به‌کارگیری سیستم استنتاج فازی در ارزیابی ریسک خطوط لوله ی گازترش

مقدمه: امروزه، استفاده از خطوط لوله به‌منظور انتقال حجم‌های بالای نفت و گاز در مسافت‌های طولانی، به‌طور گسترده‌ای مورد توجه قرار گرفته است. ارزیابی ریسک می‌تواند به تعیین عوامل مخاطره‌آمیز و ایجاد یک اقدام و استراتژی مناسب در کاهش و یا حتی حذف آن‌ها در حوزه‌ی مذکور، کمک شایانی نماید. هدف اصلی این تحقیق، ارائه ی روشی برای ارزیابی ریسک خطوط لوله بر اساس سیستم استنتاج فازی است تا بتوان قالبی سیستماتیک ایجاد نمود؛ که انتظار می‌رود این قالب، مدلی قدرتمندتر، دقیق‌تر و مطمئن‌تر برای کنترل ریسک‌ها و خطرات مربوط به خطوط لوله‌ی نفت و گاز باشد.روش کار: در این مقاله، از منطق فازی برای مدل‌سازی عدم قطعیت و ارائه‌ی مدلی جهت ارزیابی ریسک خطوط لوله استفاده شده است. برای نیل به این مقصود، روش مالبایر که یکی از متداول‌ترین روش‌های ارزیابی ریسک خطوط لوله ی نفت و گاز می‌باشد، جهت تعیین فاکتورهای مهم و تاثیرگذار بر خطوط استفاده شده است. این روش، با استفاده از الگوریتم میدانی و بر اساس دانش خبرگان، در تولباکس منطق فازی نرم‌افزار متلب اجرا شده است. جهت صحت‌سنجی نتایج حاصل از مدل پیشنهادی، از اطلاعات خطوط لوله ی بین فازی پالایشگاه پنجم میدان گازی پارس جنوبی به‌عنوان نمونه ی مطالعاتی استفاده شده است.  یافته ها: یافته‌ها از اجرای مدل ایجادشده در خطوط لوله ی فازهای 10-9 پارس جنوبی (بخش خشکی)، نشان می‌دهد که خطوط لوله ی مورد مطالعه بر اساس شاخص‌هایی از قبیل تراکم جمعیت و استقرار تجهیزات و غیره به سه قسمت a-b-c تقسیم‌بندی شده است. قسمت c خط لوله، دارای بیشترین میزان ریسک بوده که مهم‌ترین عوامل موثر بر آن آسیب‌های شخص ثالث و طراحی بوده است. قسمت b، دارای کمترین میزان ریسک بوده و کمترین پیامد را برای بروز حوادث انسانی در بر خواهد داشت. همچنین مشاهده گردید که خوردگی، به‌عنوان عاملی مهم در افزایش نشتی و میزان ریسک هر سه قسمت خط لوله است.نتیجه گیری: نتایج، نشان می‌دهد که روش پیشنهادی، نتایج دقیق‌تر، صحیح‌تر و مطمئن‌تری را نسبت به روش‌های سنتی و کلاسیک ارائه می‌دهد. عواملی از قبیل عملکرد نادرست ، پراکندگی ، گیرنده‌ها ، حجم نشت  و خطر محصول  که از دیگر عوامل موثر بر ریسک خطوط لوله هستند، در روش‌های سنتی و کلاسیک در نظر گرفته نشده بودند؛ لذا می‌توان بیان نمود که از این مدل به‌عنوان ابزاری جامع و هوشمند، میزان ریسک خطوط لوله ی نفت و گاز را محاسبه نمود.

application of the fuzzy inference system in risk assessment of sour gas pipelines

introduction: pipelines are widely used to transport large volumes of oil and gas over long distances. risk assessment can help identify risk factors and create an appropriate action plan and strategy to reduce or eliminate them. the main goal of this research is to provide a method for assessing the risk of pipelines based on the fuzzy inference system (fis), creating a systematic format that is expected to be a more effective, accurate, and reliable model for controlling risks related to oil and gas pipelines.material and methods: in this article, fuzzy logic is used to model uncertainty and present a model for assessing pipeline risk. the muhlbauer method, one of the most common risk assessment methods for oil and gas pipelines, has been employed to determine critical factors affecting the lines. this method has been implemented using the mamdani algorithm and based on expert knowledge in the fuzzy logic toolbox of matlab software. to validate the results of the proposed model, data from the interphase pipelines of the fifth refinery of the south pars gas field have been used as a study sample.results: the findings from the implementation of the model created in south pars phases 9-10 pipelines (on shore) show that the studied pipelines are divided into three parts (a, b, and c) based on indicators such as population density and equipment deployment. part c of the pipeline has the highest risk, with third-party damage and design being the most important factors affecting it. part b has the lowest level of risk and results in the fewest consequences for human accidents. it was also observed that corrosion is essential in increasing leakage and risk in all three pipeline parts.conclusion: to verify the developed model, the inter-phase shore pipe of phase 9-10 refinery in the south pars gas field was considered as a case study. the findings indicate that the proposed method provides more accurate and reliable results than traditional methods. factors such as improper operation, dispersion, receptors, leakage volume, and product risk, which are other factors affecting pipeline risk, were not considered in traditional methods. therefore, the risk level of oil and gas pipelines can be calculated using this model as a comprehensive and intelligent tool.