陳銘　趙燦輝　王乾　張旭　趙文茂　李力

摘要：通過對操作票數(shù)據(jù)、設備運維數(shù)據(jù)、作業(yè)環(huán)境數(shù)據(jù)及動態(tài)信息數(shù)據(jù)、專家經(jīng)驗數(shù)據(jù)、非結(jié)構(gòu)文檔數(shù)據(jù)進行數(shù)據(jù)開采融合，建立自動化及人工輔助知識獲取機制，基于統(tǒng)一的數(shù)據(jù)資源池利用機器學習算法、自然語言處理技術(shù)構(gòu)建操作票內(nèi)容分析模型、調(diào)度作業(yè)風險評價模型、設備狀態(tài)比對模型，實現(xiàn)調(diào)度操作風險及控制策略提醒、操作工具準備提醒、操作項特殊點提醒、操作紙質(zhì)記錄提醒、設備狀態(tài)不符提醒及定時操作提醒。實現(xiàn)操作前的風險預控及操作后的風險管控，提升電網(wǎng)調(diào)度運行的精益化管理，構(gòu)建本質(zhì)型安全電網(wǎng)。

關鍵詞：電網(wǎng)調(diào)度操作票;安全風險分析;智能風險提醒

Abstract：Through data mining and integration of operation ticket data， equipment operation and maintenance data， work environment data and dynamic information data， expert experience data， and non-structural document data， an automated and manual assisted knowledge acquisition mechanism is established， and machine learning is utilized based on a unified data resource pool. Algorithm and natural language processing technology construct operation ticket content analysis model， dispatch operation risk evaluation model， equipment status comparison model， realize scheduling operation risk and control strategy reminder， operation tool preparation reminder， operation item special point reminder， operation paper record reminder The device status does not match the reminder and the timed operation reminder. Realize risk pre-control before operation and risk management and control after operation， improve lean management of power grid dispatching operation， and build an intrinsically safe power grid.

Keywords： grid dispatching operation ticket; security risk analysis; intelligent risk reminder

引言

操作票制度為電網(wǎng)安全運行提供有效保障，通過明確的操作事項及操作流程使得電網(wǎng)運行規(guī)范化和標準化，防控風險，減少各類事件事故發(fā)生。隨著電網(wǎng)設備和規(guī)模的不斷增大，變電站的各項操作變得愈加頻繁，重復性工作使得調(diào)度人員在作業(yè)過程中產(chǎn)生松懈心理，對一些作業(yè)風險點不予以重視，引發(fā)人身安全事故。此外，作業(yè)頻次及作業(yè)強度的增大容易導致作業(yè)環(huán)節(jié)遺漏，引發(fā)設備損壞或大規(guī)模用戶停電。為全面深化電網(wǎng)運行風險管控，基于操作票開展風險點分析預控，構(gòu)建電網(wǎng)調(diào)度操作票智能安全提醒系統(tǒng)，實現(xiàn)調(diào)度操作前及操作后的安全提醒，增強配網(wǎng)調(diào)度人員風險感知能力，保障調(diào)度操作環(huán)節(jié)的整體連貫。

1 系統(tǒng)總體架構(gòu)

構(gòu)建基于作業(yè)人員、設備運維情況、作業(yè)難度及作業(yè)環(huán)境的風險知識庫，實現(xiàn)操作任務與安全風險因素關聯(lián)，識別出操作風險并進行智能提醒。依托操作票安全分析及操作執(zhí)行實時結(jié)果反饋信息實現(xiàn)操作前風險預控及操作后閉環(huán)管控。系統(tǒng)總體架構(gòu)如下：

數(shù)據(jù)資源層：從多源異構(gòu)系統(tǒng)中采集數(shù)據(jù)資源。操作票數(shù)據(jù)包括標準、典型票庫數(shù)據(jù)、歷史操作票數(shù)據(jù)、實時操作票數(shù)據(jù);設備運維數(shù)據(jù)包括設備巡檢記錄中的設備缺陷數(shù)據(jù)、設備故障次數(shù)、設備投運時長、設備老化程度數(shù)據(jù);作業(yè)環(huán)境數(shù)據(jù)包括天氣、作業(yè)時間、作業(yè)性質(zhì)等;其他數(shù)據(jù)資源包括從相關接口采集的實時設備狀態(tài)信息、專家評定的風險經(jīng)驗信息、及調(diào)度運行中產(chǎn)生的各類隱患排查、事件事故文檔記錄。

知識抽?。和ㄟ^機器學習算法及人工手段建立知識自動化及人工輔助知識獲取兩種知識更新機制，將從基礎數(shù)據(jù)資源層采集的原始數(shù)據(jù)進行整合匯聚，形成統(tǒng)一的數(shù)據(jù)資源池。

安全分析模型：基于統(tǒng)一數(shù)據(jù)資源建立操作票內(nèi)容分析模型、風險評價模型、設備狀態(tài)對比模型。風險評價模型：對操作任務、設備情況、作業(yè)環(huán)境及相關風險知識進行建模，智能識別出風險因素，針對各項風險因素求解風險系數(shù)。操作票內(nèi)容分析：利用自然語言處理技術(shù)提取出各操作項的擬操作設備清單，建立擬操作設備與操作工具的映射關系，在操作前對需要的操作工具進行提醒。設備狀態(tài)比對模型：從相關的設備狀態(tài)采集接口獲取實時設備狀態(tài)數(shù)據(jù)，將實時狀態(tài)數(shù)據(jù)與操作后狀態(tài)數(shù)據(jù)進行比對，對于狀態(tài)比對結(jié)果不一致的情況進行提醒。

應用層：圍繞操作前風險預控及操作后閉環(huán)管控實現(xiàn)操作風險及控制策略提醒、操作工具準備提醒、操作項特殊點提醒、操作紙質(zhì)記錄提醒、設備狀態(tài)與操作后狀態(tài)不符提醒、定時操作提醒。

2?操作票內(nèi)容分析模型

CRF是目前最佳的序列標注學習算法，通過充分利用語料的上下文特征信息，動態(tài)規(guī)劃計算獲得最優(yōu)的預測結(jié)果。通過CRF條件隨機場進行命名實體識別，對操作票內(nèi)容進行分析，通過標注的大規(guī)模操作票內(nèi)容文本，有監(jiān)督學習獲得操作任務、操作人、操作地點、操作時間、操作設備等實體清單。識別流程如下圖：

獲取典型票、標準票、歷史票庫數(shù)據(jù)語料進行整合匯聚，基于電網(wǎng)調(diào)度操作票專有領域特性，基于定義規(guī)則進行分詞處理，進行序列標注，進行模型訓練，對訓練結(jié)果進行評估，對于未能正確識別的實體，基于實體特征節(jié)點及上下文特征，建立特征與規(guī)則間的映射關系，以提高模型性能。

3 調(diào)度作業(yè)綜合風險評估模型

電網(wǎng)調(diào)度運行風險來自操作任務、作業(yè)人員、設備運行狀況、現(xiàn)場作業(yè)環(huán)境等因素。綜合考慮各類風險因素對操作任務進行風險評估。

操作任務風險：包括操作類型、操作設備數(shù)、操作設備。操作類型分為典型操作任務及非典型操作任務。操作設備數(shù)越多對應的復雜程度越高，對應的安全風險越高。操作設備分為線路、開關、電容器、接地變、母線、主變等。根據(jù)專家經(jīng)驗對操作任務風險進行定性評估。

作業(yè)人員風險：用工性質(zhì)、調(diào)度人員資質(zhì)、操作任務熟悉程度、習慣違規(guī)等都造成人員安全風險。一般而言，外委用工方式的安全風險較高，資質(zhì)較低的人員對應的安全

風險較高，操作任務的熟悉程度是主要的安全風險因素，對于習慣性違規(guī)人員其安全風險較高。

設備運行狀況：設備運行狀況是電網(wǎng)調(diào)度運行安全態(tài)勢感知的窗口。設備缺陷是除人員之外引發(fā)事故事件的第二類風險因素。通過關聯(lián)設備臺賬及設備巡檢記錄，動態(tài)掌握設備的投運時長、故障次數(shù)、缺陷等設備運行風險。

現(xiàn)場作業(yè)環(huán)境：重點考慮高空作業(yè)、帶電作業(yè)、電壓等級、天氣、作業(yè)時間等作業(yè)環(huán)境風險。

基于上述安全風險因素梳理安全風險指標體系，并根據(jù)風險指標體系建立安全風險評估模型。

對各類風險類別進行交叉比較，利用專家打分原則確定的各項風險權(quán)重，根據(jù)規(guī)則定義各項風險指標值對應值0～10分，根據(jù)操作票內(nèi)容分析提取出操作任務、操作人、操作時間、操作設備實體，通過建立與風險知識庫的規(guī)則映射，對各項風險指標進行打分，則某一操作任務的風險指數(shù)可表示為下式。

式中表示第i類風險類別，表示第i類風險類別對應

的第j項風險指標。根據(jù)式（1）計算獲得風險指數(shù)，將數(shù)值進行離散化處理，劃分為高度風險、中度風險、輕微風險。

4 設備狀態(tài)比對模型

基于操作票內(nèi)容分析獲得的實體序列，提取特定操作任務的擬操作設備及操作指令，對于一次設備操作，例如：拉開斷路器開關，則其操作后的目標狀態(tài)為“斷開”狀態(tài)，對于需要進行多次操作的設備，根據(jù)操作順序序列，對應的狀態(tài)序列。通過相關數(shù)據(jù)采集接口進行回傳的實時設備狀態(tài)與操作完成后的目標終態(tài)進行比對，對于非一致性狀態(tài)進行安全提醒，防止因人員疏忽為對設備狀態(tài)進行復核。

5 智能安全提醒

調(diào)度操作前，綜合作業(yè)任務、設備、環(huán)境、人員對某項作業(yè)任務的安全風險進行評估，操作任務風險及控制策略提醒，給出對應安全防護控制策略。對操作任務進行分解，獲得操作設備項目，建立操作設備與所需工具聯(lián)系，在操作任務前以文字或者語音形式提醒。分析歷史操作風險記錄，建立事件事故頻次與某類操作設備之間的聯(lián)系，對于發(fā)生存在安全風險較高的操作項目，進行操作特殊點進行提醒。

調(diào)度操作完成后，根據(jù)操作設備清單，實時監(jiān)測各設備狀態(tài)變化，對于發(fā)生設備狀態(tài)變化的設備進行操作紙質(zhì)記錄提醒，保障每項操作記錄可查、可追溯。根據(jù)設備狀態(tài)比對模型，基于現(xiàn)場作業(yè)設備實時狀態(tài)監(jiān)測，對狀態(tài)比對結(jié)果不一致情況進行提醒。根據(jù)設備操作時間，進行定時操作提醒，例如：定時投瓦斯保護等。

6 總結(jié)

目前，多數(shù)的操作票系統(tǒng)僅涉及操作票的開票及審核管理功能，缺乏基于業(yè)務層面的安全風險分析，未能建立基于調(diào)度任務、設備、人員、環(huán)境的安全分析體系。隨著工作強度和作業(yè)次數(shù)的頻繁，使得調(diào)度人員會放松安全意識，對于操作任務中的某些操作風險點未能有意識的進行規(guī)避，導致造成人身安全事故。本文基于原有的操作票系統(tǒng)的基礎上構(gòu)建智能安全提醒，通過模型評估挖掘各類風險，梳理出相應的控制策略，從主觀層面提高安全意識，實現(xiàn)操作前及操作后的閉環(huán)管控，提升電網(wǎng)安全精益管理水平。

參考文獻

[1]韓樂.電網(wǎng)安全監(jiān)測監(jiān)控調(diào)度一體化系統(tǒng)的實踐[J].山東煤炭科技，2019（08）：143-145.

[2]何騰芳，鄧兵華，戴亦，陳媛.電網(wǎng)調(diào)度運行全過程風險跟蹤與動態(tài)調(diào)控技術(shù)研究[J].通信電源技術(shù)，2019，36（04）：5-6.

[3]賀楠，時珉，陳大軍，魯鵬.基于調(diào)度安全防誤的智能操作票研究與分析[J].價值工程，2015，34（04）：69-71.

[4]魏曉艷.變電運行倒閘操作中的常見問題研究[J].河南科技，2019（20）：128-130.