دوره 20، شماره 1 - ( 1402 )
جلد 20 شماره 1 صفحات 292-278 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abbasi Kharajou B, Rafiei M, Ahmadi H, moradi hanifi S. Quantitative evaluation of the domino effects of the explosion caused by the CNG fuel station using consequence modeling and GIS. ioh 2023; 20 (1) :278-292
URL: http://ioh.iums.ac.ir/article-1-3487-fa.html
URL: http://ioh.iums.ac.ir/article-1-3487-fa.html
عباسی خراجو بهزاد، رفیعی مسعود، احمدی حسن، مرادی حنیفی صابر. ارزیابی کمی اثرات دومینویی انفجار ناشی از ایستگاه سوخت CNG با استفاده از مدل سازی پیامد و GIS. سلامت كار ايران. 1402; 20 (1) :278-292
گروه مهندسی بهداشت حرفه ای، دانشکده بهداشت، دانشگاه علوم پزشکی ایران ، sabermoradi22@yahoo.com
چکیده: (855 مشاهده)
چکیده
زمینه و هدف: ایستگاه های گازی طبیعی فشرده به عنوان یکی از مهم ترین و خطر پذیر ترین کاربری های شهری باید بسیار مورد توجه قرار گیرند. اثرات دومینویی حوادث به عنوان یکی از مفاهیم بسیار مهم در مناطق شهری محسوب می شوند. تحلیل حوادث دومینویی انفجار در در ایستگاه های گاز طبیعی فشرده (CNG) از اهداف مطالعه حاضر می باشد. تحلیل مدلسازی پیامد در ایستگا های سوخت می تواند احتمال وقوع بحران و تلفات وخسارات ناشی از آن را به حداقل کاهش دهد.
روش بررسی:ر این مقاله با استفاده از مدل تحلیل فرآیندی خطر(PHAST)، اثرات خطر در ایستگاه های گاز طبیعی فشرده را مورد ارزیابی وبررسی قرار گرفت. به طوری که گاز متان به عنوان ماده سوختنی در نظر گرفته شد و با تعیین سناریو و مدل انفجار بر اساس پارامتر های جوی و موقعیت کار بری های مجاور مدلسازی صورت گرفت. تحلیل حوادث دومینویی در دو جنبه کالبدی و جمعیتی در سه مرحله که شامل مدل سازی پیامد،تحلیل ریسک به وسیله مدل QRA و هم پوشانی موج انفجار با استفاده ار سیستم اطلاعات جغرافیایی صورت گرفت.
یافته ها: نتایج نشان داد موج انفجار تا فاصله 500 گسترش می یابد و بیشترین آسیب به افراد و تجهیزات در فاصله 140 متری به وقوع می پیوندد به طوری که افراد حاضرو کاربری های مجاور در این محدوده بر اثر فشاربالای موج انفجار آسیب زیادی خواهند دید و هم چنین در فاصله بیش از 100 متری از موج انفجار خطر جدی جان افراد را تهدید نمی کند و شعاع ایمن در فاصله 500 متری از موج انفجار می باشد. ارزیابی ریسک نشان داد میزان ریسک جمعی در محدوده غیر قابل قبول قرار گرفته اند و باید تمهیداتی به منظور کاهش ریسک در نظر گرفت. بکارگیری نرم افزار GIS در بر اورد میزان افراد وتعداد کاربری های در گیر در انفجار بسیار موثر بود.
بحث و نتیجه گیری: همان طور از نتایج استنباط می گردد با تحلیل حوادث آبشاری در ایستگاه های گاز طبیعی فشرده قبل از وقوع بحران و در زمان بحران می توان میزان تلفات کالبدی و جمعیتی را کاهش داد. بکارگیری مدل پیامد و GIS در تعیین شعاع انفجارو برآورد کاربری های مجاور و تعداد افراد آسیب پذیر می تواند بسیار کاربردی باشد.
زمینه و هدف: ایستگاه های گازی طبیعی فشرده به عنوان یکی از مهم ترین و خطر پذیر ترین کاربری های شهری باید بسیار مورد توجه قرار گیرند. اثرات دومینویی حوادث به عنوان یکی از مفاهیم بسیار مهم در مناطق شهری محسوب می شوند. تحلیل حوادث دومینویی انفجار در در ایستگاه های گاز طبیعی فشرده (CNG) از اهداف مطالعه حاضر می باشد. تحلیل مدلسازی پیامد در ایستگا های سوخت می تواند احتمال وقوع بحران و تلفات وخسارات ناشی از آن را به حداقل کاهش دهد.
روش بررسی:ر این مقاله با استفاده از مدل تحلیل فرآیندی خطر(PHAST)، اثرات خطر در ایستگاه های گاز طبیعی فشرده را مورد ارزیابی وبررسی قرار گرفت. به طوری که گاز متان به عنوان ماده سوختنی در نظر گرفته شد و با تعیین سناریو و مدل انفجار بر اساس پارامتر های جوی و موقعیت کار بری های مجاور مدلسازی صورت گرفت. تحلیل حوادث دومینویی در دو جنبه کالبدی و جمعیتی در سه مرحله که شامل مدل سازی پیامد،تحلیل ریسک به وسیله مدل QRA و هم پوشانی موج انفجار با استفاده ار سیستم اطلاعات جغرافیایی صورت گرفت.
یافته ها: نتایج نشان داد موج انفجار تا فاصله 500 گسترش می یابد و بیشترین آسیب به افراد و تجهیزات در فاصله 140 متری به وقوع می پیوندد به طوری که افراد حاضرو کاربری های مجاور در این محدوده بر اثر فشاربالای موج انفجار آسیب زیادی خواهند دید و هم چنین در فاصله بیش از 100 متری از موج انفجار خطر جدی جان افراد را تهدید نمی کند و شعاع ایمن در فاصله 500 متری از موج انفجار می باشد. ارزیابی ریسک نشان داد میزان ریسک جمعی در محدوده غیر قابل قبول قرار گرفته اند و باید تمهیداتی به منظور کاهش ریسک در نظر گرفت. بکارگیری نرم افزار GIS در بر اورد میزان افراد وتعداد کاربری های در گیر در انفجار بسیار موثر بود.
بحث و نتیجه گیری: همان طور از نتایج استنباط می گردد با تحلیل حوادث آبشاری در ایستگاه های گاز طبیعی فشرده قبل از وقوع بحران و در زمان بحران می توان میزان تلفات کالبدی و جمعیتی را کاهش داد. بکارگیری مدل پیامد و GIS در تعیین شعاع انفجارو برآورد کاربری های مجاور و تعداد افراد آسیب پذیر می تواند بسیار کاربردی باشد.
فهرست منابع
1. C. Chen, G. Reniers, and N. Khakzad, "A thorough classification and discussion of approaches for modeling and managing domino effects in the process industries," Saf. Sci., vol. 125, p. 104618, 2020. [DOI:10.1016/j.ssci.2020.104618]
2. F. Celano and M. Dolšek, "Fatality risk estimation for industrialized urban areas considering multi-hazard domino effects triggered by earthquakes," Reliab. Eng. Syst. Saf., vol. 206, p. 107287, 2021. [DOI:10.1016/j.ress.2020.107287]
3. R. M. Darbra, A. Palacios, and J. Casal, "Domino effect in chemical accidents: Main features and accident sequences," J. Hazard. Mater., vol. 183, no. 1-3, pp. 565-573, 2010. [DOI:10.1016/j.jhazmat.2010.07.061] [PMID]
4. F. Kadri, E. Chatelet, and P. Lallement, "The Assessment of Risk Caused by Fire and Explosion in Chemical Process Industry: A Domino Effect-Based Study," J. Risk Anal. Cris. Response, vol. 3, no. 2, p. 66, 2013. [DOI:10.2991/jrarc.2013.3.2.1]
5. Z. Jahanbani, F. Sereshki, M. Ataei, and K. Ghanbari, "Risk Assessment of Fire by using Fuzzy Fault Tree Analysis Case study: Eastern Alborz Coal Mines," Iran Occup. Heal., vol. 14, no. 3, pp. 46-57, 2017.
6. DNV GL, "Process hazard analysis / consequence analysis - Phast - Software - DNV GL," 2017. https://www.dnvgl.com/services/process-hazard-analysis-phast-1675 (accessed May 07, 2018).
7. A. B. de Haag PU, Guideline for Quantitative Risk Assessment (The Purplebook), Loss Preve. Elsevier, 2001. Accessed: Feb. 02, 2023. [Online]. Available: https://www.researchgate.net/publication/283632721_Guideline_for_quantitative_risk_assessment_in_the_Netherlands.
8. S. Lewis, "Risk Criteria - When is low enough good enough?," Risktec Solut. Limited, http//www. risktec. co. uk/media/43520/risk criteria when low enough good enough, no. June, p. 8, 2007, [Online]. Available: http://www.risktec.co.uk/media/43520/risk criteria - when is low enough good enough - saudi.pdf
9. K. Wang, Z. Liu, X. Qian, M. Li, and P. Huang, "Comparative Study on Blast Wave Propagation of Natural Gas Vapor Cloud Explosions in Open Space Based on a Full-Scale Experiment and PHAST," Energy and Fuels, vol. 30, no. 7, pp. 6143-6152, Jul. 2016. [DOI:10.1021/acs.energyfuels.6b01293]
10. B. Abdolhamidzadeh, T. Abbasi, D. Rashtchian, and S. A. Abbasi, "Corrigendum to A new method for assessing domino effect in chemical process industry [J. Hazard. Mater. 182, (2010), 416-426]," J. Hazard. Mater., vol. 184, no. 1-3, p. 877, 2010, doi: 10.1016/j.jhazmat.2010.08.063. [DOI:10.1016/j.jhazmat.2010.08.063] [PMID]
11. G. Antonioni, G. Spadoni, V. Cozzani, C. Dondi, and D. Egidi, "Quantitative assessment of domino effect in an extended industrial area," Safety, Reliab. Risk Anal. Theory, Methods Appl. - Proc. Jt. ESREL SRA-Europe Conf., vol. 3, no. 5, pp. 2397-2404, 2009.
12. D. Jiang, X. H. Pan, M. Hua, A. Mébarki, and J. C. Jiang, "Assessment of tanks vulnerability and domino effect analysis in chemical storage plants," J. Loss Prev. Process Ind., vol. 60, pp. 174-182, 2019. [DOI:10.1016/j.jlp.2019.04.016]
13. D. Y. Gonzva M, Barroca B, Gautier P-É, "Modeling disruptions causing domino effects in urban guided transport systems faced by flood hazards," Nat. hazards, vol. 86, no. 1, pp. 183-201, 2017. [DOI:10.1007/s11069-016-2680-7]
14. S. Cincotta, N. Khakzad, V. Cozzani, and G. Reniers, "Resilience-based optimal firefighting to prevent domino effects in process plants," J. Loss Prev. Process Ind., vol. 58, pp. 82-89, 2019. [DOI:10.1016/j.jlp.2019.02.004]
15. R. Bahmani, M. Pouyakyan, S. Khodakarim, H. Bidel, and A. Salehi, "Risk Assessment and Consequence Analysis of Fire and Explosion in a Vinyl Chloride Monomer Tank by PHAST," J. Saf. Promot. Inj. Prev., vol. 8, no. 4, 2021.
16. M. M. Aliabadi, H. Ramezani, and O. Kalatpour, "Quantitative Risk Assessment of Condensate Storage Tank, Considering Domino Effects," J. Heal. Saf. Work, vol. 12, no. 1, pp. 204-221, 2022.
17. F. I. Khan and S. A. Abbasi, "Techniques and methodologies for risk analysis in chemical process industries," J. loss Prev. Process Ind., vol. 11, no. 4, pp. 261-277, 1998. [DOI:10.1016/S0950-4230(97)00051-X]
18. F. Khan, S. Rathnayaka, and S. Ahmed, "Methods and models in process safety and risk management: Past, present and future," Process Saf. Environ. Prot., vol. 98, pp. 116-147, 2015, [DOI:10.1016/j.psep.2015.07.005]
19. M. Parvini and A. Kordrostami, "Consequence modeling of explosion at Azad-Shahr CNG refueling station," J. Loss Prev. Process Ind., vol. 30, no. 1, pp. 47-54, 2014, [DOI:10.1016/j.jlp.2014.04.007]
20. M. Pouyakian, F. Laal, M. J. Jafari, F. Nourai, and S. Kabir, "Fuzzy Bayesian estimation and consequence modeling of the domino effects of methanol storage tanks," Int. J. Occup. Saf. Ergon., vol. 28, no. 4, pp. 2509-2519, 2022. [DOI:10.1080/10803548.2021.2011656] [PMID]
21. ESRI, "ArcGIS 10.2 Transforms GIS," 2013. http://www.esri.com/esri-news/arcuser/fall-2013/arcgis-102-transforms-gis (accessed Jan. 15, 2023).
22. B. Harati, A. Karimi, A. Askari, F. Dehghani, and A. Nasrollahi, "Modeling and evaluation of safety consequences of propylene oxide leakage, a petrochemical company," J. Heal. Saf. Work, vol. 8, no. 2, pp. 199-209, 2018.
23. G. Reniers and V. Cozzani, "Features of Escalation Scenarios," in Domino Effects in the Process Industries: Modelling, Prevention and Managing, Elsevier, 2013, pp. 30-42. . [DOI:10.1016/B978-0-444-54323-3.00003-8]
24. S. Mannan, Lees' Loss Prevention in the Process Industries: Hazard Identification, Assessment And Control: Fourth Edition, vol. 1-2. Butterworth-Heinemann, 2012. [DOI:10.1016/B978-0-12-397189-0.00122-1]
25. T. Aven and J. E. Vinnem, "On the use of risk acceptance criteria in the offshore oil and gas industry," Reliab. Eng. Syst. Saf., vol. 90, no. 1, pp. 15-24, 2005. [DOI:10.1016/j.ress.2004.10.009]
26. V. Villa, N. Paltrinieri, F. Khan, and V. Cozzani, "Towards dynamic risk analysis: A review of the risk assessment approach and its limitations in the chemical process industry," Saf. Sci., vol. 89, pp. 77-93, Nov. 2016. [DOI:10.1016/j.ssci.2016.06.002]
27. J. E. Vinnem et al., "Risk modelling of maintenance work on major process equipment on offshore petroleum installations," J. Loss Prev. Process Ind., vol. 25, no. 2, pp. 274-292, 2012. [DOI:10.1016/j.jlp.2011.11.001]
28. E. Majidi, H. Zarei Mahmoud Abadi, H. Fattahi Bafghi, S. Ahmadi, M. Sharifi, and B. Moradi, "Identifying and assessment the health hazards of the petrochemical industry using the localized JHA method," Occup. Hyg. Heal. Promot., vol. 5, no. 4, pp. 359-370, 2022. [DOI:10.18502/ohhp.v5i4.8462]
29. P. A. M. U. de Haag, B. J. M. Ale, and J. G. Post, "The 'Purple Book': guideline for quantitative risk assessment in the Netherlands," in Loss Prevention and Safety Promotion in the Process Industries, Elsevier, 2001, pp. 1429-1438. [DOI:10.1016/B978-044450699-3/50053-7]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
