CN115423387B - 超特高压线路带电作业人员现场行为智能预警方法及系统 - Google Patents
超特高压线路带电作业人员现场行为智能预警方法及系统 Download PDFInfo
- Publication number
- CN115423387B CN115423387B CN202211377674.4A CN202211377674A CN115423387B CN 115423387 B CN115423387 B CN 115423387B CN 202211377674 A CN202211377674 A CN 202211377674A CN 115423387 B CN115423387 B CN 115423387B
- Authority
- CN
- China
- Prior art keywords
- live working
- index
- working personnel
- early warning
- live
- 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
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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本申请提供一种超特高压线路带电作业人员现场行为智能预警方法及系统。该方法通过佩戴于带电作业人员身上的可穿戴设备获取带电作业人员的现场行为特征数据然后,根据现场行为特征数据以及预设智能化预警算法模型确定带电作业人员的当前安全等级,再根据当前安全等级以及预设预警机制进行预警提示。可见,运用了科学合理的方法,建立超特高压线路带电作业现场行为风险感知终端及智能化预警系统,基于超/特高压输电线路带电作业安全评价体系模型,对可能发生的各类风险进行智能化预警,能有效避免安全事故的发生和减轻人员伤亡,提高了带电作业的安全性。
Description
技术领域
本申请涉及数据处理技术,尤其涉及一种超特高压线路带电作业人员现场行为智能预警方法及系统。
背景技术
超/特高压线路带电作业作为提高供电可靠性的一种有效手段,在保证电网安全方面发挥着重要作用。采用带电作业方式对超/特高压线路进行维护已成为电网发展和供电可靠性的必然要求。
而随着电网的迅速发展,带电作业技术已经成为超/特高压线路维修、电网设备检测以及维护的重要手段。但是带电作业也是非常危险的工作,架空超/特高压线路的工作电压高、导线数目多、塔头尺寸大、结构复杂,实际带电作业工况非常复杂,作业点多、散布区域面较广,且往往处于环境恶劣地带,对带电作业现场的安全保障和人员素质提出了极高的要求。带电作业本身就具有极高的风险系数,人身风险是其中最主要的风险,高强度的作业方式及恶劣天气对作业人员的影响,强电场、暂态电击和稳态电击的存在以及作业过程中对误操作短接空气间隙放电,使带电作业人员的安全时刻受到威胁,可能会直接引发人员伤亡事故,对操作人员、区域供电、超/特高压线路运行、生产生活等都会造成影响。因此,必须认识并及时发现超/特高压线路带电作业中的风险隐患,减少带电作业安全事故发生率。
现阶段,受技术手段的限制,超/特高压线路带电作业现场仍主要依靠工作人员利用扩音器、摄像头等简单设备监督作业过程,既难以对实际操作提供指导,也无法有效监控高空作业的风险、避免事故的发生。超/特高压线路带电作业往往缺少全面的风险评估分析,急需可靠的方法为带电作业的合理规划和安全实施提供技术支持。
发明内容
本申请提供一种超特高压线路带电作业人员现场行为智能预警方法及系统,用以解决超/特高压线路带电作业缺少全面的风险评估分析的技术问题。
第一方面,本申请提供一种超特高压线路带电作业人员现场行为智能预警方法,包括:
通过佩戴于带电作业人员身上的可穿戴设备获取所述带电作业人员的现场行为特征数据,所述现场行为特征数据包括所述带电作业人员的生理特征数据、所述带电作业人员所处环境的空间位置数据以及电场强度数据;
根据所述现场行为特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级,所述预设智能化预警算法模型基于超特高压线路带电作业的安全评价指标体系建立,所述安全评价指标体系中的评价指标包括所述生理特征数据对应的生理特征指标、所述空间位置数据对应的空间位置指标以及所述电场强度数据对应的电场强度指标;
根据所述当前安全等级以及预设预警机制进行预警提示;
在所述根据所述特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级之前,还包括:
构造所述安全评价指标体系的准则层对应的指标判断矩阵A:
计算所述指标判断矩阵A的特征值,并将所述特征值中最大特征值所对应的向量确定为特征向量;
根据以下公式,对所述判断矩阵A进行一致性校验,以确定对应的一致性比值小于预设阈值,其中,公式如下:
根据所述特征向量以及所述判断矩阵A确定各个指标的权重值,以确定准则层对应的权重值矩阵;
构造各个评价指标的指标层所对应的指标判断矩阵B,并根据所述指标判断矩阵B以及隶属度函数确定各个评价指标的隶属度矩阵,其中,所述隶属度函数用于建立所述现场行为特征数据与预设现场行为特征分布之间的函数关系。
可选的,所述根据所述当前安全等级以及预设预警机制进行预警提示,包括:
在目标终端中显示系统功能界面,所述系统功能界面包括用于展示所述生理特征数据的区域、用于展示空间位置数据的区域以及用于展示电场强度数据的区域;
当所述现场行为特征数据出现异常时,在异常数据对应的区域内显示预警信息;
当所述当前安全等级发生改变或者满足预设等级条件时,在所述系统功能界面中进行弹窗提示和/或语音提示。
可选的,所述系统功能界面还包括视频监测画面,所述视频监测画面用于实时显示目标作业人员的作业监控画面;
当响应于用户选择时,所述目标作业人员为用户所选定的带电作业人员;
当存在带电作业人员的所述现场行为特征数据出现异常时,所述目标作业人员为数据发生异常的带电作业人员;
当存在带电作业人员的所述当前安全等级发生改变或者满足所述预设等级条件时,所述目标作业人员为所述当前安全等级发生改变或者满足所述预设等级条件的带电作业人员。
可选的,所述电场强度指标包括:所述带电作业人员的手部电场强度指标、头部电场强度指标以及脚部电场强度指标;
相应的,所述手部电场强度指标以及所述脚部电场强度指标对应的隶属度函数为:
其中,x为手部电场强度或脚部电场强度;
所述头部电场强度指标对应的隶属度函数为:
其中,x为手部电场强度或脚部电场强度。
可选的,所述空间位置指标包括:人员与导线距离指标、人员与横担距离指标、人员与塔身距离指标及组合间隙距离指标;
相应的,所述人员与导线距离指标以及所述组合间隙距离指标对应的隶属度函数为:
其中,x为人员与导线之间的距离或组合间隙距离;
所述人员与横担距离指标以及所述人员与塔身距离指标对应的隶属度函数为:
其中,x为人员与横担之间的距离或人员与塔身之间的距离。
可选的,所述生理特征指标包括:所述带电作业人员的心率指标、血压指标、血氧指标以及体温指标;
相应的,所述心率指标对应的隶属度函数为:
其中,x为作业人员的心率;
所述血压指标对应的隶属度函数为:
其中,x为作业人员的舒张压;
所述血氧指标对应的隶属度函数为:
其中,x为作业人员的血氧饱和度;
所述体温指标对应的隶属度函数为:
其中,x为作业人员的体温。
可选的,所述现场行为特征数据还包括所述带电作业人员工作时的音视频信息;
相应的,在所述根据所述当前安全等级以及预设预警机制进行预警提示之前, 还包括:
根据所述音视频信息中的实时画面以及预设目标识别模型确定所述带电作业人员的姿态动作,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示;和/或,
根据所述音视频信息中目标时长内的画面序列以及预设目标识别模型确定所述带电作业人员的姿态动作序列,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示,其中,所述目标时长为第一时间点至第二时间点之间的时长,所述第一时间点为所述带电作业人员保持第一动作超过预设时长时所对应的时间点,所述第二时间点为所述带电作业人员保持第二动作超过预设时长时所对应的时间点;和/或,
根据所述音视频信息中的实时画面以及预设目标识别模型确定所述带电作业人员的防护装备穿戴状态,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示;和/或,
根据所述音视频信息中的音频以及预设声音识别模型确定所述带电作业人员所处环境的风力等级,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示。
可选的,在所述通过佩戴于带电作业人员身上的可穿戴设备获取所述带电作业人员的现场行为特征数据之前,还包括:
根据预设路线规划模型确定所述带电作业人员进入所述超特高压线路带电作业现场的优选路线,其中,所述预设路线规划模型的输入为超特高压线路带电作业现场以及所述带电作业人员的实体模型,所述预设路线规划模型的输出为所述带电作业人员以不同角度进入所述超特高压线路带电作业现场时各个部位的体表场强,所述各个部位的体表场强用于确定所述优选路线;
显示所述优选路线,以指示带电作业人员根据所述优选路线进行带电作业。
可选的,在所述通过佩戴于带电作业人员身上的可穿戴设备获取所述带电作业人员的现场行为特征数据之后,还包括:
在所述带电作业人员沿着所述优选路线进入所述超特高压线路带电作业现场时,获取所述带电作业人员的实时位置数据;
根据所述实时位置数据将所述带电作业人员的现场行为特征数据显示在所述优选路线上;
若检测到所述实时位置数据偏离所述优选路线,则显示视频监测画面。
可选的,所述显示所述优选路线,以指示带电作业人员根据所述优选路线进行带电作业,包括:
根据所述优选路线上所述带电作业人员的各个部位的体表场强以及预设体表场强阈值确定动作提示点;
在所述优选路线上显示所述动作提示点,并在所述动作提示点上显示动作指导提示信息,以指示带电作业人员根据所述动作指导提示信息在所述动作提示点所对应的实际位置上进行带电作业。
可选的,所述在所述动作提示点上显示动作指导提示信息之后,还包括:
在根据所述实时位置数据与所述动作提示点相匹配时,启动视频监测画面,所述视频监测画面用于实时显示所述目标作业人员的作业监控画面;
根据所述音视频信息中的实时画面以及预设目标识别模型确定所述带电作业人员的动作是否匹配所述动作指导提示信息;若不匹配,则根据所述带电作业人员的动作与所述动作指导提示信息中动作的区别,发送目标穿戴设备,以使所述目标穿戴设备进行振动,其中,所述目标穿戴设备为存在所述区别的动作所对应的身体部位。
第二方面,本申请提供一种超特高压线路带电作业人员现场行为智能预警系统,包括:
定位功能模块,用于获取带电作业人员的现场行为特征数据中所述带电作业人员所处环境的空间位置数据;
体征功能模块,用于获取所述现场行为特征数据中所述带电作业人员的生理特征数据;
场强功能模块,用于获取所述现场行为特征数据中所述带电作业人员的电场强度数据;
风险预警模块,用于根据所述现场行为特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级,所述预设智能化预警算法模型基于超特高压线路带电作业的安全评价指标体系建立,所述安全评价指标体系中的评价指标包括所述生理特征数据对应的生理特征指标、所述空间位置数据对应的空间位置指标以及所述电场强度数据对应的电场强度指标;
在所述根据所述特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级之前,还包括:
构造所述安全评价指标体系的准则层对应的指标判断矩阵A:
计算所述指标判断矩阵A的特征值,并将所述特征值中最大特征值所对应的向量确定为特征向量;
根据以下公式,对所述判断矩阵A进行一致性校验,以确定对应的一致性比值小于预设阈值,其中,公式如下:
根据所述特征向量以及所述判断矩阵A确定各个指标的权重值,以确定准则层对应的权重值矩阵;
构造各个评价指标的指标层所对应的指标判断矩阵B,并根据所述指标判断矩阵B以及隶属度函数确定各个评价指标的隶属度矩阵,其中,所述隶属度函数用于建立所述现场行为特征数据与预设现场行为特征分布之间的函数关系;风险界面展示模块,用于根据所述当前安全等级以及预设预警机制进行预警提示。
第三方面,本申请提供一种电子设备,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行第一方面中所述的任一种可能的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面中所述的任一种可能的方法。
本申请提供的,通过佩戴于带电作业人员身上的可穿戴设备获取带电作业人员的现场行为特征数据,其中,现场行为特征数据包括带电作业人员的生理特征数据、带电作业人员所处环境的空间位置数据以及电场强度数据,然后,根据现场行为特征数据以及预设智能化预警算法模型确定带电作业人员的当前安全等级,再根据当前安全等级以及预设预警机制进行预警提示。可见,运用了科学合理的方法,建立超特高压线路带电作业现场行为风险感知终端及智能化预警系统,基于超/特高压输电线路带电作业安全评价体系模型,对可能发生的各类风险进行智能化预警,能有效避免安全事故的发生和减轻人员伤亡,对带电作业的安全开展具有重要的经济和社会意义。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例实施例示出的超特高压线路带电作业人员现场行为智能预警方法的流程示意图;
图2是本申请根据另一示例实施例示出的超特高压线路带电作业人员现场行为智能预警方法的流程示意图;
图3是本申请根据再一示例实施例示出的超特高压线路带电作业人员现场行为智能预警方法的流程示意图;
图4为本申请实施例中进入等电位路径的模拟条件设置示意图;
图5 为沿 0°方向进入作业人员体表场强云图;
图6为沿 45°方向进入作业人员体表场强云图;
图7为沿 -45°方向进入作业人员体表场强云图;
图8为沿 -90°方向进入作业人员体表场强云图;
图9是本申请根据一示例实施例示出的超特高压线路带电作业人员现场行为智能预警系统的结构示意图;
图10是本申请根据一示例实施例示出的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
截止2018年底,浙江电网已经建成拥有110千伏及以上输电线路5.6万千米、变电容量4.25亿千伏安;1000千伏变电站3座、变电容量1800万千伏安,±800千伏直流换流站2座,换流容量1600万千瓦;供电服务人口超过5400万。2020上半年,国网浙江电力新开工110千伏及以上线路1064千米;投产110千伏及以上变电1896万千伏安、线路1425千米。超/特高压线路带电作业作为提高供电可靠性的一种有效手段,在保证电网安全方面发挥着重要作用。采用带电作业方式对超/特高压线路进行维护已成为电网发展和供电可靠性的必然要求。
而随着电网的迅速发展,带电作业技术已经成为超/特高压线路维修、电网设备检测以及维护的重要手段。但是带电作业也是非常危险的工作,架空超/特高压线路的工作电压高、导线数目多、塔头尺寸大、结构复杂,实际带电作业工况非常复杂,作业点多、散布区域面较广,且往往处于环境恶劣地带,对带电作业现场的安全保障和人员素质提出了极高的要求。带电作业本身就具有极高的风险系数,人身风险是其中最主要的风险,高强度的作业方式及恶劣天气对作业人员的影响,强电场、暂态电击和稳态电击的存在以及作业过程中对误操作短接空气间隙放电,使带电作业人员的安全时刻受到威胁,可能会直接引发人员伤亡事故,对操作人员、区域供电、超/特高压线路运行、生产生活等都会造成影响。因此,必须认识并及时发现超/特高压线路带电作业中的风险隐患,减少带电作业安全事故发生率。
现阶段,受技术手段的限制,超/特高压线路带电作业现场仍主要依靠工作人员利用扩音器、摄像头等简单设备监督作业过程,既难以对实际操作提供指导,也无法有效监控高空作业的风险、避免事故的发生。超/特高压线路带电作业前往往缺少全面的风险评估分析,作业中又难以真实掌握现场的安全水平,急需可靠的方法为带电作业的合理规划和安全实施提供科学的决策支持。因此,尽管现阶段的管理制度已经比较完善,但由于设备、人员、环境的复杂性和不可控性,仅仅依靠于管理制度及员工个人素质来保障带电作业现场的安全性存在诸多风险隐患,亟需开展相关研究将智能化告警、实时人员行为风险评估、体感监测技术和传统带电作业相融合,进一步提高作业安全性。
对于超/特高压线路带电作业风险评价的应用:
在专业管理方面,超/特高压线路带电作业风险评价一般是在作业前通过现场勘察、评审分析的方式向各级带电作业管理人员和一线生产人员收集对各类带电作业风险发生的可能性评估,最后得出该项带电作业内容风险发生的可能性大小,对各个带电作业步骤的危险程度进行了一个半定量的分析,直观的对作业危险程度进行了评价和定级,让未从事过带电作业的管理人员、安监人员对带电作业有一个总体直观的认识。各地电力公司生产实际中,确实存在一些运检部门管理人员,因未从事过带电作业,对超/特高压线路带电作业疏于了解,在管理方案制定、专业指导方面方向存在偏差,特别是对作业的安全性存有顾虑;另一些安全监督部门管理人员,同样因为对超/特高压线路带电作业了解不够,在现场安全督导过程中,无法找准方向,对一些违规行为不能及时有效的发现和制止,存在监管盲点。
而在生产实际中的应用,对生产一线的带电作业人员来说,目前主要是将从事的各类带电作业项目进行一个评价分级,界定出高危、中等风险、低风险等几个等级,是对工作人员的安全警示。特别是目前工作量日渐增大的情况下,防止作业人员安全意识放松懈怠,对工作难易程度、危险高低程度有充分的认识。与此同时,在现场勘查、工作票签发、负责人开工前会等生产作业的不同环节,也在针对重点风险逐步制定出更积极有效的安全防护措施。
对于超/特高压线路带电作业风险管理及评估技术,风险管理问题最早是起源于西方国家,最早是1930年由Huebner提出的,指各经济单位通过识别、估计风险,并在此基础上有效控制风险,用最经济合理的方法来综合处置风险,将风险导致的各种不利后果减少到最低限限度的科学管理手段,风险识别、风险评估以及风险控制是实现风险管理的核心问题。20世纪70年代以来,学术界和工程界已在电力系统可靠性模型和应用研究领域取得了丰富的理论和应用成果。由于电力系统随机行为的复杂性,使得这一领域的研究进展在工程实际应用方面仍存在很大局限,尤其是在检修、管理和安全性方面仍存在大量空白。开展电力现场作业的风险识别、分析与评价,推进风险管理系统的开发与研究,既是电力安全发展的客观需要,也是企业管理创新、发展进步的必然要求。
近年来,随着电力企业信息化、自动化和智能化的推进,部分供电企业逐步尝试开展安全风险管理体系的构建及安全风险管控技术的研究,基于风险的安全管理技术逐渐成为电力现场作业安全研究的热点。
风险评估最早于20世纪30年代出现在保险业,随着航天航空和核工业等高新技术产业的发展,20世纪60年代后期,以概率风险评价(为代表的风险评估技术得到了研究和发展,随后,以概率论为基础的特色的风险评估方法不断出现,最常用的有可靠性分析、故障树分析、事件树分析、危险与可操作研究、初始危险分析、管理失效与风险分析等。我国于20世纪80年代初期引入安全系统工程,在许多企业,安全检查表法和故障树分析方法已经应用于生产班组和操作岗位。
电力作业安全风险评估是指在风险辨识的基础上,运用风险评估原理,通过定性和定量分析等技术手段对电力安全生产现状或某项工作任务的风险发生的可能性和严重性进行估计和评价,确定风险指标,通过与风险标准值进行比较,确定安全风险等级,由此确定风险是否可以接受,以及相应的风险控制措施,实现对风险程度和风险承受能力的预测,为风险控制提供依据。
目前用于风险评估的方法有很多,常用方法诸如故障假设分析法、概率风险评价法、层次分析法、模糊综合评价法、多指标排序及人工神经网络等。这些方法各有利弊,具有不同的适用场合。其中,神经网络分析法需要大量的训练样本,同时其收敛速度极慢,并且其评价结果往往不统一(存在不确定性),因此一般不适用于对安全风险巨大的行为。超/特高压线路带电作业是一项复杂工作,而故障树分析法对简单事件进行安全评估有优势,对复杂工作的评估结果往往可信度不高。一般地,安全检查表评价法是由工作人员根据现场工作经验撰写而成的,主要依赖于撰写人员的水平和经验,因此难以全面推广。超/特高压线路带电作业具有指标复杂繁琐、评价模糊的特点,各影响因素相互作用关系复杂,且存在非线性特征,模糊层次分析法能够综合分析各因素的影响,相对更适合用于对带电作业项目的安全风险进行整体评价。
综上所述,目前输电线路带电作业管理评价方法功能单一,不能很好的满足实际输电线路管理的一般要求。虽然国内外对带电作业风险都做了相应的规程描述及规章制度安全管控,但存在的问题是内容较分散笼统,缺少较完备的对作业过程中存在的各类可能对作业人员造成伤害的风险进行系统分析、描述和评价方法,及对造成事故的原理进行相应的解释和对可能造成的伤害进行评价分级的相关研究。运用科学合理的方法,建立超特高压线路带电作业现场行为风险感知终端及智能化预警系统,实现带电作业场景画面、人员空间位置、体表电场分布、生理特征等信息的可视化展示,基于超/特高压输电线路带电作业安全评价体系模型,对可能发生的各类风险进行智能化预警。能有效避免安全事故的发生和减轻人员伤亡,对带电作业的安全开展具有重要的经济和社会意义。
图1是本申请根据一示例实施例示出的超特高压线路带电作业人员现场行为智能预警方法的流程示意图。如图1所示,本实施例提供的方法,包括:
S101、通过佩戴于带电作业人员身上的可穿戴设备获取带电作业人员的现场行为特征数据。
通过佩戴于带电作业人员身上的可穿戴设备获取带电作业人员的现场行为特征数据,其中,现场行为特征数据包括带电作业人员的生理特征数据、带电作业人员所处环境的空间位置数据以及电场强度数据。
上述的可穿戴设备可以为输电线带电作业体感监测装置,使用时,可以将该装置佩戴于带电作业人员身体的各个部位,例如:手部、脚部、腿部、头部等。为了满足超特高压线路带电作业的作业需求,对于输电线带电作业体感监测装置的功能需求,可以持续工作不低于4小时;生理特征数据、空间位置数据以及电场强度数据可以是自动实时监测(也可以手动进行实时采集);具备现场自组网络功能,不依赖移动网络信号,并且,传输距离不低于100m;此外,还具备告警提示功能,其中,报警阈值可手动设置。
而对于上述现场行为特征数据的数据类型选择时,可以进行带电作业安全评价指标分析。具体的,带电作业的安全评价指标体系牵涉到的影响因素众多,需要根据一定原则和方法结合带电作业本身特性科学合理地建立,才能保证评价结果的正确性,达到促进特高压带电作业安全作业的目的。因此,选择合理的评价指标是建立安全评价体系的关键,更是评估结果准确性的关键。
安全评价的目的在于识别作业过程中的危害因素,并进行控制,以达到安全作业的目的。本项目根据安全评价单元划分与合成原则,将超/特高压带电作业评估划分为电场强度单元,空间位置单元,人员生理特征单元,还可以进一步包括,音视频信息单元。
1)电场强度因素:
复杂的电磁环境会对人体造成潜在的影响。研究表明,生物体外的电磁场会通过在生物体内产生的感应电流和热效应对生物体的一些生理过程产生影响。例如,有研究显示白血病的发病率与靠近大电流的输电线路是明显正相关的,还有的研究认为癌症的发病率也与工频电磁场有关。另据一些更具一般性的研究,工频电磁场会对人的生理、心理均会带来不适。大量研究表明,人体皮肤对表面局部场强的“电场感知水平”为240kV/m,GB/T25726-2012《1000kV交流带电作业用屏蔽服装》规定,交流带电作业时人体裸漏部分局部最大交流场强应≤240kV/m,屏蔽服内≤15kV/m。
2)空间位置因素:
带电作业安全距离是指为了保证带电作业人员人身安全,作业人员与不同电位的物体之间所应保持一定的空气间隙距离。在作业人员处于地电位和等电位作业状态时,最小安全距离是指作业人员与带电体或接地体之间所应保持最小空气间隙距离,包括地电位作业人员对导线与等电位作业人员对杆塔之间的最小距离。
在作业人员处于中间电位状态时,用组合间隙来表示人体与不同电位的物体间所应保持的距离之和,包括作业人员与带电体间的距离及与接地体间的距离。在中间电位状态,作业人员处于最低50%操作冲击放电电压位置时,人体对接地体与人体对带电体两者应保持的最小距离之和称为最小组合间隙。
当杆塔塔窗的间隙距离不满足最小安全距离或最小组合间隙时,开展带电作业将面临严重的危险,一旦线路出现过电压情况,间隙将极易发生击穿,人体将成为放电通道,会对人体造成严重的损害甚至死亡。
在杆塔塔窗满足要求的间隙距离前提下,即使带电体上产生了可能出现的最高操作过电压,该间隙可能发生击穿的概率将总是低于规定的十万分之一,可以有效避免因电击产生电流流过人体,保障带电作业人员的安全。
3)人员生理特征以及音视频信息因素:
带电作业工作人员在持续时间长、劳动强度高的工作中会出现脑力或体力下降的状态即为工作疲劳。医学上认为疲劳是由于人体生理变化而导致人体机能下降的现象,人体的体力和脑力活动能力受到抑制,同时人体主观上也会有对应的感受,产生想要休息的想法。可以看出,虽然各个领域对于疲劳的表述尚未完全形成统一,但都涉及到生理和心理两个方面,并且都认为疲劳会导致人体机能的下降。
生理疲劳又称为体力疲劳或肌肉疲劳,是由于人体进行长时间的活动或者短时间的剧烈运动,肌肉产生超过人体代谢负荷的乳酸引起的生理变化。其一般表现为肌肉乏力、肌肉收缩速率下降。肌肉在收缩做功时,人体内会发生化学反应从而释放能量,同时产生乳酸和二氧化碳。随着乳酸和二氧化碳含量的增多,肌肉内pH值下降,H离子的积累会干扰肌肉内肌钙蛋白和钙离子的结合,进而影响肌肉的收缩过程,导致生理疲劳的产生。
可以通过一系列生理指标判断作业人员的生理状态,确保工作人员不会因疲劳或者焦虑不安等影响作业。人体进行新陈代谢活动过程中释放的能量大部分都转化成为热能,这些热能是维持人体温度的主要热源。人体温度是指机体内的温度,相对是恒定的,虽然会收到新陈代谢活动的影响,但是变化很小。而皮肤作为人体与外界环境直接接触的器官,其温度的变化相较于体温更加明显。皮温受到人体新陈代谢活动的影响,同时也通过人体与外界环境的热交换而变化。皮温的测量一般包括接触法和非接触法。接触法通过温度传感器直接接触待测区域皮肤外表皮进行测量,非接触则借助红外热像仪等仪器进行测量。
血氧饱和度即脑部血液中被氧结合的血红蛋白的占全部血红蛋白的比例。氧是维持生物生命正常活动的必需物质之一,人体的新陈代谢活动需要氧的参与,因此脑血氧饱和度可以反映人体脑部的活动情况。由于人体的疲劳状况会反映到脑部的活动中,因此可以通过监测脑部的活动情况来识别人的疲劳状态。
血压和心率可以反应工作强度对人体的影响,持续高强度工作会导致作业人员发生注意力不集中,乏力等状况。在这些负面生理特征的影响下,作业人员可能会出现无意识的违规操作,导致安全事故。
采用生理指标测试以及音视频系统实时监测,可以对线路上带电作业人员进行更好的安全保障。利用血氧,心率,血压,体温等数值判断作业人员的生理及心理疲劳程度,利用音视频监测系统可以实时观测作业人员的行为,在作业人员做出具有安全隐患动作时候可以由监测人员提醒,避免形成安全事故。
S102、根据现场行为特征数据以及预设智能化预警算法模型确定带电作业人员的当前安全等级。
根据现场行为特征数据以及预设智能化预警算法模型确定带电作业人员的当前安全等级,预设智能化预警算法模型基于超特高压线路带电作业的安全评价指标体系建立,安全评价指标体系中的评价指标包括生理特征数据对应的生理特征指标、空间位置数据对应的空间位置指标以及电场强度数据对应的电场强度指标。
对于上述的安全评价指标体系,可以是基于故障假设分析法、概率风险评价法、层次分析法、模糊综合评价法、多指标排序及人工神经网络等方法进行建立。
在一种可能的实现方式中,对于上述的安全评价指标体系的构建,可以是先构造安全评价指标体系的准则层对应的指标判断矩阵A:
计算指标判断矩阵A的特征值,并将特征值中最大特征值所对应的向量确定为特征向量;
根据以下公式,对判断矩阵A进行一致性校验,以确定对应的一致性比值小于预设阈值,其中,公式如下:
根据特征向量以及判断矩阵A确定各个指标的权重值,以确定准则层对应的权重值矩阵;
构造各个评价指标的指标层所对应的指标判断矩阵B,并根据指标判断矩阵B以及隶属度函数确定各个评价指标的隶属度矩阵,其中,隶属度函数用于建立现场行为特征数据与预设现场行为特征分布之间的函数关系。
其中,电场强度指标包括:带电作业人员的手部电场强度指标、头部电场强度指标以及脚部电场强度指标;
相应的,手部电场强度指标以及脚部电场强度指标对应的隶属度函数为:
其中,x为手部电场强度或脚部电场强度;
头部电场强度指标对应的隶属度函数为:
其中,x为手部电场强度或脚部电场强度。
对于空间位置指标,可以包括:人员与导线距离指标、人员与横担距离指标、人员与塔身距离指标及组合间隙距离指标;
相应的,人员与导线距离指标以及组合间隙距离指标对应的隶属度函数为:
其中,x为人员与导线之间的距离或组合间隙距离;
人员与横担距离指标以及人员与塔身距离指标对应的隶属度函数为:
其中,x为人员与横担之间的距离或人员与塔身之间的距离。
对于生理特征指标,可以包括:带电作业人员的心率指标、血压指标、血氧指标以及体温指标;
相应的,心率指标对应的隶属度函数为:
其中,x为作业人员的心率;
血压指标对应的隶属度函数为:
其中,x为作业人员的舒张压;
血氧指标对应的隶属度函数为:
其中,x为作业人员的血氧饱和度;
体温指标对应的隶属度函数为:
其中,x为作业人员的体温。
根据上述所建立的超/特高压输电线路带电作业安全评价体系,计算权重值矩阵与指标层隶属度矩阵的乘积即可获得一级模糊综合评价,将其作为准则层隶属度,并与准则层权重相乘即可获得目标层隶属度,进而按照权值归一化处理后可获得带电作业安全评价体系的安全等级。
S103、根据当前安全等级以及预设预警机制进行预警提示。
在确定当前安全等级之后,可以根据所确定的当前安全等级以及预设预警机制进行预警提示。
可选的,可以是在目标终端中显示系统功能界面,系统功能界面包括用于展示生理特征数据的区域、用于展示空间位置数据的区域以及用于展示电场强度数据的区域。具体的,可以是当现场行为特征数据出现异常时,在异常数据对应的区域内显示预警信息,也可以是当当前安全等级发生改变或者满足预设等级条件时,在系统功能界面中进行弹窗提示和/或语音提示。其中,当所监测到的生理特征数据中的心率数据发生异常,并且所对应的当前安全等级满足了预设等级条件时,就可以进行弹窗提示。
可选的,在上述系统功能界面中,还可以设置视频监测画面,其中,该视频监测画面用于实时显示目标作业人员的作业监控画面。当响应于用户选择时,目标作业人员为用户所选定的带电作业人员,从而可以对选定的带电作业人员进行针对性的监测;当存在带电作业人员的现场行为特征数据出现异常时,目标作业人员为数据发生异常的带电作业人员,可以是先显示提示信息,通过触发提示信息显示发生异常的带电作业人员的视频监测画面,也可以是自动切换至发生异常的带电作业人员的视频监测画面;当存在带电作业人员的当前安全等级发生改变或者满足预设等级条件时,目标作业人员为当前安全等级发生改变或者满足预设等级条件的带电作业人员,可以是先显示提示信息,通过触发提示信息显示当前安全等级发生改变或者满足预设等级条件的带电作业人员的视频监测画面,也可以是自动切换至当前安全等级发生改变或者满足预设等级条件的带电作业人员的视频监测画面。
在本实施例中,通过佩戴于带电作业人员身上的可穿戴设备获取带电作业人员的现场行为特征数据,其中,现场行为特征数据包括带电作业人员的生理特征数据、带电作业人员所处环境的空间位置数据以及电场强度数据,然后,根据现场行为特征数据以及预设智能化预警算法模型确定带电作业人员的当前安全等级,再根据当前安全等级以及预设预警机制进行预警提示。可见,运用了科学合理的方法,建立超特高压线路带电作业现场行为风险感知终端及智能化预警系统,基于超/特高压输电线路带电作业安全评价体系模型,对可能发生的各类风险进行智能化预警,能有效避免安全事故的发生和减轻人员伤亡,对带电作业的安全开展具有重要的经济和社会意义。
在上述实施例的基础上,可以以建立±1100kV特高压输电线路带电更换导线间隔棒作业仿真作业场景,模拟实际线路的带电作业,利用所建立的模型,评估其安全等级。
(1)模糊判断矩阵
超/特高压带电作业安全评价指标体系有四部分构成:电场强度B1、空间位置B2、生理特征相关指标B3、音视频相关信息B4。但在本次实例中为了更好的进行参数量化,音视频相关信息作为辅助决策措施,不参与风险评估过程。首先根据专家对准则层其余三个指标的重要性比较按照标度表构造模糊判断矩阵,如表1-1所示。
表1-1 准则层各指标模糊判断矩阵
根据表1-1所示的准则层五个指标构成的判断矩阵,利用matlab软件eig()函数计
算其特征值,并选择最大特征值对应的特征向量,经归一化处理后作为各指标的权重。计算
出判断矩阵的最大特征值为4.2121,其对应的特征向量如表1-1所示。特征向量的归
一化处理根据以下公式计算,计算结果作为各指标的权重如表1-1所示。
将计算得到的判断矩阵最大特征值及矩阵阶数n=4代入上述实施例的一致性校验公式中,计算出一致性指标C·I为0.019,进而计算出随机一致性比值C·R为0.03<0.1,满足一致性要求,即准则层各指标权重的取值分布是合理的。
因此,根据上述计算可得到准则层各因素的权重,如下式所示:
(2)指标层各指标权重
1)电场强度B1指标层权重
根据本例子所构造的特高压带电作业安全评价体系准则层电场强度因素包含三个指标:手部电场强度C11、脚部电场强度C12及头部电场强度C13,采用构造模糊判断矩阵的方法分别计算三个指标的权重。计算过程如表1-2所示。
表1-2电场强度指标层权重计算
利用matlab中eig()函数计算出带电作业环境各指标的特征向量如表1-2所示,最
大特征值为3.0649,因此计算出一致性指标为0.0324,进而计算出随机一致性
比值为0.062<0.1,满足一致性要求。
2)空间位置B2指标层权重
根据本例子所构造的特高压带电作业安全评价体系准则层空间位置因素包含四个指标:人员与导线距离C21、人员与横担距离C22、人员与塔身C23及组合间隙距离C24,采用构造模糊判断矩阵的方法分别计算四个指标的权重。计算过程如表1-3所示。
表1-3空间位置指标层权重计算
3)生理特征B3指标层权重
根据本例子所构造的特高压带电作业安全评价体系准则层安全作业综合管理因素包含四个指标:作业人员心率C31、作业人员血压C32、作业人员血氧C33及作业人员体温C34,采用构造模糊判断矩阵的方法分别计算四个指标的权重。计算过程如表1-4所示。
表1-4生理特征指标层权重计算
(2)准则层隶属度计算
1)评语标准等级划分
根据带电作业安全评估的最终状态,参考一般安全评估常用评估等级划分准则,将超/特高压带电作业安全评估评语划分为三个等级,考虑到本例子采用的权重分布为0~1标度,因此赋予各等级一定权值经归一化处理后获得最终评估状态。评语标准等级划分如表1-5所示。
表1-5超/特高压带电作业安全等级评语
2)评价指标隶属度
首先得出超/特高压带电作业安全评价体系指标层的隶属度矩阵,指标层隶属度矩阵与指标层权重函数的模糊运算作为准则层的隶属度,进而算出最终综合评价结果。由此可见,指标层隶属度矩阵计算是进行综合评价的重要步骤,目前常见的隶属度矩阵多为现场人员按照评语等级以及个人经验做出评分,这种方法不可避免的会由于工作人员的不同而产生认为误差。在此次算例中,为了尽可能减少人为误差,采用量化的数据指标进行隶属度矩阵计算。
本算例模糊分布法确定元素对某个模糊集合的隶属度,即利用一些函数,通过参照比较,选择最能代表所论模糊集的函数作为隶属函数,这些函数称为模糊分布。常用的一些函数有如下一些类型。矩形隶属度函数,岭形隶属度函数,以及梯形隶属度函数等。因梯形分布函数具有主值区间宽、过渡带平缓的特点,更适应与本项目的综合评价模型,故选择梯形隶属度函数。
对于电场特征B1指标,又细分为手部电场强度C1,头部电场强度C2,脚部电场强度C3,在等电位处作业人员均穿着屏蔽服,电场主要会影响地电位工作人员。依据对±1100kV地电位带电作业人员电场仿真测量值。选择偏小型隶属度函数,C1以及C2隶属度函数为:
头部电场强度C3隶属度函数为
在本次作业中,测试某地电位作业人员处电场值为,手部电场强度90kV/m,脚部电场强度110kV/m,头部电场强度293kV/m,则其隶属度矩阵为:
空间位置因素包含四个指标:人员与导线距离C21、人员与横担距离C22、人员与塔身C23及组合间隙距离C24,选择偏大型梯形隶属度函数。依据前文所计算安全距离知识,得出其隶属度函数分别为:
人员与导线距离C21及组合间隙距离C24隶属度函数:
等电位时人员与横担距离C22、人员与塔身C23隶属度函数为:
本例中人员在地电位处距离导线为10.5m,工作中与横担距离为10m,与塔身距离为10.5m,组合间隙为11m。带电作业人员的隶属度矩阵为:
对于作业人员生理特征选择中间型梯形隶属度函数,分别为:
作业人员心率隶属度函数:
作业人员血压(舒张压)隶属度函数:
作业人员血氧隶属度函数:
作业人员体温隶属度函数:
在本次计算中,设定作业人员心率为126次/分钟,血压(舒张压)为108毫米汞柱,血氧饱和度为96%,体温为36.6摄氏度。计算后则此隶属度矩阵为:
(3)模糊综合评价结果
根据本项目建立的超/特高压输电线路带电作业安全评价体系,计算指标层权重与指标层隶属度矩阵的乘积即可获得一级模糊综合评价,将其作为准则层隶属度,并与准则层权重相乘即可获得目标层隶属度,进而按照权值归一化处理后可获得带电作业安全评价体系的安全等级。
一级模糊综合评价的计算过程:
将计算结果与表1-5中等级标准分段比较可以得出,确定该了本次模拟带电作业安全状态等级属于比较安全状态。
在上述实施例的基础上,图2是本申请根据另一示例实施例示出的超特高压线路带电作业人员现场行为智能预警方法的流程示意图。如图2所示,本实施例提供的方法与上述实施例的区别在于,上述的现场行为特征数据中,还可以包括带电作业人员工作时的音视频信息。相应的,在根据当前安全等级以及预设预警机制进行预警提示之前,还可以包括:
S201、根据音视频信息中的实时画面以及预设目标识别模型确定带电作业人员的姿态动作。
在本步骤中,可以是根据音视频信息中的实时画面以及预设目标识别模型确定带电作业人员的姿态动作,例如,可以是确定带电作业人员的姿态动作为站立、半蹲、全蹲或者斜靠等。从而根据当前安全等级以及姿态动作进一步确定是否进行预警提示,例如,在较为安全等级较低的时采取重心不稳的斜靠方式,则会进行预警提示,即使当前安全等级未达到常规的预警条件,由于姿态动作的危险性,也可以进行预警提示。在预警提示后,可以向带电作业人员发送姿态动作调整指示,若带电作业人员及时地调整姿态动作,恢复至安全动作,则可以解除预警提示。
S202、根据音视频信息中目标时长内的画面序列以及预设目标识别模型确定带电作业人员的姿态动作序列。
在本步骤中,可以是、根据音视频信息中目标时长内的画面序列以及预设目标识别模型确定带电作业人员的姿态动作序列,以根据当前安全等级以及姿态动作确定是否进行预警提示,其中,目标时长为第一时间点至第二时间点之间的时长,第一时间点为带电作业人员保持第一动作超过预设时长时所对应的时间点,第二时间点为带电作业人员保持第二动作超过预设时长时所对应的时间点。上述姿态动作序列可以理解为连贯的一系列作业动作,例如,为更换某一零部件说对应的系列作业动作,通过上述方法可以确定更换该零部件的系列作业动作是否规范,在不规范时,即可进行预警提示,即使当前安全等级未达到常规的预警条件,由于作业动作的不规范所造成的风险,也可以进行预警提示。
S203、根据音视频信息中的实时画面以及预设目标识别模型确定带电作业人员的防护装备穿戴状态。
具体的,可以是根据音视频信息中的实时画面以及预设目标识别模型确定带电作业人员的防护装备穿戴状态,以根据当前安全等级以及姿态动作确定是否进行预警提示。通过上述方法可以确定带电作业人员的防护装备穿戴状态是否规范,在不规范时,即可进行预警提示,即使当前安全等级未达到常规的预警条件,由于防护装备穿戴不规范所造成的风险,也可以进行预警提示。
S204、根据音视频信息中的音频以及预设声音识别模型确定带电作业人员所处环境的风力等级。
具体的,可以是根据音视频信息中的音频以及预设声音识别模型确定带电作业人员所处环境的风力等级,以根据当前安全等级以及姿态动作确定是否进行预警提示。通过上述方法可以确定带电作业人员所处环境的风力等级,若当前风力超过预设安全风力,则即使当前安全等级未达到常规的预警条件,由于环境风力影响所造成的风险,也可以进行预警提示。
值得说明的,上述S201-S204可以为在根据音视频信息确定识别结果后,根据所识别的结果进行选择性执行,当满足任意一个条件时,则执行该条件所对应的步骤,若同时满足多个条件时,可以直接执行预警提示步骤,也可以将多个条件进行综合考虑,提高预警提示的等级。
在上述实施例的基础上,图3是本申请根据再一示例实施例示出的超特高压线路带电作业人员现场行为智能预警方法的流程示意图。如图3所示,本实施例提供的方法与上述实施例的区别在于,为了进一步提供带电作业人员现场的作业安全性,可以在带电作业人员进入现场作业前,先进行路线的模拟规划选择,具体的,可以是在通过佩戴于带电作业人员身上的可穿戴设备获取带电作业人员的现场行为特征数据之前,包括:
S301、根据预设路线规划模型确定带电作业人员进入超特高压线路带电作业现场的优选路线。
在本步骤中,可以是根据预设路线规划模型确定带电作业人员进入超特高压线路带电作业现场的优选路线。其中,预设路线规划模型的输入为超特高压线路带电作业现场以及带电作业人员的实体模型,预设路线规划模型的输出为带电作业人员以不同角度进入超特高压线路带电作业现场时各个部位的体表场强,各个部位的体表场强用于确定优选路线。
可以以目前已普遍安装线路避雷器的典型杆塔 500 kV ZB1 型塔输电线路进行举例说明,其中,500 kV ZB1 型塔为单回酒杯型直线塔。具体的,500kV 带支撑件间隙避雷器的输电线路模型包括带绝缘支撑间隙避雷器、500kV 杆塔、复合绝缘子、分裂导线等,其中导线长度取30m,忽略导线弧垂。ZB1 型塔中所有实体被1 个半径为 60m,高度为 40m 的半圆柱空气体包围。据此,可以建立带绝缘支撑间隙避雷器模型。
由于人体身体结构极为复杂,建立完整准确的人体模型十分困难且计算机计算能力难以完成计算,所以可以对人体模型进行适当地简化, 其中人体头部采用球体来模拟,上半身采用长方体模拟,并对肩部进行倒角处理,臂和腿部采用圆柱体模型,进入等电位过程中,带电作业人员一般采用坐姿,手臂采取前伸姿势。据此,可以建立带电作业人员的模型。
频率为 50HZ的低频电场可近似为静电场,运行过程中,三相导线对地电压在变化, 转化为静电场问题时需加载不同的电压。根据三相电压的余弦函数关系,如一相初相角为0°,则另外两相分别滞后和超前 120°,当其中一相电压达到最大值时,另外两相分别达到-1/2 的最大值。
计算时,应用交流线路线电压转换为相电压公式:
由上述公式可知,相电压最高幅值为 449kV, 当某一相电压为 449kV时,其余两相电压为- 224kV。由于ZB1型塔避雷器只安装在边相,仅对其进入边相等电位过程进行模拟,所以对需要作业的相导线加载 449kV电压,其余两相加载-224kV,对杆塔、低压端金具、外部空 气边界接地,人体加载悬浮电位。
图4为本申请实施例中进入等电位路径的模拟条件设置示意图。如图4所示,在一种可能的模拟条件下,对进入等电位时的可能运动范围建立平面坐标系,以水平方向为 x轴,竖直方向为y轴,选取 0°,45°,-45°,-90°四条进入路径进行仿真计算。
分别对ZB1 塔型的两种避雷器安装方式线路进行模拟,对每条路径上人体与导线最近距离为 0.5m 至 3m 的六个点作业人员体表电场进行计算,每个点相隔 0.5m,对作业人员的头部、胸部、手部、膝盖、脚部场强进行记录。
具体的,图 5 为沿 0°方向进入作业人员体表场强云图。沿 0°方向进入,距导线0.5m 处人体表面场强云图如图5所示,可以看出此时人体手部场强最高,随着距离增大,人体表面场强减小。
图 6为沿 45°方向进入作业人员体表场强云图。沿 45°路径进入时,距导线 0.5m处人体表面场强云图如图 6 所示,此时人体膝盖场强最高,随着距离增大,人体表面场强减小,在 3m 的时候头部和脚部的场强超过了膝盖处。
图 7为沿 -45°方向进入作业人员体表场强云图。沿 -45°路径进入时,作业人员体表场强分布如图7所示。
图 8为沿 -90°方向进入作业人员体表场强云图。沿-90°路径进入时,距导线0.5m 处人体表面场强云图如图 8所示,人体头部场强最高,随着距离增大,人体表面场强减小,在 1.5m 处人体手部和脚部的场强超过了头顶。
其中,对于图5-图8,其所示电场模场强的单位为kV /m。
进行对比后,作业人员沿 45°进入和沿-90°进入等电位过程中体表最大场强明显低于沿 0°和-45°路径, 且沿 45 读路径和沿-90°路径曲线几乎重合。为了进一步比较,把45°路径和-90°路径每个位置头顶、手尖、膝盖、脚部四个位置的场强平均值进行对比,45°进入路径和-90°进入路径人体表面场强相差并不大。
而当ZB1 型塔避雷器倒悬挂式安装时,每条路径人体表面场强分布与正悬挂时大致相同,根据模拟结果对四条进入路径的最大场强和沿 45°路径与-90°路径进行对比分析。作业人员沿 45°进入和沿-90°进入等电位过程中体表最大场强明显低于沿 0°和-45°路径,其中-90°进入路径体表最大场强在距导线 1m 之后比沿 45°进入路径略低。为了进一步比较,把两条路径每个位置处头部、手部、膝盖、脚部四个部位的场强平均数进行对比。距导线 1.5m 之内,沿45°进入路径比沿-90°进入路径作业人员体表场强略低,1.5 之外,-90°进入路径场强更低。两条路径相差不大。由此可见,作业人员越靠 近导线体表场强越大,作业人员沿 0°与-45°路径进入等电位时体表场强最高,由 45°和-90°路径时体表场强均比较低,二者相差不大。
因此,作业人员使用吊篮或软梯沿-90°方向从导线下方进入等电位时,由于杆塔较高,对作业人员的体力有较高的要求,而用吊篮法从导线斜上方进入会比较省力,能够提高工作效率, 作业人员从侧面进入等电位安全裕度较大,从安全裕度、体表场强、作业难度三方面考虑, 作业人员沿导线斜上方进入等电位最合适。
可见,本实施例中所选取的超高压 500kV输电线路,模拟ZB1型塔在避雷器正悬挂和倒悬挂两种安装方式下,带电作业人员沿 0°、45°、-45°、90°四条路径进入等电位时的体表场强变化规律。结果表明,各工况下人体表面场强变化规律基本相同,可以总结出以下结论:(1)沿0°路径进入时手部场强最高,膝盖次之;(2)沿45°路径进入时,膝盖场强最高;(3)沿-45°路径进入时,手部场强最高;(4)沿-90°进入时,离导线较远时手部与脚部的场强比头部场高, 离导线近到一定程度后,头部场强成为最高;(5)沿 45°和-90°路径进入,人体体表场强低于沿 0°或-45°进入。最后,通过对分裂导线周围的空间电场进行分析,并综合作业难度和危险率计算结果等因素,得出对带避雷器输电线路进行带电作业时,沿导线上方靠近塔身一侧斜着进入等电位最为合适。
S302、显示优选路线,以指示带电作业人员根据优选路线进行带电作业。
在确定优选路线,可以显示优选路线,以指示带电作业人员根据优选路线进行带电作业。
进一步的,在带电作业人员沿着优选路线进入超特高压线路带电作业现场时,获取带电作业人员的实时位置数据。根据实时位置数据将带电作业人员的现场行为特征数据显示在优选路线上。若检测到实时位置数据偏离优选路线,则显示视频监测画面,从而在带电作业人员为按照优选路线进行作业时,控制端可以通过视频监测画面进行监控,进行持续监测或作业提示。
此外,对于上述的显示优选路线,具体形式,还可以是根据优选路线上带电作业人员的各个部位的体表场强以及预设体表场强阈值确定动作提示点。在优选路线上显示动作提示点,并在动作提示点上显示动作指导提示信息,以指示带电作业人员根据动作指导提示信息在动作提示点所对应的实际位置上进行带电作业,从而可以在优选路线的关键位置点上,对带电作业人员实现进行动作指导,以进一步提高作业安全性。
进一步的,在动作提示点上显示动作指导提示信息之后,可以在根据实时位置数据与动作提示点相匹配时,启动视频监测画面,视频监测画面用于实时显示目标作业人员的作业监控画面。根据音视频信息中的实时画面以及预设目标识别模型确定带电作业人员的动作是否匹配动作指导提示信息;若不匹配,则根据带电作业人员的动作与动作指导提示信息中动作的区别,发送目标穿戴设备,以使目标穿戴设备进行振动,其中,目标穿戴设备为存在区别的动作所对应的身体部位。
图9是本申请根据一示例实施例示出的超特高压线路带电作业人员现场行为智能预警系统的结构示意图。如图9所示,本实施例提供的系统400,包括:
定位功能模块401,用于获取带电作业人员的现场行为特征数据中所述带电作业人员所处环境的空间位置数据;所述空间位置数据包括:人员与导线距离、人员与横担距离、人员与塔身距离及组合间隙距离;
体征功能模块402,用于获取所述现场行为特征数据中所述带电作业人员的生理特征数据;所述生理特征数据包括:所述带电作业人员的心率、血压、血氧以及体温;
场强功能模块403,用于获取所述现场行为特征数据中所述带电作业人员的电场强度数据;所述电场强度数据包括:所述带电作业人员的手部电场强度、头部电场强度以及脚部电场强度;
风险预警模块404,用于根据所述现场行为特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级,所述预设智能化预警算法模型基于超特高压线路带电作业的安全评价指标体系建立,所述安全评价指标体系中的评价指标包括所述生理特征数据对应的生理特征指标、所述空间位置数据对应的空间位置指标以及所述电场强度数据对应的电场强度指标;
在所述根据所述特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级之前,还包括:
构造所述安全评价指标体系的准则层对应的指标判断矩阵A:
计算所述指标判断矩阵A的特征值,并将所述特征值中最大特征值所对应的向量确定为特征向量;
根据以下公式,对所述判断矩阵A进行一致性校验,以确定对应的一致性比值小于预设阈值,其中,公式如下:
根据所述特征向量以及所述判断矩阵A确定各个指标的权重值,以确定准则层对应的权重值矩阵;
构造各个评价指标的指标层所对应的指标判断矩阵B,并根据所述指标判断矩阵B以及隶属度函数确定各个评价指标的隶属度矩阵,其中,所述隶属度函数用于建立所述现场行为特征数据与预设现场行为特征分布之间的函数关系;
风险界面展示模块405,用于根据所述当前安全等级以及预设预警机制进行预警提示。
图10是本申请根据一示例实施例示出的电子设备的结构示意图。如图10所示,本实施例提供的一种电子设备500包括:处理器501以及存储器502;其中:
存储器502,用于存储计算机程序,该存储器还可以是flash(闪存)。
处理器501,用于执行存储器存储的执行指令,以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器502既可以是独立的,也可以跟处理器501集成在一起。
当所述存储器502是独立于处理器501之外的器件时,所述电子设备500还可以包括:
总线503,用于连接所述存储器502和处理器501。
本实施例还提供一种可读存储介质,可读存储介质中存储有计算机程序,当电子设备的至少一个处理器执行该计算机程序时,电子设备执行上述的各种实施方式提供的方法。
本实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序,至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (8)
1.超特高压线路带电作业人员现场行为智能预警方法,其特征在于,包括:
通过佩戴于带电作业人员身上的可穿戴设备获取所述带电作业人员的现场行为特征数据,所述现场行为特征数据包括所述带电作业人员的生理特征数据、所述带电作业人员所处环境的空间位置数据以及电场强度数据;
根据所述现场行为特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级,所述预设智能化预警算法模型基于超特高压线路带电作业的安全评价指标体系建立,所述安全评价指标体系中的评价指标包括所述生理特征数据对应的生理特征指标、所述空间位置数据对应的空间位置指标以及所述电场强度数据对应的电场强度指标;
根据所述当前安全等级以及预设预警机制进行预警提示;
所述根据所述当前安全等级以及预设预警机制进行预警提示,包括:
在目标终端中显示系统功能界面,所述系统功能界面包括用于展示所述生理特征数据的区域、用于展示空间位置数据的区域以及用于展示电场强度数据的区域;
当所述现场行为特征数据出现异常时,在异常数据对应的区域内显示预警信息;
当所述当前安全等级发生改变或者满足预设等级条件时,在所述系统功能界面中进行弹窗提示和/或语音提示;
所述系统功能界面还包括视频监测画面,所述视频监测画面用于实时显示目标作业人员的作业监控画面;
当响应于用户选择时,所述目标作业人员为用户所选定的带电作业人员;
当存在带电作业人员的所述现场行为特征数据出现异常时,所述目标作业人员为数据发生异常的带电作业人员;
当存在带电作业人员的所述当前安全等级发生改变或者满足所述预设等级条件时,所述目标作业人员为所述当前安全等级发生改变或者满足所述预设等级条件的带电作业人员;
所述现场行为特征数据还包括所述带电作业人员工作时的音视频信息;
相应的,在所述根据所述当前安全等级以及预设预警机制进行预警提示之前,还包括:
根据所述音视频信息中的实时画面以及预设目标识别模型确定所述带电作业人员的姿态动作,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示;和/或,
根据所述音视频信息中目标时长内的画面序列以及预设目标识别模型确定所述带电作业人员的姿态动作序列,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示,其中,所述目标时长为第一时间点至第二时间点之间的时长,所述第一时间点为所述带电作业人员保持第一动作超过预设时长时所对应的时间点,所述第二时间点为所述带电作业人员保持第二动作超过预设时长时所对应的时间点;和/或,
根据所述音视频信息中的实时画面以及预设目标识别模型确定所述带电作业人员的防护装备穿戴状态,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示;和/或,
根据所述音视频信息中的音频以及预设声音识别模型确定所述带电作业人员所处环境的风力等级,以根据所述当前安全等级以及所述姿态动作确定是否进行预警提示;
在所述通过佩戴于带电作业人员身上的可穿戴设备获取所述带电作业人员的现场行为特征数据之前,还包括:
根据预设路线规划模型确定所述带电作业人员进入所述超特高压线路带电作业现场的优选路线,其中,所述预设路线规划模型的输入为超特高压线路带电作业现场以及所述带电作业人员的实体模型,所述预设路线规划模型的输出为所述带电作业人员以不同角度进入所述超特高压线路带电作业现场时各个部位的体表场强,所述各个部位的体表场强用于确定所述优选路线;
显示所述优选路线,以指示带电作业人员根据所述优选路线进行带电作业。
2.根据权利要求1所述的超特高压线路带电作业人员现场行为智能预警方法,其特征在于,在所述根据所述特征数据以及预设智能化预警算法模型确定所述带电作业人员的当前安全等级之前,还包括:
构造所述安全评价指标体系的准则层对应的指标判断矩阵A:
计算所述指标判断矩阵A的特征值,并将所述特征值中最大特征值所对应的向量确定为特征向量;
根据以下公式,对所述判断矩阵A进行一致性校验,以确定对应的一致性比值小于预设阈值,其中,公式如下:
根据所述特征向量以及所述判断矩阵A确定各个指标的权重值,以确定准则层对应的权重值矩阵;
构造各个评价指标的指标层所对应的指标判断矩阵B,并根据所述指标判断矩阵B以及隶属度函数确定各个评价指标的隶属度矩阵,其中,所述隶属度函数用于建立所述现场行为特征数据与预设现场行为特征分布之间的函数关系。
6.根据权利要求1所述的超特高压线路带电作业人员现场行为智能预警方法,其特征在于,在所述通过佩戴于带电作业人员身上的可穿戴设备获取所述带电作业人员的现场行为特征数据之后,还包括:
在所述带电作业人员沿着所述优选路线进入所述超特高压线路带电作业现场时,获取所述带电作业人员的实时位置数据;
根据所述实时位置数据将所述带电作业人员的现场行为特征数据显示在所述优选路线上;
若检测到所述实时位置数据偏离所述优选路线,则显示视频监测画面。
7.根据权利要求6所述的超特高压线路带电作业人员现场行为智能预警方法,其特征在于,所述显示所述优选路线,以指示带电作业人员根据所述优选路线进行带电作业,包括:
根据所述优选路线上所述带电作业人员的各个部位的体表场强以及预设体表场强阈值确定动作提示点;
在所述优选路线上显示所述动作提示点,并在所述动作提示点上显示动作指导提示信息,以指示带电作业人员根据所述动作指导提示信息在所述动作提示点所对应的实际位置上进行带电作业。
8.根据权利要求7所述的超特高压线路带电作业人员现场行为智能预警方法,其特征在于,所述在所述动作提示点上显示动作指导提示信息之后,还包括:
在根据所述实时位置数据与所述动作提示点相匹配时,启动视频监测画面,所述视频监测画面用于实时显示所述目标作业人员的作业监控画面;
根据所述音视频信息中的实时画面以及预设目标识别模型确定所述带电作业人员的动作是否匹配所述动作指导提示信息;若不匹配,则根据所述带电作业人员的动作与所述动作指导提示信息中动作的区别,发送目标穿戴设备,以使所述目标穿戴设备进行振动,其中,所述目标穿戴设备为存在所述区别的动作所对应的身体部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211377674.4A CN115423387B (zh) | 2022-11-04 | 2022-11-04 | 超特高压线路带电作业人员现场行为智能预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211377674.4A CN115423387B (zh) | 2022-11-04 | 2022-11-04 | 超特高压线路带电作业人员现场行为智能预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423387A CN115423387A (zh) | 2022-12-02 |
CN115423387B true CN115423387B (zh) | 2023-02-07 |
Family
ID=84207941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211377674.4A Active CN115423387B (zh) | 2022-11-04 | 2022-11-04 | 超特高压线路带电作业人员现场行为智能预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423387B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116667203B (zh) * | 2023-05-30 | 2023-11-03 | 国网湖北省电力有限公司超高压公司 | 基于气体检测仪的电力基础作业安全保护方法及系统 |
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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485751A (zh) * | 2020-11-16 | 2021-03-12 | 新疆信息产业有限责任公司 | 电力检修带电作业信息采集及综合预警装置及方法 |
CN113971356A (zh) * | 2021-10-21 | 2022-01-25 | 国网安徽省电力有限公司电力科学研究院 | 一种特高压直流线路带电作业进出电场路径优化方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207133621U (zh) * | 2017-08-01 | 2018-03-23 | 国网河南省电力公司开封供电公司 | 一种基于智能穿戴设备的电力作业安全监督平台 |
CN107565448A (zh) * | 2017-08-19 | 2018-01-09 | 东北电力大学 | 一种输电线路带电作业人身安全防护预警系统 |
CN107862433A (zh) * | 2017-09-29 | 2018-03-30 | 国家电网公司 | 一种特高压直流输电线路带电作业安全评估方法和系统 |
KR102053619B1 (ko) * | 2018-03-16 | 2019-12-09 | (주)이지지오 | 산업 현장 안전 관리 시스템 |
CN110518487A (zh) * | 2019-07-30 | 2019-11-29 | 中国电力科学研究院有限公司 | 一种用于对带电安全作业进行监测的方法及系统 |
CN110910608A (zh) * | 2019-11-01 | 2020-03-24 | 国家电网有限公司 | 一种输电线路带电作业智能屏蔽服感知系统及方法 |
CN112450901A (zh) * | 2020-12-12 | 2021-03-09 | 国网辽宁省电力有限公司鞍山供电公司 | 一种智能带电作业穿戴设备及作业人员安全的分析方法 |
CN113592324A (zh) * | 2021-08-05 | 2021-11-02 | 国网江苏省电力有限公司无锡供电分公司 | 一种基于层次分析的电缆终端塔带电作业的风险评估方法 |
CN113705836A (zh) * | 2021-08-31 | 2021-11-26 | 国网山东省电力公司微山县供电公司 | 一种用于电网现场作业指导的系统及装置 |
CN113837657A (zh) * | 2021-10-15 | 2021-12-24 | 山东联安信息科技有限责任公司 | 一种带电作业风险识别预警及应急处置方法 |
CN114444882A (zh) * | 2021-12-29 | 2022-05-06 | 金华送变电工程有限公司三为电力分公司 | 一种基于10kV配网柱上断路器绝缘作业的安全性分析方法 |
CN114493290A (zh) * | 2022-01-27 | 2022-05-13 | 国网陕西省电力公司西安供电公司 | 基于信息融合的作业管控系统安全风险等级评定方法 |
-
2022
- 2022-11-04 CN CN202211377674.4A patent/CN115423387B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485751A (zh) * | 2020-11-16 | 2021-03-12 | 新疆信息产业有限责任公司 | 电力检修带电作业信息采集及综合预警装置及方法 |
CN113971356A (zh) * | 2021-10-21 | 2022-01-25 | 国网安徽省电力有限公司电力科学研究院 | 一种特高压直流线路带电作业进出电场路径优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115423387A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115423387B (zh) | 超特高压线路带电作业人员现场行为智能预警方法及系统 | |
CN106529696B (zh) | 一种电网中设备预警方法及预警装置 | |
CN111784175A (zh) | 一种基于多源信息的配电变压器风险评估方法及系统 | |
CN102324066B (zh) | 一种电力系统预警与评估指标的雷达图表示方法 | |
CN112034287A (zh) | 一种基于大数据的电力安全监控系统 | |
CN103716177A (zh) | 安全风险评估方法和装置 | |
Liu et al. | Health assessment and prediction of overhead line based on health index | |
CN109947806B (zh) | 一种基于案例推理的超高层施工安全事故应急辅助决策方法 | |
CN110138087A (zh) | 一种基于数据采集的电力安全监控系统 | |
CN114821946B (zh) | 变电站交流电源火灾预警方法、监控终端及系统 | |
CN102946069B (zh) | 特高压输电线路三维可视化智能监控系统 | |
CN113837657A (zh) | 一种带电作业风险识别预警及应急处置方法 | |
CN115378129A (zh) | 电力设备运行状态监控评价系统及方法 | |
CN102930408A (zh) | 一种基于信息融合的750kV电网二次设备状态评估方法 | |
CN106651206A (zh) | 一种继电保护测试性评估指标体系的评估方法 | |
CN111401731A (zh) | 一种基于人工智能学习的风险控制辅助决策方法及系统 | |
CN106875116A (zh) | 一种电力线路救援优先等级评估方法 | |
CN116681255A (zh) | 一种基于物联网的变压器运行监测系统 | |
CN110262313A (zh) | 基于物联网技术的电力物资关键点远程监测系统 | |
CN115471911A (zh) | 一种电网作业现场违章动作识别方法和系统 | |
CN114493290A (zh) | 基于信息融合的作业管控系统安全风险等级评定方法 | |
CN103488891A (zh) | 基于风险的大电网安全稳定预防控制性能代价指标计算方法 | |
CN104268694B (zh) | 一种主动配电网控制系统评价方法及主动配电网规划方法 | |
CN112101805A (zh) | 一种输电线路差异化防山火策略分析方法 | |
Otávio Melo et al. | ERGONOMICS ASPECTS AND WORKLOAD ON THE OPERATORS IN THE ELECTRIC POWER CONTROL AND OPERATION CENTERS: MULTI-CASE STUDIES IN PORTUGAL AND BRAZIL. |
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 |