馮明輝

昆山市發(fā)展和改革委員會

摘要：針對油氣管道高后果區(qū)風(fēng)險辨識中信息更新不及時、劃分不精準(zhǔn)等問題，改進高后果區(qū)信息采集方法，并基于密度聚類法提出了高后果區(qū)識別程序設(shè)計思路，利用python開發(fā)了信息收集和高后果區(qū)識別程序。選取西氣東輸甪寶線部分管段為分析對象，將程序識別結(jié)果與人工劃分結(jié)果比對發(fā)現(xiàn)，程序識別可避免人為劃分失誤，為快速、準(zhǔn)確識別高后果區(qū)提供方法借鑒。

關(guān)鍵詞：長輸管道; 高后果區(qū); 地理信息; 聚類算法

長三角地區(qū)是最早引入管道天然氣的地區(qū)之一，也是長輸管道敷設(shè)較為密集的區(qū)域[1]。隨著管道沿線土地開發(fā)強度增加，不少區(qū)域被動進入了管道高后果區(qū)。按照原國家安監(jiān)總局等八部委138號文件提出的“管好存量，嚴(yán)控增量”要求，近年來地方政府和管道企業(yè)全面加強了高后果區(qū)管理，管道沿線近距離開發(fā)建設(shè)的不安全行為得到有效遏制，但也相當(dāng)程度影響了土地的開發(fā)利用。如何平衡好管道保護和地方發(fā)展的關(guān)系，保障高后果區(qū)安全，是政府和企業(yè)共同的任務(wù)。

輸氣管道高后果區(qū)識別和管控主要依據(jù)GB 32167―2015《油氣輸送管道完整性管理規(guī)范》、SY/T 7380―2017《輸氣管道高后果區(qū)完整性管理規(guī)范》、GB 50251―2015《輸氣管道工程設(shè)計規(guī)范》等標(biāo)準(zhǔn)規(guī)范。受高后果區(qū)數(shù)據(jù)完整性不足及管理人員主觀因素影響，管理過程中存在高后果區(qū)劃分不準(zhǔn)確、事前介入不及時的現(xiàn)象[2-4]。近年來，部分學(xué)者圍繞高后果區(qū)精準(zhǔn)識別和風(fēng)險評估展開了研究：馬廷霞等[5]介紹了一種基于數(shù)據(jù)庫的高后果區(qū)識別軟件設(shè)計框架；楊宏偉等[6]采用緩沖區(qū)分析原理提出了一種高后果區(qū)識別的流程；盧建明等[7]基于ArcGIS + PostgreSQL地理信息平臺和數(shù)據(jù)庫開發(fā)了高后果區(qū)智能分析系統(tǒng)；盧琳琳等[8]提出了基于無人機航拍的管道高后果區(qū)打分識別方法；何軍等[9]采用模糊綜合評價法對高后果區(qū)進行了識別分級,這些研究從企業(yè)的視角為高后果區(qū)的精準(zhǔn)識別提供了思路。本文以政企聯(lián)動為出發(fā)點，介紹利用管道保護GIS平臺和大數(shù)據(jù)分析技術(shù)識別管道高后果區(qū)的方法。

1  大數(shù)據(jù)分析識別方法

1.1  信息采集

信息采集是高后果區(qū)識別的基礎(chǔ)。信息采集內(nèi)容包括管道屬性、運行參數(shù)、檢測維護數(shù)據(jù)、應(yīng)急資源信息、環(huán)境數(shù)據(jù)、人口和周邊建構(gòu)筑物分布等[10,11]，其中環(huán)境數(shù)據(jù)、人口和周邊建構(gòu)筑物分布數(shù)據(jù)變化相對頻繁，其他數(shù)據(jù)一般變化較小。所有采集到的數(shù)據(jù)，以圖層化的方式存儲在管道保護GIS平臺中。當(dāng)管道潛在影響半徑內(nèi)環(huán)境等數(shù)據(jù)發(fā)生變化時，可按權(quán)限通過管道保護GIS平臺、微信小程序端口或管道保護熱線電話反饋情況。接到數(shù)據(jù)庫修改申請后，平臺統(tǒng)一生成并派發(fā)指令單，由相關(guān)管理人員核實并反饋情況，調(diào)整更新管道高后果區(qū)數(shù)據(jù)庫。此外，平臺通過高德地圖api接口[12]定期收集管道潛在影響半徑內(nèi)住宅、特定場所和易燃易爆場所的變化，由相關(guān)人員核實后更新數(shù)據(jù)，具體流程詳見圖 1。高后果區(qū)數(shù)據(jù)錄入界面如圖 2所示。

圖 1 高后果區(qū)信息采集流程

圖 2 高后果區(qū)數(shù)據(jù)錄入界面

1.2  識別程序設(shè)計

1.2.1  識別準(zhǔn)則量化

依據(jù)標(biāo)準(zhǔn)規(guī)范要求和當(dāng)?shù)毓艿辣Ｗo實際，對管道高后果區(qū)識別準(zhǔn)則進行量化（以輸氣管道為例）：

（1）Ⅲ級高后果區(qū)。管道兩側(cè)200 m范圍內(nèi)，有大于等于100戶居民，4層及以上建筑大于等于2幢，包含最大聚居戶數(shù)。

（2）Ⅱ級高后果區(qū)。管道兩側(cè)200 m范圍內(nèi)，有大于等于100戶居民，4層及以上建筑小于2幢，包含最大聚居戶數(shù)；或管徑大于762 mm，并且最大允許操作壓力大于6.9 MPa，輸氣管道潛在影響區(qū)域內(nèi)有特定場所的管段；或除符合Ⅲ級高后果區(qū)及本條第一款條件外，管道兩側(cè)各200 m內(nèi)有加油站、油庫等易燃易爆場所的管段。

（3）I級高后果區(qū)。管徑小于273 mm，并且最大允許操作壓力小于1.6 MPa，管道潛在影響區(qū)域內(nèi)有特定場所的管段；或其他管道兩側(cè)各200 m內(nèi)有特定場所的管段。

1.2.2  數(shù)據(jù)預(yù)處理

每一棟建筑物中心點可以看成一個帶有屬性的點（以下簡稱“對象點”），對象點在管線周邊形成一定的空間散布。計算對象點到管線的投影坐標(biāo)和最近距離[13]，按照識別準(zhǔn)則將特定范圍內(nèi)的對象點篩選出來。根據(jù)建構(gòu)筑物的用途屬性將對象點歸為住宅點集、特定場所I點集、特定場所Ⅱ點集、易燃易爆場所點集，點集中的每一個點具有總戶數(shù)、樓層大于等于4層樓棟數(shù)等屬性。

1.2.3  核心算法

對住宅類點集，使用基于密度的聚類算法（DBSCAN）[14]進行分類。該方法以任意住宅點為圓心，以特定半徑L畫目標(biāo)圓，若圓內(nèi)建筑密度大于等于設(shè)定值N，則圓心轉(zhuǎn)移至圓圈內(nèi)其他住宅點，直至圓內(nèi)所包含的建筑數(shù)量少于N。這些歸為一類（簇），直至歷遍所有住宅點。簇的屬性繼承了點的屬性。計算過程如圖 3所示。

圖 3 核心算法示意

對于住宅點集中的任意一簇（每個離散點作為一簇），計算簇邊界點在管道上投影點與其他簇的邊界點在管道上投影點的大地距離D，若D小于等于400 m，則將兩個簇合并，更新簇的屬性。特定場所、易燃易爆場所每一個對象點代表一個簇，直接參照住宅簇的合并方式進行簇合并操作。簇合并操作完成后，根據(jù)高后果區(qū)識別準(zhǔn)則判斷各簇等級。

對于初步識別出的高后果區(qū)，計算不同高后果區(qū)的最近距離，若小于等于50 m的，將兩個高后果區(qū)合并，合并后的高后果區(qū)等級按照合并前最高等級計，屬性相應(yīng)合并，操作過程如圖 4所示。

圖 4 管道高后果區(qū)合并示意

2 高后果區(qū)識別實踐

2.1 項目背景

西氣東輸甪寶線昆山高新區(qū)和巴城段（KS037-KS54）長5.4 km，管道外徑610 mm，壁厚8 mm，管材采用X65鋼，設(shè)計壓力4 MPa，運行壓力3.5 MPa，外加三層PE，管道陰極保護為強制電流保護[15]。管道周邊有居民區(qū)、工廠、學(xué)校、加油站、高速公路、河流、湖泊等，人口密度較高、交通頻繁。經(jīng)現(xiàn)場核實確認(rèn)，得到表 1所示管道識別區(qū)內(nèi)建構(gòu)筑物分布情況（潛在影響半徑121 m，識別半徑200 m）。 

2.2 識別結(jié)果

基于python對住宅、特定場所、易燃易爆場所分別進行聚類、簇合并和等級判定操作（半徑L=200，N=5），利用地圖可視化組件folium得到圖 5所示初步劃分的高后果區(qū)識別圖，其中Ⅲ級高后果區(qū)3個，Ⅱ級高后果區(qū)1個，Ⅰ級高后果區(qū)4個。

圖 5 初步劃分的高后果區(qū)

為比較程序識別和人工識別的差別，選取2020年度西氣東輸甪寶支線對應(yīng)管段高后果區(qū)風(fēng)險評價報告和管控方案結(jié)果進行對比，如圖 6所示。

圖 6 程序和人工識別結(jié)果對比

從對比情況來看，程序共識別出Ⅲ級高后果區(qū)3處、I級高后果區(qū)2處，人工識別出Ⅲ級高后果區(qū)2處、Ⅱ級高后果區(qū)1處，主要區(qū)別如下：圖 6（a）中高后果區(qū)①和（b）中高后果區(qū)①范圍基本相同，涵蓋大公小學(xué)（特定場所I），但高后果區(qū)等級不同，分別為I和Ⅱ級，主要原因是西氣東輸作業(yè)指導(dǎo)書中對人口密度與建筑物密度換算有更高的要求[16]；圖 6（a）高后果區(qū)②為圖5中Ⅲ級、Ⅱ級和I級高后果區(qū)合并得到的，而（b）中高后果區(qū)②未覆蓋到婁江以南的I級高后果區(qū)，可能是由于人工劃分失誤導(dǎo)致；（a）中③和④不符合合并條件，但在人工劃分中將兩者合并，人為擴大了Ⅲ級高后果區(qū)范圍；（a）中④北部區(qū)域?qū)�兩處特定場所I一并納入，而（b）中③可能由于人為劃分失誤未予以統(tǒng)計。程序劃分相比人為劃分可在一定程度上減少人為劃分失誤因素，為精準(zhǔn)快速的高后果區(qū)劃分提供參考。

3  結(jié)論

采用線上線下相互結(jié)合、政府和企業(yè)相互聯(lián)動的方式，多渠道獲取高后果區(qū)動態(tài)信息，通過管道保護GIS平臺實現(xiàn)信息共享、派單、查驗和反饋，可及時發(fā)現(xiàn)高后果區(qū)異動，規(guī)范高后果區(qū)內(nèi)的建設(shè)行為，從源頭上管控安全風(fēng)險。同時，開發(fā)的基于密度聚類的高后果區(qū)劃分程序可快速、準(zhǔn)確地識別出高后果區(qū)，避免人工劃分過程中漏劃、錯劃、多劃、少劃等情況發(fā)生，可在強化風(fēng)險管控的同時，合理利用管道沿線的土地資源，為高后果區(qū)精準(zhǔn)管控提供參考。

 

參考文獻：

[1]陳玉亮，劉英男，趙萬里，等.長三角地區(qū)管道高后果區(qū)管理實踐[J]. 管道保護，2020，(4)：21-23.

[2]張濤.輸氣管道完整性管理高后果區(qū)管控存在的問題[J]. 上海煤氣，2020(1)：18-20.

[3]董紹華，張河葦．基于大數(shù)據(jù)的全生命周期智能管網(wǎng)解決方案[J]．油氣儲運，2017，36(1)：28-36.

[4]魯青龍，青鵬，陳利瓊. 大數(shù)據(jù)在油氣管道高后果區(qū)識別與管理中的應(yīng)用[J]. 管道保護，2020，(3)：35-37.

[5]馬廷霞，周俊鵬，李安軍.長輸管道高后果區(qū)識別系統(tǒng)軟件的設(shè)計[J].油氣儲運，2014，33(7)：719-722.

[6]楊宏偉，張松，管磊，等. 基于GIS地油氣管道高后果區(qū)識別研究[J]. 天然氣與石油，2019，37(5)：119-124.

[7]盧建明，劉承松，韓士英. 天然氣智慧管網(wǎng)調(diào)度運行技術(shù)地探索與實踐[J]. 油氣田地面工程，2019，38(11)：8-11.

[8]盧琳琳，鄧叢微，陳琳. 基于UAV技術(shù)的長輸管道高后果區(qū)識別方法研究[J]. 石油和化工設(shè)備，2018( 21)：34-37.

[9]何軍，沈群. 天然氣管道高后果區(qū)模糊綜合分級研究[J]. 工業(yè)安全與環(huán)保，2019，45(11)：36-39.

[10]謝明，劉昊，賴俊西. 油氣管道高后果區(qū)識別數(shù)據(jù)準(zhǔn)備[J]. 當(dāng)代化工，2014，43(7)：1389 -1391.

[11]史志彬. 油氣管道安全評價綜合數(shù)據(jù)庫的建設(shè)[J]. 油氣田地面工程，2008，27(5)：57 -58.

[13]王凱，王宏濤. 基于高德API的輕量級控制點GIS系統(tǒng)研究[J]. 地理空間信息，2020，18(12)：84-86.

[14]張祥元，郭際明，劉宗泉. 大地測量學(xué)基礎(chǔ)[M]. 武漢：武漢大學(xué)出版社，2010：99-152.

[15]張憲超. 數(shù)據(jù)聚類[M]. 北京：科學(xué)出版社，2017：68-73.

[16]白泉. 甪直寶鋼輸氣管道交流干擾的檢測與減緩措施[J]. 石油和化工設(shè)備，2012，15(1)：44-45.

[17]趙東野. 西氣東輸管道高后果區(qū)評價作業(yè)指導(dǎo)書[R]. 上海：西氣東輸管道分公司，2018.

 

作者簡介：馮明輝，碩士研究生，2016年畢業(yè)于中國科學(xué)技術(shù)大學(xué)，主要從事能源和資源環(huán)境管理工作，研究方向能源安全管理、燃燒數(shù)值模擬、地理信息輔助決策。聯(lián)系方式：15862637990，465939808@qq.com。