馮明輝

昆山市發(fā)展和改革委員會(huì )

摘要：針對油氣管道高后果區風(fēng)險辨識中信息更新不及時(shí)、劃分不精準等問(wèn)題，改進(jìn)高后果區信息采集方法，并基于密度聚類(lèi)法提出了高后果區識別程序設計思路，利用python開(kāi)發(fā)了信息收集和高后果區識別程序。選取西氣東輸甪寶線(xiàn)部分管段為分析對象，將程序識別結果與人工劃分結果比對發(fā)現，程序識別可避免人為劃分失誤，為快速、準確識別高后果區提供方法借鑒。

關(guān)鍵詞：長(cháng)輸管道; 高后果區; 地理信息; 聚類(lèi)算法

長(cháng)三角地區是最早引入管道天然氣的地區之一，也是長(cháng)輸管道敷設較為密集的區域[1]。隨著(zhù)管道沿線(xiàn)土地開(kāi)發(fā)強度增加，不少區域被動(dòng)進(jìn)入了管道高后果區。按照原國家安監總局等八部委138號文件提出的“管好存量，嚴控增量”要求，近年來(lái)地方政府和管道企業(yè)全面加強了高后果區管理，管道沿線(xiàn)近距離開(kāi)發(fā)建設的不安全行為得到有效遏制，但也相當程度影響了土地的開(kāi)發(fā)利用。如何平衡好管道保護和地方發(fā)展的關(guān)系，保障高后果區安全，是政府和企業(yè)共同的任務(wù)。

輸氣管道高后果區識別和管控主要依據GB 32167―2015《油氣輸送管道完整性管理規范》、SY/T 7380―2017《輸氣管道高后果區完整性管理規范》、GB 50251―2015《輸氣管道工程設計規范》等標準規范。受高后果區數據完整性不足及管理人員主觀(guān)因素影響，管理過(guò)程中存在高后果區劃分不準確、事前介入不及時(shí)的現象[2-4]。近年來(lái)，部分學(xué)者圍繞高后果區精準識別和風(fēng)險評估展開(kāi)了研究：馬廷霞等[5]介紹了一種基于數據庫的高后果區識別軟件設計框架；楊宏偉等[6]采用緩沖區分析原理提出了一種高后果區識別的流程；盧建明等[7]基于A(yíng)rcGIS + PostgreSQL地理信息平臺和數據庫開(kāi)發(fā)了高后果區智能分析系統；盧琳琳等[8]提出了基于無(wú)人機航拍的管道高后果區打分識別方法；何軍等[9]采用模糊綜合評價(jià)法對高后果區進(jìn)行了識別分級,這些研究從企業(yè)的視角為高后果區的精準識別提供了思路。本文以政企聯(lián)動(dòng)為出發(fā)點(diǎn)，介紹利用管道保護GIS平臺和大數據分析技術(shù)識別管道高后果區的方法。

1  大數據分析識別方法

1.1  信息采集

信息采集是高后果區識別的基礎。信息采集內容包括管道屬性、運行參數、檢測維護數據、應急資源信息、環(huán)境數據、人口和周邊建構筑物分布等[10,11]，其中環(huán)境數據、人口和周邊建構筑物分布數據變化相對頻繁，其他數據一般變化較小。所有采集到的數據，以圖層化的方式存儲在管道保護GIS平臺中。當管道潛在影響半徑內環(huán)境等數據發(fā)生變化時(shí)，可按權限通過(guò)管道保護GIS平臺、微信小程序端口或管道保護熱線(xiàn)電話(huà)反饋情況。接到數據庫修改申請后，平臺統一生成并派發(fā)指令單，由相關(guān)管理人員核實(shí)并反饋情況，調整更新管道高后果區數據庫。此外，平臺通過(guò)高德地圖api接口[12]定期收集管道潛在影響半徑內住宅、特定場(chǎng)所和易燃易爆場(chǎng)所的變化，由相關(guān)人員核實(shí)后更新數據，具體流程詳見(jiàn)圖 1。高后果區數據錄入界面如圖 2所示。

圖 1 高后果區信息采集流程

圖 2 高后果區數據錄入界面

1.2  識別程序設計

1.2.1  識別準則量化

依據標準規范要求和當地管道保護實(shí)際，對管道高后果區識別準則進(jìn)行量化（以輸氣管道為例）：

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

（2）Ⅱ級高后果區。管道兩側200 m范圍內，有大于等于100戶(hù)居民，4層及以上建筑小于2幢，包含最大聚居戶(hù)數；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域內有特定場(chǎng)所的管段；或除符合Ⅲ級高后果區及本條第一款條件外，管道兩側各200 m內有加油站、油庫等易燃易爆場(chǎng)所的管段。

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

1.2.2  數據預處理

每一棟建筑物中心點(diǎn)可以看成一個(gè)帶有屬性的點(diǎn)（以下簡(jiǎn)稱(chēng)“對象點(diǎn)”），對象點(diǎn)在管線(xiàn)周邊形成一定的空間散布。計算對象點(diǎn)到管線(xiàn)的投影坐標和最近距離[13]，按照識別準則將特定范圍內的對象點(diǎn)篩選出來(lái)。根據建構筑物的用途屬性將對象點(diǎn)歸為住宅點(diǎn)集、特定場(chǎng)所I點(diǎn)集、特定場(chǎng)所Ⅱ點(diǎn)集、易燃易爆場(chǎng)所點(diǎn)集，點(diǎn)集中的每一個(gè)點(diǎn)具有總戶(hù)數、樓層大于等于4層樓棟數等屬性。

1.2.3  核心算法

對住宅類(lèi)點(diǎn)集，使用基于密度的聚類(lèi)算法（DBSCAN）[14]進(jìn)行分類(lèi)。該方法以任意住宅點(diǎn)為圓心，以特定半徑L畫(huà)目標圓，若圓內建筑密度大于等于設定值N，則圓心轉移至圓圈內其他住宅點(diǎn)，直至圓內所包含的建筑數量少于N。這些歸為一類(lèi)（簇），直至歷遍所有住宅點(diǎn)。簇的屬性繼承了點(diǎn)的屬性。計算過(guò)程如圖 3所示。

圖 3 核心算法示意

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

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

圖 4 管道高后果區合并示意

2 高后果區識別實(shí)踐

2.1 項目背景

西氣東輸甪寶線(xiàn)昆山高新區和巴城段（KS037-KS54）長(cháng)5.4 km，管道外徑610 mm，壁厚8 mm，管材采用X65鋼，設計壓力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、工廠(chǎng)、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)現場(chǎng)核實(shí)確認，得到表 1所示管道識別區內建構筑物分布情況（潛在影響半徑121 m，識別半徑200 m）。 

2.2 識別結果

基于python對住宅、特定場(chǎng)所、易燃易爆場(chǎng)所分別進(jìn)行聚類(lèi)、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識別圖，其中Ⅲ級高后果區3個(gè)，Ⅱ級高后果區1個(gè)，Ⅰ級高后果區4個(gè)。

圖 5 初步劃分的高后果區

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(xiàn)對應管段高后果區風(fēng)險評價(jià)報告和管控方案結果進(jìn)行對比，如圖 6所示。

圖 6 程序和人工識別結果對比

從對比情況來(lái)看，程序共識別出Ⅲ級高后果區3處、I級高后果區2處，人工識別出Ⅲ級高后果區2處、Ⅱ級高后果區1處，主要區別如下：圖 6（a）中高后果區①和（b）中高后果區①范圍基本相同，涵蓋大公小學(xué)（特定場(chǎng)所I），但高后果區等級不同，分別為I和Ⅱ級，主要原因是西氣東輸作業(yè)指導書(shū)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②為圖5中Ⅲ級、Ⅱ級和I級高后果區合并得到的，而（b）中高后果區②未覆蓋到婁江以南的I級高后果區，可能是由于人工劃分失誤導致；（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級高后果區范圍；（a）中④北部區域將兩處特定場(chǎng)所I一并納入，而（b）中③可能由于人為劃分失誤未予以統計。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，為精準快速的高后果區劃分提供參考。

3  結論

采用線(xiàn)上線(xiàn)下相互結合、政府和企業(yè)相互聯(lián)動(dòng)的方式，多渠道獲取高后果區動(dòng)態(tài)信息，通過(guò)管道保護GIS平臺實(shí)現信息共享、派單、查驗和反饋，可及時(shí)發(fā)現高后果區異動(dòng)，規范高后果區內的建設行為，從源頭上管控安全風(fēng)險。同時(shí)，開(kāi)發(fā)的基于密度聚類(lèi)的高后果區劃分程序可快速、準確地識別出高后果區，避免人工劃分過(guò)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(shí)，合理利用管道沿線(xiàn)的土地資源，為高后果區精準管控提供參考。

 

參考文獻：

[1]陳玉亮，劉英男，趙萬(wàn)里，等.長(cháng)三角地區管道高后果區管理實(shí)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管控存在的問(wèn)題[J]. 上海煤氣，2020(1)：18-20.

[3]董紹華，張河葦．基于大數據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. 大數據在油氣管道高后果區識別與管理中的應用[J]. 管道保護，2020，(3)：35-37.

[5]馬廷霞，周俊鵬，李安軍.長(cháng)輸管道高后果區識別系統軟件的設計[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)調度運行技術(shù)地探索與實(shí)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(cháng)輸管道高后果區識別方法研究[J]. 石油和化工設備，2018( 21)：34-37.

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

[10]謝明，劉昊，賴(lài)俊西. 油氣管道高后果區識別數據準備[J]. 當代化工，2014，43(7)：1389 -1391.

[11]史志彬. 油氣管道安全評價(jià)綜合數據庫的建設[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(diǎn)GIS系統研究[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[M]. 武漢：武漢大學(xué)出版社，2010：99-152.

[15]張憲超. 數據聚類(lèi)[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]. 石油和化工設備，2012，15(1)：44-45.

[17]趙東野. 西氣東輸管道高后果區評價(jià)作業(yè)指導書(shū)[R]. 上海：西氣東輸管道分公司，2018.

 

作者簡(jiǎn)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、燃燒數值模擬、地理信息輔助決策。聯(lián)系方式：15862637990，465939808@qq.com。