CN110895742A - 电力调度机器人风险评估方法及其系统 - Google Patents
电力调度机器人风险评估方法及其系统 Download PDFInfo
- Publication number
- CN110895742A CN110895742A CN201911093065.4A CN201911093065A CN110895742A CN 110895742 A CN110895742 A CN 110895742A CN 201911093065 A CN201911093065 A CN 201911093065A CN 110895742 A CN110895742 A CN 110895742A
- Authority
- CN
- China
- Prior art keywords
- risk
- value
- jth
- occurrence
- calculating
- 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 56
- 238000012502 risk assessment Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000013524 data verification Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 208000005225 Opsoclonus-Myoclonus Syndrome Diseases 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012764 semi-quantitative analysis Methods 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电力调度机器人风险评估方法及其系统，方法包括：根据电网运行历史数据，获取电力调度机器人存在的各种风险；确定每种风险的L值、E值和C值，所述L值为风险发生的可能性，所述E值为风险发生的时段，所述C值为风险发生的后果；根据所述每种风险的L、E、C值计算出每种风险的D值，所述D值为风险评估得分；根据所述每种风险的D值，获取高危风险。本发明电力调度机器人风险评估方法，通过根据电网运行历史数据，获取电力调度机器人存在的各种风险；并采用LEC算法，找出高危风险，为电力调度机器人的运行提供安全保障。
Description
技术领域
本发明涉及电力调度领域，特别是涉及一种电力调度机器人风险评估方法及其系统。
背景技术
电力调度机器人通过电网调控、设备监视实现电网态势把控，具备主动学习、人机语音交互以及对调度员行为过程的安全校核能力，可独立完成常规倒闸操作、常规事故处理等任务，提升电网调控运行智能化水平。
风险评估是电力调度机器人运行保障重要组成部分。电力调度机器人在运行过程中，涉及跟其他系统获取数据、数据解析、数据校验、自动成票、自动控制等众多环节，因难以保证所有环节都完全正确，所以存在一些运行风险。运行风险很可能会造成错误的操作处理，带来严重的后果，进行风险评估非常重要。
目前常见的风险评估方法，如风险树分析法、统计分析法、因果图分析法、损失期望值法、安全检查表法、危险指数评价法、失效模式和影响分析法、层次分析法、模糊综合评价法等，以上方法多为定性分析、半定量分析或伪定量分析，需要专家协助才能完成评估，并且难以对风险等级进行明确划分。电力调度机器人流程复杂，涉及数据交互多，操作过程有很多自动化的步骤，用上述风险评估方法难以有效应对。
发明内容
基于此，有必要针对现有的风险评估方法难以有效应对电力调度机器人的风险评估的问题，提供一种电力调度机器人风险评估方法及其系统。
一种电力调度机器人风险评估方法，包括：
根据电网运行历史数据，获取电力调度机器人存在的各种风险；
确定每种风险的L值、E值和C值，所述L值为风险发生的可能性，所述E值为风险发生的时段，所述C值为风险发生的后果；
根据所述每种风险的L、E、C值计算出每种风险的D值，所述D值为风险评估得分；
根据所述每种风险的D值，获取高危风险。
在其中一个实施例中，所述确定每种风险的L值的步骤包括：
根据所述电网运行历史数据，形成包括所有年份和所有风险的原始矩阵；
根据所述原始矩阵，计算某种风险在某年份所占的比重：
根据所述某种风险在某年份所占的比重，计算所述某种风险的熵值：
根据所述某种风险的熵值，计算所述某种风险的熵冗余度：
根据所述某种风险的熵冗余度，计算所述某种风险的权值：
根据所述某种风险的权值，计算所述某种风险的L值。
在其中一个实施例中，所述确定每种风险的L值的步骤包括：
根据所述电网运行历史数据，形成原始矩阵X＝(Xij)m×n，其中，n为n个年份，m为m种风险，Xij(i＝1,2,……,n；j＝1,2,……,m)为第i个年份的第j种风险的发生次数；
根据所述原始矩阵，计算所述第j种风险在所述第i个年份所占的比重Pij：
根据所述第j种风险在所述第i个年份所占的比重Pij，计算所述第j种风险的熵值ej：
根据所述第j种风险的熵值ej，计算所述第j种风险的熵冗余度：
dj＝1-ej；
根据所述第j种风险的熵冗余度，计算所述第j种风险的权值：
根据所述第j种风险的权值，计算所述第j种风险的L值。
在其中一个实施例中，所述第j种风险的权值大于0且小于等于1，所述根据所述第j种风险的权值，计算所述第j种风险的L值的步骤包括：
建立所述第j种风险的权值与L值的映射关系：
如所述第j种风险的权值的10倍大于6且小于等于10，则所述第j种风险的L值为10，代表风险发生的可能性为完全可以预料；
如所述第j种风险的权值的10倍大于3且小于等于6，则所述第j种风险的L值为6，代表风险发生的可能性为相当可能；
如所述第j种风险的权值的10倍大于1且小于等于3，则所述第j种风险的L值为3，代表风险发生的可能性为可能，但不经常；
如所述第j种风险的权值的10倍大于0.5且小于等于1，则所述第j种风险的L值为1，代表风险发生的可能性为可能性小，完全意外；
如所述第j种风险的权值的10倍大于0.2且小于等于0.5，则所述第j种风险的L值为0.5，代表风险发生的可能性为很不可能，可以设想；
如所述第j种风险的权值的10倍大于0.1且小于等于0.2，则所述第j种风险的L值为0.2，代表风险发生的可能性为极不可能；
如所述第j种风险的权值的10倍大于0且小于等于0.1，则所述第j种风险的L值为0.1，代表风险发生的可能性为实际不可能。
在其中一个实施例中，所述确定每种风险的E值的步骤包括：
根据风险发生的时段，确定每种风险的E值：
如风险发生的时段为所有时间，则E值确定为10；
如风险发生的时段为每天工作时间，则E值确定为6；
如风险发生的时段为每周一次或偶然，则E值确定为3；
如风险发生的时段为每月一次，则E值确定为2；
如风险发生的时段为每年几次，则E值确定为1；
如风险发生的时段为非常罕见，则E值确定为0.5。
在其中一个实施例中，所述确定每种风险的C值的步骤包括：
根据风险发生后的后果，确定每种风险的C值：
如风险发生后的后果为输电网瘫痪，则C值确定为100；
如风险发生后的后果为一定范围的停电，则C值确定为40；
如风险发生后的后果为少量设备无法正常运行，则C值确定为15；
如风险发生后的后果为严重，则C值确定为7；
如风险发生后的后果为重大，则C值确定为3；
如风险发生后的后果为引人注意，则C值确定为1。
在其中一个实施例中，所述根据所述每种风险的L、E、C值计算出每种风险的D值的步骤包括：根据以下计算式获取D值：D＝L×E×C；
所述根据所述每种风险的D值，找出高危风险的步骤包括：
对所述D值进行危险程度划分，根据所述危险程度，找出高危风险：
如D值>320，则危险程度为极其危险，不能继续使用；
如160＜D值≤320，则危险程度为高度危险，要立即整改；
如70＜D值≤160，则危险程度为显著危险，需要整改；
如20＜D值≤70，则危险程度为一般危险，需要注意；
如D值≤20，则危险程度为稍有危险，可以接受。
在其中一个实施例中，所述方法还包括：在根据所述每种风险的D值，找出高危风险之后，对所述电力调度机器人进行改进，改进后再次进行风险评估。
在其中一个实施例中，所述电力调度机器人存在的各种风险包括：数据源可靠性风险、语音识别可靠性风险、成票可靠性风险；其中：
所述数据源可靠性风险包括：准实时平台数据获取完整性风险、准实时平台数据获取实时性风险、接口可用性风险、数据解析准确性风险、数据校验正确性风险、与OMS数据交互准确定性风险、与OMS数据交互实时性风险；
所述语音识别可靠性风险包括：现场反馈完整性风险、现场反馈正确性风险、语音识别风险、语义理解风险；
所述成票可靠性风险包括：操作处理正确性风险、操作票生成风险。
一种电力调度机器人风险评估系统，包括：
风险获取单元，用于根据电网运行历史数据，获取电力调度机器人存在的各种风险；
L值、E值和C值获取单元，用于确定每种风险的L值、E值和C值，所述L值为风险发生的可能性，所述E值为风险发生的时段，所述C值为风险发生的后果；
D值获取单元，用于根据所述每种风险的L、E、C值计算出每种风险的D值，所述D值为风险评估得分；
高危风险获取单元，用于根据所述每种风险的D值，获取高危风险。
上述电力调度机器人风险评估方法及其系统，通过根据电网运行历史数据，获取电力调度机器人存在的各种风险；并采用LEC算法，找出高危风险，为电力调度机器人的运行提供安全保障。
附图说明
图1是本发明提供的电力调度机器人风险评估方法的流程示意图；
图2是本发明提供的电力调度机器人风险评估方法中确定每种风险的L值的流程示意图；
图3是本发明提供的电力调度机器人风险评估系统示意图。
具体实施方式
如图1所示，是本发明提供的电力调度机器人风险评估方法的流程示意图，该电力调度机器人风险评估方法可包括以下步骤：
S100：根据电网运行历史数据，获取电力调度机器人存在的各种风险。
由于电力调度机器人各环节存在的风险涉及到的多个系统都已长时间运行，面对的风险对象准实时平台、OMS(outage management system，停电管理系统)、现场管理、语音模块、操作管理、操作票等各个模块都是可见的，不是黑盒，所有涉及到的数据、日志、截图均可读取、分析、计算。
上述电力调度机器人存在的各种风险具体可包括：数据源可靠性风险、语音识别可靠性风险、成票可靠性风险；其中：
数据源可靠性风险包括：准实时平台数据获取完整性风险、准实时平台数据获取实时性风险、接口可用性风险、数据解析准确性风险、数据校验正确性风险、与OMS数据交互准确定性风险、与OMS数据交互实时性风险；
语音识别可靠性风险包括：现场反馈完整性风险、现场反馈正确性风险、语音识别风险、语义理解风险；
成票可靠性风险包括：操作处理正确性风险、操作票生成风险。
关于上述准实时平台数据获取完整性风险，准实时平台从其他系统获取的数据不完整或电力调度机器人从准实时平台获取的数据不完整，导致无法为后续操作提供完整数据支撑。
关于上述准实时平台数据获取实时性风险，准实时平台从其他系统获取的数据不实时或电力调度机器人从准实时平台获取的数据不实时，导致业务处理过程中使用过期数据，跟电网当前状态存在偏差。
关于上述接口可用性风险，跟准实时平台交互或通过消息队列交互或通过服务调用时，存在服务不可用或其他连通性问题，导致业务无法正常进行。
关于上述数据解析准确性风险，对CIM(公共信息模型)文件解析或其他数据解析时，因数据含义理解错误或数据格式发生变动等因素，导致数据解析出现偏差。
关于上述数据校验正确性风险，在电力调度机器人发出相关校核请求后，因不确定因素导致校核结论跟实际结论存在偏差。
关于上述与OMS数据交互准确定性风险，与OMS数据交互时，因参数传递或webService服务更改等不确定因素导致数据获取存在偏差。
关于上述与OMS数据交互实时性风险，与OMS数据交互时，获取的数据为前序状态的数据，因与当前状态数据存在偏差，导致调度分析出现错误。
关于上述现场反馈完整性风险，现场工作人员反馈时，部分信息遗漏或反馈的信息语音识别模块没有正确解析。
关于上述现场反馈正确性风险，现场工作人员在反馈时，反馈的信息存在错误或语音识别模块在进行语音解析时得到了错误的结果。
关于上述语音识别风险，语音识别结果存在偏差或因识别错误得到了相反的结果。
关于上述语义理解风险，自然语言处理模块在进行分词或词性标注时，出现偏差或完全错误的结果。
关于上述操作处理正确性风险，因业务变动或规程变化等不确定因素，导致操作处理发生更改，致使电力调度机器人的操作处理出现偏差或错误。
关于上述操作票生成风险，操作票自动生成模块，在根据既有数据进行成票时，因数据不完整或数据错误或分析错误等不确定因素，导致生成的操作票存在错误或偏差。
S200：确定上述每种风险的L值、E值和C值，L值为风险发生的可能性，E值为风险发生的时段，C值为风险发生的后果。
LEC评价法(美国安全专家K.J.格雷厄姆和K.F.金尼提出)是对具有潜在危险性作业环境中的危险源进行半定量的安全评价方法，一般用来针对人的作业过程进行风险评估。为适应电力调度机器人系统的具体案例，根据电网运行历史数据，本发明将评估模型L、E、C的释义做了相应调整，调整后转为针对软件系统的风险评估。
电网随着社会和经济的发展，复杂性日趋增大，各种故障的发生具有不确定性、不可预见性。在信息论这门科学中，熵是对不确定性、不可预见性的一种度量。根据熵的特性，本发明可通过计算熵值来判断某种风险的随机性、无序性程度，也可判断某种风险的离散程度。在其中一个实施例中，如图2所示，是本发明提供的电力调度机器人风险评估方法中确定每种风险的L值的流程示意图，上述确定每种风险的L值的步骤具体可包括：
S210：根据电网运行历史数据，形成包括所有年份和所有风险的原始矩阵。
如根据电网运行历史数据，形成原始矩阵X＝(Xij)m×n，其中，n为n个年份，m为m种风险，Xij(i＝1,2,……,n；j＝1,2,……,m)为第i个年份的第j种风险的发生次数。
S220：根据原始矩阵，计算某种风险在某年份所占的比重。
如根据原始矩阵，计算第j种风险在第i个年份所占的比重Pij：
S230：根据某种风险在某年份所占的比重，计算某种风险的熵值。
如根据第j种风险在第i个年份所占的比重Pij，计算第j种风险的熵值ej：
S240：根据某种风险的熵值，计算某种风险的熵冗余度。
如根据第j种风险的熵值ej，计算第j种风险的熵冗余度：
dj＝1-ej。
S250：根据某种风险的熵冗余度，计算某种风险的权值。
如根据第j种风险的熵冗余度，计算第j种风险的权值：
S260：根据某种风险的权值，计算某种风险的L值。
如根据第j种风险的权值，计算第j种风险的L值。
在其中一个实施例中，上述第j种风险的权值大于0且小于等于1，根据第j种风险的权值，计算第j种风险的L值的步骤具体可包括：
建立第j种风险的权值与L值的映射关系：
如第j种风险的权值的10倍大于6且小于等于10，则第j种风险的L值为10，代表风险发生的可能性为完全可以预料。
如第j种风险的权值的10倍大于3且小于等于6，则第j种风险的L值为6，代表风险发生的可能性为相当可能。
如第j种风险的权值的10倍大于1且小于等于3，则第j种风险的L值为3，代表风险发生的可能性为可能，但不经常。
如第j种风险的权值的10倍大于0.5且小于等于1，则第j种风险的L值为1，代表风险发生的可能性为可能性小，完全意外。
如第j种风险的权值的10倍大于0.2且小于等于0.5，则第j种风险的L值为0.5，代表风险发生的可能性为很不可能，可以设想。
如第j种风险的权值的10倍大于0.1且小于等于0.2，则第j种风险的L值为0.2，代表风险发生的可能性为极不可能。
如第j种风险的权值的10倍大于0且小于等于0.1，则第j种风险的L值为0.1，代表风险发生的可能性为实际不可能。
在其中一个实施例中，上述确定每种风险的E值的步骤具体可包括：
根据风险发生的时段，确定每种风险的E值：
如风险发生的时段为所有时间，则E值确定为10。
如风险发生的时段为每天工作时间(即电力调度机器人进行自动处理的时间段与调度员工工作时间相同)，则E值确定为6。
如风险发生的时段为每周一次或偶然，则E值确定为3。
如风险发生的时段为每月一次，则E值确定为2。
如风险发生的时段为每年几次，则E值确定为1。
如风险发生的时段为非常罕见，则E值确定为0.5。
在其中一个实施例中，上述确定每种风险的C值的步骤具体可包括：
根据风险发生后的后果，确定每种风险的C值：
如风险发生后的后果为输电网瘫痪(极其严重的破坏，产生恶劣影响)，则C值确定为100。
如风险发生后的后果为一定范围的停电(产生一定范围的社会性破坏和影响)，则C值确定为40。
如风险发生后的后果为少量设备无法正常运行(运行出现错误，造成很严重的破坏)，则C值确定为15。
如风险发生后的后果为严重(运行终止，但没有造成负面破坏)，则C值确定为7。
如风险发生后的后果为重大(运行暂停，但没有造成负面破坏)，则C值确定为3。
如风险发生后的后果为引人注意(出现警告日志，但仍可正常运行)，则C值确定为1。
S300：根据每种风险的L、E、C值计算出每种风险的D值，D值为风险评估得分。
具体可根据以下计算式获取D值：D＝L×E×C。
S400：根据每种风险的D值，获取高危风险。
在其中一个实施例中，上述步骤S400具体可包括：
对D值进行危险程度划分，根据危险程度，找出高危风险：
如D值>320，则危险程度为极其危险，不能继续使用。
如160＜D值≤320，则危险程度为高度危险，要立即整改。
如70＜D值≤160，则危险程度为显著危险，需要整改。
如20＜D值≤70，则危险程度为一般危险，需要注意。
如D值≤20，则危险程度为稍有危险，可以接受。
在其中一个实施例中，针对准实时平台数据获取完整性风险，准实时平台依赖多源系统数据，电网多年运行历史数据，通过熵值法计算得到L值为3；根据电力调度机器人进行自动处理的时间段与调度员工作时间相同，将E值确定为6；根据在需要对外提供数据或相关校验时，数据不完整会造成后续步骤无法进行出现暂停或出现偏差，将C值确定为3；故D＝L×E×C＝54，在20-70之间，属于一般危险，需要注意。
在其中一个实施例中，针对准实时平台数据获取实时性风险，准实时平台依赖多源系统数据并对电力调度机器人提供数据接口，整个过程数据刷新为分钟级，根据电网多年运行历史数据，通过熵值法计算得到L值为6；根据电力调度机器人进行自动处理的时间段与调度员工作时间相同，将E值确定为6；根据在需要对外提供数据或相关校验时，数据不完整会造成后续步骤无法进行出现暂停或出现偏差，将C值确定为3；故D＝L×E×C＝108，在70-160之间，属于显著危险，需要整改。
在其中一个实施例中，针对接口可用性风险，准实时平台采用主备模式部署，接口无法访问可能会在极个别的意外情况下发生，根据电网多年运行历史数据，通过熵值法计算得到L值为1；根据电力调度机器人进行自动处理的时间段与调度员工作时间相同，将E值确定为6；根据接口无法连通，会导致电力调度机器人无法继续工作而终止，但不会产生负面的破坏性影响，将C值确定为7；故D＝L×E×C＝42，在20-70之间，属于一般危险，需要注意。
针对其他风险，可参考上述三种风险，确定每种风险的L值、E值、C值，并根据L值、E值、C值，计算D值，进而获取高危风险，此处不再赘述。
本发明实施例提供的电力调度机器人风险评估方法，通过根据电网运行历史数据，获取电力调度机器人存在的各种风险；并采用LEC算法，找出高危风险，为电力调度机器人的运行提供安全保障。LEC算法是成熟的风险评估方法，应用于多个行业、领域，其权威性有保障；符合定量分析特征，便于风险的划级防控；便于模型构建及编程实现。
在其中一个实施例中，上述电力调度机器人风险评估方法还可包括：在根据每种风险的D值，找出高危风险之后，对电力调度机器人进行改进，改进后再次进行风险评估。
本发明实施例提供的电力调度机器人风险评估方法，可针对不同级别成熟度的电力调度机器人，采用定量化风险评估指标对电力调度机器人功能架构设计进行综合评估。根据评估结果修订系统框架设计，为电力调度机器人的运行提供安全保障。
如图3所示，本发明实施例还提供一种电力调度机器人风险评估系统，该电力调度机器人风险评估系统100包括：
风险获取单元110，用于根据电网运行历史数据，获取电力调度机器人存在的各种风险。
L值、E值和C值获取单元120，用于确定每种风险的L值、E值和C值，L值为风险发生的可能性，E值为风险发生的时段，C值为风险发生的后果。
D值获取单元130，用于根据每种风险的L、E、C值计算出每种风险的D值，D值为风险评估得分。
高危风险获取单元140，用于根据每种风险的D值，获取高危风险。
上述数据的获取和计算可参考上述电力调度机器人风险评估方法，此处不再赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电力调度机器人风险评估方法，其特征在于，包括：
根据电网运行历史数据，获取电力调度机器人存在的各种风险；
确定每种风险的L值、E值和C值，所述L值为风险发生的可能性，所述E值为风险发生的时段，所述C值为风险发生的后果；
根据所述每种风险的L、E、C值计算出每种风险的D值，所述D值为风险评估得分；
根据所述每种风险的D值，获取高危风险。
2.根据权利要求1所述的电力调度机器人风险评估方法，其特征在于，所述确定每种风险的L值的步骤包括：
根据所述电网运行历史数据，形成包括所有年份和所有风险的原始矩阵；
根据所述原始矩阵，计算某种风险在某年份所占的比重：
根据所述某种风险在某年份所占的比重，计算所述某种风险的熵值：
根据所述某种风险的熵值，计算所述某种风险的熵冗余度：
根据所述某种风险的熵冗余度，计算所述某种风险的权值：
根据所述某种风险的权值，计算所述某种风险的L值。
3.根据权利要求2所述的电力调度机器人风险评估方法，其特征在于，所述确定每种风险的L值的步骤包括：
根据所述电网运行历史数据，形成原始矩阵X＝(Xij)m×n，其中，n为n个年份，m为m种风险，Xij(i＝1,2,……,n；j＝1,2,……,m)为第i个年份的第j种风险的发生次数；
根据所述原始矩阵，计算所述第j种风险在所述第i个年份所占的比重Pij：
根据所述第j种风险在所述第i个年份所占的比重Pij，计算所述第j种风险的熵值ej：
根据所述第j种风险的熵值ej，计算所述第j种风险的熵冗余度：
dj＝1-ej；
根据所述第j种风险的熵冗余度，计算所述第j种风险的权值：
根据所述第j种风险的权值，计算所述第j种风险的L值。
4.根据权利要求3所述的电力调度机器人风险评估方法，其特征在于，所述第j种风险的权值大于0且小于等于1，所述根据所述第j种风险的权值，计算所述第j种风险的L值的步骤包括：
建立所述第j种风险的权值与L值的映射关系：
如所述第j种风险的权值的10倍大于6且小于等于10，则所述第j种风险的L值为10，代表风险发生的可能性为完全可以预料；
如所述第j种风险的权值的10倍大于3且小于等于6，则所述第j种风险的L值为6，代表风险发生的可能性为相当可能；
如所述第j种风险的权值的10倍大于1且小于等于3，则所述第j种风险的L值为3，代表风险发生的可能性为可能，但不经常；
如所述第j种风险的权值的10倍大于0.5且小于等于1，则所述第j种风险的L值为1，代表风险发生的可能性为可能性小，完全意外；
如所述第j种风险的权值的10倍大于0.2且小于等于0.5，则所述第j种风险的L值为0.5，代表风险发生的可能性为很不可能，可以设想；
如所述第j种风险的权值的10倍大于0.1且小于等于0.2，则所述第j种风险的L值为0.2，代表风险发生的可能性为极不可能；
如所述第j种风险的权值的10倍大于0且小于等于0.1，则所述第j种风险的L值为0.1，代表风险发生的可能性为实际不可能。
5.根据权利要求1所述的电力调度机器人风险评估方法，其特征在于，所述确定每种风险的E值的步骤包括：
根据风险发生的时段，确定每种风险的E值：
如风险发生的时段为所有时间，则E值确定为10；
如风险发生的时段为每天工作时间，则E值确定为6；
如风险发生的时段为每周一次或偶然，则E值确定为3；
如风险发生的时段为每月一次，则E值确定为2；
如风险发生的时段为每年几次，则E值确定为1；
如风险发生的时段为非常罕见，则E值确定为0.5。
6.根据权利要求1所述的电力调度机器人风险评估方法，其特征在于，所述确定每种风险的C值的步骤包括：
根据风险发生后的后果，确定每种风险的C值：
如风险发生后的后果为输电网瘫痪，则C值确定为100；
如风险发生后的后果为一定范围的停电，则C值确定为40；
如风险发生后的后果为少量设备无法正常运行，则C值确定为15；
如风险发生后的后果为严重，则C值确定为7；
如风险发生后的后果为重大，则C值确定为3；
如风险发生后的后果为引人注意，则C值确定为1。
7.根据权利要求1所述的电力调度机器人风险评估方法，其特征在于，所述根据所述每种风险的L、E、C值计算出每种风险的D值的步骤包括：根据以下计算式获取D值：D＝L×E×C；
所述根据所述每种风险的D值，找出高危风险的步骤包括：
对所述D值进行危险程度划分，根据所述危险程度，找出高危风险：
如D值>320，则危险程度为极其危险，不能继续使用；
如160＜D值≤320，则危险程度为高度危险，要立即整改；
如70＜D值≤160，则危险程度为显著危险，需要整改；
如20＜D值≤70，则危险程度为一般危险，需要注意；
如D值≤20，则危险程度为稍有危险，可以接受。
8.根据权利要求7所述的电力调度机器人风险评估方法，其特征在于，所述方法还包括：在根据所述每种风险的D值，找出高危风险之后，对所述电力调度机器人进行改进，改进后再次进行风险评估。
9.根据权利要求1所述的电力调度机器人风险评估方法，其特征在于，所述电力调度机器人存在的各种风险包括：数据源可靠性风险、语音识别可靠性风险、成票可靠性风险；其中：
所述数据源可靠性风险包括：准实时平台数据获取完整性风险、准实时平台数据获取实时性风险、接口可用性风险、数据解析准确性风险、数据校验正确性风险、与OMS数据交互准确定性风险、与OMS数据交互实时性风险；
所述语音识别可靠性风险包括：现场反馈完整性风险、现场反馈正确性风险、语音识别风险、语义理解风险；
所述成票可靠性风险包括：操作处理正确性风险、操作票生成风险。
10.一种电力调度机器人风险评估系统，其特征在于，包括：
风险获取单元，用于根据电网运行历史数据，获取电力调度机器人存在的各种风险；
L值、E值和C值获取单元，用于确定每种风险的L值、E值和C值，所述L值为风险发生的可能性，所述E值为风险发生的时段，所述C值为风险发生的后果；
D值获取单元，用于根据所述每种风险的L、E、C值计算出每种风险的D值，所述D值为风险评估得分；
高危风险获取单元，用于根据所述每种风险的D值，获取高危风险。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911093065.4A CN110895742A (zh) | 2019-11-11 | 2019-11-11 | 电力调度机器人风险评估方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911093065.4A CN110895742A (zh) | 2019-11-11 | 2019-11-11 | 电力调度机器人风险评估方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110895742A true CN110895742A (zh) | 2020-03-20 |
Family
ID=69787837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911093065.4A Pending CN110895742A (zh) | 2019-11-11 | 2019-11-11 | 电力调度机器人风险评估方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110895742A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112800437A (zh) * | 2021-04-08 | 2021-05-14 | 国家信息中心 | 信息安全风险评价系统 |
| CN116578691A (zh) * | 2023-07-13 | 2023-08-11 | 江西合一云数据科技股份有限公司 | 一种智能养老机器人对话方法及其对话系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077482A (zh) * | 2013-02-05 | 2013-05-01 | 广东电网公司 | 电力作业风险控制方法及其系统 |
-
2019
- 2019-11-11 CN CN201911093065.4A patent/CN110895742A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077482A (zh) * | 2013-02-05 | 2013-05-01 | 广东电网公司 | 电力作业风险控制方法及其系统 |
Non-Patent Citations (4)
| Title |
|---|
| 吴濡生等: "LEC法在重要输电通道风险评估中的应用研究", 《电力安全技术》 * |
| 喻阳: "基于LEC-熵权法的工程项目施工阶段安全综合评价", 《建筑安全》 * |
| 宋晓强等: "LEC法在供电企业风险评估管理系统中的应用", 《农业网络信息》 * |
| 杨玲玲: "动态的LEC法在输电施工风险评价中的应用", 《浙江树人大学学报(自然科学版)》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112800437A (zh) * | 2021-04-08 | 2021-05-14 | 国家信息中心 | 信息安全风险评价系统 |
| CN112800437B (zh) * | 2021-04-08 | 2021-07-27 | 国家信息中心 | 信息安全风险评价系统 |
| CN116578691A (zh) * | 2023-07-13 | 2023-08-11 | 江西合一云数据科技股份有限公司 | 一种智能养老机器人对话方法及其对话系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112162878B (zh) | 数据库故障发现方法、装置、电子设备及存储介质 | |
| Boring et al. | The origins of the SPAR-H method’s performance shaping factor multipliers | |
| US20140278690A1 (en) | Accommodating schedule variances in work allocation for shared service delivery | |
| CN113191509A (zh) | 基于维修人员画像的智能派单方法、设备、介质及产品 | |
| US11906112B2 (en) | Methods for safety management of compressors in smart gas pipeline network and internet of things systems thereof | |
| CN110895742A (zh) | 电力调度机器人风险评估方法及其系统 | |
| CN116415923B (zh) | 智慧燃气工单实施管理方法与物联网系统及装置 | |
| CN117439256A (zh) | 一种基于物联网的电站设备管理方法及系统 | |
| Lavrov et al. | Decision Support in Incident Management Systems. Models of Searching for Ergonomic Reserves to Increase Efficiency | |
| CN113312200A (zh) | 一种事件处理方法、装置、计算机设备及存储介质 | |
| KR20110046091A (ko) | 심각도와 발생가능도를 고려한 중요도 평가 방법 | |
| CN117992304A (zh) | 一种一体化智能运维平台 | |
| Zhang et al. | Research on modeling in operator mental workload based on VACP method | |
| CN117541195A (zh) | 一种审计项目智能管理方法及系统 | |
| CN116911800A (zh) | 一种工程项目管理系统及方法、电子设备和存储介质 | |
| CN112465380A (zh) | 基于危废数据的企业行为分析方法、装置、设备及介质 | |
| Nelson et al. | Methodology for supporting the determination of human error probabilities from simulator sourced data | |
| RU162895U1 (ru) | Автоматизированное устройство оценивания рисков | |
| Ferronato et al. | PM4SOS: low-effort resource allocation optimization in a dynamic environment | |
| CN115392681A (zh) | 电力调度人工智能平台风险评估方法、系统、设备及介质 | |
| RU2700397C1 (ru) | Компьютерно-реализуемый способ автоматизированной обработки и анализа данных для оценки эффективности выполнения поручений | |
| CN113362197B (zh) | 一种新能源接网全流程贯通识别和告警方法及其装置 | |
| Kazarinov et al. | Estimate method of residual life of power plant equipment | |
| Pope | Human Performance: What Improvement from Human Reliability Assessment | |
| US11853915B1 (en) | Automated screening, remediation, and disposition of issues in energy facilities |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200925 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200320 |
|
| RJ01 | Rejection of invention patent application after publication |