ارزیابی کمی ریسک های فرآیندی در نیروگاه های سیکل ترکیبی با رویکرد ETBA مبتنی بر داده های واقعی (Data‑Driven ETBA) و توسعه شاخص جامع ریسک عملیاتی

نیروگاه های سیکل ترکیبی به دلیل بازده بالا و پیچیدگی فرآیندی، در معرض ریسک های متعددی ناشی از جریان های انرژی کنترل نشده هستند. روش سنتی تحلیل ردیابی انرژی و موانع (ETBA) علی رغم مزایای نظری، به دلیل وابستگی به قضاوت ذهنی و فقدان داده های عملیاتی، از پایایی و جامعیت کافی برخوردار نیست. همچنین نبود یک شاخص یکپارچه و کمی برای پایش وضعیت ایمنی فرآیندی، تصمیم گیری مدیریتی را با چالش مواجه ساخته است. هدف این پژوهش، طراحی و اعتبارسنجی روش ETBA مبتنی بر داده های واقعی (Data Driven ETBA) و توسعه شاخص جامع ریسک عملیاتی (CORI) در یک نیروگاه سیکل ترکیبی ۵۰۰ مگاواتی در ایران می باشد.در این پژوهش کاربردی-توسعه ای، ابتدا داده های ۵ ساله (۱۳۹۸-۱۴۰۳) شامل ۴۷ گزارش حادثه، ۱۲۳ گزارش نزدیک به وقوع و لاگ های سیستم DCS گردآوری شد. با استفاده از داده کاوی (الگوریتم Apriori در Python)، الگوهای تکرارشونده انرژی استخراج و ۱۴ نوع انرژی خطرناک شناسایی گردید. اثربخشی موانع کنترلی با تحلیل شکاف (Gap Analysis) و داده های Near Miss محاسبه شد. احتمال وقوع و شدت پیامد به ترتیب با تحلیل فراوانی آماری و مدل سازی سناریو در نرم افزار Bow Tie XP کمی گردید. سپس شاخص CORI با ترکیب چهار مولفه (امتیاز ریسک ETBA، نرخ خرابی تجهیزات، اثربخشی موانع و نرخ Near Miss) و وزندهی به روش آنتروپی شانون AHP توسعه یافت. اعتبارسنجی از طریق مقایسه با روش سنتی ETBA، تحلیل حساسیت و همبستگی با حوادث واقعی انجام شد.روش Data Driven ETBA در مقایسه با روش سنتی، ۲۷٪ انرژی خطرناک بیشتر شناسایی کرد (۱۴ در مقابل ۱۱)، ضریب توافق بین ارزیابان (Fleiss' Kappa) را از ۰٫۵۲ به ۰٫۸۴ افزایش داد و زمان اجرا را ۳۳٪ کاهش داد. انرژی شیمیایی ناشی از گاز طبیعی با ریسک باقیمانده ۰٫۰۳۴ و احتمال سالانه ۰٫۰۴۵، بحرانی ترین خطر شناسایی شد. شاخص CORI در دوره یک ساله از ۶۴٫۲ به ۷۳٫۸ بهبود یافت و همبستگی منفی معناداری با حوادث واقعی نشان داد (r = -۰.۸۷, p<۰.۰۱). یافته ها حاکی از آن است که رویکرد داده محور، پایایی و اعتبار ارزیابی ریسک را به طور قابل توجهی افزایش می دهد و شاخص CORI ابزاری موثر برای پایش و اولویت بندی اقدامات کنترلی است. با وجود محدودیت هایی نظیر وابستگی به کیفیت داده ها و نیاز به تخصص داده کاوی، این روش قابلیت تعمیم به سایر نیروگاه ها و صنایع فرآیندی را پس از کالیبراسیون محلی دارد. پیشنهاد می شود در مطالعات آتی، داشبورد بلادرنگ و الگوریتم های یادگیری عمیق برای پیش بینی پویای ریسک توسعه یابند

کلیدواژه ها:

Data Driven ETBA ، شاخص جامع ریسک عملیاتی ، نیروگاه سیکل ترکیبی ، ارزیابی کمی ریسک ، داده کاوی