DNV PHAST后果模拟实战：从物性建模到批量算例的工程化路径

简介：这份资料是DNV PHAST工艺危险源分析软件的完整讲解PPT，面向石油天然气、化工、能源等领域的工艺安全工程师、风险评价人员及高校相关专业师生，帮助其系统掌握该软件的原理与操作。PHAST全称Process Hazard Analysis Software Tool，通过数学模型模拟预测油气安全事故后果，涵盖闪火、喷火、池火、火球、爆炸及有毒气体扩散六类分析场景。资料从窗体结构讲起，依次介绍主操作菜单、分析树窗口、工作窗口与日志窗口，并深入建模流程：选择分析模型、输入泄漏量与系统隔离时间等参数、添加物料与混合组分（软件内置61种物质及理化特性）、设置容器边界与防堤、选择燃烧与爆炸类型，直至读取热辐射通量、爆炸下限等结果。包内共1个PPT文件，约10MB，已有563人学习。内容覆盖后果情景选择、室内毒性计算、液气分离器点火装置热辐射影响范围等实操要点，适合作为入门培训与日常查阅的参考材料。

1. 一份 PPT 资料为什么值得当成工程手册来读

第一次拿到「dnv-phast-软件讲解完整版资料.ppt」这个标题的人，多半会愣一下：一份 PPT，能讲出什么工程深度？但如果你正在做化工、石化、能源类项目的定量风险评估（QRA），或者被要求出具泄漏后果、爆炸影响、毒性扩散的合规报告，就会明白这类资料的价值不在排版，而在它把一整套计算流程压缩成了可复现的步骤。DNV 的 PHAST 系列工具（含 SAFETI）长期被用于后果模拟与风险分析，而这份讲解资料本质上是把「建模—算例—结果解读」这条链路讲了一遍。它适合三类人：刚接手 QRA 报告的新人、需要复核第三方结果的审核方、以及想把后果模拟接入内部流程的工艺安全工程师。下面我不复述 PPT 页面，而是把它背后的操作逻辑拆成能照着做的路径。

2. 后果模拟的建模底座：从物性到场景怎么定

2.1 为什么物性数据决定了后面所有结果的可信度

后果模拟的第一道分水岭不是选模型，而是物性。PHAST 内部依赖组分数据库，但很多项目介质是混合物或含少量杂质，直接选纯组分会导致饱和蒸气压、沸点、燃烧热偏差，进而让泄漏速率和扩散距离整体偏移。常见做法是：先确认介质的主要组分与摩尔分数，再决定用内置组分还是自定义混合物。如果介质里有腐蚀性杂质但浓度极低，可以忽略；如果杂质影响相态（比如含水导致两相流），就必须建进去。

我一般会先做一次「物性体检」：把关键组分在操作温度下的饱和蒸气压、密度、黏度拉出来，和工艺包或化验单对一遍。差 5% 以内可以接受，差 20% 以上就要查是不是选错了同分异构体或温度基准。这一步在 PPT 里往往只有一页，但它是后面所有算例的地基。

2.2 泄漏场景的三个必设参数：孔径、压力、持续时间

场景定义是后果模拟的核心。PHAST 里通常要设泄漏孔径、上游压力和泄漏持续时间。孔径不是随便选，常见做法是按工艺管道直径的 10%、25%、50% 或全断裂来分档，对应小孔、中孔、大孔和灾难性破裂。上游压力取操作压力还是设计压力，取决于你要评估的是正常工况还是事故工况。持续时间则决定是连续泄漏还是瞬时释放。

下面是一段用 Python 做场景参数批量整理的示例，方便你把几十个场景一次性生成成表格，再导入模拟流程：

# 场景参数批量生成：按孔径比例和压力档位组合 import pandas as pd # 基础工况：管道内径、操作压力、设计压力 base = { "pipe_id_mm": 200, # 管道内径，单位 mm "op_pressure_barg": 15.0, # 操作压力，表压 bar "design_pressure_barg": 22.0 # 设计压力，表压 bar } # 孔径比例档位：小孔、中孔、大孔、全断裂 hole_ratios = [0.1, 0.25, 0.5, 1.0] # 压力选取：操作压力与设计压力 pressure_keys = ["op_pressure_barg", "design_pressure_barg"] rows = [] for ratio in hole_ratios: for pk in pressure_keys: rows.append({ "hole_ratio": ratio, "hole_dia_mm": round(base["pipe_id_mm"] * ratio, 1), "pressure_barg": base[pk], "pressure_type": pk }) df = pd.DataFrame(rows) print(df.to_string(index=False))

这段代码的逻辑很直白：把孔径比例和压力来源做笛卡尔积，生成 8 个基础场景。hole_ratio是孔径占管径的比例，hole_dia_mm是换算后的孔径，pressure_barg是实际参与计算的表压。参数说明上，pipe_id_mm要填管道实际内径而不是公称直径；op_pressure_barg和design_pressure_barg的单位必须统一，PHAST 里通常用 bar 或 Pa，导入前确认单位制。跑完这张表，你就能拿着它逐条建场景，而不是在界面里反复手填。

2.3 扩散模型选型：中性浮力、重气还是浮力羽流

PHAST 会根据介质密度和大气条件自动选模型，但你可以干预。重气扩散（如液化石油气、氯气）在近场会贴地扩散，中性浮力模型会低估下风向浓度。判断依据是泄漏后混合物的相对密度：大于 1.1 按重气处理，0.9 到 1.1 之间按中性，小于 0.9 按浮力羽流。常见做法是先用默认模型跑一遍，再看结果里的云团高度和浓度等值线，如果云团明显贴地而模型选的是中性，就要手动切重气模型。

大气稳定度也影响很大。D 类稳定度（中性）是默认值，但夜间低风速场景往往用 F 类，扩散更慢、浓度更高。如果你做的是最坏可信场景，通常选 F 类和低风速组合。这一步在 PPT 里可能只有一张表，但参数选错，后面所有距离都不可信。

3. 从建模到出图：一次完整算例的落地步骤

3.1 新建算例前必须确认的四个输入项

在 PHAST 里新建算例之前，我会先确认四件事：介质组分、场景类型（泄漏/闪蒸/池火/爆炸）、大气条件、以及输出要哪些结果。介质组分决定物性，场景类型决定用哪套模型，大气条件影响扩散，输出决定后处理工作量。很多新人一上来就点「新建」，结果算到一半发现介质选错，只能重来。

具体操作上，先建一个「物料」条目，把组分和比例填进去；再建「场景」条目，选泄漏类型和孔径；然后设「大气」条目，填温度、风速、稳定度；最后在「结果」里勾选浓度等值线、热辐射阈值、超压阈值。这四步的顺序不要乱，因为后面的条目会引用前面的数据。

3.2 用命令行批量跑算例的可行路径

PHAST 有图形界面，但如果你要跑几十个场景，手点不现实。常见做法是用它的批处理接口或脚本调用。下面是一段用 Python 调用外部计算流程的示意，重点在参数传递和结果收集：

# 批量调用后果模拟流程的示意：参数写入与结果回收 import subprocess import json import os # 场景列表：每个场景一个字典 scenarios = [ {"name": "small_leak_op", "hole_mm": 20, "pressure_barg": 15.0, "stability": "D"}, {"name": "large_leak_design", "hole_mm": 100, "pressure_barg": 22.0, "stability": "F"}, ] work_dir = "./phast_runs" os.makedirs(work_dir, exist_ok=True) for sc in scenarios: # 把场景参数写成输入文件，具体格式按工具要求调整 input_file = os.path.join(work_dir, f"{sc['name']}.json") with open(input_file, "w", encoding="utf-8") as f: json.dump(sc, f, ensure_ascii=False, indent=2) # 调用计算程序，这里用占位命令表示实际可执行文件 # 实际使用时替换为工具提供的命令行入口 cmd = ["phast_cli", "--input", input_file, "--output", os.path.join(work_dir, sc["name"])] result = subprocess.run(cmd, capture_output=True, text=True) if result.returncode != 0: print(f"场景 {sc['name']} 计算失败：{result.stderr}") else: print(f"场景 {sc['name']} 计算完成")

这段代码的关键点是：把每个场景的参数写成独立输入文件，再逐个调用计算程序，最后检查返回码。hole_mm是孔径，pressure_barg是表压，stability是大气稳定度。实际使用时，phast_cli要替换成工具真实提供的命令行入口或批处理脚本；输入文件的格式也要按工具要求调整，这里用 JSON 只是示意。逻辑说明：批量跑的核心是「参数外置 + 循环调用 + 失败捕获」，这样你才能在一夜之间跑完几十个场景，而不是守在电脑前点鼠标。

3.3 结果解读：浓度等值线、热辐射阈值和超压距离

算完之后，结果通常以等值线图、距离表和曲线图呈现。浓度等值线要看的是下风向最大距离和云团宽度；热辐射阈值一般关注 4 kW/m²、12.5 kW/m²、37.5 kW/m² 这几档，对应不同伤害程度；超压阈值关注 0.02 bar、0.1 bar、0.3 bar 等。解读时不要只看最大距离，还要看达到阈值的时间窗口，因为应急响应需要知道「多久之后到达」。

常见的一个误区是拿不同场景的最大距离直接比较，却忽略了大气条件和孔径的差异。正确做法是固定其他变量，只变一个参数，看结果怎么变。比如固定孔径和压力，只变稳定度，你就能看出夜间场景比白天场景远多少。这种对比才是报告里真正有说服力的部分。

4. 避坑与排查：五个让结果翻车的细节

4.1 现象：泄漏速率算出来比理论值大一个量级

原因通常是孔径单位填错，把毫米当成米，或者把直径当半径。解决方法是回到输入界面，确认孔径单位是 mm 还是 m，并检查是否用了半径。PHAST 里一般填直径，但有些模板会写半径，这个坑我踩过不止一次。

4.2 现象：扩散距离明显偏短，云团消失太快

原因可能是大气稳定度选成了 D 类而实际是 F 类，或者风速填得过高。解决方法是查项目所在地的气象数据，确认最坏场景用的稳定度和风速组合。如果做的是保守评估，通常选 F 类和 1.5 m/s 左右的风速。

4.3 现象：池火的热辐射结果和手算差很多

原因可能是池面积设成了泄漏面积而不是液池扩展后的面积，或者燃烧热用了纯组分数据而实际是混合物。解决方法是检查池火模型里的池直径和燃烧速率，必要时手动输入液池扩展后的面积。混合物燃烧热要按摩尔分数加权。

4.4 现象：批量跑算例时部分场景没有输出

原因可能是输入文件里某个参数缺失，或者输出路径不存在。解决方法是先跑一个场景确认流程通，再批量跑；每个场景跑完后检查返回码和输出目录。上面代码里的returncode检查就是干这个的。

4.5 现象：结果图里的等值线看起来正常，但报告里被审核方质疑

原因通常是没写清楚模型版本、物性来源和大气条件。解决方法是建一个「算例说明」页，把介质组分、模型选择、关键参数和假设都列出来。审核方质疑的往往不是结果本身，而是结果背后的假设有没有说清。

5. 把 PPT 变成可复用模板：参数表与校核习惯

一份讲解资料最大的价值，是让你能把它变成自己的模板。我一般会做三件事：第一，把常用介质的物性整理成一张表，包括饱和蒸气压、密度、燃烧热和毒性阈值，下次建算例直接查；第二，把场景参数做成 Excel 或 CSV 模板，孔径、压力、稳定度、风速各一列，批量生成输入；第三，建一个「校核清单」，每次出结果前逐条打勾。

下面这张表是我常用的场景参数模板结构，你可以直接照着建：

建好这张表之后，每次新项目只需要改几列，而不是从头填界面。校核清单我通常包括：物性是否核对、孔径单位是否正确、稳定度是否符合最坏场景、输出阈值是否齐全、结果是否做了单变量对比。这五条看起来简单，但能挡掉大部分低级错误。

还有一个习惯：每次算完，把关键结果（最大距离、阈值时间）记到一个汇总表里，按场景编号排序。这样下次做类似项目，你能快速判断新结果是否合理。如果某个场景的距离突然比历史同类场景大很多，先别急着写报告，回去查输入。这个习惯帮我省过很多后悔药。

最后说一个进阶技巧：把 PHAST 的结果导出成结构化数据，再用脚本做敏感性分析。比如固定孔径，把风速从 1 m/s 到 5 m/s 分五档跑一遍，画出距离随风速的变化曲线。这种图在报告里比单点结果更有说服力，也能帮你快速找到最敏感的参数。我自己的做法是先用模板批量跑，再用 Python 读结果文件做汇总，整个过程从建场景到出图控制在半天以内。希望帮到你。

本文还有配套的精品资源，点击获取