CN103745080A - 基于贝叶斯模型的电网操作人因可靠性评估方法及装置 - Google Patents
基于贝叶斯模型的电网操作人因可靠性评估方法及装置 Download PDFInfo
- Publication number
- CN103745080A CN103745080A CN201310634789.1A CN201310634789A CN103745080A CN 103745080 A CN103745080 A CN 103745080A CN 201310634789 A CN201310634789 A CN 201310634789A CN 103745080 A CN103745080 A CN 103745080A
- Authority
- CN
- China
- Prior art keywords
- probability distribution
- electric grid
- reliability
- grid operating
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000008569 process Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 abstract 1
- 230000035882 stress Effects 0.000 description 6
- 208000027418 Wounds and injury Diseases 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 208000014674 injury Diseases 0.000 description 5
- 230000000505 pernicious effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010000372 Accident at work Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
Abstract
本发明提供了一种基于贝叶斯模型的电网操作人因可靠性评估方法及装置,评估方法包括:确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点,并确定根节点的先验概率分布和其子节点的条件概率分布,以及将根节点的先验概率分布作为父节点的联合概率分布;将父节点的联合概率分布和其子节点的条件概率分布代入公式中,计算出子节点的联合概率分布;将计算出的子节点的联合概率分布作为父节点的联合概率分布,重复执行上述步骤,直到计算出电网操作人因可靠性的概率为止。本发明的技术方案,能够在电网操作人员执行某个操作行为之后,便能够量化该操作行为的电网操作人因可靠性。
Description
技术领域
本发明涉及电网操作人因可靠性评估技术领域,尤其涉及一种基于贝叶斯模型的电网操作人因可靠性评估方法及评估装置。
背景技术
变电站承担着电压变换、传输和分配电能的任务,是电网中的重要组成节点,其可靠运行是电网公司提供连续、稳定电能的前提。目前,国内外对变电站可靠性的研究主要关注于电网设备的可靠性,对电网操作人员操作可靠性的研究还比较少,仅限于事故分析和规章制度的制订。
电网操作人员操作可靠性(本文简称为电网操作人因可靠性)是指变电站的操作人员在规定的时间内和预定工况下正确地完成任务的概率。操作失误的产生并不是随机的,而是与操作任务的复杂程度、操作人员的经验和操作设备的状态紧密相关。
随着变电运行操作步骤顺序复杂化,对电网操作人员的要求也相应提高,这不仅要求操作人员对变电站各种设备的原理结构、接线方式、保护配置、机械部件等特性熟悉掌握,而且要求操作人员对三相电流、电压、负荷、功率因素以及电流正序、负序、零序等原理和测量方式了如指掌。然而,随着电网操作员老龄化速度加剧,新操作人员的增长与培训跟不上电网发展速度,电网总体的运行水平在一定程度上呈下降的趋势,这大大增加了潜在的操作风险。另一方面,从各类安全生产事故分析报告中暴露出了电网公司在组织管理、安全保障、人员素质与安全意识等方面存在诸多问题。尤其是在智能电网和智能变电站更高的安全要求下,简单的事故统计和事故分析报告已经无法满足现在的电网安全稳定运行的要求。因此,为提高电网操作人因可靠性,减少恶性误操作、人身伤害事故的发生,迫切需要对人因失误机理进行深入研究,以能全方面地考虑分析电网操作失误的各类原因,量化电网操作人因可靠性,以保证电网安全稳定运行。
发明内容
有鉴于此,本发明提供一种基于贝叶斯模型的电网操作人因可靠性评估方法及装置,能够在电网操作人员执行某个操作行为之后,通过基于电网操作人员操作可靠性的贝叶斯模型,量化该操作行为的电网操作人因可靠性。
本发明提供的一种基于贝叶斯模型的电网操作人因可靠性评估方法,包括以下步骤:
确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点,并确定所述根节点的先验概率分布和其子节点的条件概率分布,以及将确定出的根节点的先验概率分布作为步骤而中父节点的联合概率分布;
将所述父节点的联合概率分布和其子节点的条件概率分布待入公式 中,计算出该子节点的联合概率分布;
将计算出的子节点的联合概率分布作为所述父节点的联合概率分布,重复执行步骤三,直到计算出的子节点的联合概率分布为叶节点的联合概率分布,即电网操作人因可靠性的概率为止。
其中,P(V)为子节点的联合概率分布,Pparents(Vi)为父节点Vi的联合概率分布,P(ViPparents(Vi)为子节点的条件概率分布。
进一步,在确定所述根节点的先验概率分布和其子节点的条件概率分布的步骤之前,还包括:设定电网运行过程中电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的节点位置的步骤。
进一步,所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素主要包括三类:组织因素、情境因素及个体因素;个体因素直接影响人因可靠性,组织因素和情境因素间接影响人因可靠性;其中,组织因素通过影响情境因素或者影响个体因素进而影响人因可靠性。
进一步,所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的组织因素包括如下至少一项:任务安排、操作票、培训质量、人员安排。
进一步,所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的情境因素包括如下至少一项:可用时间、工作负荷、工作环境、设备可操作性。
进一步,所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的个体因素包括如下至少一项:压力水平、注意力水平、技能与经验。
本发明还提供了一种基于贝叶斯模型的电网操作人因可靠性评估装置,包括:
确定模块,用于确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点,并确定所述根节点的先验概率分布和其子节点的条件概率分布,以及将确定出的根节点的先验概率分布作为步骤而中父节点的联合概率分布;
循环计算模块,用于循环地将所述父节点的联合概率分布和其子节点的条件概率分布待入按照公式 中,计算出该子节点的联合概率分布,直到计算出的子节点的联合概率分布为叶节点的联合概率分布,即电网操作人因可靠性的概率为止;其中,父节点的联合概率分布为确定模块确定的根节点的先验概率分布,或循环计算模块计算出的子节点的联合概率分布,P(V)为子节点的联合概率分布,Pparents(Vi)为父节点Vi的联合概率分布,P(ViPparents(Vi)为子节点的条件概率分布。
进一步,该评估装置还包括:节点位置设定模块,用于设定电网运行过程中电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的节点位置;
所述确定模块,具体用于确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在所述节点位置设定模块设定的贝叶斯模型中的根节点和子节点。
进一步,所述电网操作人员操作行为涉及的影响电网操作人因可靠性的变量因素主要包括三类:组织因素、情境因素及个体因素;个体因素直接影响人因可靠性,组织因素和情境因素间接影响人因可靠性;其中,组织因素通过影响情境因素或者影响个体因素进而影响人因可靠性。
进一步,所述组织因素包括如下至少一项:任务安排、操作票、培训质量、人员安排;所述情境因素包括如下至少一项:可用时间、工作负荷、工作环境、设备可操作性,所述个体因素包括如下至少一项:压力水平、注意力水平、技能与经验。
本发明的有益效果:
本发明提供的一种基于贝叶斯模型的电网操作人因可靠性评估方法及装置,当电网操作人员执行某个操作行为之后,通过基于电网操作人员操作可靠性的贝叶斯模型,就可一将该操作行为对电网操作人因可靠性的影响程度,也就是说,本发明能够量化电网操作人因可靠性,从而提高变电站操作可靠性,减少恶性误操作、人身伤害事故的发生,保证电网安全稳定运行。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1是本发明实施例的基于贝叶斯模型的电网操作人因可靠性评估方法流程图;
图2是本发明实施例构建的贝叶斯模型示意图;
图3是本发明实施例的基于贝叶斯模型的电网操作人因可靠性评估装置框图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
在详细讲述本发明实施例之前,先对贝叶斯模型进行详细介绍。贝叶斯网络(Bayesian Network)模型是基于概率分析、图论的一种不确定性知识表达和推理模型,一种将因果知识和概率知识相结合的信息表示框架。贝叶斯网络是一个有向无环图,其中节点代表论域中的变量,有向弧代表变量间的关系,变量之间的关系强度由节点与其父节点之间的条件概率来表示,并通过条件概率反映信息的不确定性。贝叶斯网络结合了数据信息和真实世界的信息(先验信息),能很好地解释系统的结构和行为;它使用概率理论来处理在描述不同知识成分之间的条件相关而产生的不确定性,适用于不确定性和不完备对象,运用贝叶斯定理计算出后验概率,可应用于有条件地依赖多种变量因素的决策。
一个贝叶斯网络可用<G,P>来表示,其中拓扑结构G表示一个具有N个节点的有向无环图,P表示每个节点相关的条件概率分布。节点集合V={V1,V2,...,VN}代表变量的集合。对于有向边(Vi,Vj),Vi为Vj的父节点,而Vj为Vi的子节点。没有父节点的节点称为根节点,没有子节点的节点称为叶节点。在贝叶斯网络中,节点只依赖于它的父节点集,而和它的非父节点集是条件独立的。
于是V的联合概率分布可以表示为:
其中Pparents(Vi)为父节点Vi的联合概率。
对于一个具有m个基本事件的变量Vi,假设已取得除Vi外所有与其相关变量的观察结果U=(V1,…,Vi-1,Vi+1,…,VN),则变量Vi的条件概率为:
贝叶斯模型能分析变量之间的相互因果关系,并表示为变量集合的联合概率分布,可以完成预测、判断和诊断等任务。
请参看图1,是本发明实施例提供的一种基于贝叶斯模型的电网操作人因可靠性评估方法的流程图。本发明实施例提供的电网操作人因可靠性评估方法,具体包括以下步骤:
步骤S101:确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点,并确定所述根节点的先验概率分布和所述子节点的条件概率分布,以及将确定出的根节点的先验概率分布作为步骤而中父节点的联合概率分布。
其中,电网操作人员在电网运行过程中执行的操作行为中,包含着一些影响电网操作人因可靠性的变量因素(相当于贝叶斯模型中的变量),这些变量因素一起可以用来构建用于评估电网操作人因可靠性的贝叶斯模型。其中,变量因素用于与贝叶斯网络中的节点位置对应。由此可以理解的是,在执行步骤S101之前,还包括设定电网运行过程中电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的节点位置的步骤。
当电网操作人员执行了某个操作行为之后,根据构建的用于评估电网操作人因可靠性的贝叶斯模型,就可以确定该操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点。
如果想进一步获取该操作行为影响电网操作人因可靠性的概率,就需要确定该操作行为涉及的变量因素在贝叶斯模型中根节点的先验概率分布和其子节点的条件概率分布。为了步骤S102中描述的方便和一致性,在此将步骤S101中的根节点称为父节点。该根节点的先验概率分布和其子节点的条件概率分布一般由专业电网安全可靠性专家评价根据实际情况评价给定。
步骤S102,将父节点的联合概率分布和其子节点的条件概率分布待入公式 中,计算出该子节点的联合概率分布。
其中,在步骤S102中,P(V)为子节点的联合概率分布,Pparents(Vi)为父节点Vi的联合概率分布,P(ViPparents(Vi)为子节点的条件概率分布。将步骤S101中确定的根节点的先验概率分布和子节点的条件概率分布待入步骤S102中的公式中,就可以计算出该子节点的联合概率分布。
步骤S103,将计算出的子节点的联合概率分布作为父节点的联合概率分布,重复执行步骤二,直到计算出的子节点的联合概率分布为叶节点的联合概率分布,即电网操作人因可靠性的概率为止。
具体地,在步骤S103中,需要将步骤S102中计算出的子节点的联合概率分布作为新的父节点的联合概率分布,并确定此时该父节点的子节点的条件概率分布,重复执行步骤S102,即将重新确定的父节点的联合概率分布和其子节点的条件概率分布待入公式 以计算出此时父节点的子节点的联合概率分布;重复执行该步骤,直到计算出的子节点的联合概率分布未叶节点的联合概率分布即电网操作人因可靠性的概率为止;
在步骤S103中,需要重复执行步骤S102的原因是:由于在贝叶斯模型中存在多个根节点、一个叶节点以及处于多个中间等级的多个子节点,因此需要重复步骤S103,直到计算出叶节点的联合概率分布为止,该叶节点的联合概率分布即为电网操作人因可靠性的概率。
在本发明实施例中,电网操作人员执行某个操作行为之后,通过基于电网操作人员操作可靠性的贝叶斯模型,就可一将该操作行对电网操作人因可靠性的影响程度,也就是说,本发明能够量化电网操作人因可靠性,从而提高变电站操作可靠性,减少恶性误操作、人身伤害事故的发生,保证电网安全稳定运行。
如图2所示,在构建的贝叶斯模型中,电网操作人员操作行为涉及的影响电网操作人因可靠性的变量因素主要包括三类因素,即组织因素、情境因素及个体因素。其中,个体因素直接影响人因可靠性,组织因素和情境因素间接影响人因可靠性,且组织因素通过影响情境因素或者影响个体因素进而影响人因可靠性。也就是说,在构建的基于电网操作人因可靠性的贝叶斯模型中,组织因素处于根节点位置,个体因素和情境因素均处于中间节点位置。
进一步地,影响电网操作人员操作可靠性的组织因素具体包括:任务安排、操作票、培训质量、人员安排;影响电网操作人员操作可靠性的情境因素具体包括:可用时间、工作负荷、工作环境、设备可操作性;影响电网操作人员操作可靠性的个体因素具体包括:压力水平、注意力水平、技能与经验。其中表1描述了上述各个变量因素是通过何种途径影响电网操作人因可靠性。
表1—变量因素影响电网操作人因可靠性途径表
在图2所示的贝叶斯模型中,假定除人因可靠性节点外,其余每个节点都有三个状态,如“工作环境”(E)可分为不利的(E1)、可接受的(E2)、合适的(E3);“设备可操作性”(I)可分为不利的(I1)、可接受的(I2)、合适的(I3);“注意力水平”(F)可分为低(F1)、中(F2)、高(F3)。并假设电网操作人员某一操作行为涉及的变量因素包括:“工作环境”和“设备可操作性”。此时,若需要量化该操作人员操作行为的人因可靠性,则需要首先确定“工作环境”、“设备可操作性”这两个根节点的先验概率分布和其子节点“注意力水平”的条件概率分布。若已获得根节点“工作环境”、“设备可操作性”的先验概率分布和其子节点“注意力水平”的条件概率分布,则由贝叶斯模型,按照步骤S102中的公式,可以计算出由“工作环境”和“设备可操作性”引起注意力水平处于“低”、“中”、“高”水平的联合概率分别为:
同理,在给定根节点“任务安排”、“操作票”的先验概率分布和其子节点“工作负荷”的条件概率分布之后,则由贝叶斯模型,则可以计算出由“任务安排”和“操作票”引起“工作负荷”处于“低”、“中”、“高”水平的联合概率。
步骤S102中,在计算出子节点的联合概率分布或者说根节点下一等级子节点的联合概率分布之后,需要执行步骤S103,即将计算出的该子节点的联合概率分布作为重新确定的父节点的联合概率分布,并确定此时父节点所包含的子节点的条件概率分布,以及重复执行步骤S102,直到计算出叶节点的联合概率分布即电网操作人因可靠性的概率为止。
具体到本发明实施例图2所示的贝叶斯模型中,若需要计算出叶节点的联合概率分布即电网操作人因可靠性的概率,则首先需要计算出叶节点人因可靠性上一等级子节点的联合概率分布,即需要计算出“压力水平”、“注意力水平”及“技能与经验”的联合概率分布。由图2所示的贝叶斯模型可知,根节点与叶节点之间,存在多个处于中间等级的子节点,因此,为计算节点人因可靠性上一等级子节点的联合概率分布,需要重复执行将父节点的联合概率分布和其子节点的条件概率分布待入公式 计算出该子节点的联合概率分布的步骤。换句话说,在给定根节点的先验概率分布和其子节点的条件概率分布的情况下,可以通过逐层推导,从而计算各个子节点处于不同等级水平的联合概率分布,并最终预测到人因可靠性节点的概率分布。
在本发明的实施例中,假定人因可靠性节点(R)分为正常(R1)与失误(R2)两个状态,“压力水平”(P)可分为低(P1)、中(P2)、高(P3);“注意力水平”(F)可分为低(F1)、中(F2)、高(F3);“技能与经验”(S)可分为低(S1)、中(S2)、高(S3)。
若已获得人因可靠性的条件概率分布,并已计算出“压力水平”、“注意力水平”及“技能与经验”的联合概率分布。则由图2贝叶斯模型,可以计算出人因可靠性节点(R)处于正常(R1)的概率为:
人因可靠性节点(R)处于失误(R2)的概率为:
在本发明实施例中,电网操作人员执行某个操作行为之后,通过基于电网操作人员操作可靠性的贝叶斯模型,就可一将该操作行对电网操作人因可靠性的影响程度,也就是说,本发明能够量化电网操作人因可靠性,从而提高变电站操作可靠性,减少恶性误操作、人身伤害事故的发生,保证电网安全稳定运行。
相应地,本发明还提供了一种基于贝叶斯模型的电网操作人因可靠性评估装置1,包括:
确定模块11,用于确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点,并确定所根节点的先验概率分布和其子节点的条件概率分布,以及将确定出的根节点的先验概率分布作为步骤而中父节点的联合概率分布;
循环计算模块12,用于循环地将所述父节点的联合概率分布和其子节点的条件概率分布待入公式 中,计算出该子节点的联合概率分布,直到计算出的子节点的联合概率分布为叶节点的联合概率分布,即电网操作人因可靠性的概率为止;其中,父节点的联合概率分布为确定模块确定的根节点的先验概率分布,或循环计算模块计算出的子节点的联合概率分布,P(V)为子节点的联合概率分布,Pparents(Vi)为父节点Vi的联合概率分布,P(ViPparents(Vi)为子节点的条件概率分布。
进一步地,评估装置1还包括:节点位置设定模块13,用于设定电网运行过程中电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的节点位置;确定模块11,具体用于确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在所述节点位置设定模块设定的贝叶斯模型中的根节点和子节点。
在本发明实施例中,电网操作人员执行某个操作行为之后,评估装置通过基于电网操作人员操作可靠性的贝叶斯模型,就可一将该操作行对电网操作人因可靠性的影响程度,也就是说,本发明能够量化电网操作人因可靠性,从而提高变电站操作可靠性,减少恶性误操作、人身伤害事故的发生,保证电网安全稳定运行。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于贝叶斯模型的电网操作人因可靠性评估方法,其特征在于:包括以下步骤:
确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点,并确定所述根节点的先验概率分布和其子节点的条件概率分布,以及将确定出的根节点的先验概率分布作为步骤而中父节点的联合概率分布;
将所述父节点的联合概率分布和其子节点的条件概率分布待入公式 中,计算出该子节点的联合概率分布;
将计算出的子节点的联合概率分布作为所述父节点的联合概率分布,重复执行步骤三,直到计算出的子节点的联合概率分布为叶节点的联合概率分布,即电网操作人因可靠性的概率为止;
其中,P(V)为子节点的联合概率分布,Pparents(Vi)为父节点Vi的联合概率分布,P(ViPparents(Vi)为子节点的条件概率分布。
2.如权利要求1所述的电网操作人因可靠性评估方法,其特征在于:在确定所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点的步骤之前,还包括设定电网运行过程中电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的节点位置的步骤。
3.如权利要求1所述的电网操作人因可靠性评估方法,其特征在于:所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素主要包括三类:组织因素、情境因素及个体因素;个体因素直接影响人因可靠性,组织因素和情境因素间接影响人因可靠性;其中,组织因素通过影响情境因素或者影响个体因素进而影响人因可靠性。
4.如权利要求3所述的电网操作人因可靠性评估方法,其特征在于:所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的组织因素包括如下至少一项:任务安排、操作票、培训质量、人员安排。
5.如权利要求3所述的电网操作人因可靠性评估方法,其特征在于:所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的情境因素包括如下至少一项:可用时间、工作负荷、工作环境、设备可操作性。
6.如权利要求3所述的电网操作人因可靠性评估方法,其特征在于:所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的个体因素包括如下至少一项:压力水平、注意力水平、技能与经验。
7.一种基于贝叶斯模型的电网操作人因可靠性评估装置,其特征在于:包括:
确定模块,用于确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的根节点和子节点,并确定所述根节点的先验概率分布和其子节点的条件概率分布,以及将确定出的根节点的先验概率分布作为步骤而中父节点的联合概率分布;
循环计算模块,用于循环地将所述父节点的联合概率分布和其子节点的条件概率分布待入公式 中,计算出该子节点的联合概率分布,直到计算出的子节点的联合概率分布为叶节点的联合概率分布,即电网操作人因可靠性的概率为止;其中,父节点的联合概率分布为确定模块确定的根节点的先验概率分布,或循环计算模块计算出的子节点的联合概率分布,P(V)为子节点的联合概率分布,Pparents(Vi)为父节点Vi的联合概率分布,P(ViPparents(Vi)为子节点的条件概率分布。
8.如权利要求7所述的电网操作人因可靠性评估装置,其特征在于:还包括:节点位置设定模块,用于设定电网运行过程中电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在贝叶斯模型中的节点位置;
所述确定模块,具体用于确定电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素在所述节点位置设定模块设定的贝叶斯模型中的根节点和子节点。
9.如权利要求7所述的电网操作人因可靠性评估装置,其特征在于:所述电网操作人员操作行为涉及的、影响电网操作人因可靠性的变量因素主要包括三类:组织因素、情境因素及个体因素;个体因素直接影响人因可靠性,组织因素和情境因素间接影响人因可靠性;其中,组织因素通过影响情境因素或者影响个体因素进而影响人因可靠性。
10.如权利村注9所述的电网操作人因可靠性评估装置,其特征在于:所述组织因素包括如下至少一项:任务安排、操作票、培训质量、人员安排;所述情境因素包括如下至少一项:可用时间、工作负荷、工作环境、设备可操作性,所述个体因素包括如下至少一项:压力水平、注意力水平、技能与经验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310634789.1A CN103745080A (zh) | 2013-12-02 | 2013-12-02 | 基于贝叶斯模型的电网操作人因可靠性评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310634789.1A CN103745080A (zh) | 2013-12-02 | 2013-12-02 | 基于贝叶斯模型的电网操作人因可靠性评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103745080A true CN103745080A (zh) | 2014-04-23 |
Family
ID=50502097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310634789.1A Pending CN103745080A (zh) | 2013-12-02 | 2013-12-02 | 基于贝叶斯模型的电网操作人因可靠性评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103745080A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239688A (zh) * | 2014-08-13 | 2014-12-24 | 国网上海市电力公司 | 一种基于人因可靠性分析的电力倒闸方法 |
CN106600167A (zh) * | 2016-12-29 | 2017-04-26 | 中国石油大学(华东) | 考虑人因失误和组织缺陷的海洋平台火灾风险评估方法 |
CN108734499A (zh) * | 2017-04-25 | 2018-11-02 | 腾讯科技(深圳)有限公司 | 推广信息效果分析方法及装置、计算机可读介质 |
CN109447495A (zh) * | 2018-11-08 | 2019-03-08 | 南华大学 | 核电厂组织行为可靠性评估方法、装置及设备 |
CN109447494A (zh) * | 2018-11-08 | 2019-03-08 | 南华大学 | 核电厂班组情景意识可靠性评估方法、装置、设备及介质 |
CN111178404A (zh) * | 2019-12-17 | 2020-05-19 | 中国航天标准化研究所 | 考虑路径依赖效应的人机交互系统任务可靠性建模方法 |
CN116778856A (zh) * | 2023-08-18 | 2023-09-19 | 深圳市巴科光电科技股份有限公司 | 一种应用于电力系统的智能化led显示装置及方法 |
CN116778856B (zh) * | 2023-08-18 | 2024-05-14 | 深圳市巴科光电科技股份有限公司 | 一种应用于电力系统的智能化led显示装置及方法 |
-
2013
- 2013-12-02 CN CN201310634789.1A patent/CN103745080A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239688A (zh) * | 2014-08-13 | 2014-12-24 | 国网上海市电力公司 | 一种基于人因可靠性分析的电力倒闸方法 |
CN106600167A (zh) * | 2016-12-29 | 2017-04-26 | 中国石油大学(华东) | 考虑人因失误和组织缺陷的海洋平台火灾风险评估方法 |
CN106600167B (zh) * | 2016-12-29 | 2020-09-08 | 中国石油大学(华东) | 考虑人因失误和组织缺陷的海洋平台火灾风险评估方法 |
CN108734499A (zh) * | 2017-04-25 | 2018-11-02 | 腾讯科技(深圳)有限公司 | 推广信息效果分析方法及装置、计算机可读介质 |
CN108734499B (zh) * | 2017-04-25 | 2022-03-11 | 腾讯科技(深圳)有限公司 | 推广信息效果分析方法及装置、计算机可读介质 |
CN109447495A (zh) * | 2018-11-08 | 2019-03-08 | 南华大学 | 核电厂组织行为可靠性评估方法、装置及设备 |
CN109447494A (zh) * | 2018-11-08 | 2019-03-08 | 南华大学 | 核电厂班组情景意识可靠性评估方法、装置、设备及介质 |
CN111178404A (zh) * | 2019-12-17 | 2020-05-19 | 中国航天标准化研究所 | 考虑路径依赖效应的人机交互系统任务可靠性建模方法 |
CN111178404B (zh) * | 2019-12-17 | 2023-06-30 | 中国航天标准化研究所 | 考虑路径依赖效应的人机交互系统任务可靠性建模方法 |
CN116778856A (zh) * | 2023-08-18 | 2023-09-19 | 深圳市巴科光电科技股份有限公司 | 一种应用于电力系统的智能化led显示装置及方法 |
CN116778856B (zh) * | 2023-08-18 | 2024-05-14 | 深圳市巴科光电科技股份有限公司 | 一种应用于电力系统的智能化led显示装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103745080A (zh) | 基于贝叶斯模型的电网操作人因可靠性评估方法及装置 | |
He et al. | Robust online dynamic security assessment using adaptive ensemble decision-tree learning | |
CN108089099A (zh) | 基于深度置信网络的配电网故障的诊断方法 | |
CN109596913B (zh) | 充电桩故障原因诊断方法及装置 | |
CN102916431A (zh) | 地区电网负荷转供辅助决策方法 | |
CN104934968A (zh) | 基于多智能体的配网应灾恢复协调控制方法及装置 | |
Lin et al. | A general framework for quantitative modeling of dependability in cyber-physical systems: A proposal for doctoral research | |
CN109445411B (zh) | 一种变电站故障诊断方法 | |
CN103218689A (zh) | 操作员状态评估的可靠性分析方法及装置 | |
CN109557414A (zh) | 综合电力系统故障诊断告警处理系统及方法 | |
WO2014173258A1 (zh) | 响应计划的可靠性分析方法及装置 | |
Guo et al. | Evidence-based approach to power transmission risk assessment with component failure risk analysis | |
CN116523294A (zh) | 基于知识图谱的电网风险预警及决策系统、方法及设备 | |
Nan et al. | Multilayer hybrid modeling framework for the performance assessment of interdependent critical infrastructures | |
CN104050377A (zh) | 一种时变设备故障概率确定方法 | |
KAluđer et al. | Fault diagnosis and identification in the distribution network using the fuzzy expert system | |
Tang et al. | A bayesian network approach to power system asset management for transformer dissolved gas analysis | |
Stewart et al. | Integrated multi-scale data analytics and machine learning for the distribution grid and building-to-grid interface | |
Langouranis et al. | Fuzzy total power quality index for electric networks | |
Jaiswal et al. | PMU based data driven approach for online dynamic security assessment in power systems | |
CN114091750A (zh) | 电网负荷异常预测方法、系统和存储介质 | |
Torres et al. | State of the art of human factors analysis applied to industrial and commercial power systems | |
CN110633906A (zh) | 一种计及人因可靠性的变电站自动化方法失效风险评估方法 | |
Nina et al. | Hybrid support system for decision making based on MLP-ANN, IED and SCADA for disturbances analysis of electrical power distribution transformers | |
Kotsalos et al. | On the development of a framework for the advanced monitoring of LV grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140423 |
|
RJ01 | Rejection of invention patent application after publication |