《International Journal of Hydrogen Energy》：Risk assessment of hydrogen leakage accidents in marine fuel cells based on reliable reasoning models
编辑推荐：
本研究针对海洋氢燃料电池系统的氢泄漏风险，构建融合模糊DEMATEL、AISM和贝叶斯网络（BN）的信任推理模型。通过24模型框架识别25个风险因素（涵盖人、设备、环境、管理四维度），利用模糊DEMATEL量化因果权重并建立网络，结合AISM验证动态关联结构，最终通过BN模型计算得出氢气供应系统故障（后验概率0.236）和电气系统故障（0.194）为关键泄漏诱因，为系统性风险评估提供理论支撑。
Jian Kang|Tong Zhu|Hao Jin|Haoyuan Dai|Haoyu Zhang|Yifan Wu|Xuan Wu
北京石油化工技术学院安全工程学院，中国北京102617
摘要
随着全球航运业加速脱碳，氢燃料电池成为绿色推进系统的核心。然而，氢气泄漏带来的安全风险日益突出。本研究聚焦于海洋燃料电池系统，开发了一个结合了模糊DEMATEL、AISM和贝叶斯网络的可靠推理模型。该模型能够精确识别风险并进行风险评估。首先，24Model模型定义了25个风险因素，这些因素涵盖人类、设备、环境和管理四个维度。接着，DEMATEL-AISM揭示了根本原因，缺乏监督和制度缺陷是主要驱动因素。更重要的是，贝叶斯推理量化了风险概率，其中气体供应系统故障和电气系统故障是关键泄漏因素，其后验概率分别为0.236和0.194。这些定量指标指出了关键的因果因素，为海洋氢燃料电池系统的事故预防提供了科学理论支持。
引言
航运业是全球贸易的“生命线”，它带来了巨大的发展机遇，但也面临着严峻的挑战。温室气体排放是其中最突出的问题之一。根据国际海事组织的数据，全球航运每年消耗约2亿吨化石燃料当量的能源，占全球石油需求的5%，同时排放约10亿吨温室气体，占交通运输行业总排放量的13%[1,2]。传统柴油发动机船舶燃烧效率低、温室气体排放量大且噪音污染严重，因此无法实现IMO提出的“到2050年航运净零排放”的目标[3,4]。在这种情况下，几乎零排放、高能量转换效率和低噪音的氢燃料电池成为船舶推进系统绿色转型的关键[5]。
氢燃料电池通过电化学反应将氢能直接转化为电能，其比能量密度显著高于锂电池[6]。对于当前的重型车辆，加氢通常只需10-15分钟[7]，总体而言，加氢效率远高于锂电池的数小时充电过程。然而，氢气具有独特的物理化学性质，如宽爆炸极限范围、高扩散系数和极低的最低点火能量[8,9]。结合海洋航行条件（高湿度、盐雾、持续振动和温度波动），这些特性对氢燃料电池系统构成了严重的安全挑战[10]，会加速设备老化、降低监测数据的稳定性，并使故障趋势预测更加困难。氢燃料电池船舶需要高功率输出和强自给能力，这要求更大的氢储存空间、更复杂的燃料电池系统以及更复杂的供氢管道。由于船舶舱室高度封闭，泄漏容易导致氢气积聚并增加点火风险，可能引发火灾和爆炸[11]。因此，迫切需要深入研究氢气安全问题，以支持氢燃料电池的部署和安全设计标准的制定。
近期关于氢燃料电池风险的研究主要集中在泄漏和扩散模拟方面。Feng Li等人[12]使用CFD研究了船舶舱室内的泄漏和扩散现象，评估了泄漏位置、通风和传感器布置对氢浓度的影响，并提出了优化船舶安全设计的建议。Mao等人[13]利用ANSYS Fluent模拟了燃料电池船舶不同舱室内的氢扩散及泄漏后的爆炸后果，通过分析每个舱室内的超压和热效应来评估事故风险。鉴于实验的高成本和危险性，数值模拟被广泛用于在真实燃烧条件下研究泄漏和事故演变过程。Kang等人[14]结合了故障树分析（FTA）和动态贝叶斯网络（DBN），以及模糊推理和双向推理，构建了一个用于船舶泄漏事件的动态风险模型，该模型能够识别关键因果因素并支持事故进展的定量评估和预测。Cui等人[15]开发了一种数据驱动的分类和诊断模型，用于燃料电池卡车氢供应系统的泄漏故障识别，通过信号采集、特征提取和机器学习实现了泄漏故障的智能识别和分类。总体而言，单一视角的分析可能不足以支持全面有效的风险预防和控制。
在氢燃料电池事故风险评估方面，Ahmad等人[16]结合了QRA、FTA和ETA方法，建立了燃料电池叉车操作中泄漏和爆炸风险模型，识别了关键驱动因素并提出了安全改进措施。Shen等人[17]应用HAZOP和FMEA方法，识别和评估了燃料电池车辆船上氢储存和供应系统的风险场景，风险矩阵表明现有措施可将风险降至可接受水平。Kang等人[18]开发了一个涵盖人类、设备、环境和管理因素的四维指标系统，基于HAZOP和加权云模型评估了海洋SOFC供电系统的安全风险。Dadashzade等人[19]提出了一个用于船上氢储存安全的QRA框架，通过分析爆炸和火灾后果及频率，建议提高储罐的防火性能以减少人员伤亡和成本。尽管识别了许多因素，但这些因素之间的相互作用和动态演变仍未能得到充分解释，忽略这些相互作用可能会掩盖因果关系，限制对系统性风险产生和演变的机制理解。
基于这些考虑，24Model（事故因果模型）[20]采用了涵盖人类因素、组织和管理的多层次视角，系统地揭示了潜在的事故机制，并支持在复杂系统中追踪人为-机器-环境相互作用引发的风险。模糊DEMATEL[21]在模糊性和不确定性下应用矩阵运算和图论进行多因素分析，通过估计因果权重和影响强度来识别关键因素。与传统DEMATEL相比，它更好地反映了专家判断的模糊性并提供了更客观的结果。AISM（自适应解释结构建模）通过引入对抗性层次结构提取机制扩展了传统ISM，构建了以因果和效果为导向的层次结构并进行交叉验证，这对于在湿度、盐雾、振动和多系统耦合条件下的海洋燃料电池应用非常有用。在这些条件下，传统的一向或混合模型可能会简化这些关系，将其视为静态的因果链。相比之下，对抗性AISM能更敏感地识别脆弱环节和潜在的冲突路径，为后续的贝叶斯网络（BN）推理提供了可靠的结构基础。贝叶斯网络[23]使用有向无环图表示条件依赖关系，整合了专家知识和数据进行推理和定量分析，支持风险路径识别和概率预测。
因此，本文提出了一种结合24Model、模糊DEMATEL、AISM和BN模型的可靠推理方法。首先，使用24Model全面识别风险因素；其次，模糊DEMATEL构建因果网络并量化因素间的影响强度；然后将得到的影响矩阵转换为AISM所需的邻接关系；接着，AISM划分风险因素的层次结构，并生成用于因果分析和效果分析的对抗性层次结构；最后，将这些层次结构映射到BN中以实现概率推理，识别导致海洋燃料电池氢泄漏的关键因素。总之，所提出的DEMATEL-AISM-BN可靠推理模型建立了风险评估框架，减少了传统因果分析中对单一方法和主观性的依赖。该框架如图1所示。
节选内容
事故因果模型-24Model
24Model事故因果模型作为事故根本原因分析和事故预防方案设计的因果框架，涵盖了组织内部所有关于事故的假设[24]。根据事故发生过程，该模型将事故原因分为直接原因、间接原因、根本原因和根源原因。24Model中的四种事故原因类别之间存在相互依赖关系，如图2所示。
背景
氢燃料电池的工作原理如图3所示。氢燃料电池系统的基本组成部分包括PEMFC堆栈、氢储存和供应系统、冷却系统以及电气控制系统[36]。
该系统能够安全高效地将氢气从储存单元输送到燃料电池。氢气从储罐释放后，通过管道输送到燃料电池堆栈，在那里压力调节器逐步调节压力
结论与展望
本研究结合了DEMATEL、AISM和BN，并引入了模糊方法来改进主观评分过程，开发了一个多层次的氢燃料电池泄漏风险因素风险评估模型。该模型系统地识别了影响泄漏安全的关键因素并阐明了其作用机制。
1)基于使用24Model框架对海洋燃料电池氢泄漏风险因素的全面分析，本研究综合了25个氢泄漏
作者贡献声明
Jian Kang：资金获取、正式分析、概念构思。Tong Zhu：撰写 – 审稿与编辑、初稿撰写、可视化、软件开发、数据整理。Hao Jin：可视化、资源协调。Haoyuan Dai：可视化、调查研究。Haoyu Zhang：可视化、数据整理。Yifan Wu：数据整理。Xuan Wu：监督、资源协调、调查研究。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
致谢
本研究得到了北京石油化工技术学院志远研究基金 [资助编号 2024002]、海洋固体氧化物燃料电池关键技术研究与发展 [资助编号 CBZ04N23-07]以及北京石油化工技术学院跨学科科学基金 [项目编号 BIPTCSF-015]的支持。
