CN108345975A - 一种油库失效风险评估方法及装置 - Google Patents

Abstract

本发明实施例公开了一种油库失效风险评估方法及装置。方法包括：获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；根据与所述失效因素关联的评价信息构建与所述失效因素对应的评价矩阵和判断矩阵；构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效因素对应的模糊矩阵；根据所述判断矩阵获取所述失效因素的权重向量；根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。本发明实施例采用匹配矩阵法优化失效因素对应的评价矩阵，以避免超模糊现象，增加了评价的分辨率，进而提高了评估的准确性。

Description

一种油库失效风险评估方法及装置

技术领域

本发明实施例涉及安全评价技术领域，具体涉及一种油库失效风险评估方法及装置。

背景技术

根据国务院《国家石油储备中长期规划》预测，2020年我国国家石油储备能力将提升到8500万吨。以国家战略石油储备、地方石油储备、商业石油储备和中小型公司石油储备为主体构成的中国四级石油储备体系建设已经启动。而油库作为储存油料的基地，具有储油量大，风险高的特征，在运营过程中，受到复杂的内、外因素影响，一旦发生事故，易产生连锁效应，造成生命与财产的重大损失。可见，采取科学的方法对油库现状进行有效的风险评估，从而减少事故发生成为摆在油库运营企业的首要问题。

当前，对油库的风险评价多停留在安全检查表、预先危险性分析、危险可操作性分析等定性评价阶段，这些方法基本上能找出库区的事故隐患。但原油储罐***是个多因素、多层次、多变量的复杂人机***，而现阶段由于各种客观条件所限，无法实现将所有的影响因素完全量化，同时，由于各因素的模糊不确定性，对原油储罐安全运行具有不同程度的影响。而多层次模糊综合评价是一种行之有效的方法。模糊指的是无论在质上还是在量上，都没有明确的定义和确切的界限。

在实现本发明实施例的过程中，发明人发现在不少的复杂***分析当中，由于需要考虑的问题很多，所涉及的体系具有多变量、多因素、多级别的性质，很难对其进行实际而精确的描述，故常借助模糊综合评判法这一工具。模糊综合评价法是一个在多因素场合对事物进行综合评定的方法，需要考虑与被评判对象相关的影响因素，应用模糊变换原理的最大隶属度原则，对其所作的综合评判。但使用现有技术获得的评价结果有超模糊现象。

发明内容

本发明实施例的一个目的是解决现有技术的模糊综合评价法得出的评价结果有超模糊现象，进而导致失效事件评估精度低的问题。

本发明实施例提出了一种油库失效风险评估方法，包括：

获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；

根据与所述失效因素关联的评价信息构建与所述失效因素对应的评价矩阵和判断矩阵；

构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效因素对应的模糊矩阵；

根据所述判断矩阵获取所述失效因素的权重向量；

根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

可选的，所述失效因素包括：主失效因素和与所述主失效因素对应的子失效因素；

相应地，所述根据与所述失效因素关联的评价信息构建与所述失效因素对应的判断矩阵包括：

根据与主失效因素对应的子失效因素关联的评价信息，对子失效因素进行两两对比处理；

根据对比结果构建与所述主失效因素对应的判断矩阵。

可选的，所述根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值包括：

根据模糊矩阵和权重向量获取与所述主失效因素对应的子失效因素对应的失效风险值；

根据子失效因素对应的失效风险值获取所述主失效因素对应的失效风险值；

从所有主失效因素对应的失效风险值中选取最大值作为油库失效风险值。

可选的，所述根据所述判断矩阵获取所述失效因素的权重向量包括：

根据所述判断矩阵获取所述判断矩阵的反对称传递矩阵；

根据所述反对称传递矩阵获取所述反对称传递矩阵的最优传递矩阵；

根据所述最优传递矩阵获取判断矩阵的拟优一致矩阵；

根据所述拟优一致矩阵获取所述失效因素的权重向量。

可选的，所述方法还包括：

根据所述油库失效风险值和预设评价数据库获取油库的风险等级；

其中，所述预设评价数据库中存有风险等级以及风险等级对应的油库失效风险值。

本发明实施例提出了一种油库失效风险评估装置，包括：

获取模块，用于获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；

第一处理模块，用于根据与所述失效因素关联的评价信息构建与所述失效因素对应的评价矩阵和判断矩阵；

第二处理模块，构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效用于因素对应的模糊矩阵；

第三处理模块，用于根据所述判断矩阵获取所述失效因素的权重向量；

评估模块，用于根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

可选的，所述失效因素包括：主失效因素和与所述主失效因素对应的子失效因素；

相应地，所述第一处理模块，用于根据与主失效因素对应的子失效因素关联的评价信息，对子失效因素进行两两对比处理；根据对比结果构建与所述主失效因素对应的判断矩阵。

可选的，所述评估模块，用于根据模糊矩阵和权重向量获取与所述主失效因素对应的子失效因素对应的失效风险值；根据子失效因素对应的失效风险值获取所述主失效因素对应的失效风险值；从所有主失效因素对应的失效风险值中选取最大值作为油库失效风险值。

可选的，所述第三处理模块，用于根据所述判断矩阵获取所述判断矩阵的反对称传递矩阵；根据所述反对称传递矩阵获取所述反对称传递矩阵的最优传递矩阵；根据所述最优传递矩阵获取判断矩阵的拟优一致矩阵；根据所述拟优一致矩阵获取所述失效因素的权重向量。

可选的，所述装置还包括：第四处理模块；

所述第四处理模块，用于根据所述油库失效风险值和预设评价数据库获取油库的风险等级；

其中，所述预设评价数据库中存有风险等级以及风险等级对应的油库失效风险值。

由上述技术方案可知，本发明实施例提出的油库失效风险评估方法及装置采用匹配矩阵法优化失效因素对应的评价矩阵，以避免超模糊现象，增加了评价的分辨率，进而提高了评估的准确性。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明一实施例提供的一种油库失效风险评估方法流程示意图；

图2示出了本发明另一实施例提供的一种油库失效风险评估方法流程示意图；

图3示出了本发明又一实施例提供的一种油库失效风险评估方法流程示意图；

图4示出了本发明一实施例提供的一种油库失效风险评估装置结构示意图；

图5示出了本发明另一实施例提供的一种油库失效风险评估装置结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1示出了本发明一实施例提供的一种油库失效风险评估方法流程示意图，参见图1，该方法由处理器实现，具体包括如下步骤：

110、获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；

需要说明的是，在对某油库进行风险评估时，首先，采集该油库的相关数据，例如：油库的输油泵房以及输油泵房中泵房建筑结构，面积及安全防护，设备选型及安全附件，设备平面布置，排列及备用泵的设置；油库的来油计量间以及来油计量间的计量方式及设备，设施的选用，阀门、仪表的连接方式与维护保养现状等。基于采集的数据中影响评估结果的所有因素构建失效因素集。

针对失效因素集中的失效因素，采集相关领域的技术人员或者油库管理者或者工程人员等专家的评价信息，例如：输油泵房中泵房建筑结构导致的失效可能性较大，设备平面布置导致的失效可能性较小等等。对于每个失效因素均有与之对应的评价信息。

120、根据与所述失效因素关联的评价信息构建与所述失效因素对应的评价矩阵和判断矩阵；

需要说明的是，选择的评价信息一般使用常见的评语，如：“严重”、“一般”、“轻微”等，以将评价信息对应的评价结果划分为不同的等级。然后基于“严重”、“一般”、“轻微”等模糊语言，采用模糊集理论处理这些模糊语言，构建评价矩阵；然后，采用两两对比的方法，构建判断矩阵。

130、构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效因素对应的模糊矩阵；

需要说明的是，采用匹配矩阵法实现步骤130，以优化评价矩阵。

140、根据所述判断矩阵获取所述失效因素的权重向量；

150、根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

需要说明的是，基于失效因素集中各失效因素的判断矩阵，计算获取各失效因素的权重向量，然后基于各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

可见，本实施例采用匹配矩阵法优化失效因素对应的评价矩阵，以避免超模糊现象，增加了评价的分辨率，进而提高了评估的准确性。

实施例二

图2示出了本发明另一实施例提供的一种油库失效风险评估方法流程示意图，参见图2，该方法由处理器实现，具体包括如下步骤：

210、获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；

需要说明的是，步骤210与实施例一中的步骤110相对应，故，此处不再对步骤210展开说明，具体请参照步骤110的相关描述。

220、采用标度法构建判断矩阵：

需要说明的是，步骤210中的失效因素包括：主失效因素和与所述主失效因素对应的子失效因素；例如：失效因素集中包括：A、B、C、D等主失效因素以及与主失效因素A相关的子失效因素A₁、A₂、A₃等、与主失效因素B相关的子失效因素B₁、B₂、B₃等。

根据与主失效因素对应的子失效因素关联的评价信息，对子失效因素进行两两对比处理；

根据对比结果构建与所述主失效因素对应的判断矩阵。

需要说明的是，针对某一主失效因素，例如：来油计量间；与其相关的子失效因素包括：计量方式及设备，设施的选用，阀门、仪表的连接方式与维护保养现状等。基于评价信息中对各子失效因素的评价，对子失效因素进行两两对比，进而构建来油计量间的判断矩阵。

230、计算、确定权重向量

根据所述判断矩阵获取所述判断矩阵的反对称传递矩阵；根据所述反对称传递矩阵获取所述反对称传递矩阵的最优传递矩阵；根据所述最优传递矩阵获取判断矩阵的拟优一致矩阵；根据所述拟优一致矩阵获取来油计量间这一主失效因素的权重向量。

240、基于各失效因素的隶属度构建模糊矩阵

250、进行模糊综合评判

根据所述模糊矩阵和权重向量获取与所述主失效因素对应的子失效因素对应的失效风险值；根据子失效因素对应的失效风险值获取所述主失效因素对应的失效风险值；从所有主失效因素对应的失效风险值中选取最大值作为油库失效风险值。

260、根据所述油库失效风险值和预设评价数据库评价油库的风险等级；其中，所述预设评价数据库中存有风险等级以及风险等级对应的油库失效风险值。

需要说明的是，预设的风险等级可包括：严重危险、危险、较为危险、一般、轻微、基本无危险，然后每个风险等级均有一个对应的风险值范围。将步骤250选取出的失效风险值的最大值与风险值范围进行对比，即可获取风险等级。

可见，本实施例通过步骤230计算、确认各主失效因素的权重向量，并根据确认的权重向量计算主失效因素的失效风险值，基于此改进的层次分析法，本发明不仅能降低由主观因素导致的失误，而且能避免对判断矩阵进行的一致性检验，使权重向量的取值更具有合理性；另外，本实施例还能获取到油库各组成部分的失效风险值，并根据油库各组成部分的失效风险值评估整个油库的风险等级，以更加直观的得知油库的失效风险值。

实施例三

图3示出了本发明又一实施例提供的一种油库失效风险评估方法流程示意图，下面参见图3对本发明的原理进行详细说明：

301、确定评价对象

将待评价油库划分为若干个评价单元。影响油库安全的评价因素有很多，根据其功能不同将其分为7个评价单元，即为主失效因素：来油计量间、输油泵房、储油罐区、发球间和收球间、阀组间、锅炉间以及变电所。

302、为了***、全面、定性地分析影响油库风险的各种因素，将以上7个主失效因素细分为下列各子失效因素。见表1，其中，着眼因素集即为主失效因素组成的集合，子因素集即为子失效因素组成的集合。

表1油库的风险评价指标体系

303、设所有主失效因素组成的集合为U，称为评价***的着眼因素集。则U＝[U₁，U₂，U₃，U₄，U₅，U₆，U₇]，分别代表来油计量间、输油泵房、储油罐区、发球间和收球间、阀组间、锅炉间以及变电所。U_i又分为下属的各级子因素集，见表1。

304、选择一些合适的常见评语对评价对象进行描述，如“严重”、“一般”、“轻微”等，目的是将评价结果划分为不同的等级。将评价者对评价对象作出的结果评语所构成的集合称为抉择评语集合V，表述为：

V＝{v₁，v₂，…，v_m}

评价集是评价者对评价对象可做出的各种总的评价结果所组成的集合，一般以程度语言或评定取值区间作为评价目标，则V＝{很严重，严重，一般，轻微，很轻微}。

305、单因素模糊综合评价，与步骤310相对应。

306、确定被评价对象的着眼因素集中各因素的隶属度，建立模糊关系矩阵，具体为：

通过评价者在评语标尺上的模糊评价，确定第i个着眼因素U_i对抉择评语集V_j中每个评语的隶属程度r_ij。

r_ij＝(r_i1,r_i2,…,r_im)

它是抉择评语集V上的一个模糊子集，多个单因素的模糊评价子集便构成总的评价矩阵R。R反映了着眼因素集与抉择评语集之间一一对应的模糊关系，即U对V的隶属程度。

在运用模糊运算确定评价结果时，有时会遇到超模糊现象，即评价结果中元素的值相同或相近，致使无法明确区分哪一项的隶属度更高。为了避免这一现象，增强评价的分辨率，本发明采用匹配矩阵法改进评价矩阵。

307、匹配矩阵法改进R，具体包括：

7.1、求评价矩阵R的列向量和构成的向量D

D＝[1,…,1]×R (1)

7.2、求向量D的倒数构成的向量E

E＝[1/d₁,1/d₂,…,1/d_m] (2)

7.3、构成R的匹配矩阵K

7.4、对矩阵R进行归一化修正，获得矩阵Rx

R_x＝(R_xij)_n×m,R_xij＝r_ij×k_ij (4)

308-309、确定评价指标的权重

着眼因素集中的各子因素U_i(i＝1，2，…，n)对总评价目标的影响都不尽相同，并且对于被评判对象，从不同的因素着眼，评价结果也会有明显的差异。因此，在模糊综合评价中，存在着权重的模糊择优确定问题。

权重表示所评价子因素相对于目标对象的重要程度和隶属关系，也可称为重要程度系数。它是各子因素在该指标集合中影响力的一种度量。各着眼因素论域U上的权重子集构成权重向量M，记作：M＝(m₁，m₂，…，m_m)。其中，权重0≤m_i≤l。各指标对被评价对象的隶属关系权向量M是着眼因素集重要程度的模糊子集。权重集一般由专家按照事先给定的抉择评语集并结合生产运行现状给出。各权重m_i常用模糊方法确定，要求在合成之前应满足归一性和非负性条件。

层次分析法作为一种能将定性和定量分析相综合的多因素决策方法，在确定权重时被广泛应用。但是，传统层次分析法确定评价指标的权重存在着缺点，如需要对判断矩阵进行一致性检验，如果不一致则需要重新构造、调整并计算判断矩阵，直到符合要求为止，这样导致计算过程复杂而繁琐、精度不高。同时，虽然层次分析法能够将主观因素客观化，但在运用1～9比率标度构造两两判断矩阵时，仍然具有很大的主观性，而且当决策者无法很好的把握1～9标度时，评判结果更容易带有很强的片面性。1～9标度方法见表2。

表2判断矩阵标度及其含义

为解决上述问题，本发明在传统层次分析法的基础上进行了改进。改进后的方法无需对判断矩阵进行一致性检验，只需要确定两两因素的相对重要度便可以计算出权重，大大提高了计算的精度和速度。其原理是利用最优传递矩阵对常规的多层次模糊综合评价法进行改进，使之自然满足了一致性要求。计算过程如下。

8.1根据标度法构建判断矩阵M＝(m_ij)_n×n

8.2计算判断矩阵M的反对称传递矩阵S

S＝lgM(s_ij＝lgm_ij) (5)

8.3计算反传递矩阵S的最优传递阵L

8.4计算判断矩阵M的拟优一致矩阵M^*

M^*＝10^L (7)

8.5用方根法求M^*的特征向量W

310、确定综合评判的合成模型

广义模糊合成在理论上的运算有无穷多种。本发明采用加权平均型M(·，+)将权重集与单因素模糊评价矩阵合成。假设B＝AοR，则B中第j个元素为

其中，

用此模型进行合成，其优点是在确定各着眼因素的抉择评语集Vi的隶属程度b_j时，考虑了体系中所有单因素的影响，同时也保留了各单因素评价的全部信息。这在信息的利用上相比其它模型是最佳的。

311、进行模糊综合评判

在确定模糊矩阵Rx和权重向量W的前提下，利用模糊变换进行模糊综合评价得到Bx，并还原变换Bx最终得到B。计算模型如下所示。

B_x＝W*R_X＝[b_x1，b_x2，…b_xm] (10)

B＝d_i×b_xi＝[b₁，b₂，…b_m] (11)

在实际评价中，为了反映***中各元素的相互制约关系，常常会出现两层到多层次的复杂***。对于这样的多级模糊综合评判模型，在评价时，要先从模型的最底层指标着手，然后再逐层向上评价，直到获得模型体系中最顶级目标的模糊综合评价结果。现给出二级模糊综合评价的模型示意，其它的多层次评价过程以此类推。

312、整体评价结果

得到多层次模糊综合评价指标b_j(j＝1，2，…，n)后，根据加权平均法确定评判对象的具体结果。即取b_j为权数，对各个抉择评语因素V_j进行加权平均。最后，采用最大隶属度的原则判断各指标的安全等级。

若评判指标b_j已经归一化，则

实施例四

本实施例以具体的示例进行说明：以我国某油库作为研究对象，油库有5个10×10⁴m³的浮顶原油储罐，目前总储量达到50×10⁴m³。它主要接收油田采油一厂和采油二厂两大主力采油厂的来油，并且承担原油外输的繁重任务，2014年的库存量就达到1400万吨。在现场调查和资料收集的基础上，采用基于改进层次分析法和匹配矩阵法的油库多层次模糊综合评估方法进行示范应用。

1、建立模糊综合评价集合

油库的风险评价指标体系见表1。则U＝[U₁，U₂，U₃，U₄，U₅，U₆，U₇]，分别代表来油计量间、输油泵房、储油罐区、发球间和收球间、阀组间、锅炉间以及变电所。U_i又分为下属的各级子集。

评价集V＝{很严重，严重，一般，轻微，很轻微}。

2、确定被评价对象的着眼因素集中各因素的隶属度，建立模糊关系矩阵

就任意一个单因素而言，采用统计方法可得到其隶属度。例如，就罐区设施设备这一单因素来说十名专家就评判结果给出评语如下：没有专家认为失效因素很严重，有10％的专家认为失效因素严重，20％的专家认为失效因素一般，50％的专家认为失效因素轻微，20％的专家认为失效因素很轻微。也就是罐区设施设备的单因素判断矩阵可用向量表示为：R＝(0，0.1，0.2，0.5，0.2)。采用此方法便可得到任意一级因素的各单因素的评判矩阵。

下面以储油罐区总平面布置这一因素为例用匹配矩阵法进行具体计算。

总平面布置失效因素划分为五个子因素，评语集按5个等级划分，通过专家对此原油罐区实际情况的调查与评估，可得五个子因素的模糊评价矩阵R。

2.1利用公式(1)计算评价矩阵R的列向量和构成的向量D

D＝[0.2000 1.1000 1.7000 1.7000 0.3000]

2.2利用公式(2)向量D的倒数构成的向量E

E＝[5.0000 0.9091 0.5882 0.5882 3.3333]

2.3利用公式(3)构成R的匹配矩阵K

2.4利用公式(4)对矩阵R进行归一化修正，得矩阵R_x

3、确定评价指标的权重

以储油罐区总平面布置各子因素的权重计算为例，用改进的层次分析法进行权重计算。

3.1根据标度法构建判断矩阵M＝(m_ij)_n×n

通过对库址选择与周边的安全距离、库内分区及主要建筑物、油罐区建筑物之间的防火距离、油罐区的布置、油库内出入口及道路的设计五个子因素进行两两比较，构造两两比较矩阵M。

3.2利用公式(5)计算判断矩阵M的反对称传递矩阵S

3.3利用公式(6)计算反传递矩阵S的最优传递阵L

3.4利用公式(7)计算判断矩阵M的拟优一致矩阵M^*

3.5利用公式(8)用方根法求M^*的特征向量W

W＝[0.2903 0.1613 0.2258 0.2258 0.0968]

4、进行模糊综合评判

利用公式(10)和(11)对Rx进行模糊运算得到Bx，并还原变换Bx最终得到B

B_x＝[0.2581 0.1906 0.1841 0.2144 0.2043]

B＝[0.0516 0.2097 0.3129 0.3645 0.0613]

5、评价指标的处理

针对实施例的油库，选择十位对油库具有一定了解的研究人员对其进行打分评判。按照上述模糊综合评价方法依次对各着眼因素集进行计算，计算结果见表3。

表3某油库的多层次模糊综合评价结果

通过计算，根据公式(13)和(14)，最后得出总的综合评价结果，即对油库失效因素的综合评价结果为

B＝[0.0621 0.1652 0.3557 0.3406 0.0764]

根据最大隶属度原则，由评价结果最大值为0.3557，风险水平评价等集为V＝{很严重，严重，一般，轻微，很轻微}可知，该油库的风险水平为一般。且通过对比7个着眼因素集的B值可知，评价单元的风险排序为：储油罐区>输油泵房>锅炉间>阀组间>变电所>来油计量间>发球间和收球间。

对于方法实施方式，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施方式并不受所描述的动作顺序的限制，因为依据本发明实施方式，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施方式均属于优选实施方式，所涉及的动作并不一定是本发明实施方式所必须的。

实施例五

图4示出了本发明一实施例提供的一种油库失效风险评估装置结构示意图，参见图4，该装置包括：获取模块410、第一处理模块420、第二处理模块430、第三处理模块440以及评估模块450，其中：

获取模块410，用于获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；

第一处理模块420，用于根据与所述失效因素关联的评价信息构建与所述失效因素对应的评价矩阵和判断矩阵；

第二处理模块430，构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效用于因素对应的模糊矩阵；

第三处理模块440，用于根据所述判断矩阵获取所述失效因素的权重向量；

评估模块450，用于根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

需要说明的是，在接收到开始对某油库进行失效风险评估的指令时，获取模块410获取该油库的失效因素集和与该集合关联的评价信息，并将获取到的信息发送至第一处理模块420，由第一处理模块420构建失效因素集中各失效因素对应的判断矩阵和评价矩阵，将构建的评价矩阵发送至第二处理模块430，由第二处理模块430采用匹配矩阵法对评价矩阵进行优化，并将优化获得的模糊矩阵发送至评估模块450；第一处理模块420还将构建的判断矩阵发送至第三处理模块440，由第三处理模块440根据判断矩阵获取各失效因素对应的权重向量，并发送至评估模块450；评估模块450根据各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

可知，本实施例采用匹配矩阵法优化失效因素对应的评价矩阵，以避免超模糊现象，增加了评价的分辨率，进而提高了评估的准确性。

实施例六

图5示出了本发明另一实施例提供的一种油库失效风险评估装置结构示意图，参见图5，该装置包括：获取模块510、第一处理模块520、第二处理模块530、第三处理模块540、评估模块550以及第四处理模块560，其中：

在实施例五的基础上，本实施例中的获取模块510获取的失效因素集中的失效因素包括：主失效因素和与所述主失效因素对应的子失效因素；相应地，评价信息包括：各子失效因素的评价信息；

然后，第一处理模块520根据与主失效因素对应的子失效因素关联的评价信息，对子失效因素进行两两对比处理；根据对比结果构建与所述主失效因素对应的判断矩阵。

第二处理模块430构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效用于因素对应的模糊矩阵；

所述第三处理模块540，用于根据所述判断矩阵获取所述判断矩阵的反对称传递矩阵；根据所述反对称传递矩阵获取所述反对称传递矩阵的最优传递矩阵；根据所述最优传递矩阵获取判断矩阵的拟优一致矩阵；根据所述拟优一致矩阵获取所述失效因素的权重向量。

评估模块550根据模糊矩阵和权重向量获取与所述主失效因素对应的子失效因素对应的失效风险值；根据子失效因素对应的失效风险值获取所述主失效因素对应的失效风险值；从所有主失效因素对应的失效风险值中选取最大值作为油库失效风险值。

第四处理模块560根据所述油库失效风险值和预设评价数据库获取油库的风险等级；其中，所述预设评价数据库中存有风险等级以及风险等级对应的油库失效风险值。

对于装置实施方式而言，由于其与方法实施方式基本相似，所以描述的比较简单，相关之处参见方法实施方式的部分说明即可。

应当注意的是，在本发明的装置的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本发明不受限于此，可以根据需要对各个部件进行重新划分或者组合。

本发明的各个部件实施方式可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本装置中，PC通过实现因特网对设备或者装置远程控制，精准的控制设备或者装置每个操作的步骤。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样实现本发明的程序可以存储在计算机可读介质上，并且程序产生的文件或文档具有可统计性，产生数据报告和cpk报告等，能对功放进行批量测试并统计。应该注意的是上述实施方式对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施方式。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种油库失效风险评估方法，其特征在于，包括：

获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；

根据与所述失效因素关联的评价信息构建与所述失效因素对应的评价矩阵和判断矩阵；

构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效因素对应的模糊矩阵；

根据所述判断矩阵获取所述失效因素的权重向量；

根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

2.根据权利要求1所述的方法，其特征在于，所述失效因素包括：主失效因素和与所述主失效因素对应的子失效因素；

相应地，所述根据与所述失效因素关联的评价信息构建与所述失效因素对应的判断矩阵包括：

根据与主失效因素对应的子失效因素关联的评价信息，对子失效因素进行两两对比处理；

根据对比结果构建与所述主失效因素对应的判断矩阵。

3.根据权利要求2所述的方法，其特征在于，所述根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值包括：

根据模糊矩阵和权重向量获取与所述主失效因素对应的子失效因素对应的失效风险值；

根据子失效因素对应的失效风险值获取所述主失效因素对应的失效风险值；

从所有主失效因素对应的失效风险值中选取最大值作为油库失效风险值。

4.根据权利要求1所述的方法，其特征在于，所述根据所述判断矩阵获取所述失效因素的权重向量包括：

根据所述判断矩阵获取所述判断矩阵的反对称传递矩阵；

根据所述反对称传递矩阵获取所述反对称传递矩阵的最优传递矩阵；

根据所述最优传递矩阵获取判断矩阵的拟优一致矩阵；

根据所述拟优一致矩阵获取所述失效因素的权重向量。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

根据所述油库失效风险值和预设评价数据库获取油库的风险等级；

其中，所述预设评价数据库中存有风险等级以及风险等级对应的油库失效风险值。

6.一种油库失效风险评估装置，其特征在于，包括：

获取模块，用于获取与失效事件相关的失效因素集以及与所述失效因素集中每个失效因素关联的评价信息；

第一处理模块，用于根据与所述失效因素关联的评价信息构建与所述失效因素对应的评价矩阵和判断矩阵；

第二处理模块，构建所述评价矩阵的匹配矩阵，并根据所述匹配矩阵获取与所述失效用于因素对应的模糊矩阵；

第三处理模块，用于根据所述判断矩阵获取所述失效因素的权重向量；

评估模块，用于根据所述失效因素集中各失效因素对应的模糊矩阵和权重向量评估油库失效风险值。

7.根据权利要求6所述的装置，其特征在于，所述失效因素包括：主失效因素和与所述主失效因素对应的子失效因素；

相应地，所述第一处理模块，用于根据与主失效因素对应的子失效因素关联的评价信息，对子失效因素进行两两对比处理；根据对比结果构建与所述主失效因素对应的判断矩阵。

8.根据权利要求7所述的装置，其特征在于，所述评估模块，用于根据模糊矩阵和权重向量获取与所述主失效因素对应的子失效因素对应的失效风险值；根据子失效因素对应的失效风险值获取所述主失效因素对应的失效风险值；从所有主失效因素对应的失效风险值中选取最大值作为油库失效风险值。

9.根据权利要求6所述的装置，其特征在于，所述第三处理模块，用于根据所述判断矩阵获取所述判断矩阵的反对称传递矩阵；根据所述反对称传递矩阵获取所述反对称传递矩阵的最优传递矩阵；根据所述最优传递矩阵获取判断矩阵的拟优一致矩阵；根据所述拟优一致矩阵获取所述失效因素的权重向量。

10.根据权利要求6-9任一项所述的装置，其特征在于，所述装置还包括：第四处理模块；

所述第四处理模块，用于根据所述油库失效风险值和预设评价数据库获取油库的风险等级；

其中，所述预设评价数据库中存有风险等级以及风险等级对应的油库失效风险值。