基于事件树连锁故障推演和证据推理的制氢站设备风险评价

图1 制氢站及供氢系统连锁故障推演事件树

Fig. 1 Event tree for cascading failure deduction of hydrogen production station and hydrogen supply system

考虑到外部攻击会具体到某一单个设备，为了实现设备层面的风险评估，绘制出连锁故障推演中的关键设备(电解槽、氢分离洗涤器、氢气管道、氢除湿器、储氢罐)的故障推演事件树，并根据领域专家经验给出各中间事件的发生概率。以电解槽受外部攻击泄漏事故为例，连锁故障事件树如图2所示。

图2

图2 电解槽泄漏事件树

Fig. 2 Event tree of electrolytic cell leakage

某一设备第i类后果事件概率计算公式^[23]为

p_{i} = \sum_{j = 1}^{M} p_{i j} = \sum_{j = 1}^{M} \prod_{k = 1}^{L} x_{i j k}

(1)

式中：p_ij 为第i类后果事件中第j个后果事件的发生概率；x_ijk 为第i类后果事件中第j个后果事件的第k个中间事件的发生概率。

2 设备风险评价指标及量化

根据燃煤电站周界设备事故案例和专家经验，并参考文献[24-25]确定连锁故障的后果事件量化评价指标为人员伤亡、设备损失、电网影响、环境影响、经济损失、恢复时间，利用这6个指标对各设备遭受外部攻击引起的后果进行风险量化。风险量化标准如表1所示。

表1 风险指数量化标准

Tab. 1 Quantitative standard of risk index

量化指标	风险指数
量化指标	1	2	3	4	5
人员伤亡/人	[1, 2]	[3, 4]	[5, 7]	[8, 10]	(10, +∞)
半致死范围/m	[0, 100)	[100, 250)	[250, 400)	[400, 500)	[500, +∞)
设备损失/万元	[0, 1)	[1, 5)	[5, 10)	[10, 20)	[20, +∞)
电网影响/供电能力	[100%, 90%)	[90%, 80%)	[80%, 70%)	[70%, 60%)	[60%, 100%)
环境影响/m	[0, 500)	[500, 2 000)	[2 000, 4 000)	[4 000, 7 000)	[7 000, +∞)
经济损失/万元	[0, 200)	[200, 400)	[400, 650)	[650, 1 000)	[1 000, +∞)
恢复时间/d	[0, 1)	[1, 5)	[5, 10)	[10, 15)	[15, +∞)

某一设备第j个风险评价指数计算公式^[21]为

{R_{I}}_{j} = \sum_{i = 1}^{N} p_{i} \cdot r_{i j}

(2)

式中r_ij 为第i类后果事件对应的第j个风险评价指数量化值。

考虑到风险评价指数进行评价的不精确性和不确定性，风险评价前进行模糊化处理，采用梯形隶属函数进行转化^[26]，该隶属函数根据领域专家经验获得。风险指数模糊化隶属关系如图3所示。

图3

图3 风险指数模糊化隶属关系图

Fig. 3 Fuzzy membership diagram of risk index

3 基于证据推理的电站周界设备风险评价模型

典型的基于证据推理的风险评价分析模型如图4所示^[27]。

图4

图4 典型的决策树评价分析模型

Fig. 4 Typical decision tree evaluation and analysis model

在评价分析模型中，评价等级 $S_{n}$ 可看作D-S证据理论的一个基本假设，因素 $e_{k}^{i}$ 可看作一条证据，基本概率分配可通过信任度获得，S中的评价等级独立且包含所有可能的等级，这样鉴别框架可定义为

Θ = S = \{S_{1}, \dots, S_{n}, \dots, S_{N}\}

(3)

令 $M (S_{n} / e_{k}^{i} (α))$ 表示证据 $e_{k}^{i}$ 支持设备 $α$ 风险等级为 $S_{n}$ 这一假设的基本概率赋值；同时令 $β (e_{k}^{i} (α))$ 表示决策者考虑对于设备 $α$ 的证据 $e_{k}^{i}$ 属性的状态为确定的确信度。

如果在因素集 $E_{k}$ 中只有一个因素 $e_{k}^{i}$ ，则 $m (S_{n} / e_{k}^{i} (α))$ 应该等于 $β (e_{k}^{i} (α))$ ；如果在因素集 $E_{k}$ 中有多个因素，则有：

M (S_{n} / e_{k}^{i} (α)) = λ_{k}^{i} β (e_{k}^{i} (α))

(4)

式中 $λ_{k}^{i}$ 为 $E_{k}$ 中各因素 $e_{k}^{i}$ 的相对权重。

在获得基本概率赋值后，可利用下面的证据推理算法计算全局概率分配。

分别按式(5)、(6)定义因素子集 $e_{L_{k} (i)} (α)$ 和合并概率分配 $M M_{r, i}^{C} (α)$ ：

e_{L_{k} (i)} (α) = {e_{k}^{1} (α), \dots, e_{k}^{i} (α)

1 \leq i \leq L_{k}

(5)

M M_{r, i}^{C} (α) = M (\frac{C}{e_{L_{k} (i)} (α)}) = M_{r, i}^{C} (α)

(6)

则有以下迭代算法。

初始条件： $M M_{r, 1}^{n} = M_{r, 1}^{n}$ ， $M M_{r, 1}^{S} = M_{r, 1}^{S}$ 。

递推公式：

\{\begin{array}{l} M M_{r, i + 1}^{n} = K_{r, i + 1} (M M_{r, i}^{n} M_{r, i + 1}^{n} + M M_{r, i}^{n} M_{r, i + 1}^{S} + \\ M M_{r, i}^{S} M_{r, i + 1}^{n}), n = 1, \dots, N \\ M M_{r, i + 1}^{S} = K_{r, i + 1} M M_{r, i}^{S} M_{r, i + 1}^{S} \end{array}

(7)

其中， $K_{r, i + 1} = {[1 - \sum_{t = 1}^{N} \sum_{s = 1, s \neq t}^{N} M M_{r, i}^{t} M_{r, i + 1}^{S}]}^{- 1}$ ；i=1,…, $L_{k} - 1$ ； $r = 1, \dots, R$ 。

可以推出，由因素集 $E_{k} (α)$ 确定的，对C的全局概率分配为 $M M_{r, L_{k}}^{C}$ ，且 $M M_{r, L_{k}}^{C} = 0$ ( $C \subseteq H$ ， $C = H_{n}$ 和H除外)。这样，针对设备 $α$ 的全局优先度可以按下式计算：

p_{r k} = p (y_{k} (α_{r})) = \sum_{n = 1}^{N} M M_{r, L_{k}}^{n} p (S_{n}) + M M_{r, L_{k}}^{S} p (S)

(8)

式中 $p (S) = \sum_{n = 1}^{N} \frac{p (S_{n})}{N}$ 。

各因素权重分配的合理与否直接影响状态评价结果的准确性，目前权重的确定多单独采用主观或客观的方法，如德尔菲法、层次分析方法、主成分分析法、复相关系数法、熵方法等。本文利用层次分析法与复相关系数法相结合并进行乘法合成的方法来确定各个定量指标的权重。将2种赋权方法得出的权值，采用线性加权组合法得出最终的组合权数：

θ_{j} = \sum_{i = 1}^{k} b_{i} w_{i j}

(9)

式中： $b_{i}$ 为第 $i$ 种方法的权系数； $w_{i j}$ 为第 $i$ 种方法得出的第 $j$ 个指标的权数。

使用上述方法进行各个指标权重的计算，本文中的各个指标对应权重如表2所示。

表2 指标权重

Tab. 2 Weight of risk indexes

指标

人员

伤亡

设备

损失

电网

影响

环境

影响

经济

损失

恢复

时间

权重

0.489 0

0.183 0

0.137 0

0.099 2

0.036 2

0.055 6

4 火电厂制氢站设备风险评价实例

以某火电厂制氢站设备为例进行分析。本次评价对制氢站的事故风险以关键设备为单位进行定量评价，即对电解槽、氢除湿器、氢分离洗涤器、储氢罐、氢气管道5个关键设备进行定量风险评价，并按照风险度进行排序。针对上述制氢站及供氢系统，根据连锁故障推演事件树，采用式(1)可计算出各关键设备遭受外部攻击后3类后果事件的发生概率，如表3所示。

表3 制氢站设备遭受外部攻击连锁故障后果事件发生概率

Tab. 3 Probability of occurrence of cascading failure consequences from external attack on hydrogen production station equipment

事件后果	制氢站设备
事件后果	电解槽	氢除湿器	氢分离洗涤器	储氢罐	氢气管道
氢气泄漏扩散	0.050 40	0.080 784 0	0.090 480	0.038 850	0.044 640
氢气泄漏火灾事故	0.302 28	0.552 948 8	0.515 411	0.368 263	0.545 228
氢气泄漏爆炸事故	0.247 32	0.046 267 2	0.292 887	0.292 887	0.030 132

表1中给出了不同连锁故障后果下风险评价指标对应的风险指数取值标准。设备遭受外部攻击后果可由表1进行量化。仍以电解槽遭受攻击损坏为例，事故后果定量分析结果如表4所示。

表4 电解槽连锁故障后果定量分析结果

Tab. 4 Quantitative analysis result of consequences of cascading faults in electrolytic cell

风险量化指标	电解槽损坏后果
风险量化指标	氢气持续泄漏，大气扩散，碱液泄漏	氢气持续泄漏，遇明火、喷射火、闪火	氢气持续泄漏，遇明火，沸腾液体膨胀蒸汽爆炸、蒸汽云爆炸
人员伤亡	1	2	5
设备损失	1	2	2
电网影响	1	2	3
环境影响	2	2	4
经济影响	1	2	2
恢复时间	1	2	4

根据制氢站各关键设备的连锁故障后果定量分析结果，利用式(2)可计算出设备不同风险指标对应的风险指数，然后采用图3 给出的风险指数模糊隶属函数，实现风险指数的模糊化。计算结果如表5、6所示。

表5 制氢站设备风险评价输入数据

Tab. 5 Input data for risk assessment of hydrogen production station equipment

制氢站核心设备	风险指标	风险指数	模糊化结果
电解槽	人员损失	1.892	(0，0.145，0.392，0，0)
	设备损失	1.150	(0，0.866，0，0，0)
	电网影响	1.397	(0，0.804，0，0，0)
	环境影响	1.695	(0，0.407，0.195，0，0)
	经济损失	1.150	(0，0.866，0，0，0)
	恢复时间	1.644	(0，0.474，0.144，0，0)
氢除湿器	人员损失	0.646	(0.709，0.194，0，0，0)
	设备损失	1.913	(0，0.116，0.413，0，0)
	电网影响	1.279	(0，0.961，0，0，0)
	环境影响	1.291	(0，0.945，0，0，0)
	经济损失	1.326	(0，0.899，0，0，0)
	恢复时间	1.326	(0，0．899，0，0，0)
氢分离洗涤器	人员损失	0.692	(0.616，0.256，0，0，0)
	设备损失	1.904	(0，0.129，0.404，0，0)
	电网影响	1.298	(0，0.936，0，0，0)
	环境影响	0.650	(0.7，0.2，0，0，0)
	经济损失	1.904	(0，0.129，0.404，0，0)
	恢复时间	1.948	(0，0.07，0.448，0，0)
氢气储罐	人员损失	1.833	(0，0.223，0.333，0，0)
	设备损失	2.315	(0，0，0.815，0，0)
	电网影响	1.361	(0，0.852，0，0，0)
	环境影响	1.172	(0，0.895，0，0，0)
	经济损失	1.361	(0，0.852，0，0，0)
	恢复时间	1.947	(0，0.071，0.447，0，0)
氢气管道	人员损失	0.636	(0.729，0.181，0，0，0)
	设备损失	1.771	(0，0.306，0.271，0，0)
	电网影响	1.226	(0，0.967，0，0，0)
	环境影响	0.121	(1，0，0，0，0)
	经济损失	1.226	(0，0.967，0，0，0)
	恢复时间	1.256	(0，0.993，0，0，0)

表6 制氢站设备风险评价结果

Tab. 6 Risk assessment results of hydrogen production station equipment

设备名称	评价结果	风险度	风险排序
电解槽	(0，0.342，0.150，0，0)	0.161	2
氢除湿器	(0.256，0.298，0.034，0，0)	0.092	3
氢分离洗涤器	(0.278，0.233，0.055，0，0)	0.086	4
氢气储罐	(0，0.131，0.476，0，0)	0.271	1
氢气管道	(0.329，0.249，0.022，0，0)	0.073	5

由以上风险评价结果可知，在制氢站设备中氢气储罐风险度最高，因为其储存了大量的压缩氢气，如若遭受外部攻击，导致氢气泄漏，遇明火，将会发生重大火灾甚至爆炸事故，危及电厂工作人员的生命安全及其周边设备的正常运行，并直接关系到发电机组的冷却问题，导致停机，对电厂和电网的安全稳定运行造成重大影响。电解槽的风险度较高，因为其在制氢过程中有大量的有害化学物质，如果发生破坏导致泄漏，会对工作人员生命安全及环境产生严重危害。氢除湿器、氢分离洗涤器及氢气管道的风险水平依次下降。

根据评价结果(风险度)，可以将电站周界设备划分为3类：高风险设备、中风险设备和低风险设备。表7给出了3类风险等级周界设备的列表及相应的安全防范措施。利用上面的方法计算出主要电站周界设备的风险度，如图5所示。

表7 电站周界设备风险分级及防范措施

Tab. 7 Risk rating of equipment around the power station and preventive measures

风险等级

设备列表

防范措施

高风险

(风险度>0.15)

油罐区、液氨储罐、氢气储罐、输油管道、升压站、液氨管道、液氨蒸发槽、电解槽、空冷轴流风机

配备在线监视系统(如雷达、红外摄像头)

中风险

(1≤风险度≤0.15)

翻车机、吸收系统、空冷散热器表面、浆液制备系统、贮煤场、氨气管道、烟气系统

定期巡视

(间隔短)

低风险

(风险度<0.1)

氨气缓冲槽、氢除湿器、引风机、氢分离洗涤器、主变压器重瓦斯、脱硫副产物处理系统、氢气管道、送风机、变压器冷却系统、带式运输机、氨空混合器及后端管道、取料机、主变压器出线端、汽轮机末级排汽管道、凝结水箱

定期巡视

(间隔长)

图5

图5 电站周界设备风险评价结果

1—液氨储罐；2—液氨管道；3—液氨蒸发槽；4—氨气管道；5—氨气缓冲槽；6—氨空混合器及后端管道；7—电解槽；8—氢除湿器；9—氢分离洗涤器；10—氢气储罐；11—氢气管道；12—浆液制备系统；13—烟气系统；14—吸收系统；15—脱硫副产物处理系统；16—油罐区；17—输油管道；18—取料机；19—贮煤场；20—翻车机；21—带式运输机；22—升压站；23—送风机；24—引风机；25—变压器冷却系统；26—主变压器重瓦斯；27—主变压器出线端；28—空冷散热器表面；29—汽轮机末级排汽管道；30—空冷轴流风机；31—凝结水箱。

Fig. 5 Risk assessment results of equipment around the power station

5 结论

1）采用事件树分析方法，建立了制氢站关键设备的事件树，通过连锁故障推演确定出制氢站设备遭受外部攻击后的3类主要后果事件分别是氢气泄漏遇明火发生爆炸、氢气泄漏遇明火着火和氢气泄漏大气扩散，通过概率计算获得制氢站各关键设备的3类后果事件发生概率。

2）建立了包含人员伤亡、设备损失、电网影响、环境影响、经济损失和恢复时间的风险评价指标体系，利用给出的连锁故障后果结合层次分析法与复相关系数法，通过乘法合成确定各个定量风险评价指标的权重。

3）在评价指标量化的基础上，利用给出的隶属度函数进行模糊化，最后采用证据推理算法计算出制氢站各关键设备的风险度，其中储氢罐和电解槽的风险度分别为0.271和0.161，远高于其他3个设备的风险度，因而可以作为制定防范措施时的重点关注对象。

4）提出的基于事件树连锁故障推演和证据推理算法的风险评价方法可以直接应用到整个燃煤电站的周界设备，从而实现全部周界设备的风险排序，为燃煤电站制定预防措施提供依据。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

冯伟忠，李励．

“双碳”目标下煤电机组低碳、零碳和负碳化转型发展路径研究与实践

[J]．发电技术，2022，43(3)：452-461． doi:10.12096/j.2096-4528.pgt.22061

FENG

W Z

， LI

．

Research and practice on development path of low-carbon， zero-carbon and negative carbon transformation of coal-fired power units under “double carbon” targets

[J]．Power Generation Technology，2022，43(3)：452-461． doi:10.12096/j.2096-4528.pgt.22061

[2]

张全斌，周琼芳．

基于“双碳”目标的中国火力发电技术发展路径研究

[J]．发电技术，2023，44(2)：143-154． doi:10.12096/j.2096-4528.pgt.22092

ZHANG

Q B

， ZHOU

Q F

．

Research on the development path of China’s thermal power generation technology based on the goal of “carbon peak and carbon neutralization”

[J]．Power Generation Technology，2023，44(2)：143-154． doi:10.12096/j.2096-4528.pgt.22092

[3]

董洁，乔建强．

“双碳”目标下先进煤炭清洁利用发电技术研究综述

[J]．中国电力，2022，55(8)：202-212．

DONG

， QIAO

J Q

．

A review on advanced clean coal power generation technology under “carbon peaking and carbon neutrality” goal

[J]．Electric Power，2022，55(8)：202-212．

[4]

张兴平，何澍，王泽嘉，等．

不同新能源渗透率下燃煤机组行为策略分析

[J]．电力建设，2022，43(5)：9-17． doi:10.12204/j.issn.1000-7229.2022.05.002

ZHANG

X P

， HE

， WANG

Z J

．

Behavior strategy of coal-fired units under different new energy penetration rate

[J]．Electric Power Construction，2022，43(5)：9-17． doi:10.12204/j.issn.1000-7229.2022.05.002

[5]

王晓彬，孟婧，石访，等．

煤电与清洁电源协同演进优化模型及综合评价体系研究

[J]．电力系统保护与控制，2022，50(13)：43-52．

WANG

X B

， MENG

， SHI

．

An optimization model and comprehensive evaluation system for the synergistic evolution of coal-fired power plants and clean power sources

[J]．Power System Protection and Control，2022，50(13)：43-52．

[6]

任建强，王璐阳，吴家浩，等．

基于情景构建与推演的新能源电力设备运行风险评估

[J]．清华大学学报(自然科学版)，2022，62(10)：1571-1578．

REN

J Q

， WANG

L Y

， WU

J H

，et al ．

Operating risk assessments of new energy power equipment based on scenario construction and deduction

[J]．Journal of Tsinghua University (Nature Science Edition)，2022，62(10)：1571-1578．

[7]

刘玉良，刘耀年，术茜，等．

停运模型与事件树理论在电力系统脆性风险评估中的应用

[J]．黑龙江电力，2011，33(1)：58-61． doi:10.3969/j.issn.1002-1663.2011.01.017

[本文引用: 3]

LIU

Y L

， LIU

Y N

， ZHU

，et al ．

The application of outage mode and event tree theory in power system brittleness risk assessment

[J]．Heilongjiang Electric Power，2011，33(1)：58-61． doi:10.3969/j.issn.1002-1663.2011.01.017

[本文引用: 3]

[8]

RASOOL

．

Event-tree analysis by fuzzy probability

[J]．IEEE Transactions on Reliability，1991， 40(1)：120-124． doi:10.1109/24.75348

[9]

FERDOUS

， KHAN

， SADIQ

，et al ．

Handling data uncertainties in event tree analysis

[J]．Process Safety and Environmental Protection，2009，87(5)：283-292． doi:10.1016/j.psep.2009.07.003

[10]

LOWER

， MAGOTT

， SKORUPSKI

．

Analysis of air traffic incidents using event trees with fuzzy probabilities

[J]．Fuzzy Sets and Systems，2016，293： 50-79． doi:10.1016/j.fss.2015.11.004

[11]

PURBA

J H

， TJAHYANI

D T S

， WIDODO

，et al ．

Fuzzy probability based event tree analysis for calculating core damage frequency in nuclear power plant probabilistic safety assessment

[J]． Progress in Nuclear Energy，2020，125：103376． doi:10.1016/j.pnucene.2020.103376

[12]

龙丹冰，解丽萍，杨成．

基于熵算法改进的故障树-云模型风险分析方法

[J] ．安全与环境学报，2021，5：1-11．

LONG

D B

， XIE LI

， YANG

．

Visual risk assessment method based on the fault tree analysis coupled cloud models using modified entropy algorithm

[J]．Journal of Safety and Environment，2021，5：1-11．

[13]

吴寒梅

．

电站设备故障风险分析与维修决策

[D]．北京：华北电力大学，2011．

H M

．

Risk analysis and maintenance decision for power plant equipment faults

[D]．Beijing：North China Electric Power University，2011．

[14]

宫运化，徐越．

基于动态故障树的化工系统动态风险评价

[J]．安全与环境工程，2015，22(2)：134-138．

GONG

Y H

， XU

．

Dynamic risk assessment for chemical system based on dynamic fault tree

[J]．Safety and Environmental Engineering，2015，22(2)：134-138．

[15]

张玉涛，林国铖，李亚清．

基于事故树J-风险矩阵法的脱硫工艺中毒窒息事故风险评估

[J]．西安科技大学学报，2020，40(1)：40-48．

ZHANG

Y T

， LIN

G C

， LI

Y Q

．

Risk assessment of suffocation and poisoning accidents in desulfurization process based on FTA-risk matrix method

[J]．Journal of Xi’an University of Science and Technology，2020，40(1)：40-48．

[16]

董玉亮，李亚琼，王珍和，等．

基于证据理论的燃煤电站安全评价研究

[J]．安全与环境学报，2010，10(3)：179-183． doi:10.3969/j.issn.1009-6094.2010.03.043

DONG

Y L

， LI

Y Q

， WANG

Z H

，et al ．

Safety evaluation on fuel-fired power plant based on evidence theory

[J]．Journal of Safety and Environment，2010，10(3)：179-183． doi:10.3969/j.issn.1009-6094.2010.03.043

[17]

TIAN

Y C

， LEE

．

Assessment of terrorist attack risk of a BWR nuclear power plant using Monte Carlo simulations

[J]．Nuclear Technology，2021，207(12)：1913-1933． doi:10.1080/00295450.2020.1843955

[18]

GEORGE

P G

， RENJITH

V R

．

Evolution of safety and security risk assessment methodologies towards the use of Bayesian networks in process industries

[J]．Process Safety and Environmental Protection，2021，149：758-775． doi:10.1016/j.psep.2021.03.031

[19]

， ZHANG

．

Evolving a weighted Bayesian network for consequence assessment of terrorist attack

[J]．IEEE Access，2020，8：88282-88293． doi:10.1109/access.2020.2993016

[20]

ZHAO

， TONG

， ZHANG

．

Rapid source term prediction in nuclear power plant accidents based on dynamic Bayesian networks and probabilistic risk assessment

[J]．Annals of Nuclear Energy， 2021，158：108217． doi:10.1016/j.anucene.2021.108217

[21]

宋贵安

基于数据驱动的电站设备性能劣化评估方法研究

[D]．南京：东南大学，2022．

SONG

G A

．

Research on performance deterioration evaluation method of power plant equipment based on data-driven

[D]．Nanjing：Southeast University，2022．

[22]

张芳，张随平，张萍.

电站设备运行风险分析

[J]．甘肃科技，2014，30(9)：56-58． doi:10.3969/j.issn.1000-0952.2014.09.020

ZHANG

， ZHANG

S P

， ZHANG

．

Operation risk analysis of power station equipment

[J]．Gansu Science and Technology，2014，30(9)：56-58． doi:10.3969/j.issn.1000-0952.2014.09.020

[23]

蔡庄红，黄庭刚．安全评价技术[M]．北京：化学工业出版社，2014．

CAI

Z H

， HUANG

T G

．Safety evaluation technology[M]．Beijing：Chemical Industry Press，2014．

[24]

刘诗飞，詹予忠．重大危险源辨识及危害后果分析[M]．北京：化学业出版社，2004． doi:10.1002/0471739421.ch22

LIU

S F

， ZHAN

Y Z

．Identification of major hazard sources and hazard consequence analysis[M]．Beijing：Chemical Industry Press，2004． doi:10.1002/0471739421.ch22

[25]

王建

．

储罐区可燃气体泄漏扩散模拟及爆燃灾害评估

[D]．大连：大连理工大学，2013．

WANG

．

Simulation of combustible gas leakage and diffusion and deflagration disaster assessment in tank area

[D]．Dalian：Dalian University of Technology，2013．

[26]

刘合香

．模糊数学理论及其应用[M]．北京：科学出版社，2012． doi:10.1109/cecnet.2012.6201505

LIU

H X

．Fuzzy mathematics theory and its application[M]．Beijing：Science publishing house，2012． doi:10.1109/cecnet.2012.6201505

[27]

YANG

J B

， SINGH

M C

．

An envidential reasoning approach for multiple attribute decision making with uncertainty

[J]．IEEE Transactions on System，Man，and Cybernetics，1994，24(1)：1-18． doi:10.1109/21.259681