馮明輝

昆山市發展和改革委員會

摘要：針對油氣管道高后果區風險辨識中信息更新不及時、劃分不精準等問題，改進高后果區信息采集方法，并基于密度聚類法提出了高后果區識別程序設計思路，利用python開發了信息收集和高后果區識別程序。選取西氣東輸甪寶線部分管段為分析對象，將程序識別結果與人工劃分結果比對發現，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。

關鍵詞：長輸管道; 高后果區; 地理信息; 聚類算法

長三角地區是最早引入管道天然氣的地區之一，也是長輸管道敷設較為密集的區域[1]。隨著管道沿線土地開發強度增加，不少區域被動進入了管道高后果區。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，近年來地方政府和管道企業全面加強了高后果區管理，管道沿線近距離開發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發利用。如何平衡好管道保護和地方發展的關系，保障高后果區安全，是政府和企業共同的任務。

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因素影響，管理過程中存在高后果區劃分不準確、事前介入不及時的現象[2-4]。近年來，部分學者圍繞高后果區精準識別和風險評估展開了研究：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ArcGIS + PostgreSQL地理信息平臺和數據庫開發了高后果區智能分析系統；盧琳琳等[8]提出了基于無人機航拍的管道高后果區打分識別方法；何軍等[9]采用模糊綜合評價法對高后果區進行了識別分級,這些研究從企業的視角為高后果區的精準識別提供了思路。本文以政企聯動為出發點，介紹利用管道保護GIS平臺和大數據分析技術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、環境數據、人口和周邊建構筑物分布等[10,11]，其中環境數據、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境等數據發生變化時，可按權限通過管道保護GIS平臺、微信小程序端口或管道保護熱線電話反饋情況。接到數據庫修改申請后，平臺統一生成并派發指令單，由相關管理人員核實并反饋情況，調整更新管道高后果區數據庫。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住宅、特定場所和易燃易爆場所的變化，由相關人員核實后更新數據，具體流程詳見圖 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際，對管道高后果區識別準則進行量化（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戶居民，4層及以上建筑大于等于2幢，包含最大聚居戶數。

（2）Ⅱ級高后果區。管道兩側200 m范圍內，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；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所的管段；或其他管道兩側各200 m內有特定場所的管段。

1.2.2  數據預處理

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和最近距離[13]，按照識別準則將特定范圍內的對象點篩選出來。根據建構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、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，直至圓內所包含的建筑數量少于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 高后果區識別實踐

2.1 項目背景

西氣東輸甪寶線昆山高新區和巴城段（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、學校、加油站、高速公路、河流、湖泊等，人口密度較高、交通頻繁。經現場核實確認，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識別圖，其中Ⅲ級高后果區3個，Ⅱ級高后果區1個，Ⅰ級高后果區4個。

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對應管段高后果區風險評價報告和管控方案結果進行對比，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（特定場所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指導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

采用線上線下相互結合、政府和企業相互聯動的方式，多渠道獲取高后果區動態信息，通過管道保護GIS平臺實現信息共享、派單、查驗和反饋，可及時發現高后果區異動，規范高后果區內的建設行為，從源頭上管控安全風險。同時，開發的基于密度聚類的高后果區劃分程序可快速、準確地識別出高后果區，避免人工劃分過程中漏劃、錯劃、多劃、少劃等情況發生，可在強化風險管控的同時，合理利用管道沿線的土地資源，為高后果區精準管控提供參考。

 

參考文獻：

[1]陳玉亮，劉英男，趙萬里，等.長三角地區管道高后果區管理實踐[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．基于大數據的全生命周期智能管網解決方案[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. 天然氣智慧管網調度運行技術地探索與實踐[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技術的長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]. 工業安全與環保，2019，45(11)：36-39.

[10]謝明，劉昊，賴俊西. 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. 大地測量學基礎[M]. 武漢：武漢大學出版社，2010：99-152.

[15]張憲超. 數據聚類[M]. 北京：科學出版社，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作業指導書[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年畢業于中國科學技術大學，主要從事能源和資源環境管理工作，研究方向能源安全管理、燃燒數值模擬、地理信息輔助決策。聯系方式：15862637990，465939808@qq.com。