油气重大基础设施Natech事件演化的数字孪生分层建模方法

油气重大基础设施natech事件演化的数字孪生分层建模方法
技术领域
1.本发明属于计算机仿真领域，尤其涉及一种面向油气储存重大基础设施natech事件演化场景的数字孪生分层建模仿真方法。


背景技术：

2.在我国能源结构中，石油和天然气占据着十分重要的地位，油气储运行业的安全发展为我国经济发展与能源安全提供了重要保障。与此同时，油气站场、油气储存库和油气管网等重大基础设施储存大量危险化学品，危险程度高，安全性成为了油气储运重大基础设施日常运行的重点和底线。极端自然灾害可能对油气储运重大基础设施造成毁伤，引发natech(natural events triggering a technological scenario)事件，导致储存的危险物质泄露，进而引发火灾爆炸等生产安全事故，且具备影响周边设施设备的潜在可能，引发多米诺效应，造成灾难性的事故后果。
3.计算机仿真对于改善安全性能，有效预防事故升级与扩展，具有极高的潜在价值，成为风险识别、分析、评价、预防和控制新的驱动力之一。数字孪生作为一种逐步被推广到工业生产领域的新兴数字化、智能化和智慧化技术，在许多行业中提供了巨大潜力。因此，亟需综合考虑油气储运重大基础设施natech事故多灾种耦合链路，对事故三维场景进行镜像虚拟，构建油气储运重大基础设施natech事故孪生场景，分析多灾种耦合下各单元发生事故的概率和事故后果，开展多灾种耦合下的多米诺事故风险评估，并指导日常风险评估和事故应急决策，助力降低事故损失。


技术实现要素：

4.本发明提供一种面向油气储存重大基础设施natech事件演化场景的数字孪生分层建模仿真方法，旨在通过油气储存重大基础设施物理场景构建其在虚拟空间的数字孪生体，以实现对油气储存重大基础设施natech事件场景的智能感知、实时监控、风险评估并助力事故状态下的应急救援。
5.为实现本发明目的，本发明提供的一种面向油气储存重大基础设施natech事件演化场景的数字孪生分层建模仿真方法，包括以下步骤：
6.步骤一：场景需求分析与相关信息收集，建模需求为对油气储存重大基础设施由自然灾害引发的natech事件场景中，设备多米诺效应演化的不同链路及其概率和事故后果进行实时分析与预测；
7.步骤二：基于agent的场景多尺度多维度分解，所述多尺度多维度分解基于agent分别从尺度和维度方面进行分解建模，从尺度上分为场景级、模块级和单元级，从维度上分为属性孪生、状态孪生、行为孪生与规则孪生；
8.步骤三：基于多源数据机理融合的单元属性与状态孪生建模；
9.步骤四：面向需求的可视化与交互。
10.所述步骤二：对物理实体整体场景级进行表征中，根据需求分析，油气储存重大基
础设施natech事件演化相关属性为场景整体由natech事件诱发多米诺效应的风险，根据风险的定义，具体包括油气储存重大基础设施发生事故且造成不同事故链演化场景的可能性及对应事故后果的严重程度表征。油气储存重大基础设施natech事件演化相关状态根据其整体风险判断，根据实时风险与个人风险可接受标准对比，划定为风险可接受状态和风险不可接受状态。油气储存重大基础设施natech事件演化相关行为取决于其状态，当为风险不可接受状态时，需对场景整体安全风险开展评估和防控措施。
11.所述步骤二：对物理实体整体模组级进行表征中，将油气储存重大基础设施分解为模组尺度进行表征。油气储存重大基础设施事故演化场景内设备可分为承灾体、安全屏障与关键基础设施三类。油气储存重大基础设施natech事件场景中，对于事故演化有重要作用的因素还包括自然灾害和扩展事故。
12.所述步骤二：对物理实体整体模组级进行表征中，将油气储存重大基础设施分解为自然灾害、承灾体、安全屏障、关键基础设施和扩展事故5类模组，为便于表征，引入多agent建模方法，上述模组可类比为自然灾害agent、承灾体agent、安全屏障agent、关键基础设施agent和扩展事故agent 5类agent聚集体。
13.所述自然灾害agent的相关属性为作用时间、作用范围与作用强度，其状态随时间的变化由灾害前向灾害中、灾害后转化。其在灾害前与灾害后状态与其他agent之间没有任何行为交互，在灾害中状态时，对承灾体agent、关键基础设施agent造成损坏，引发以上agent状态变换。
14.所述承灾体agent的属性包含地理位置属性、几何属性、结构属性、热力学属性、化学属性、失效属性等，其行为包含感知自然灾害agent以及扩展事故agent经过安全屏障agent降低的破坏效应，由正常状态向损伤状态及泄漏状态，并随时间向耗尽状态进行迁移。承载体由安全状态向损伤状态迁移时，可引发扩展事故agent变化。
15.所述扩展事故agent主要为各种事故类型导致的事故扩展因子，其属性包含事故作用类型、事故作用时间、事故作用强度等，其状态可由正常状态迁移至池火灾、vce爆炸、bleve爆炸等状态，由正常状态迁移至不同事故状态的可能性由事件树确定。当扩展事故agent迁移至池火灾、vce爆炸、bleve爆炸等状态，可对承灾体agent产生作用，造成承灾体agent自正常状态向损伤状态和泄漏状态迁移。
16.所述安全屏障agent的属性主要包含失效概率和有效性，其状态包含正常状态、延时状态和失效状态，安全屏障agent可感知关键基础设施agent的状态，当关键基础设施agent状态由安全状态变化为失效状态时，自身状态由正常状态向延时状态或损伤状态进行迁移。当安全屏障处于正常状态时，可减少自然灾害agent对承灾体agent、扩展因子agent对承灾体agent的损伤效果。
17.所述关键基础设施agent为有内部状态的agent，可感知自然灾害agent以及扩展事故agent经过的破坏效应，由安全状态向失效状态进行变换。关键基础设施agent状态包含正常状态和失效状态，当关键基础设施agent为失效状态时，与之相关的安全屏障agent必定为失效状态。
18.所述步骤二：对物理实体尺度分解进行表征中，识别场景中所有agent并将其归于以上五类agent聚集体，明确所有agent之间相关的交互关系，并整体场景多尺度分解为所有agent之间的交互图。
19.所述步骤三：进行数据机理融合建模过程中，将物理实体的多源传感器数据作为输入，经多源数据融合后输出，据此驱动数字孪生体完成信息交换，并将传感器实时数据、历史数据及物理模型存储在云数据库中，多源传感器包括但不限于单元静态数据、文本数据、各式监测传感器数据、视频监控及其图像处理数据、无人机巡航监测数据、倾斜摄影地理位置信息数据等。
20.多源传感器并根据属性信息获取方式将其分为可观测属性、可推理属性、未知属性等。其中可观测属性通过物理实体的多源传感器数据直接获取，可推理属性可通过已有多源传感器数据经演绎推理后间接获取，未知数据无法直接或间接通过多源传感器数据获取，可将其进行多级分解为相关联的可观测属性、可推理属性。其中涉及多项规则孪生，包括多源传感器数据向可观测属性映射规则，多源传感器数据向可推理属性推理规则，未知属性多级分解规则等。
21.所述步骤四：面向需求的可视化与交互，可通过实时状态的快速建模工具实现各个单元多状态场景中的三维可视化表达，并结合预制三维模型库与规则库，对多单元几何孪生体进行统一的渲染优化，实现超实时场景可视化效果。
22.本发明相对于现有技术，至少具有如下有益效果：
23.(1)本发明提出的一种面向油气储存重大基础设施natech事件演化场景的数字孪生多尺度多维度建模方法，通过油气储存重大基础设施物理场景构建其在虚拟空间的数字孪生体，实现对油气储存重大基础设施natech事件场景的智能感知、实时监控、风险评估并能够助力事故状态下的应急救援。
24.(2)本发明通过将场景分解为系统级、模组级、单元级，并通过多agent仿真模拟构建和集成了不同层级的属性孪生模型、状态孪生模型、行为孪生模型和规则孪生模型，提出了一种油气储存重大基础设施natech事件演化场景下，数字孪生虚拟实体的实现方法。
25.(3)本发明基于多层次建模的思路，解决了现有的仿真模型难以适应复杂系统大规模建模的难题。
26.(4)本发明构建的数字孪生虚拟事故场景可实现油气储存重大基础设施的数据镜像与映射重构，可助力于设计规划、日常管理与应急救援多阶段风险管控过程。
附图说明
27.图1为本发明实施例中油气重大基础设施natech事件场景数字孪生分层建模框架图。
28.图2为本发明实施例油气重大基础设施natech事件场景下系统动力学演化图。
29.图3为本发明实施例油气重大基础设施natech事件场景多agent状态迁移图。
30.图4为本发明实施例属性信息多源传感器观测、推理、分解示意图。
具体实施方式
31.下面结合具体实施例对本发明作进一步具体详细描述。
32.如图1所示，本发明公开了一种面向油气储存重大基础设施natech事件演化场景的数字孪生分层建模仿真方法。所述数字孪生包括各个单元多状态场景中的三维可视化表达，可通过倾斜摄影等实时状态的快速建模工具实现，并结合预制的三维模型库与规则库，
实现超实时单元可视化效果。
33.一种面向油气储存重大基础设施natech事件演化场景的数字孪生分层建模仿真方法，包括以下步骤：
34.步骤1：场景需求分析与相关信息收集；
35.在本发明的其中一些实施例中，场景需求分析与相关信息收集中，对油气储存重大基础设施事故演化场景进行分析，建模需求为对油气储存重大基础设施由自然灾害引发的natech事件场景中，对设备多米诺效应演化的不同链路及其概率和事故后果进行实时分析与预测。
36.步骤2：基于agent的场景多尺度多维度分解，所述多尺度多维度分解对物理实体进行分解，从尺度上包括对物理实体整体场景级、对物理实体整体模组级和对物理实体单元级进行表征。
37.对物理实体分解进行表征中，油气储存重大基础设施事故演化场景可分别从尺度和维度方面进行分解建模。其中从尺度上可分为场景级、模组级和单元级；从维度上可分为属性孪生、状态孪生、行为孪生与规则孪生。
38.本步骤对物理实体整体场景级进行表征中，根据需求分析，油气储存重大基础设施natech事件演化相关属性为场景整体由natech事件诱发多米诺效应的风险，根据风险的定义，具体包括油气储存重大基础设施发生事故且造成不同事故链演化场景的可能性及对应事故后果的严重程度表征。油气储存重大基础设施natech事件演化相关状态根据其整体风险判断，根据实时风险与个人风险可接受标准对比，划定为风险可接受状态和风险不可接受状态。油气储存重大基础设施natech事件演化相关行为取决于其状态，当为风险不可接受状态时，需对场景整体安全风险开展评估和防控措施。
39.本步骤对物理实体整体模组级进行表征中，将油气储存重大基础设施分解为模组尺度进行表征。在本发明的其中一些实施例中，油气储存重大基础设施事故演化场景内设备可分为承灾体、安全屏障与关键基础设施三类，其中承灾体为一旦失效可能造成重大事故后果的相对独立的设备单元，如储罐、泵机、输油管道等；安全屏障为保护设备单元免受或降低外部扰动造成危害的各类预防、禁止或减缓措施和机制，如防火墙、有毒气体浓度传感器、可燃气体浓度传感器等；关键基础设施为可为安全屏障启动功能或提供信息的基础设施，如变配电室、ups、供水管网、供气管网等。请参阅图2，油气储存重大基础设施natech事件场景中，对于事故演化有重要作用的因素还包括自然灾害和扩展事故，自然灾害是natech事件的诱因和初始扰动因子，如洪水、地震、雷电、台风、地质灾害等，根据类别不同，对油气储存重大基础设施场景内局部或范围内的设备，造成瞬时或持续的损坏；自然灾害对于承灾体的损坏可能引发级联事故，如火灾、爆炸、毒气泄漏等，进而影响邻近设备单元，从而导致事故蔓延，引发多米诺事故。
40.步骤2对物理实体整体模组级进行表征中，将油气储存重大基础设施分解为自然灾害、承灾体、安全屏障、关键基础设施和扩展事故5类模组，为便于表征，引入多agent建模方法，上述模组能够类比为自然灾害agent、承灾体agent、安全屏障agent、关键基础设施agent和扩展事故agent 5类agent聚集体。5类agent聚集体之间的系统动力学演化图如图2所示，自然灾害一旦发生将对油气储存重大基础设施中的承灾体、安全屏障和关键基础设施造成破坏，降低上述三类agent的性能。承灾体损坏后将引发火灾、爆炸等扩展事故，扩展
事故可能导致周边的承灾体、安全屏障和关键基础设施损坏，降低其性能。扩展事故在对承灾体造成损坏时，安全屏障可以减缓扩展事故的影响，保护承灾体免受事故灾害的影响。同时，安全屏障的性能受关键基础设施的影响，当关键基础设施损坏时，安全屏障性能将会下降。(图2中的“+”、
“‑”
表示引发目标性能提高或降低)
41.请参阅图3，所述自然灾害agent为纯反应式agent，在natech事故演化过程中，其行为完全基于当前的自然灾害类型，其余agent的状态和行为均未能影响自然灾害agent。自然灾害agent的相关属性包括作用时间、作用范围与作用强度，其状态随时间的变化由灾害前向灾害中、灾害后转化。其在灾害前与灾害后状态与其他agent之间没有任何行为交互，在灾害中状态时，对承灾体agent、关键基础设施agent造成损坏，引发以上agent状态变换。
42.所述承灾体agent为有内部状态的agent，可感知其他agent的动作，引发自身agent状态变换，并根据自身状态对其他agent进行动作。承灾体agent的属性包括地理位置属性、几何属性、结构属性、热力学属性、化学属性、失效属性等，其行为包括感知自然灾害agent以及扩展事故agent经过安全屏障agent降低的破坏效应，由安全状态向潜在受损状态及泄漏状态并随时间向耗尽状态进行迁移。承灾体agent由正常状态向损伤状态迁移时，可引发扩展事故agent变化。
43.所述扩展事故agent为感知agent，可感知承灾体agent的状态，对其他agent进行动作。扩展事故agent主要为各种事故类型导致的事故扩展因子，其属性包括事故作用类型、事故作用时间、事故作用强度等，其状态可由无事故状态(no accident)迁移至池火灾、vce爆炸、bleve爆炸等状态，由正常状态迁移至不同事故状态的可能性由事件树确定。当扩展事故agent迁移至池火灾、vce爆炸、bleve爆炸等状态，可对承灾体agent产生作用，造成承灾体agent自正常状态向损伤状态和泄漏状态迁移。
44.所述安全屏障agent为有内部状态的agent，可感知关键基础设施agent的状态，由安全状态向失效状态进行变换。安全屏障agent的属性主要包括失效概率和有效性，其状态包含正常状态、延时状态和失效状态，安全屏障agent可感知关键基础设施agent的状态，当关键基础设施agent状态由安全状态变化为失效状态时，安全屏障agent自身状态将由正常状态向延时状态或失效状态进行迁移。当安全屏障处于正常状态时，可减少自然灾害agent对承灾体agent、扩展事故agent对承灾体agent的损伤效果。
45.所述关键基础设施agent为有内部状态的agent，可感知自然灾害agent以及扩展事故agent经过的破坏效应，由安全状态向失效状态进行变换。关键基础设施agent状态包含正常状态和失效状态，当关键基础设施agent为失效状态时，与之相关的安全屏障agent必定为失效状态。
46.步骤2对物理实体尺度分解进行表征中，识别场景中所有agent并将其归于以上五类agent聚集体，明确所有agent之间相关的交互关系。就单元级数字孪生而言，其行为孪生、规则孪生取决于所属其agent聚集体，与其所属agent聚集体一致。
47.步骤3：基于多源数据机理融合的单元属性与状态孪生建模。
48.本步骤中，进行数据机理融合建模过程时，将物理实体的多源传感器数据作为输入，经多源数据融合后输出，形成单元属性及状态孪生，据此驱动数字孪生体完成信息交换，并将多源传感器实时数据、历史数据及物理模型存储在云数据库中，多源传感器数据包
括但不限于单元静态数据(在本发明的其中一些实施例中，如危险化学品介质理化性质、承灾体设计参数及位置等)、文本数据(在本发明的其中一些实施例中，如日常监管过程文档)、各式监测传感器数据、视频监控及其图像处理数据、无人机巡航监测数据、倾斜摄影地理位置信息数据。
49.多源传感器数据根据属性孪生中，其属性信息获取方式将其分为可观测属性数据、可推理属性数据和未知属性数据。其中可观测属性数据通过物理实体的多源传感器数据直接获取，可推理属性数据通过已有多源传感器数据经演绎推理后间接获取，未知属性数据无法直接或间接通过多源传感器数据获取，可将其进行多级分解为相关联的可观测属性数据和可推理属性数据。其中涉及多项规则孪生，包括多源传感器数据向可观测属性映射规则，多源传感器数据向可推理属性数据推理规则，未知属性数据的多级分解规则。
50.基于多项规则孪生，通过可观测数据推理及未知数据分解为可观测数据金额可推理数据，用于获取孪生体多尺度多层次所以数据信息。
51.步骤四：面向需求的可视化与交互；
52.本步骤中，可通过实时状态的快速建模工具实现承灾体、安全屏障、关键基础设施等单元多状态场景中的三维可视化表达，并结合预制三维模型库与预制规则库，对多单元几何孪生体进行统一的渲染优化，实现超实时场景可视化效果。
53.本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

技术特征：
1.油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，包括以下步骤：步骤1：进行场景需求分析，建模需求为对油气储存重大基础设施由自然灾害引发的natech事件场景中，设备多米诺效应演化的不同链路及其概率和事故后果进行实时分析与预测；步骤2：基于agent的场景多尺度多维度分解，所述多尺度多维度分解基于agent分别从尺度和维度方面进行分解建模，从尺度上分为场景级、模块级和单元级，从维度上分为属性孪生、状态孪生、行为孪生与规则孪生；步骤3：基于多源数据机理融合的单元属性与状态孪生建模；步骤4：面向需求的可视化与交互。2.根据权利要求1所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，步骤1中对物理实体整体场景级进行表征中，油气储存重大基础设施natech事件演化相关属性为场景整体由natech事件诱发多米诺效应的风险。3.根据权利要求2所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，油气储存重大基础设施natech事件演化相关状态根据其整体风险判断，根据实时风险与个人风险可接受标准对比，划定为风险可接受状态和风险不可接受状态。4.根据权利要求1所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，步骤2中将将油气储存重大基础设施分解为模组尺度进行表征时，油气储存重大基础设施分解为自然灾害、承灾体、安全屏障、关键基础设施和扩展事故5类模组，引入多agent建模方法，将5类模组类比为自然灾害agent、承灾体agent、安全屏障agent、关键基础设施agent和扩展事故agent 5类agent聚集体。5.根据权利要求4所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，步骤2中，尺度上由场景级分解为模块级的过程中，基于agent建模，5类agent聚集体状态迁移路径用于支撑数字孪生建模。6.根据权利要求4所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，所述自然灾害agent为纯反应式agent，在natech事故演化过程中，其行为完全基于当前的自然灾害类型，其余agent的状态和行为均未能影响自然灾害agen；所述承灾体agent为有内部状态的agent，可感知其他agent的动作，引发自身agent状态变换，并根据自身状态对其他agent进行动作，所述扩展事故agent为感知agent，能感知承灾体agent的状态，对其他agent进行动作；所述安全屏障agent为有内部状态的agent，能感知关键基础设施agent的状态，由安全状态向失效状态进行变换，所述关键基础设施agent为有内部状态的agent，能感知自然灾害agent以及扩展事故agent经过的破坏效应，由安全状态向失效状态进行变换。7.根据权利要求6所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，自然灾害agent的相关属性包括作用时间、作用范围与作用强度，其状态随时间的变化由灾害前向灾害中、灾害后转化，其在灾害前与灾害后状态与其他agent之间没有任何行为交互，在灾害中状态时，对承灾体agent、关键基础设施agent造成损坏，引发其他agent状态变换。8.根据权利要求6所述的油气重大基础设施natech事件演化的数字孪生分层建模方
法，其特征在于，步骤3中，进行数据机理融合建模过程时，将物理实体的多源传感器数据作为输入，经多源数据融合后输出，形成单元属性及状态孪生，据此驱动数字孪生体完成信息交换，并将多源传感器实时数据、历史数据及物理模型存储在云数据库中。9.根据权利要求8所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，多源传感器数据根据属性孪生中，其属性信息获取方式将其分为可观测属性数据、可推理属性数据和未知属性数据。10.根据权利要求1-9任一所述的油气重大基础设施natech事件演化的数字孪生分层建模方法，其特征在于，步骤4中，通过实时状态的快速建模工具实现各个单元多状态场景中的三维可视化表达。

技术总结
本发明公开了油气重大基础设施Natech事件演化的数字孪生分层建模方法，其特征在于，包括以下步骤：步骤1：进行场景需求分析，建模需求为对油气储存重大基础设施由自然灾害引发的Natech事件场景中，设备多米诺效应演化的不同链路及其概率和事故后果进行实时分析与预测；步骤2：基于Agent的场景多尺度多维度分解；步骤3：基于多源数据机理融合的单元属性与状态孪生建模；步骤4：面向需求的可视化与交互。对事故场景进行镜像虚拟，构建油气储运重大基础设施Natech事故孪生场景，能够便于分析多灾种耦合下各单元发生事故的概率和事故后果，便于开展多灾种耦合下的多米诺事故风险评估，并指导日常风险评估和事故应急决策，助力降低事故损失。降低事故损失。降低事故损失。


技术研发人员：陈国华 周利兴 饶小惠 罗琛南 曾涛 黄孔星 门金坤
受保护的技术使用者：华南理工大学
技术研发日：2023.03.07
技术公布日：2023/8/5