CN102521672A - 一种基于配网生产作业计划的安全风险自动识别方法 - Google Patents

Abstract

一种基于配网生产作业计划的安全风险自动识别方法，它以生产作业计划为载体，将生产作业情况与供电企业所具备的生产力量、电网运行方式、现场作业控制和发生误操作的概率多因素进行承受能力对比分析；以及通过评估生产任务与“人员、时间、力量”的匹配程度来衡量安全风险，最终实现配网生成作业计划安全风险的自动识别；其中主要包括安全风险因素的识别模型及安全风险的分析引擎两个方面，它具有提高电网安全，提高供电可靠率，能提高了安全风险管理水平等特点；它对于形成安全生产预防机制，规避和化解安全风险，保障电网安全发展，促进企业平安和谐，具有重要的作用和意义。

Description

一种基于配网生产作业计划的安全风险自动识别方法

技术领域

本发明涉及的是一种基于配网生产作业计划的安全风险自动识别方法，属于电网技术领域。 

背景技术

面对越来越庞杂的电网和越来越高的安全生产要求，安全风险超前预警和识别的难度也越来越高：一方面要求尽可能系统地识别出所有潜在风险，另一方面安全风险识别的提前量也要求越来越大。而传统的电网安全风险需要复杂的拓扑分析和潮流计算才能识别，电网的快速增长使该类安全风险的识别陡然增加；以及传统的电网安全风险依赖于数据采集与监视控制系统(supervisory control and data acquisition，SCADA)等系统的实时数据，提前量很难增加。 

目前，配网安全分析方法主要为配电网静态安全分析方法，其中定义了配电网静态安全程度、配电网静态安全率和配电网静态安全减负荷值等指标。但实际上，除电网拓扑结构不合理等静态安全风险外，电网的安全生产风险更多来自动态风险，如停电检修、负荷转供、负荷超载等，该类安全风险在日常生产中经常出现；另外，除电网安全风险外，供电企业还非常关注生产过程中的人员安全风险和停电引起的用户影响风险。这样，传统方法很难实现对配网生产作业安全风险的自动识别并对其进行分析。 

发明内容

本发明的目的在于克服现有技术中所涉及传统方法远远满足不了供电企业对配网生产作业计划安全风险自动识别的实际要求，而提供一种为了实现生产作业计划安全风险的自动识别，而构建安全风险因素的识别模型及安全风险分析引擎的基于配网生产作业计划的安全风险自动识别方法。 

本发明的目的是通过如下技术方案来完成的，所述的自动识别方法，它以生产作业计划为载体，将生产作业情况与供电企业所具备的生产力量、电网运行方式、现场作业控制和发生误操作的概率多因素进行承受能力对比分析；以及通过评估生产任务与“人员、时间、力量”的匹配程度来衡量安全风险，最终实现配网生成作业计划安全风险的自动识别；其中主要包括安全风险因素的识别模型及安全风险的分析引擎两个方面； 

所述的安全风险因素的识别模型是：

配网生产作业安全风险按专业分为检修作业风险、运行操作风险和调度作业风险，用R_m、R_o和R_d分别表示以上三类风险，且每类风险又有若干个风险因素组成，并采用PR法建立如下安全风险模型：

式中：R为各风险因素加权后所得最终风险值；i为风险序号；m为风险因素数；w_i为风险因素i在整个风险中的权重；p_i是风险因素i发生的概率；f_i(X)为风险因素i的评估函数，x_i∈X，X为可观测量的全集，包括负荷情况、电网拓扑、人员数目、精神状态、天气情况；

所述安全风险的分析引擎由风险辨识、风险评估、风险控制及风险入库四个部分组成，其中所述的风险辨识是：系统根据生产计划的内容，自动采集可观测向量X_p=(x₁,x₂,x₃…x_p)，它包括停电时间、停电范围、人员安排和工程量信息，再结合配网的拓扑、台账以及负荷数据，从而自动计算相应的风险值R_p，并提示风险因素和来源，对于风险值超过一定阈值(即R_p≥R_Limit，R_Limit是该类风险的阈值)的生产作业，进入下一步风险详细评估；

所述的风险评估是：在系统自动辨识的基础上，系统辅助工作人员根据实际情况，对R_p≥R_Limit的生产作业进行全面评估，即将X_p中元素扩展到观测变量全集X，从而形成符合生产班组自身实际安全承载力的正式评估报告，实现安全风险准确分析；

所述的风险控制是：对于高风险的生产作业，获取典型控制措施

，

，其中C(i)为措施库中风险因素i对应的典型控制措施集，生产人员只需对管控措施进行必要的修正确认即可；

所述的风险入库是：根据工作现场执行的风险管控措施总结提升，通过上述K均值聚类算法，提炼出典型安全生产风险案例，并将其规范化、精益化，充实到系统安全生产风险措施库中。

本发明所述的信息系统中所能获取到的可观测量往往是X的一个子集，通过某生产作业计划p所能获取到的观测量为X_p，则计算所得的风险值为: 

由于Xp中元素是X的子集，因此通常R_p≤R；采用K均值标准算法对风险进行聚类，聚类过程中，利用K均值标准算法将l个风险样本分成K种典型风险，使得各样风险到所述典型风险类“中心”的方差和最小，即:

式中S是所有典型风险集合（总数为K个），S_k是其中第k类典型风险，u_k为S_k的“中心”，R_j是第j个计划的风险。

本发明可为配网生产作业计划带来如下积极效果： 

1.提高电网安全；通过安全风险自动识别方法，可以有效地识别出生产计划中的电网安全风险，并及时有效进行管控，提高电网安全，提高供电可靠率。

2.提高安全风险管理水平；通过对安全风险的自动识别，减少了人工判断安全风险的疏忽和遗漏，大大提高了风险管控效率，并将安全风险直观化、可视化，提高了安全风险管理水平。 

3.风险管理体系规范化、标准化；安全管理的实质是风险管理。通过安全风险自动识别方法，建立安全风险管理体系，是电网安全生产面临形势和任务的要求，这对于形成安全生产预防机制，规避和化解安全风险，保障电网安全发展，促进企业平安和谐，具有重要的作用和意义。 

具体实施方式

    下面将结合具体实施例对本发明作详细的介绍：所述的安全风险自动识别方法是经过长期的实践与总结，根据配网供电企业实际情况，所提出的配网生产作业计划安全风险的自动识别方法。它以生产作业计划为载体，按照“风险都可以控制、隐患可以避免、事故可以防范”的要求，将生产作业情况与供电企业所具备的生产力量、电网运行方式、现场作业控制和发生误操作的概率等因素进行承受能力对比分析；以及通过评估生产任务与“人员、时间、力量”的匹配程度来衡量安全风险，最终实现配网生成作业计划安全风险的自动识别，它主要包括安全风险因素的识别模型及安全风险的分析引擎； 

所述的安全风险因素的识别模型是：

配网生产作业安全风险可按专业分为检修作业风险、运行操作风险和调度作业风险，用R_m、R_o和R_d分别表示以上3类风险，而每类风险又有若干个风险因素组成。对于风险因素的评估，通常有LEC法(L-事故发生的可能性, E-暴露于危险的频繁程度, C-发生事故产生的后果)和PR法（P-事故发生的可能性, R-后果严重性），本文借鉴PR法建立如下安全风险模型：

式中：R为各风险因素加权后所得最终风险值；i为风险序号；m为风险因素数；w_i为风险因素i在整个风险中的权重；p_i是风险因素i发生的概率；f_i(X)为风险因素i的评估函数，x_i∈X，X为可观测量的全集，如负荷情况、电网拓扑、人员数目、精神状态、天气情况等。

由于很难将可观测量全部信息化，因此，在信息系统中所能获取到的可观测量往往是X的一个子集。如通过某生产作业计划p所能获取到的观测量为X_p，则计算所得的风险值为: 

由于Xp中元素是X的子集，因此通常R_p≤R。风险聚类是风险历史数据挖掘的关键，本文采用K均值标准算法对风险进行聚类。聚类过程中，利用K均值标准算法将l个风险样本分成K种典型风险，使得各样本风险到所述典型风险类“中心”的方差和最小，即:

式中S是所有典型风险集合（总数为K个），S_k是其中第k类典型风险，u_k为S_k的“中心”，R_j是第j个计划的风险。

在上述模型基础上，本发明通过如下步骤实现安全风险的自动识别方法： 

步骤1：通过生产管理信息系统（如SG186-PMS系统）获取生产作业计划；

步骤2：通过能量管理系统（EMS或者SCADA系统）获取负荷信息；

步骤3：针对步骤1中的每一条生产作业计划

步骤3.1：根据生产作业计划中的详细属性（包括停电计划开始时间、停电计划结束时间、停电范围、停电工作负责人、停电工作人员、停电工作量）和步骤2中获取的负荷信息（电流、电压、功率），组成上述模型中的可观测向量X。

步骤3.2：根据上述信息，利用函数f_i(X)评估在可观测向量X的情况下第i个风险发生的危害程度，其中f_i由电力行业专家和国家电网安全风险标准确定。 

步骤3.3：判断风险i发生的概率（即p_i）和该风险的权重w_i，其中p_i根据国家电网安全风险标准确定，w_i由电力行业专家确定。 

步骤3.4：根据公式

，计算出该计划的总体风险 

步骤3.5：若上述计算出的风险满足R>R _limit ,（R _limit ,由电力行业专家确定）则说明该计划存在较大安全风险，进入下文所述的风险评估和风险控制；否则返回步骤3。

所述的安全风险的分析引擎由风险辨识、风险评估、风险控制及风险入库4个部分组成，其中所述的风险辨识是：系统根据生产计划的内容，自动采集可观测向量X_p=(x₁,x₂,x₃…x_p)，如停电时间、停电范围、人员安排和工程量等信息，再结合配网的拓扑、台账以及负荷数据，从而自动计算相应的风险值R_p，并提示风险因素和来源。对于风险值超过一定阈值(即R_p≥R_Limit，R_Limit是该类风险的阈值)的生产作业，进入下一步风险详细评估； 

所述的风险评估是：在系统自动辨识的基础上，系统辅助工作人员根据实际情况，对R_p≥R_Limit的生产作业进行全面评估(即将X_p中元素扩展到观测变量全集X)，从而形成符合生产班组自身实际安全承载力的正式评估报告，实现安全风险准确分析；

所述的风险控制是：对于高风险的生产作业，获取典型控制措施

，

，其中C(i)为措施库中风险因素i对应的典型控制措施集，生产人员只需对管控措施进行必要的修正确认即可；

所述的风险入库是：根据工作现场执行的风险管控措施总结提升，通过上述K均值聚类算法，提炼出典型安全生产风险案例，并将其规范化、精益化，充实到系统安全生产风险措施库中。

  

实施例

基于配网生产作业计划的安全风险自动识别方法由嘉兴平湖市供电局和IBM中国研究院共同研发，已于2010年11月在嘉兴电力局推广应用；该方法从生产管理系统(SG186-PMS)中获取配网拓扑结构、设备及人力资源等基础数据，建立了安全风险因素识别模型，实现了对生产作业计划中安全风险的自动辨识，辅助企业构建安全风险控制措施，有效地提升了企业的风险管控能力，最终实现企业管理效益的提升。 

  

Claims (2)

1.一种基于配网生产作业计划的安全风险自动识别方法，它以生产作业计划为载体，将生产作业情况与供电企业所具备的生产力量、电网运行方式、现场作业控制和发生误操作的概率多因素进行承受能力对比分析；以及通过评估生产任务与“人员、时间、力量”的匹配程度来衡量安全风险，最终实现配网生成作业计划安全风险的自动识别；其中主要包括安全风险因素的识别模型及安全风险的分析引擎两个方面；其特征在于，

所述的安全风险因素的识别模型是：

配网生产作业安全风险按专业分为检修作业风险、运行操作风险和调度作业风险，用R_m、R_o和R_d分别表示以上三类风险，且每类风险又有若干个风险因素组成，并采用PR法建立如下安全风险模型：

式中：R为各风险因素加权后所得最终风险值；i为风险序号；m为风险因素数；w_i为风险因素i在整个风险中的权重；p_i是风险因素i发生的概率；f_i(X)为风险因素i的评估函数，x_i∈X，X为可观测量的全集，包括负荷情况、电网拓扑、人员数目、精神状态、天气情况；

所述安全风险的分析引擎由风险辨识、风险评估、风险控制及风险入库四个部分组成，其中所述的风险辨识是：系统根据生产计划的内容，自动采集可观测向量X_p=(x₁,x₂,x₃…x_p)，它包括停电时间、停电范围、人员安排和工程量信息，再结合配网的拓扑、台账以及负荷数据，从而自动计算相应的风险值R_p，并提示风险因素和来源，对于风险值超过一定阈值(即R_p≥R_Limit，R_Limit是该类风险的阈值)的生产作业，进入下一步风险详细评估；

所述的风险评估是：在系统自动辨识的基础上，系统辅助工作人员根据实际情况，对R_p≥R_Limit的生产作业进行全面评估，即将X_p中元素扩展到观测变量全集X，从而形成符合生产班组自身实际安全承载力的正式评估报告，实现安全风险准确分析；

所述的风险控制是：对于高风险的生产作业，获取典型控制措施

，，其中C(i)为措施库中风险因素i对应的典型控制措施集，生产人员只需对管控措施进行必要的修正确认即可；

所述的风险入库是：根据工作现场执行的风险管控措施总结提升，通过上述K均值聚类算法，提炼出典型安全生产风险案例，并将其规范化、精益化，充实到系统安全生产风险措施库中。

2.根据权利要求1所述的基于配网生产作业计划的安全风险自动识别方法，其特征在于所述的信息系统中所能获取到的可观测量往往是X的一个子集，通过某生产作业计划p所能获取到的观测量为X_p，则计算所得的风险值为:

由于Xp中元素是X的子集，因此通常R_p≤R；采用K均值标准算法对风险进行聚类，聚类过程中，利用K均值标准算法将l个风险样本分成K种典型风险，使得各样风险到所述典型风险类“中心”的方差和最小，即:

式中S是所有典型风险集合（总数为K个），S_k是其中第k类典型风险，u_k为S_k的“中心”，R_j是第j个计划的风险。