аварийных выбросов сжатых и сжиженных газов используются модели, учитывающие фазовые переходы (дросселирование, двухфазный поток). Для расчета дисперсии газового облака в атмосфере применяются гауссовы модели и модели тяжелого газа для углеводородов, пар которых тяжелее воздуха.

Уравнение сохранения массы для газового облака с учетом химической реакции (горения) и турбулентной диффузии:

где ρ – плотность смеси; Y_i – массовая доля i-го компонента; u – вектор скорости, D_eff – эффективный коэффициент диффузии, S_i – источник компонента.

Для моделирования растекания нефти по поверхности почвы или воды используются уравнения мелкой воды с учетом сил трения и поверхностного натяжения.

где h – толщина слоя жидкости, u – скорость растекания, g – ускорение свободного падения, τ_b – напряжение трения о дно.

Моделирование позволяет определить площадь и толщину нефтяного пятна в зависимости от времени, что критически важно для расчета необходимых сил и средств для локализации разлива (количество бонов, сорбентов).

Для пожаров пролива, факельного горения и огня в резервуарах применяются модели твердого пламени и гидродинамика (например, программные комплексы FDS, ANSYS Fluent). Интенсивность теплового излучения q на расстоянии r от факела рассчитывается с учетом фактора F и атмосферной пропускной способности τ_a:

где E – поверхностная плотность теплового излучения пламени.

Этап 4. Оценка уязвимости и последствий. Результаты динамического моделирования (поля концентраций, температуры, давления ударной волны) накладываются на 3D-модель объекта и карты зонирования. Для персонала оценивается вероятность летального исхода и получения травм различной степени тяжести (на основе функций для теплового излучения и токсического воздействия). Для оборудования оценивается вероятность эскалации аварии. Например, рассчитывается время до отказа соседнего резервуара под воздействием теплового излучения от горящего резервуара. Для окружающей среды моделируется воздействие загрязняющих веществ в почвах и грунтовых водах.

Этап 5. Разработка и оптимизация алгоритмов формирования ПЛАС. Это ключевой этап, связывающий моделирование с практическим планом. На основе смоделированных сценариев разрабатываются алгоритмы действий. Данный этап включает следующие шаги: определение критического времени (например, моделирование показывает, через какое время концентрация газа достигнет НКПР или через какое время произойдет прогрев стенки соседнего резервуара до критической температуры), сопоставление с ресурсами (анализируется, успевают ли АСФ прибыть и развернуть силы за это критическое время), оптимизация тактики (если времени не хватает, методология предписывает изменение тактики (не тушение, а охлаждение соседних резервуаров, или эвакуация персонала в конкретные убежища, а не просто на сборную площадку), формирование документа ПЛАС (на основе оптимизированных алгоритмов пишется текстовая и графическая часть плана, включающая точные схемы обвязки, места установки пенных генераторов, маршруты эвакуации с учетом розы ветров).

Одной из главных проблем при разработке ПЛАС является наличие неопределенностей: неточность исходных данных, случайность метеорологических условий, человеческий фактор. Для их учета в ситуационном моделировании применяется аппарат теории нечетких множеств и Байесовские сети [1].

Байесовская сеть позволяет обновлять вероятность развития аварии по мере поступления новой информации в реальном времени. Узлами сети являются переменные (состояние клапана, наличие ветра, действия оператора), а дугами – причинно-следственные связи.

Вероятность узла X вычисляется по формуле полной вероятности с использованием теоремы Байеса:

где E – наблюдаемые свидетельства (например, сигнал от датчика давления).

Если в момент аварии диспетчер получает сигнал о срабатывании датчика, байесовская сеть мгновенно пересчитывает вероятности всех возможных сценариев развития, позволяя ситуационному центру выбрать наиболее вероятный и скорректировать план реагирования на лету.

Действия персонала в аварийной ситуации редко бывают правильными или ошибочными. Использование нечетких переменных (например, «уровень стресса», «степень обученности», «видимость в задымлении») позволяет интегрировать человеческий фактор в имитационные модели. Функции принадлежности μ(x) определяют степень истинности того или иного состояния, что позволяет более адекватно моделировать время реакции на аварию.

Разработанная методология не может быть реализована в полной мере без опоры на современные информационные технологии. Ситуационное моделирование является ядром концепции «Цифрового двойника» опасного производственного объекта [2].

На базе методологии строятся Интеллектуальные ситуационные центры (ИСЦ) нефтегазовых компаний.  При возникновении инцидента ИСЦ автоматически активирует соответствующий сценарий из базы ПЛАС, но с учетом текущих фактических данных. Например, если датчик ветра показывает штиль, а в типовом ПЛАС заложен ветер 5 м/с, система автоматически скорректирует зоны эвакуации и расстановку пожарных расчетов.

Алгоритмы машинного обучения, в частности, методы обучения с подкреплением, начинают применяться для оптимизации самих алгоритмов реагирования. Агент ИИ «проигрывает» миллионы сценариев аварии в виртуальной среде, методом проб и ошибок находя оптимальную последовательность действий (какие задвижки закрыть первыми, куда направить стволы), которая максимизирует функцию награды (минимизация ущерба, сохранение жизней) и минимизирует функцию штрафа. Найденные варианты поведения затем формализуются и включаются в ПЛАС.

Таким образом, разработка планов обеспечения безопасности по предупреждению и ликвидации аварий на объектах нефтегазовой отрасли находится на этапе коренных трансформации. Традиционные методы, основанные на статическом анализе и типовых решениях, исчерпали свой потенциал эффективности в условиях усложнения технологий и повышения требований к экологической и промышленной безопасности. Предложенная методология применения ситуационного моделирования представляет собой комплексный, научно обоснованный подход, позволяющий перевести разработку ПЛАС из разряда формальных процедур в категорию инженерно-аналитических задач. Интеграция методов вычислительной гидродинамики, байесовских сетей, теории нечетких множеств и технологий цифровых двойников позволяет принимать эффективные управленческие решения.