CN111445106B - 一种用电采集设备故障处理作业现场安全控制方法及系统 - Google Patents
一种用电采集设备故障处理作业现场安全控制方法及系统 Download PDFInfo
- Publication number
- CN111445106B CN111445106B CN202010133958.3A CN202010133958A CN111445106B CN 111445106 B CN111445106 B CN 111445106B CN 202010133958 A CN202010133958 A CN 202010133958A CN 111445106 B CN111445106 B CN 111445106B
- Authority
- CN
- China
- Prior art keywords
- safety
- site
- model
- data
- construction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000005611 electricity Effects 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 title claims abstract description 10
- 238000010276 construction Methods 0.000 claims abstract description 75
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 238000012502 risk assessment Methods 0.000 claims abstract description 49
- 238000007689 inspection Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 34
- 238000003066 decision tree Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 25
- 230000002265 prevention Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 22
- 238000007637 random forest analysis Methods 0.000 claims description 21
- 238000011076 safety test Methods 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 16
- 230000008451 emotion Effects 0.000 claims description 12
- 230000006996 mental state Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 230000008909 emotion recognition Effects 0.000 claims description 6
- 230000008921 facial expression Effects 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000003245 working effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000006378 damage Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于用电设备技术领域,具体涉及一种用电采集设备故障处理作业现场安全控制方法及系统。该控制方法通过安全作业系统进行现场安全监测,现场安全控制合格后,通过安全作业管理系统建立的现场安全管理策略结合用采集到的数据对现场作业安全进行风险评估;风险评估后进行施工作业。该控制系统包括安全作业系统,用于进行现场安全监测;安全作业管理系统,用于与安全作业系统和用电采集系统主站相互连接;安全作业管理系统内的现场安全管理策略,用于结合采集到的的数据对现场作业安全进行风险评估;风险评估后进行施工作业。本发明形成综合的智能用电采集设备故障处理现场作业安全方案;智能识别现场作业风险,全面进行安全检查、安全监测。
Description
技术领域
本发明属于用电设备技术领域,具体涉及一种用电采集设备故障处理作业现场安全控制方法及系统。
背景技术
目前用电采集设备故障现场作业的安全措施,主要依靠作业人员手工填写工作票,阅读安全守则,配置协助人员进行安全提醒、事故救援等措施实行人工防范,没有引用信息技术、智能终端、物联网控制技术等防范技术。
用电采集设备是现代智能电网的核心装备,用电采集设备全面集成于高压输电网络、低压供电网络,安装数量多,安装范围广,用电采集设备现场故障处理专业性强、难度大、风险高,如果不能进行有效的风险防范控制,会造成人员伤亡、设备损毁、区域停电等严重后果。
而且由于用电采集设备运维现场作业环境复杂危险度高,作业人员的工作经验、安全意识各不相同,心情状态、疲劳状态也会随时变化,当前现场作业安全的防范措施随意性大,可靠性低,存在触电、坠落、误操作等危险隐患,现场作业无法有效的进行风险控制。
发明内容
发明目的:
为了解决上述技术问题,本发明提供一种用电采集设备故障处理作业现场安全控制方法及系统。
技术方案:
一种用电采集设备故障处理作业现场安全控制方法,该控制方法包括:
步骤一:通过安全作业系统进行现场安全监测;
步骤二:现场安全控制合格后,通过安全作业管理系统建立的现场安全管理策略结合用采集到的数据对现场作业安全进行风险评估;
步骤三:风险评估后进行施工作业。
进一步的,通过安全作业系统进行现场安全监测的具体步骤包括:
1)安全知识问答,安全作业管理系统向安全作业系统推送专项安全测试试题,现场人员使用安全作业系统进行答题;安全测试通过测试分值,则进入下一步骤,低于规定测试分值无法进行下一步操作;
2)连续工作时长检测,现场使用安全作业系统时,安全作业管理系统与使用安全作业系统无线连接,现场管理策略自动运行,进行疲劳施工监测,存在疲劳施工时,自动报警并终止进行操作流程,符合工作时长检测入下一步骤;
3、)异常天气查询,安全作业系统启用现场安全管理策略后,实时获取天气预报预警信息,自动匹配当前作业现场,当预报异常天气,提醒作业人员进行防范,并通过安全作业管理系统关闭安全作业流程,当天气正常,进行进行安全作业,进行下一步;
4)人员精神状态监测,安全作业系统利用图像识别功能,调用安全策略的情绪监测模型,通过面部表情判别作业人员当前状态;
5)现场作业环境监测,安全策略利用卫星定位技术自动识别当前施工现场是否与计划施工匹配,调用设备档案对比设备环境是否变化,设备位置是否改变,通过检查识别,则完成安全监测。
进一步的,安全监测中,出现不符合步骤1)~5)的情形,进行调试处理;
通过安全作业系统向安全作业管理系统建立的现场安全管理策略发送信息,现场安全管理策略向用电采集系统主站发送控制指令,安全作业系统开启调试模式,现场作业人员设备调试,进行故障处理;
调试处理完成后,安全作业系统向安全管理策略提交完成请求,安全管理策略向用电采集系统主站发送控制指令,安全作业系统关闭调试模式。
进一步的,采集到的数据包括安全作业系统的采集的安全测试数据、故障类别、天气详情、作业人员信息。
进一步的,安全作业管理系统后台建立现场安全管理策略具体包括:
S1建立现场作业人员档案,数据化记录作业人员的年龄、性别、在岗年限、技能等级;
S2建立作业环境安全检查等级制度,数据化记录施工现场的地点、范围、安全等级、重要性等级、作业强度;
S3建立采集设备档案管理,数据化记运行设备的型号、电压等级、调试电压、安全隔离距离;
S4建立安全知识库,利用图片、短视频技术分类细化安全守则,结合安全实例,实现多媒体安全知识宣贯;
S5建立安全知识现场测试库,系统分类整理安全知识,提取知识特征,引入大数据算法,结合具体作业任务,自动匹配安全等级,生成现场安问答测试;
S6建立疲劳施工监测管理,数据化记录作业人员的工作轨迹、工作时长、工作性质、劳动强度,设定合理阈值,进行疲劳提醒;
S7建立施工安全气象管理机制,在线连接专业天气预测平台,实时获取天气预报,及预警信息,关联现场作业施工;
S8建立智能人脸识别及情绪监测模型,后台系统通过图像识别及大数据算法,建立情绪识别模型,识别作业人员的精神状态、疲劳状态;
S9建立防坠落识别体系,收集整理现场施工数据,模拟施工坠落事故,获取有效的防坠落参数,设置防坠落阈值;
S10设备安全及设备保护,建立紧急保护机制,在识别到风险后通过用电采集系统主站进行自动拉合闸、关闭调试模式、高音警告现场作业人员;
S11建立防触电预警方案,收集整理触电事故案例,建立预防及救援体系形成应急预案。
进一步的,风险评估模型的建立:
基于安全测试等级,故障危险等级,天气质量等级,作业人员等级四个方面进行综合评估,共设置五个风险评估等级Y={y1,y2,y3,y4,y5},从低到高,风险越高则证明现场作业存在隐患,进行实时预警;
风险评估模型包括(1)决策树的构建,(2)随机森林的组合,(3)风险评估模型的优化;
对数据进行收集和整理形成样本集X,针对不同的数据选择符合的标准化处理方式,并将数据划分为训练数据Xtrain和测试数据Xtest;
(1)决策树的建立;
决策树模型选用的是CART树,CART树是属于二叉树模型,采用二元切割法在每一次迭代中选择按各个特征的取值分为两份,分别进入左右子树建树,即对训练数据进行随机取样构建基于风险评估的树模型:
f=T(x,θ)
其中,x表示样本数据,θ表示树模型参数;
在选择分裂结点时,用基尼指数启发式计算风险评估模型特征的信息,因为CART树的二元切分特性,根据A特征的是否取某值a将样本集X被分割成X1和X2,则在A特征取a值条件下的基尼指数为:
以最小基尼指数的特征为当前分裂结点,为避免过拟合,在建树过程中加入剪枝,通过控制决策树的深度,来提升决策树模型的泛化能力;
(2)随机森林的组合;
随机森林属于Bagging类的集成算法,其思想是样本集进行有放回随机采样,保证训练数据一定的重合性,使得样本集有小波动且分类结果存在变动,进而采用voting机制进行投票,选用票数最多的结果作为最终结果;其随机森林的模型为F=∑fi=∑Ti(x,θ)
其中,f是决策树模型,T是带样本数据和模型参数的决策树模型;建立随机森林;
(3)风险评估模型的优化;
梯度下降法在数据训练过程中采用平均损失来近似目标函数,找到平均损失最小的模型参数为当前问题的最优求解,则目标函数为
其中,yi表示真实值,表示预测值;
接着对目标函数进行一阶求导,则
其中,M是训练样本的个数;模型参数的更新公式为
参数沿着目标函数梯度的负方向进行迭代,直到找到函数的最小值,完成模型的优化过程;
最后,以Xtest数据为基础,对风险评估模型进行验证和测试,同时通过模型的精准率,召回率和F1-Score来评价模型;若风险评估模型准确率较高,则投入使用。
进一步的,根据建立的风险评估模型实时采集安全测试数据、故障类别、天气详情、作业人员信息的数据,通过随机森林的算法模型进行5个等级风险评估,当提示风险较高,则停止作业,分析原因;当风险提示较为安全,则即时作业。
一种用电采集设备故障处理作业现场安全控制系统,该控制系统包括:
安全作业系统,用于进行现场安全监测;
安全作业管理系统,用于与安全作业系统和用电采集系统主站相互连接;
安全作业管理系统内的现场安全管理策略,用于结合采集到的的数据对现场作业安全进行风险评估;风险评估后进行施工作业。
进一步的,安全作业系统包括:
安全知识问答模块,用于当安全作业管理系统向安全作业系统推送专项安全测试试题,现场人员使用安全作业系统进行答题;
连续工作时长检测模块,用于现场使用安全作业系统时,安全作业管理系统与使用安全作业系统无线连接,现场管理策略自动运行,进行疲劳施工监测,存在疲劳施工时,自动报警并终止进行操作流程;
异常天气查询模块,用于安全作业系统启用现场安全管理策略后,实时获取天气预报预警信息,自动匹配当前作业现场,当预报异常天气,提醒作业人员进行防范,并通过安全作业管理系统关闭安全作业流程,当天气正常,进行进行安全作业;
人员精神状态监测模块,用于安全作业系统利用图像识别功能,调用安全策略的情绪监测模型,通过面部表情判别作业人员当前状态;
现场作业环境监测模块,用于安全策略利用卫星定位技术自动识别当前施工现场是否与计划施工匹配,调用设备档案对比设备环境是否变化,设备位置是否改变,通过检查识别,则完成安全监测。
进一步的,安全管理策略具体包括:
现场作业人员档案模块,用于建立数据化记录作业人员的年龄、性别、在岗年限、技能等级;
作业环境安全检查等级制度模块,用于建立数据化记录施工现场的地点、范围、安全等级、重要性等级、作业强度;
采集设备档案管理模块,用于管理数据化记运行设备的型号、电压等级、调试电压、安全隔离距离;
安全知识库模块,利用图片、短视频技术分类细化安全守则,结合安全实例,实现多媒体安全知识宣贯;
安全知识现场测试库模块,用于利用系统分类整理安全知识,提取知识特征,引入大数据算法,结合具体作业任务,自动匹配安全等级,生成现场安问答测试;
疲劳施工监测管理模块,用于建立数据化记录作业人员的工作轨迹、工作时长、工作性质、劳动强度,设定合理阈值,进行疲劳提醒;
施工安全气象管理机制模块,用于建立在线连接专业天气预测平台,实时获取天气预报,及预警信息,关联现场作业施工;
智能人脸识别及情绪监测模型模块,用于建立后台系统通过图像识别及大数据算法,建立情绪识别模型,识别作业人员的精神状态、疲劳状态;
防坠落识别体系模块,用于收集整理现场施工数据,模拟施工坠落事故,获取有效的防坠落参数,设置防坠落阈值;
设备安全及设备保护模块,用于建立紧急保护机制,在识别到风险后通过用电采集系统主站进行自动拉合闸、关闭调试模式、高音警告现场作业人员;
防触电预警方案模块,用于建立收集整理触电事故案例,建立预防及救援体系形成应急预案。
优点及效果:
1.本发明建立安全策略,形成综合的智能用电采集设备故障处理现场作业安全方案。
2.用电采集系统响应现场安全作业策略,强制作业人员遵守作业安全。
3.智能识别现场作业风险,全面进行安全检查、安全监测。
附图说明:
图1为本发明的整体联系示意图;
图2为调试处理示意图;
图3为安全监测和现场安全管理策略部分示意图;
图4为带有安全作业系统的智能移动终端示意图;
图5为安全作业系统流程图;
图6为建立随机森林的过程。
具体实施方式:
下面结合附图对本发明做进一步的说明:
本发明的目的、优点和特点,将通过下面优选实施例的非限制性说明进行解释。这些实施例仅是应用本发明技术方案的典型范例,凡采取等同替换或者等效变换而形成的技术方案,均落在本发明要求保护的范围之内。
如图1所示,一种用电采集设备故障处理作业现场安全控制方法,该控制方法包括:
步骤一:通过安全作业系统进行现场安全监测;
步骤二:现场安全控制合格后,通过安全作业管理系统建立的现场安全管理策略结合用采集到的数据对现场作业安全进行风险评估;
步骤三:风险评估后进行施工作业。
如图1和图2所示,本发明安全作业系统可以选择运行于智能移动终端,安全作业系统可以设计成安全作业APP安装在智能移动终端,同时与应用安全作业管理系统后台建立的现场安全管理策略无线连接,相互传送数据,相互响应。安全作业系统指导操作人员;安全作业系统识别1~N个用电采集系统,进行数据采集,用电采集系统主站控制各个用电采集系统,用电采集系统将信息上传至用电采集系统主站,用电采集系统主站与安全作业管理系统交互。
安全作业管理系统后台通过接口连接用电采集系统,实现对采集终端设备的调试控制。安全作业系统是施工人员的现场安全管理工具,主要进行数据采集、安全检测、安全控制。
此外,本发明安全管理策略采用现有的智能终端生物识别技术判断当前作业人员是否为授权作业人员。本发明安全作业系统调用智能终端定时计算、语音、音乐播放音效等功能,智能响应安全策略的安全时效,进行风险警示、定时提醒。
本发明采用安全作业系统进行安全现场随机答题模式,快速检测作业人员对现场作业安全知识的理解与掌握。本发明现场采集作业照片,作业场景,作业人员,作业设备等相关数据提交后台存档,以备安全核查,数据分析。
本发明对于现场作业安全控制记录进行分析统计,形成安全业务评比体系,进行安全排行,安全通报。建立安全推送机制,定期推送安全小常识,安全画报,发布安全预警信息等。
本发明采用信息技术、智能终端、移动通讯技术、智能识别等技术,结合用电采集系统,建立综合、智能的现场作业安全管理系统,可以全面有效的应对用电采集设备故障处理现场作业面临的高空坠落、人员触电、设备损毁等高危风险,避免企业损失,人身伤害及停电造成的社会生活、生产损失。
如图3和图4所示,通过安全作业系统进行现场安全监测的具体步骤包括:
1)安全知识问答,安全作业管理系统向安全作业系统推送专项安全测试试题,现场人员使用安全作业系统进行答题;安全测试通过测试分值,则进入下一步骤,低于规定测试分值无法进行下一步操作;
2)连续工作时长检测,现场使用安全作业系统时,安全作业管理系统与使用安全作业系统无线连接,现场管理策略自动运行,进行疲劳施工监测,存在疲劳施工时,自动报警并终止进行操作流程,符合工作时长检测入下一步骤;
3)异常天气查询,安全作业系统启用现场安全管理策略后,实时获取天气预报预警信息,自动匹配当前作业现场,当预报异常天气,提醒作业人员进行防范,并通过安全作业管理系统关闭安全作业流程,当天气正常,进行进行安全作业,进行下一步;
4)人员精神状态监测,安全作业系统利用图像识别功能,调用安全策略的情绪监测模型,通过面部表情判别作业人员当前状态;
其中,人脸识别采用的是现有技术的人脸识别系统应用。
5)现场作业环境监测,安全策略利用卫星定位技术自动识别当前施工现场是否与计划施工匹配,调用设备档案对比设备环境是否变化,设备位置是否改变,通过检查识别,则完成安全监测。
安全监测中,出现不符合步骤1)~5)的情形,进行调试处理;
通过安全作业系统向安全作业管理系统建立的现场安全管理策略发送信息,现场安全管理策略向用电采集系统主站发送控制指令,安全作业系统开启调试模式,现场作业人员设备调试,进行故障处理;调试处理完成后,安全作业系统向安全管理策略提交完成请求,安全管理策略向用电采集系统主站发送控制指令,安全作业系统关闭调试模式。
采集到的数据包括安全作业系统的采集的安全测试数据、故障类别、天气详情、作业人员信息。
如图5所示,安全作业管理系统后台建立现场安全管理策略具体包括:
S1建立现场作业人员档案,数据化记录作业人员的年龄、性别、在岗年限、技能等级;
S2建立作业环境安全检查等级制度,数据化记录施工现场的地点、范围、安全等级、重要性等级、作业强度;
S3建立采集设备档案管理,数据化记运行设备的型号、电压等级、调试电压、安全隔离距离;
S4建立安全知识库,利用图片、短视频技术分类细化安全守则,结合安全实例,实现多媒体安全知识宣贯;
S5建立安全知识现场测试库,系统分类整理安全知识,提取知识特征,引入大数据算法,结合具体作业任务,自动匹配安全等级,生成现场安问答测试;
S6建立疲劳施工监测管理,数据化记录作业人员的工作轨迹、工作时长、工作性质、劳动强度,设定合理阈值,进行疲劳提醒。
S7建立施工安全气象管理机制,在线连接专业天气预测平台,实时获取天气预报,及预警信息,关联现场作业施工;
S8建立智能人脸识别及情绪监测模型,后台系统通过图像识别及大数据算法,建立情绪识别模型,识别作业人员的精神状态、疲劳状态;
S9建立防坠落识别体系,收集整理现场施工数据,模拟施工坠落事故,获取有效的防坠落参数,设置防坠落阈值;
其中,使用智能终端中的加速传感器,收集高空作业常规运动数据,模拟施工坠落事故,获取有效的防坠落参数,设置防坠落阈值,建立预警判断模型,识别坠落事故。防坠落参数根据现场测试适当设置,精确等级到0.1米,范围0.1-1米。
S10设备安全及设备保护,建立紧急保护机制,在识别到风险后通过用电采集系统主站进行自动拉合闸、关闭调试模式、高音警告现场作业人员;
S11建立防触电预警方案,收集整理触电事故案例,建立预防及救援体系形成应急预案。
其中,图5测试通过后同时进行两个过程,一个是代表开启手机端安全系统进入调试模式,另一个是电脑端的安全系统连接主站获取数据。
风险评估模型的建立:
基于安全测试等级,故障危险等级,天气质量等级,作业人员等级四个方面进行综合评估,共设置五个风险评估等级Y={y1,y2,y3,y4,y5},从低到高,风险越高则证明现场作业存在隐患,进行实时预警;
风险评估模型包括(1)决策树的构建,(2)随机森林的组合,(3)风险评估模型的优化;
对数据进行收集和整理形成样本集X,针对不同的数据选择符合的标准化处理方式,并将数据划分为训练数据Xtrain和测试数据Xtest;
(1)决策树的建立;
决策树模型选用的是CART树,CART树是属于二叉树模型,采用二元切割法在每一次迭代中选择按各个特征的取值分为两份,分别进入左右子树建树,即对训练数据进行随机取样构建基于风险评估的树模型:
f=T(x,θ)
其中,x表示样本数据,θ表示树模型参数;
在选择分裂结点时,用基尼指数启发式计算风险评估模型特征的信息,因为CART树的二元切分特性,根据A特征的是否取某值a将样本集X被分割成X1和X2,则在A特征取a值条件下的基尼指数为:
以最小基尼指数的特征为当前分裂结点,为避免过拟合,在建树过程中加入剪枝,通过控制决策树的深度,来提升决策树模型的泛化能力;
(2)随机森林的组合;
随机森林属于Bagging类的集成算法,其思想是样本集进行有放回随机采样,保证训练数据一定的重合性,使得样本集有小波动且分类结果存在变动,进而采用voting机制进行投票,选用票数最多的结果作为最终结果;其随机森林的模型为F=∑fi=∑Ti(x,θ)
其中,f是决策树模型,T是带样本数据和模型参数的决策树模型;建立随机森林如图6所示。
(3)风险评估模型的优化;
梯度下降法在数据训练过程中采用平均损失来近似目标函数,找到平均损失最小的模型参数为当前问题的最优求解,则目标函数为
其中,yi表示真实值,表示预测值;
接着对目标函数进行一阶求导,则
其中,M是训练样本的个数;模型参数的更新公式为
参数沿着目标函数梯度的负方向进行迭代,直到找到函数的最小值,完成模型的优化过程;
也就是说,对数据进行收集和整理形成样本集X,针对不同的数据选择符合的标准化处理方式,并将数据划分为训练数据Xtrain和测试数据Xtest;
通过决策树模型对训练数据进行随机取样构建基于风险评估的树模型:
f=T(x,θ)
其中,x表示样本数据,θ表示树模型参数;
选用最小基尼指数作为树节点选取的准则,总共有5个类,样本数据属于第k类的概率为pk,则基尼指数为
并采用bagging思想组合多颗决策树模型形成随机森林,随机森林的模型为F=∑fi=∑Ti(x,θ)
通过每棵决策树的投票进行最终风险等级的确定;数据训练过程中,结合梯度下降法不断优化损失函数,直到损失函数最小,损失函数为
其中,yi表示真实值,表示预测值;
并采用k折交叉验证,在训练数据中取出部分数据作为验证集,验证决策树的决策能力;
以Xtest数据为基础,对风险评估模型进行验证和测试,同时通过模型的精准率,召回率和F1-Score来评价模型;若风险评估模型准确率较高,则投入使用。
根据建立的风险评估模型实时采集安全测试数据、故障类别、天气详情、作业人员信息的数据,通过随机森林的算法模型进行5个等级风险评估,当提示风险较高,则停止作业,分析原因;当风险提示较为安全,则即时作业。
一种用电采集设备故障处理作业现场安全控制系统,该控制系统包括:
安全作业系统,用于进行现场安全监测;
安全作业管理系统,用于与安全作业系统和用电采集系统主站相互连接;
安全作业管理系统内的现场安全管理策略,用于结合采集到的的数据对现场作业安全进行风险评估;风险评估后进行施工作业。
安全作业系统包括:
安全知识问答模块,用于当安全作业管理系统向安全作业系统推送专项安全测试试题,现场人员使用安全作业系统进行答题;
连续工作时长检测模块,用于现场使用安全作业系统时,安全作业管理系统与使用安全作业系统无线连接,现场管理策略自动运行,进行疲劳施工监测,存在疲劳施工时,自动报警并终止进行操作流程;
异常天气查询模块,用于安全作业系统启用现场安全管理策略后,实时获取天气预报预警信息,自动匹配当前作业现场,当预报异常天气,提醒作业人员进行防范,并通过安全作业管理系统关闭安全作业流程,当天气正常,进行进行安全作业;
人员精神状态监测模块,用于安全作业系统利用图像识别功能,调用安全策略的情绪监测模型,通过面部表情判别作业人员当前状态;
现场作业环境监测模块,用于安全策略利用卫星定位技术自动识别当前施工现场是否与计划施工匹配,调用设备档案对比设备环境是否变化,设备位置是否改变,通过检查识别,则完成安全监测。
安全管理策略具体包括:
现场作业人员档案模块,用于建立数据化记录作业人员的年龄、性别、在岗年限、技能等级;
作业环境安全检查等级制度模块,用于建立数据化记录施工现场的地点、范围、安全等级、重要性等级、作业强度;
采集设备档案管理模块,用于管理数据化记运行设备的型号、电压等级、调试电压、安全隔离距离;
安全知识库模块,利用图片、短视频技术分类细化安全守则,结合安全实例,实现多媒体安全知识宣贯;
安全知识现场测试库模块,用于利用系统分类整理安全知识,提取知识特征,引入大数据算法,结合具体作业任务,自动匹配安全等级,生成现场安问答测试;
疲劳施工监测管理模块,用于建立数据化记录作业人员的工作轨迹、工作时长、工作性质、劳动强度,设定合理阈值,进行疲劳提醒;
施工安全气象管理机制模块,用于建立在线连接专业天气预测平台,实时获取天气预报,及预警信息,关联现场作业施工;
智能人脸识别及情绪监测模型模块,用于建立后台系统通过图像识别及大数据算法,建立情绪识别模型,识别作业人员的精神状态、疲劳状态;
防坠落识别体系模块,用于收集整理现场施工数据,模拟施工坠落事故,获取有效的防坠落参数,设置防坠落阈值;
设备安全及设备保护模块,用于建立紧急保护机制,在识别到风险后通过用电采集系统主站进行自动拉合闸、关闭调试模式、高音警告现场作业人员;
防触电预警方案模块,用于建立收集整理触电事故案例,建立预防及救援体系形成应急预案。
Claims (9)
1.一种用电采集设备故障处理作业现场安全控制方法,其特征在于:该控制方法包括:
步骤一:通过安全作业系统进行现场安全监测;
步骤二:现场安全控制合格后,通过安全作业管理系统建立的现场安全管理策略结合用采集到的数据对现场作业安全进行风险评估;
步骤三:风险评估后进行施工作业;
风险评估模型的建立:
基于安全测试等级,故障危险等级,天气质量等级,作业人员等级四个方面进行综合评估,共设置五个风险评估等级Y={y1,y2,y3,y4,y5},从低到高,风险越高则证明现场作业存在隐患,进行实时预警;
风险评估模型包括(1)决策树的构建,(2)随机森林的组合,(3)风险评估模型的优化;
对数据进行收集和整理形成样本集X,针对不同的数据选择符合的标准化处理方式,并将数据划分为训练数据Xtrain和测试数据Xtest;
(1)决策树的建立;
决策树模型选用的是CART树,CART树是属于二叉树模型,采用二元切割法在每一次迭代中选择按各个特征的取值分为两份,分别进入左右子树建树,即对训练数据进行随机取样构建基于风险评估的树模型:
f=T(x,θ)
其中,x表示样本数据,θ表示树模型参数;
在选择分裂结点时,用基尼指数启发式计算风险评估模型特征的信息,因为CART树的二元切分特性,根据A特征的是否取某值a将样本集X被分割成X1和X2,则在A特征取a值条件下的基尼指数为:
以最小基尼指数的特征为当前分裂结点,为避免过拟合,在建树过程中加入剪枝,通过控制决策树的深度,来提升决策树模型的泛化能力;
(2)随机森林的组合;
随机森林属于Bagging类的集成算法,其思想是样本集进行有放回随机采样,保证训练数据一定的重合性,使得样本集有小波动且分类结果存在变动,进而采用voting机制进行投票,选用票数最多的结果作为最终结果;其随机森林的模型为
F=∑fi=∑Ti(x,θ)
其中,f是决策树模型,T是带样本数据和模型参数的决策树模型;建立随机森林;
(3)风险评估模型的优化;
梯度下降法在数据训练过程中采用平均损失来近似目标函数,找到平均损失最小的模型参数为当前问题的最优求解,则目标函数为
其中,yi表示真实值,表示预测值;
接着对目标函数进行一阶求导,则
其中,M是训练样本的个数;模型参数的更新公式为
参数沿着目标函数梯度的负方向进行迭代,直到找到函数的最小值,完成模型的优化过程;
最后,以Xtest数据为基础,对风险评估模型进行验证和测试,同时通过模型的精准率,召回率和F1-Score来评价模型;若风险评估模型准确率较高,则投入使用。
2.根据权利要求1所述的一种用电采集设备故障处理作业现场安全控制方法,其特征在于:通过安全作业系统进行现场安全监测的具体步骤包括:
1)安全知识问答,安全作业管理系统向安全作业系统推送专项安全测试试题,现场人员使用安全作业系统进行答题;安全测试通过测试分值,则进入下一步骤,低于规定测试分值无法进行下一步操作;
2)连续工作时长检测,现场使用安全作业系统时,安全作业管理系统与使用安全作业系统无线连接,现场管理策略自动运行,进行疲劳施工监测,存在疲劳施工时,自动报警并终止进行操作流程,符合工作时长检测入下一步骤;
3)异常天气查询,安全作业系统启用现场安全管理策略后,实时获取天气预报预警信息,自动匹配当前作业现场,当预报异常天气,提醒作业人员进行防范,并通过安全作业管理系统关闭安全作业流程,当天气正常,进行安全作业,进行下一步;
4)人员精神状态监测,安全作业系统利用图像识别功能,调用安全策略的情绪监测模型,通过面部表情判别作业人员当前状态;
5)现场作业环境监测,安全策略利用卫星定位技术自动识别当前施工现场是否与计划施工匹配,调用设备档案对比设备环境是否变化,设备位置是否改变,通过检查识别,则完成安全监测。
3.根据权利要求2所述的一种用电采集设备故障处理作业现场安全控制方法,其特征在于:安全监测中,出现不符合步骤1)~5)的情形,进行调试处理;
通过安全作业系统向安全作业管理系统建立的现场安全管理策略发送信息,现场安全管理策略向用电采集系统主站发送控制指令,安全作业系统开启调试模式,现场作业人员设备调试,进行故障处理;
调试处理完成后,安全作业系统向安全管理策略提交完成请求,安全管理策略向用电采集系统主站发送控制指令,安全作业系统关闭调试模式。
4.根据权利要求3所述的一种用电采集设备故障处理作业现场安全控制方法,其特征在于:采集到的数据包括安全作业系统的采集的安全测试数据、故障类别、天气详情、作业人员信息。
5.根据权利要求1所述的一种用电采集设备故障处理作业现场安全控制方法,其特征在于:安全作业管理系统后台建立现场安全管理策略具体包括:
S1建立现场作业人员档案,数据化记录作业人员的年龄、性别、在岗年限、技能等级;
S2建立作业环境安全检查等级制度,数据化记录施工现场的地点、范围、安全等级、重要性等级、作业强度;
S3建立采集设备档案管理,数据化记运行设备的型号、电压等级、调试电压、安全隔离距离;
S4建立安全知识库,利用图片、短视频技术分类细化安全守则,结合安全实例,实现多媒体安全知识宣贯;
S5建立安全知识现场测试库,系统分类整理安全知识,提取知识特征,引入大数据算法,结合具体作业任务,自动匹配安全等级,生成现场安问答测试;
S6建立疲劳施工监测管理,数据化记录作业人员的工作轨迹、工作时长、工作性质、劳动强度,设定合理阈值,进行疲劳提醒;
S7建立施工安全气象管理机制,在线连接专业天气预测平台,实时获取天气预报,及预警信息,关联现场作业施工;
S8建立智能人脸识别及情绪监测模型,后台系统通过图像识别及大数据算法,建立情绪识别模型,识别作业人员的精神状态、疲劳状态;
S9建立防坠落识别体系,收集整理现场施工数据,模拟施工坠落事故,获取有效的防坠落参数,设置防坠落阈值;
S10设备安全及设备保护,建立紧急保护机制,在识别到风险后通过用电采集系统主站进行自动拉合闸、关闭调试模式、高音警告现场作业人员;
S11建立防触电预警方案,收集整理触电事故案例,建立预防及救援体系形成应急预案。
6.根据权利要求1所述的一种用电采集设备故障处理作业现场安全控制方法,其特征在于:
根据建立的风险评估模型实时采集安全测试数据、故障类别、天气详情、作业人员信息的数据,通过随机森林的算法模型进行5个等级风险评估,当提示风险较高,则停止作业,分析原因;当风险提示较为安全,则即时作业。
7.一种用电采集设备故障处理作业现场安全控制系统,其特征在于:该控制系统包括:
安全作业系统,用于进行现场安全监测;
安全作业管理系统,用于与安全作业系统和用电采集系统主站相互连接;
安全作业管理系统内的现场安全管理策略,用于结合采集到的数据对现场作业安全进行风险评估;风险评估后进行施工作业。
8.根据权利要求7所述的一种用电采集设备故障处理作业现场安全控制系统,其特征在于:安全作业系统包括:
安全知识问答模块,用于当安全作业管理系统向安全作业系统推送专项安全测试试题,现场人员使用安全作业系统进行答题;
连续工作时长检测模块,用于现场使用安全作业系统时,安全作业管理系统与使用安全作业系统无线连接,现场管理策略自动运行,进行疲劳施工监测,存在疲劳施工时,自动报警并终止进行操作流程;
异常天气查询模块,用于安全作业系统启用现场安全管理策略后,实时获取天气预报预警信息,自动匹配当前作业现场,当预报异常天气,提醒作业人员进行防范,并通过安全作业管理系统关闭安全作业流程,当天气正常,进行安全作业;
人员精神状态监测模块,用于安全作业系统利用图像识别功能,调用安全策略的情绪监测模型,通过面部表情判别作业人员当前状态;
现场作业环境监测模块,用于安全策略利用卫星定位技术自动识别当前施工现场是否与计划施工匹配,调用设备档案对比设备环境是否变化,设备位置是否改变,通过检查识别,则完成安全监测。
9.根据权利要求7所述的一种用电采集设备故障处理作业现场安全控制系统,其特征在于:安全管理策略具体包括:
现场作业人员档案模块,用于建立数据化记录作业人员的年龄、性别、在岗年限、技能等级;
作业环境安全检查等级制度模块,用于建立数据化记录施工现场的地点、范围、安全等级、重要性等级、作业强度;
采集设备档案管理模块,用于管理数据化记运行设备的型号、电压等级、调试电压、安全隔离距离;
安全知识库模块,利用图片、短视频技术分类细化安全守则,结合安全实例,实现多媒体安全知识宣贯;
安全知识现场测试库模块,用于利用系统分类整理安全知识,提取知识特征,引入大数据算法,结合具体作业任务,自动匹配安全等级,生成现场安问答测试;
疲劳施工监测管理模块,用于建立数据化记录作业人员的工作轨迹、工作时长、工作性质、劳动强度,设定合理阈值,进行疲劳提醒;
施工安全气象管理机制模块,用于建立在线连接专业天气预测平台,实时获取天气预报,及预警信息,关联现场作业施工;
智能人脸识别及情绪监测模型模块,用于建立后台系统通过图像识别及大数据算法,建立情绪识别模型,识别作业人员的精神状态、疲劳状态;
防坠落识别体系模块,用于收集整理现场施工数据,模拟施工坠落事故,获取有效的防坠落参数,设置防坠落阈值;
设备安全及设备保护模块,用于建立紧急保护机制,在识别到风险后通过用电采集系统主站进行自动拉合闸、关闭调试模式、高音警告现场作业人员;
防触电预警方案模块,用于建立收集整理触电事故案例,建立预防及救援体系形成应急预案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133958.3A CN111445106B (zh) | 2020-03-02 | 2020-03-02 | 一种用电采集设备故障处理作业现场安全控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010133958.3A CN111445106B (zh) | 2020-03-02 | 2020-03-02 | 一种用电采集设备故障处理作业现场安全控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445106A CN111445106A (zh) | 2020-07-24 |
CN111445106B true CN111445106B (zh) | 2023-12-01 |
Family
ID=71652647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010133958.3A Active CN111445106B (zh) | 2020-03-02 | 2020-03-02 | 一种用电采集设备故障处理作业现场安全控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445106B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712230B (zh) * | 2020-10-22 | 2024-06-04 | 国网浙江省电力有限公司龙游县供电公司 | 一种电力现场作业风险管控方法及系统 |
CN112749870B (zh) * | 2020-10-22 | 2024-06-04 | 国网浙江省电力有限公司龙游县供电公司 | 一种电力现场作业安全控制系统及方法 |
CN113554319A (zh) * | 2021-07-27 | 2021-10-26 | 中创智维科技有限公司 | 一种安全风险综合评定系统及方法 |
CN113869355B (zh) * | 2021-08-17 | 2024-05-24 | 杭州华亭科技有限公司 | 一种基于XGBoost的人员危险性评估方法 |
CN114140849A (zh) * | 2021-11-30 | 2022-03-04 | 国网湖北省电力有限公司经济技术研究院 | 基于表情识别的电力基建现场人员状态管理方法及系统 |
CN114326625B (zh) * | 2021-12-28 | 2023-08-25 | 毕马智能科技(上海)有限公司 | 一种电网基建施工中的潜在安全风险的监测系统及方法 |
CN115130742B (zh) * | 2022-06-21 | 2024-09-06 | 国网江苏省电力有限公司南京供电分公司 | 不停电作业风险的评估方法 |
CN116070790B (zh) * | 2023-03-21 | 2023-09-01 | 中国建筑一局(集团)有限公司 | 一种减少施工现场重大安全风险隐患的预测方法和系统 |
CN116128486B (zh) * | 2023-04-17 | 2023-07-21 | 烟台军诺智能科技有限公司 | 一种基于数据分析的水下光通信实时风险评估系统 |
CN116485212B (zh) * | 2023-06-25 | 2023-09-12 | 天津津轨汇海科技发展有限公司 | 一种轨道交通供电设备用安全操作管理方法及系统 |
CN117114359A (zh) * | 2023-09-27 | 2023-11-24 | 河北久维电子科技有限公司 | 一种电力计量作业安全在线监测系统及其方法 |
CN117575333B (zh) * | 2024-01-15 | 2024-04-16 | 国网浙江省电力有限公司宁海县供电公司 | 一种电网工程安全管控方法以及系统 |
CN117725488B (zh) * | 2024-02-06 | 2024-04-30 | 河北元泰建中项目管理有限公司 | 基于机器学习的建筑工程项目安全性能预测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229787A (zh) * | 2017-11-28 | 2018-06-29 | 广州供电局有限公司 | 基于大数据的电力行业现场作业风险评估方法及系统 |
CN108551167A (zh) * | 2018-04-25 | 2018-09-18 | 浙江大学 | 一种基于XGBoost算法的电力系统暂态稳定判别方法 |
CN108833831A (zh) * | 2018-06-15 | 2018-11-16 | 陈在新 | 一种电力施工智能安全监督系统 |
CN109118081A (zh) * | 2018-08-08 | 2019-01-01 | 成都保源酷码科技有限公司 | 一种基于图像处理方式的作业安全监管系统和方法 |
CN109242740A (zh) * | 2018-07-18 | 2019-01-18 | 平安科技(深圳)有限公司 | 身份信息风险评定方法、装置、计算机设备和存储介质 |
CN109508848A (zh) * | 2018-08-08 | 2019-03-22 | 武汉理工光科股份有限公司 | 企业生产安全风险评估和管理系统 |
CN110321809A (zh) * | 2019-06-13 | 2019-10-11 | 国电南瑞科技股份有限公司 | 一种基于深度学习的变电站作业现场监测方法及装置 |
-
2020
- 2020-03-02 CN CN202010133958.3A patent/CN111445106B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229787A (zh) * | 2017-11-28 | 2018-06-29 | 广州供电局有限公司 | 基于大数据的电力行业现场作业风险评估方法及系统 |
CN108551167A (zh) * | 2018-04-25 | 2018-09-18 | 浙江大学 | 一种基于XGBoost算法的电力系统暂态稳定判别方法 |
CN108833831A (zh) * | 2018-06-15 | 2018-11-16 | 陈在新 | 一种电力施工智能安全监督系统 |
CN109242740A (zh) * | 2018-07-18 | 2019-01-18 | 平安科技(深圳)有限公司 | 身份信息风险评定方法、装置、计算机设备和存储介质 |
WO2020015089A1 (zh) * | 2018-07-18 | 2020-01-23 | 平安科技(深圳)有限公司 | 身份信息风险评定方法、装置、计算机设备和存储介质 |
CN109118081A (zh) * | 2018-08-08 | 2019-01-01 | 成都保源酷码科技有限公司 | 一种基于图像处理方式的作业安全监管系统和方法 |
CN109508848A (zh) * | 2018-08-08 | 2019-03-22 | 武汉理工光科股份有限公司 | 企业生产安全风险评估和管理系统 |
CN110321809A (zh) * | 2019-06-13 | 2019-10-11 | 国电南瑞科技股份有限公司 | 一种基于深度学习的变电站作业现场监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111445106A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445106B (zh) | 一种用电采集设备故障处理作业现场安全控制方法及系统 | |
CN110674772B (zh) | 电力作业现场智能安全管控辅助系统及方法 | |
CN103699698B (zh) | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 | |
CN112990656B (zh) | 一种it设备监测数据的健康评价系统及健康评价方法 | |
CN108846585A (zh) | 一种煤矿隐患处理管理系统 | |
CN108537394B (zh) | 一种智能电网实时安全预警方法和装置 | |
CN108776452B (zh) | 一种特种设备现场维保监控方法及系统 | |
CN116010886B (zh) | 安全监测方法、装置、电子设备和存储介质 | |
CN113071966A (zh) | 电梯故障预测方法、装置、设备及存储介质 | |
CN112800910A (zh) | 一种通讯机房维护作业效能评估方法及系统 | |
CN117236688A (zh) | 基于大数据技术的建筑安全事故风险预防及预警系统 | |
CN108763966B (zh) | 一种尾气检测作弊监管系统及方法 | |
CN112419571A (zh) | 基于轻载算法的分布式变电站安全作业监测装置及方法 | |
CN118091054B (zh) | 一种危险气体在线监测系统和方法 | |
CN109948919A (zh) | 一种变电站运维服务系统 | |
CN118172213B (zh) | 一种基于多源数据融合的工伤预防培训管理系统 | |
CN116433029A (zh) | 电力作业风险评估方法、系统、设备及存储介质 | |
CN115761591A (zh) | 多作业现场违规识别方法 | |
CN115520741A (zh) | 基于神经网络的电梯运行监控预警方法、系统及存储介质 | |
CN113327404A (zh) | 空中交通管制员岗位疲劳状态监测告警系统 | |
CN110503215A (zh) | 基于图像识别技术识别设备状态、故障及处理异常的方法 | |
CN111353465A (zh) | 基于深度学习技术的变电站人员行为分析方法及系统 | |
CN111080005A (zh) | 一种基于支持向量机的治安风险预警方法及系统 | |
CN114565496A (zh) | 一种智慧消防安全系统 | |
CN113869758A (zh) | 智慧两票管理及作业现场风险预警系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |