靳 帥, 蔣 敏， 田 若 朝

(國(guó)能大渡河枕頭壩發(fā)電有限公司，四川 樂(lè)山 614700)

1 概 述

傳統(tǒng)的水電站應(yīng)急預(yù)案演練通常通過(guò)預(yù)設(shè)一個(gè)邊界條件，針對(duì)某一個(gè)突發(fā)狀況開(kāi)展對(duì)應(yīng)預(yù)案的應(yīng)急演練，而實(shí)際情況一般比較復(fù)雜。一個(gè)應(yīng)急事件出現(xiàn)時(shí)會(huì)引發(fā)多個(gè)應(yīng)急預(yù)案同時(shí)啟動(dòng)，需要在短時(shí)間內(nèi)對(duì)多項(xiàng)應(yīng)急處置資源進(jìn)行快速調(diào)配和部署，這依賴(lài)于應(yīng)急指揮人員的個(gè)人技能水平，因此對(duì)處置效果帶來(lái)極大的不確定性。

在實(shí)際的生產(chǎn)運(yùn)行過(guò)程中，應(yīng)急事件發(fā)生時(shí)，應(yīng)急指揮人員通常被動(dòng)應(yīng)對(duì)，容易出現(xiàn)頭腦空白，手足無(wú)措的狀況?；蚴敲τ诮哟螂娫?huà)，疲于應(yīng)對(duì)各種詢(xún)問(wèn)，無(wú)法有效進(jìn)行應(yīng)急處置。當(dāng)某個(gè)因素引發(fā)了多個(gè)應(yīng)急預(yù)案并發(fā)啟動(dòng)時(shí)，會(huì)導(dǎo)致無(wú)所適從，組織混亂。因此應(yīng)急處置過(guò)程中，大量的時(shí)間浪費(fèi)在物資查找，資源協(xié)調(diào)上，嚴(yán)重影響處置效能。

2 問(wèn)題分析及解決思路

水電站生產(chǎn)應(yīng)急指揮所面臨的困境和難題從本質(zhì)上來(lái)講是在多種因素概率條件作用下的綜合預(yù)測(cè)決策問(wèn)題，主要是三個(gè)方面的問(wèn)題，即水電站生產(chǎn)過(guò)程中面臨哪些應(yīng)急風(fēng)險(xiǎn)、各應(yīng)急風(fēng)險(xiǎn)之間有哪些關(guān)聯(lián)關(guān)系、應(yīng)急風(fēng)險(xiǎn)發(fā)生后如何處置。針對(duì)這些問(wèn)題，通過(guò)對(duì)水電站生產(chǎn)過(guò)程中各種風(fēng)險(xiǎn)數(shù)據(jù)、管理數(shù)據(jù)、環(huán)境數(shù)據(jù)收集與分析，開(kāi)展全方位、全過(guò)程、全要素的風(fēng)險(xiǎn)識(shí)別、應(yīng)急事件預(yù)判和應(yīng)急處置預(yù)控[1]，輔助生產(chǎn)應(yīng)急指揮進(jìn)行決策，即通過(guò)對(duì)應(yīng)急風(fēng)險(xiǎn)因子分析、應(yīng)急事件的耦合關(guān)系分析、應(yīng)急處置輔助決策自動(dòng)匹配三種方式進(jìn)行解決。

該課題研究以大渡河流域枕頭壩水電站為基礎(chǔ)，對(duì)電站所處的地理位置、社會(huì)環(huán)境、生產(chǎn)工藝流程等因素分析，從對(duì)安全生產(chǎn)構(gòu)成重大威脅的自然災(zāi)害、突發(fā)公共衛(wèi)生事件、社會(huì)安全事件、安全生產(chǎn)事故等風(fēng)險(xiǎn)因素分析著手。通過(guò)數(shù)據(jù)分析和模型建立，提前計(jì)算事故或?yàn)?zāi)害發(fā)生的可能性，對(duì)災(zāi)害預(yù)警，指導(dǎo)現(xiàn)場(chǎng)值守人員有針對(duì)性地開(kāi)展應(yīng)急預(yù)案的演練；事故發(fā)生時(shí)能夠從容應(yīng)對(duì)，并根據(jù)模型給出的處置輔助決策，合理安排應(yīng)急處置工作，對(duì)人員、物資、車(chē)輛、措施等應(yīng)急物資進(jìn)行有效配置。當(dāng)多個(gè)應(yīng)急預(yù)案同時(shí)啟動(dòng)時(shí)能夠高效應(yīng)對(duì)，并根據(jù)災(zāi)害發(fā)生的嚴(yán)重程度和影響范圍進(jìn)行合理的決策，從而實(shí)現(xiàn)應(yīng)急事件處置的超前提醒、科學(xué)管理、高效處置和資源合理分配[2]。課題研究思路見(jiàn)圖1。

圖1 課題研究思路

3 研究?jī)?nèi)容

課題根據(jù)枕頭壩水電站長(zhǎng)期運(yùn)行情況及所處區(qū)域典型的安全生產(chǎn)影響因素，有針對(duì)性地選取典型特征數(shù)據(jù)。首先采集氣象水情數(shù)據(jù)、設(shè)備隱患數(shù)據(jù)、設(shè)備檢修數(shù)據(jù)、兩票數(shù)據(jù)等歷史數(shù)據(jù)，開(kāi)展相應(yīng)的數(shù)據(jù)預(yù)處理，運(yùn)用專(zhuān)家調(diào)查法或主觀概率法征集有關(guān)專(zhuān)家的意見(jiàn)建立初步因子集與相關(guān)影響系數(shù)，同時(shí)選取關(guān)鍵影響因子進(jìn)行回歸算法和時(shí)間序列算法模型預(yù)測(cè)，建立不同因子的最優(yōu)預(yù)測(cè)模型。接著結(jié)合應(yīng)急事件和影響因子的相關(guān)系數(shù)、建立機(jī)器學(xué)習(xí)分類(lèi)模型，實(shí)現(xiàn)對(duì)應(yīng)急事件風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)，根據(jù)各應(yīng)急事件的影響因子間的因果關(guān)系，建立多應(yīng)急事件的整體風(fēng)險(xiǎn)鏈耦合預(yù)測(cè)模型；最后基于模型的結(jié)果對(duì)可能發(fā)生的應(yīng)急風(fēng)險(xiǎn)進(jìn)行有匹配對(duì)應(yīng)預(yù)防與處置方案，實(shí)現(xiàn)輔助決策。并結(jié)合電站現(xiàn)有資源，提前為應(yīng)急指揮人員提供科學(xué)的應(yīng)急資源分配實(shí)施方案。

3.1 應(yīng)急風(fēng)險(xiǎn)分析

風(fēng)險(xiǎn)水平是某個(gè)(或多個(gè))致災(zāi)因子造成某種(或多種)負(fù)面后果(如人員傷亡、財(cái)產(chǎn)損失等)的概率大小。由于其準(zhǔn)確定量計(jì)算十分困難，該課題研究主要參考LEC評(píng)價(jià)風(fēng)險(xiǎn)方法，用事件發(fā)生可能性、致災(zāi)強(qiáng)度、事故后果進(jìn)行度量。承災(zāi)體可以為人員、設(shè)備或建筑，其本身的脆弱性(其自身的易損性和暴露在致災(zāi)因子中的程度)，以及受到外部保護(hù)或應(yīng)急響應(yīng)的情況(應(yīng)急能力水平衡量)。

為有效構(gòu)建應(yīng)急風(fēng)險(xiǎn)因子集，首先采集電站投運(yùn)以來(lái)積累的近十萬(wàn)條運(yùn)行數(shù)據(jù)，九萬(wàn)多條氣象數(shù)據(jù)。選取了已發(fā)布的24個(gè)標(biāo)準(zhǔn)應(yīng)急預(yù)案、26個(gè)應(yīng)急處置方案，近200多次預(yù)案演練數(shù)據(jù)、事故處理經(jīng)驗(yàn)數(shù)據(jù)等，所選取的數(shù)據(jù)量大、范圍廣、連續(xù)性強(qiáng)，對(duì)這些數(shù)據(jù)采用多種方式處理分析，也為后續(xù)的模型構(gòu)建做準(zhǔn)備。

通過(guò)對(duì)采集數(shù)據(jù)分析，梳理出枕頭壩電站已有的應(yīng)急致災(zāi)因子情況，參考行業(yè)規(guī)定和現(xiàn)場(chǎng)實(shí)際運(yùn)行經(jīng)驗(yàn)，整理形成危害因素和威脅因素兩類(lèi)因子，應(yīng)急風(fēng)險(xiǎn)因子分析見(jiàn)圖2。結(jié)合歷史數(shù)據(jù)及運(yùn)行經(jīng)驗(yàn)分析，危害因素是電站最易產(chǎn)生的因素，因此重點(diǎn)針對(duì)危害因素的各個(gè)因子進(jìn)行研究。

圖2 應(yīng)急風(fēng)險(xiǎn)因子分析

3.2 模型構(gòu)建

(1)影響因子及應(yīng)急事件等級(jí)預(yù)測(cè)模型。應(yīng)急事件的影響因子多為危害因素，由于各應(yīng)急事件的情況不同，危害因素中的外部環(huán)境因子對(duì)應(yīng)急事件的影響也各不相同。對(duì)應(yīng)急事件的風(fēng)險(xiǎn)等級(jí)預(yù)估，首先需要對(duì)影響該應(yīng)急事件的影響因子進(jìn)行預(yù)測(cè)。考慮到該次選取的影響因子溫度、庫(kù)水位、氣象、水流量等的特征較多，除了其他的環(huán)境變量的影響外，影響因子間還存在一定的自相關(guān)特性，因此選取多機(jī)器學(xué)習(xí)回歸算法，對(duì)影響因子進(jìn)行預(yù)測(cè)。

通過(guò)分析影響各特征因子和影響因子間的相關(guān)性以及各影響因子的自相關(guān)性，建立相關(guān)性網(wǎng)絡(luò)。使用機(jī)器學(xué)習(xí)算法(局部加權(quán)回歸、K近鄰回歸)和時(shí)間序列算法進(jìn)行建模，將影響各影響因子的特征因子和自相關(guān)性輸入至不同的模型算法中進(jìn)行訓(xùn)練和驗(yàn)證，評(píng)估模型的泛化能力，對(duì)影響因子進(jìn)行預(yù)測(cè)。建立模型結(jié)果評(píng)估體系，包括但不限于擬合優(yōu)度R方、平均絕對(duì)誤差MAE、均方誤差MSE、均方根誤差RMSE等評(píng)估指標(biāo)，對(duì)各模型算法的預(yù)測(cè)結(jié)果進(jìn)行評(píng)估，選取最優(yōu)預(yù)測(cè)算法。

(2)基于多特征分析的應(yīng)急事件風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型?？紤]到應(yīng)急事件的多樣性和影響應(yīng)急事件的影響因子的多樣性，基于大數(shù)據(jù)技術(shù)分析，采用多維度多層級(jí)的機(jī)器學(xué)習(xí)算法。根據(jù)影響因子和應(yīng)急事件之間的相關(guān)性分析結(jié)果，提取各應(yīng)急事件的主控因子，建立應(yīng)急事件風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型。該課題中采用樸素貝葉斯分類(lèi)算法、隨機(jī)森林算法、基于softmax的logistic算法，對(duì)應(yīng)急事件風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)測(cè)，具體如下：

使用機(jī)器學(xué)習(xí)算法建立應(yīng)急事件風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型，將影響應(yīng)急事件的影響因子和主控因子輸入至各模型算法中進(jìn)行學(xué)習(xí)和訓(xùn)練，評(píng)估模型的泛化能力，調(diào)整各模型算法參數(shù)；將影響因子預(yù)測(cè)模型中得到的影響因子預(yù)測(cè)結(jié)果輸入至訓(xùn)練后的應(yīng)急事件風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型中，對(duì)應(yīng)急事件風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)測(cè)。建立PRF分類(lèi)評(píng)價(jià)體系，對(duì)模型分類(lèi)結(jié)果進(jìn)行評(píng)估，優(yōu)選出最優(yōu)分類(lèi)算法。其中，PRF分類(lèi)評(píng)價(jià)體系包括準(zhǔn)確率、召回率和F1值(F1-score)。

(3)基于KSIM的惡劣天氣風(fēng)險(xiǎn)鏈耦合預(yù)測(cè)模型。在應(yīng)急事件的影響因子中，有很多影響因子將影響多個(gè)應(yīng)急事件風(fēng)險(xiǎn)等級(jí)。不同應(yīng)急事件的影響因子中，大部分影響因子是相同的，即一個(gè)影響因子可能會(huì)對(duì)多個(gè)應(yīng)急事件產(chǎn)生影響，且多應(yīng)急事件中，不同事件之間存在關(guān)聯(lián)關(guān)系，并產(chǎn)生相互影響，導(dǎo)致應(yīng)急事件的風(fēng)險(xiǎn)等級(jí)產(chǎn)生變化。

該課題研究中，因時(shí)間短、數(shù)據(jù)多、任務(wù)重，選擇從惡劣天氣出發(fā)，采用KSIM預(yù)測(cè)法(Kane Simulation Model)，基于交叉影響分析，推導(dǎo)引發(fā)的其他應(yīng)急事件，結(jié)合應(yīng)急事件和影響因子的相關(guān)系數(shù)、應(yīng)急事件風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)結(jié)果、各應(yīng)急事件的相關(guān)性、發(fā)生該應(yīng)急事件的嚴(yán)重程度等因素，建立多應(yīng)急事件的整體風(fēng)險(xiǎn)鏈耦合預(yù)測(cè)模型，對(duì)電站的整體應(yīng)急事件風(fēng)險(xiǎn)進(jìn)行評(píng)估，實(shí)現(xiàn)超前預(yù)警，保證電站的安全運(yùn)行。

(4)應(yīng)急人員能力與安排分析。在應(yīng)急預(yù)案處理中，針對(duì)不同的應(yīng)急地點(diǎn)、應(yīng)急崗位，需有不同的應(yīng)急人員安排。而現(xiàn)有的應(yīng)急人員安排多為管理者根據(jù)應(yīng)急人員日常表現(xiàn)及所在崗位等，人為進(jìn)行應(yīng)急工作安排，缺乏數(shù)據(jù)支撐和量化分析，容易因應(yīng)急工作安排不恰當(dāng)而導(dǎo)致應(yīng)急事件不能達(dá)到及時(shí)有效處理。該課題中，通過(guò)采集到的工作人員的應(yīng)急能力數(shù)據(jù)，量化數(shù)據(jù)特征，形成多特征維度的綜合評(píng)價(jià)體系，采用BIRCH層次聚類(lèi)算法，對(duì)應(yīng)急人員進(jìn)行應(yīng)急能力畫(huà)像分析，得到應(yīng)急人員應(yīng)急能力的綜合評(píng)價(jià)，為應(yīng)急處置工作安排提供數(shù)據(jù)支撐。

4 研究成果應(yīng)用

課題研究中選用2020年汛期大渡河流域強(qiáng)降雨期間的數(shù)據(jù)，對(duì)該研究的思路及構(gòu)建的模型進(jìn)行驗(yàn)證，通過(guò)搭建的防汛應(yīng)急指揮系統(tǒng)以可視化的方式展現(xiàn)出應(yīng)急風(fēng)險(xiǎn)分析、應(yīng)急事件預(yù)測(cè)、應(yīng)急預(yù)案及相應(yīng)處置方式推薦的全流程的輔助決策內(nèi)容[3]。通過(guò)模型計(jì)算預(yù)測(cè)，得出“全站停電事故”發(fā)生概率超過(guò)閾值，同時(shí)給出相應(yīng)的處置方案：

(1)增加2人支援運(yùn)行夜班。

(2)安排保護(hù)專(zhuān)業(yè)人員檢查枕深線(xiàn)線(xiàn)路保護(hù)裝置運(yùn)行狀態(tài)。

(3)安排專(zhuān)人對(duì)廠(chǎng)房、機(jī)組、排水泵、出線(xiàn)場(chǎng)等重點(diǎn)部位的巡視檢查。

(4)備足防汛沙袋，檢查廠(chǎng)房門(mén)口、尾水平臺(tái)防汛物資齊備。

(5)維護(hù)人員準(zhǔn)備好應(yīng)急排水泵，并進(jìn)行檢查。

(6)防汛應(yīng)急皮卡進(jìn)入待命狀態(tài)。

(7)建議啟動(dòng)防惡劣天氣應(yīng)急預(yù)案、全站停電事故應(yīng)急預(yù)案、廠(chǎng)用電中斷事故處置方案的演練。

在處置方案的具體實(shí)施過(guò)程中，系統(tǒng)結(jié)合人員畫(huà)像系統(tǒng)，根據(jù)不同的處置項(xiàng)目，快速匹配維護(hù)和運(yùn)行人員，合理推薦安排應(yīng)急人員及應(yīng)急任務(wù)，依據(jù)應(yīng)急處置進(jìn)程和應(yīng)急資源的數(shù)據(jù)進(jìn)行相應(yīng)的調(diào)配，對(duì)整個(gè)應(yīng)急處置過(guò)程進(jìn)行跟蹤，根據(jù)不同應(yīng)急狀態(tài)更新處置策略。應(yīng)急處置完畢后結(jié)合處置過(guò)程的反饋數(shù)據(jù)，自動(dòng)形成應(yīng)急處置報(bào)告，為后續(xù)的優(yōu)化提升積累經(jīng)驗(yàn)和提供指導(dǎo)。

5 結(jié) 語(yǔ)

該課題研究通過(guò)分析近年實(shí)際運(yùn)行數(shù)據(jù)，深入挖掘數(shù)據(jù)價(jià)值，構(gòu)建應(yīng)急處置輔助決策模型，將模型融入枕頭壩水電站應(yīng)急管理，加快“智能自主，人機(jī)協(xié)同”智慧電廠(chǎng)建設(shè)[4]。研究成果提供了一種全新的應(yīng)急處置模式，將傳統(tǒng)的依靠人工啟動(dòng)應(yīng)急預(yù)案的方式轉(zhuǎn)變?yōu)橥ㄟ^(guò)機(jī)器自學(xué)習(xí)啟動(dòng)。變應(yīng)急處置的被動(dòng)應(yīng)對(duì)為主動(dòng)出擊；將應(yīng)急處置從簡(jiǎn)單的因果關(guān)系角度提升到時(shí)空的維度中。根據(jù)不同時(shí)期、不同災(zāi)害的威脅程度，有針對(duì)性地制定應(yīng)急對(duì)策，實(shí)現(xiàn)了應(yīng)急管理的全面覆蓋和綜合應(yīng)對(duì)[5],也是數(shù)據(jù)驅(qū)動(dòng)管理模式變革的大膽嘗試。

該研究成果建立的基于多機(jī)器學(xué)習(xí)算法和時(shí)間序列算法的應(yīng)急預(yù)案高發(fā)時(shí)段預(yù)測(cè)數(shù)據(jù)模型，結(jié)合氣象、水文信息，做出應(yīng)急預(yù)案高發(fā)時(shí)段預(yù)測(cè)，為應(yīng)急指揮人員提供合理的應(yīng)急處置建議，有效提高事故處理效率，降低了經(jīng)濟(jì)損失。但受限于當(dāng)前所采集到的數(shù)據(jù)量，仍需通過(guò)更多的數(shù)據(jù)和應(yīng)用實(shí)踐進(jìn)一步驗(yàn)證和改進(jìn)模型，不斷地優(yōu)化算法，實(shí)現(xiàn)更準(zhǔn)確的預(yù)測(cè)。