CN116757470B - 一种电力作业风险的预警系统 - Google Patents
一种电力作业风险的预警系统 Download PDFInfo
- Publication number
- CN116757470B CN116757470B CN202310655491.2A CN202310655491A CN116757470B CN 116757470 B CN116757470 B CN 116757470B CN 202310655491 A CN202310655491 A CN 202310655491A CN 116757470 B CN116757470 B CN 116757470B
- Authority
- CN
- China
- Prior art keywords
- risk
- electric power
- power operation
- job ticket
- factors
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 87
- 238000012502 risk assessment Methods 0.000 claims abstract description 26
- 230000007774 longterm Effects 0.000 claims abstract description 13
- 238000011835 investigation Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 19
- 238000012098 association analyses Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011151 fibre-reinforced plastic Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 231100001267 hazard identification Toxicity 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly effect 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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力作业风险的预警系统,包括:电力作业单获取模块、电力作业单风险分析模块和预警分析模块,其中:所述电力作业单获取模块用于获取电力作业单,并将获取的电力作业单发送至电力作业单风险分析模块。电力作业单风险分析模块对获取的电力作业单进行风险分析,以获取该电力作业单可能存在的风险要素和相关的历史事故信息,形成风险汇集表发送至预警分析模块。预警分析模块根据风险汇集表,获取相关历史信息进行电力作业风险排查,并根据排查结果进行风险预警。本发明不仅可以针对电力作业单进行短期风险分析和预警,还能针对电力作业进行系统性的长期风险分析和预警,以使得工作人员可以从短期和长期两个角度管理作业风险。
Description
技术领域
本发明涉及电力作业安全技术领域,具体为一种电力作业风险的预警系统。
背景技术
电力作业是确保电力系统稳定运行的关键基础,电力作业安全关乎作业人员生命安全和国家财产安全。现有技术对于大部分电力作业单主要基于接单人员自身经验和学习的安全规程判断是否可以进行电力作业和如何进行电力作业。也有报道,采用分析系统对电力作业单的风险进行预警分析,常见的分析方法主要集中在接单作业人员的穿戴是否符合规范、作业过程中的动作是否符合规范,因此现有的预警分析存在:
1.电力作业受人员、设备、环境、管理等多源因素影响,随机性强,时空耦合关系复杂,风险精准识别难度大。因此,现有预警分析很难做到对非人员穿戴和操作的风险进行准确的风险源提取和分析警示。
2.仅能在电力作业中或电力作业人员准备期间进行风险分析和预警,缺乏针对电力作业的长期预警及适合人员的风险排查。
发明内容
针对现有技术的不足,本发明提供了一种电力作业风险的预警系统,包括:电力作业单获取模块、电力作业单风险分析模块和预警分析模块,其中:所述电力作业单获取模块用于获取电力作业单,并将获取的电力作业单发送至电力作业单风险分析模块。
所述电力作业单风险分析模块对获取的电力作业单进行风险分析,以获取该电力作业单可能存在的风险要素和相关的历史事故信息,形成风险汇集表发送至预警分析模块。
所述预警分析模块根据风险汇集表,获取相关历史信息进行电力作业风险排查,并根据排查结果进行风险预警。
所述对获取的电力作业单进行风险分析的方法包括:
S1获取电力作业的历史事故信息、规范性文件、指导性文件、标准性文件,构建电力作业风险要素框架。所述风险要素框架包括:从人的因素、物的因素、环境因素和管理因素四个方面进行风险要素的整理分析,并根据提取得到的风险要素归类后构建层级表。
S2梳理每次电力事故的成因分析,分析得到该次电力作业中风险要素与事故之间的关联性。
重复步骤S2至步骤S1获取的全部电力作业历史事故信息中的电力作业中风险要素与事故之间的关联性分析完成。
S3计算得到风险因素的客观权重。
S4计算得到风险因素的主观权重。
S5基于风险因素的客观权重和风险因素的主观权重形成风险因素综合权重,并结合风险要素与电力作业事故之间的关联性构建电力作业-多源风险要素关联分析模型。
S6对于新生成的电力作业工作单,采用电力作业-多源风险要素关联分析模型分析其中涉及的多源风险要素,并基于风险因素综合权重对多源风险要素进行排序形成风险汇集表。
进一步的,步骤S3所述计算得到风险因素的客观权重的方法包括:
S3.1获取电力作业的历史事故信息,并基于风险要素与事故之间的关联性计算得到不同风险因素与事故结果之间的关联程度,包括:
S3.2确定有关联的风险因素中各风险因素的影响权重。
S3.3基于风险因素的关联程度和影响权重进行综合计算,得到风险因素的客观权重。
进一步的,步骤S3.1所述计算得到不同风险因素与事故结果之间的关联程度的方法包括:
S3.1.1将电力作业的历史事故信息根据预设时间段进行事故数统计,得到母数据列:
Y=(yi)
同时基于风险要素与事故之间的关联性,统计该时间段内各风险因素导致的事故数,得到子数据列。
Xi=(xi(1),xi(2),xi(3)...,xi(m))
式中:i为时间段的连续编号,取值为1,2...n。m为风险要素编号,取值为1,2,3...m。
S3.1.2对母数据列和子数据列进行初值化处理,具体包括:
母数据列初始化采用:Y`=(y`1,y`2,...,y`n)=(n×y1/yh,n×y2/yh,...,n×yn/yh)处理得到,其中yh=(∑yn)。
子数据列初始化采用:X`i=(x`i(1),x`i(2),...,x`i(m))=(n×xi(1)/xh(1),n×xi(2)/xh(2),...,n×xi(m)/xh(m))处理得到,其中xh(m)=(∑xi(m))。
S3.1.3计算初值化处理之后的子数据列与初值化处理之后的母数据列之间的差序列,具体包括:
Δi(m)=|x`i(m)-yi|。其中Δi(m)为差序列。
S3.1.4获取差序列中的两极最大差与最小差,具体包括:
Δmax=maximaxnmΔi(m),Δmin=miniminmΔi(m)。其中Δmax为差序列中的的最大差,Δmin为差序列中的的最小差。
S3.1.5得到各风险因素与事故之间的关联程度,具体包括:
&i(m)=(Δmin+σ×Δmax)/(Δi(m)+σ×Δmax),其中&i(m)为风险因素m在第i年与事故的关联系数,σ为分辨系数取值为[0,1]。
进一步的,步骤S3.2中确定有关联的风险因素中各风险因素的影响权重的方法包括:
S3.2.1对风险因素m在第i年与事故的关联系数&i(m)进行标准化处理,具体包括:
采用rim=(max&i(m)-&i(m))/(max&i(m)-min&i(m))得到rim,其中rim为标准化处理的关联系数。
S3.2.2将rim进行归一化处理,得到rim的比重值,具体包括:
采用得到Pim,其中Pim为rim的比重值。
S3.2.3确定风险因素m的熵值,具体包括:
采用得到Hm,其中,Hm为风险因素m的熵值,K的调整系数,并假定Pim=0时,Pim×ln(Pim)=0。
S3.2.4确定风险因素m对事故的影响权重,具体包括:
采用得到ωm,其中,ωm为风险因素m对事故的影响权重,αm为风险因素m的差异系数,且αm=1-Hm。
进一步的,步骤S3.3所述基于风险因素的关联程度和影响权重进行综合计算,得到客观权重的方法包括:
采用得到Hm,其中Rm为风险因素m的客观权重。
进一步的,步骤S4所述计算得到风险因素的主观权重的方法包括:
S4.1基于经典电力作业事故设计调查问卷。
S4.2基于专家组专家对调查问卷中的评分得到风险要素的基础权重,包括:
S4.2.1基于评分专家的学历、职称、职务,采用层次分析法计算参与评分的各专家的评分权重。
S4.2.2基于评分结果和评分权重,采用加权平均数计算方法计算得到各风险因素的基础权重。
S4.3基于电力作业事故分析,计算得到风险要素的后验概率,进而得到不同风险因素的主观权重。
所述计算得到风险要素的后验概率的方法为:基于电力作业历史事故中的成因分析,对引发事故的风险要素和该风险要素的基础权重为基础,采用贝叶斯算法计算得到该风险要素对该事故的后验概率。以计算得到的后验概率作为主观权重。
进一步的,步骤S5所述于风险因素的客观权重和风险因素的主观权重形成风险因素综合权重的方法包括:
采用Fm=Km×Rm+(1-Km)×Qm得到Fm,其中Fm为风险因素m的综合权重,Km为风险因素m的计算权重,取值[0,1],Em为风险因素m的客观权重,Qm为风险因素m的主观权重。
进一步的,所述预警分析模块包括:长期预警分析,所述长期预警分析包括:
首先,获取全部电力作业-多源风险要素关联分析模型,对其中的多源风险要素分为:可以进行量化数据比较的量化风险要素和基于是否判断的非量化风险要素。
其次,构建不同事故类型的情景模型,采用电力作业-多源风险要素关联分析模型对构建的情景模型进行分析,得到风险要素表。构建不同事故类型的情景模型的频次为定期和/或相关物资储备信息发生变动时进行。
最后,根据风险要素表中的量化风险要素,获取系统信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定为存在风险,对量化数据属于规定范围的风险要素,判定为不存在风险。根据风险要素表中的非量化风险要素,获取系统信息中的相关信息进行“是/否”判断,判断为“是”则判定为不存在风险,判断为“否”则判定为存在风险。
无法判断的判定为自检项,由权限管理员进行人工核对自检,并形成判定通过/不通过的决定。系统记录该判断过程形成新的信息要素-风险要素判定关系。
进一步的,对于判定存在风险的风险要素m,进行二次判定,包括:
首先,计算Em=(Fm×Sm)得到Em,其中Em为计算风险值,Fm为风险因素m的综合权重,Sm为事故因子,且Sm=(Qm/Q0),其中Qm为风险因素m引发的统计事故总数,Q0为统计事故总数。
其次,获取对于Em≥L的风险因素m,并按照Fm高低进行自高而低排序,形成风险展示表。所述L为预设风险管理阈值。
最后,根据风险要素与电力作业事故之间的关联性,对于风险展示表中的风险要素,绑定展示关联的全部电力作业事故。
进一步的,所述预警分析模块包括:短期预警分析,所述短期预警分析包括:
首先,获取该电力作业单的风险汇集表,将风险汇集表中的多源风险要素分为:可以进行量化数据比较的量化风险要素和基于是否判断的非量化风险要素。
其次,获取该电力作业单的风险汇集表中与操作人员无关的风险要素相关的信息要素。
最后,根据风险要素表中的量化风险要素,获取系统信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定为存在风险,对量化数据属于规定范围的风险要素,判定为不存在风险。根据风险要素表中的非量化风险要素,获取系统信息中的相关信息进行“是/否”判断,判断为“是”则判定为不存在风险,判断为“否”则判定为存在风险。
无法判断的判定为自检项,由权限管理员进行人工核对自检,并形成判定通过/不通过的决定。系统记录该判断过程形成新的信息要素-风险要素判定关系。
进一步的,全部风险要素均判定通过或全部风险要素m的最大Fm低于预设阈值,则选取工作人员接收电力作业单,其中Fm为风险因素m的综合权重。选取工作人员接收电力作业单时:
首先,获取满足电力作业单的空闲人员名录,并获取全部名录中人员的历史统计信息。
其次,获取该电力作业单的风险汇集表中与操作人员相关的风险要素。
之后,根据风险要素表中的量化风险要素,获取人员的历史统计信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定不适合,对量化数据属于规定范围的风险要素,判定为适合。根据风险要素表中的非量化风险要素,获取人员的历史统计信息中的相关信息进行“是/否”判断,判断为“是”则判定为适合,判断为“否”则判定为不适合。
最后,向全部风险要素判定为适合的工作人员发送该电力作业单。如人数数量不足,则优先选取判定不适合项目中最大Fm最小的工作人员预派送该电力作业单,并向该工作人员和管理人员同时发出存在该风险要素的提示,待工作人员和管理人员确认最终是否派送该该电力作业单,其中Fm为风险因素m的综合权重。
与现有技术相比,本发明至少具有以下有益效果之一:
1.本发明实现了对电力作业风险的准确分析和提取,获得的风险源不仅仅局限于作业人员的自身操作因素上,是一种针对多源风险要素提取和分析的方法。
2.本发明不仅可以针对电力作业单进行短期风险分析和预警,还能针对电力作业进行系统性的长期风险分析和预警,以使得工作人员可以从短期和长期两个角度管理作业风险。
3.本发明可以对电力作业单的实际工作人员进行风险分析,选择适宜的工作人员进行电力作业,降低作业风险。
具体实施方式
下面将结合本发明实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
一种电力作业风险的预警系统,包括:电力作业单获取模块、电力作业单风险分析模块和预警分析模块,其中:所述电力作业单获取模块用于获取电力作业单,并将获取的电力作业单发送至电力作业单风险分析模块。
所述电力作业单风险分析模块对获取的电力作业单进行风险分析,以获取该电力作业单可能存在的风险要素和相关的历史事故信息,形成风险汇集表发送至预警分析模块。
所述预警分析模块根据风险汇集表,获取相关历史信息进行电力作业风险排查,并根据排查结果进行风险预警。
所述对获取的电力作业单进行风险分析的方法包括:
S1获取电力作业的历史事故信息、规范性文件、指导性文件、标准性文件,构建电力作业风险要素框架。所述风险要素框架包括:从人的因素、物的因素、环境因素和管理因素四个方面进行风险要素的整理分析,并根据提取得到的风险要素归类后构建层级表。
S2梳理每次电力事故的成因分析,分析得到该次电力作业中风险要素与事故之间的关联性。
重复步骤S2至步骤S1获取的全部电力作业历史事故信息中的电力作业中风险要素与事故之间的关联性分析完成。
S3计算得到风险因素的客观权重。
S4计算得到风险因素的主观权重。
S5基于风险因素的客观权重和风险因素的主观权重形成风险因素综合权重,并结合风险要素与电力作业事故之间的关联性构建电力作业-多源风险要素关联分析模型。
S6对于新生成的电力作业工作单,采用电力作业-多源风险要素关联分析模型分析其中涉及的多源风险要素,并基于风险因素综合权重对多源风险要素进行排序形成风险汇集表。
现有的预警分析方法主要集中于对电力作业人员的预警分析和一些必要作业条件的分析,例如:通过对电力作业人员准备阶段的视频分析,判断电力作业人员是否穿戴必要的防护设备或作业工具。通过对电力作业人员作业阶段的视频分析,判断电力作业人员的操作是否符合作业规范要求。通过对作业场地的环境因素和场地因素分析,判断是否满足作业条件(如对于高空高压线路维护,如风力等级过大则不能作业等)。但是根据历史电力事故的事故源分析可以发现,引发电力事故的风险要素源头是多方面的,往往涉及人的因素、物的因素、环境因素和管理因素,而现有预警分析系统并不能很好的从电力作业单中识别出多源性的风险要素,这就导致现有预警分析涵盖的预警面不够完善。
本发明通过特有的风险分析方法,构建了涵盖人的因素、物的因素、环境因素和管理因素的电力作业-多源风险要素关联分析模型(如电力作业-多源风险知识图谱),进而采用该电力作业-多源风险要素关联分析模型对电力作业单进行风险源分析时,可以得到针对该电力作业单的多源风险要素。进而通过预警分析模对多源风险要素进行分析和排查,得到预警面较为完善的预警分析系统。
例如,申请人基于变电、建设、配电三种典型的电力作业的303项作业指导书、593项实际发生的事故案例,参考标准GBT 13861-2009《生产过程危险和有害因素分类与代码》、《南方电网公司作业危害辨识与风险评估技术标准》全面梳理电力作业的风险要素,并归类整理出风险要素框架,具体如表1所示:
表1电力作业风险要素梳理表
基于该风险要素分类和层级表,可以为电力作业-多源风险要素关联分析模型提供覆盖电力作业全方位风险源的风险要素,使得电力作业-多源风险要素关联分析模型分析得到的风险要素更为全面。
实施例2
基于实施例1所述电力作业风险的预警系统,步骤S3所述计算得到风险因素的客观权重的方法包括:
S3.1获取电力作业的历史事故信息,并基于风险要素与事故之间的关联性计算得到不同风险因素与事故结果之间的关联程度,包括:
S3.1.1将电力作业的历史事故信息根据预设时间段进行事故数统计,得到母数据列:
Y=(yi)
同时基于风险要素与事故之间的关联性,统计该时间段内各风险因素导致的事故数,得到子数据列:
Xi=(xi(1),xi(2),xi(3)...,xi(m))
式中:i为时间段的连续编号,取值为1,2...n。m为风险要素编号,取值为1,2,3...m。
S3.1.2对母数据列和子数据列进行初值化处理,具体包括:
母数据列初始化采用:Y`=(y`1,y`2,...,y`n)=(n×y1/yh,n×y2/yh,...,n×yn/yh)处理得到,其中yh=(∑yn)。
子数据列初始化采用:X`i=(x`i(1),x`i(2),...,x`i(m))=(n×xi(1)/xh(1),n×xi(2)/xh(2),...,n×xi(m)/xh(m))处理得到,其中xh(m)=(∑xi(m))。
S3.1.3计算初值化处理之后的子数据列与初值化处理之后的母数据列之间的差序列,具体包括:
Δi(m)=|x`i(m)-yi|。其中Δi(m)为差序列。
S3.1.4获取差序列中的两极最大差与最小差,具体包括:
Δmax=maximaxmΔi(m),Δmin=miniminmΔi(m)。其中Δmax为差序列中的的最大差,Δmin为差序列中的的最小差。
S3.1.5得到各风险因素与事故之间的关联程度,具体包括:
&i(m)=(Δmin+σ×Δmax)/(Δi(m)+σ×Δmax),其中&i(m)为风险因素m在第i年与事故的关联系数,σ为分辨系数取值为[0,1]。
S3.2确定有关联的风险因素中各风险因素的影响权重,包括:
S3.2.1对风险因素m在第i年与事故的关联系数&i(m)进行标准化处理,具体包括:
采用rim=(max&i(m)-&i(m))/(max&i(m)-min&i(m))得到rim,其中rim为标准化处理的关联系数。
S3.2.2将rim进行归一化处理,得到rim的比重值,具体包括:
采用得到Pim,其中Pim为rim的比重值。
S3.2.3确定风险因素m的熵值,具体包括:
采用得到Hm,其中,Hm为风险因素m的熵值,K的调整系数,并假定Pim=0时,Pim×ln(Pim)=0。
S3.2.4确定风险因素m对事故的影响权重,具体包括:
采用得到ωm,其中,ωm为风险因素m对事故的影响权重,αm为风险因素m的差异系数,且αm=1-Hm。
S3.3基于风险因素的关联程度和影响权重进行综合计算,得到风险因素的客观权重,包括:
采用得到Rm,其中Rm为风险因素m的客观权重。
现有技术对于电力作业风险因素的分析,尤其是通过电力作业事故提取得到的多源风险因素进行分析,往往依赖于分析人员的经验,因此具有很大的主观性,且不易排除分析的偶然性或偶然风险因素的影响。因此需要引入客观分析法对风险因素与事故之间的关联性进行分析。现有技术常采用灰色关联度分析法进行因素之间的关联性分析,虽然现有的灰色关联度分析法可以降低分析的主观性,但也容易受到偶发因素的影响。
因此,相比于采用传统的灰色关联度进行风险因素与事故之间关联度的分析方法,本发明在采用灰色关联度分析法进行风险因素m与事故之间的关联性分析的同时,还引入了对风险因素m对事故的影响权重分析,从而偶见了灰色关联度-权重分析方法。以数据的影响权重对风险因素与事故之间的关联系数进行修正,从而基于修正后的关联系数得到一项风险因素对事故的影响权重,有效规避了偶发性因素的影响,提高了分析的准确性和分析结果的可信度。
实施例3
基于实施例1所述电力作业风险的预警系统,步骤S4所述计算得到风险因素的主观权重的方法包括:
S4.1基于经典电力作业事故设计调查问卷。
S4.2基于专家组专家对调查问卷中的评分得到风险要素的基础权重,包括:
S4.2.1基于评分专家的学历、职称、职务,采用层次分析法计算参与评分的各专家的评分权重。
S4.2.2基于评分结果和评分权重,采用加权平均数计算方法计算得到各风险因素的基础权重。
S4.3基于电力作业事故分析,计算得到风险要素的后验概率,进而得到不同风险因素的主观权重。
所述计算得到风险要素的后验概率的方法为:基于电力作业历史事故中的成因分析,对引发事故的风险要素和该风险要素的基础权重为基础,采用贝叶斯算法计算得到该风险要素对该事故的后验概率。以计算得到的后验概率作为主观权重。
主观分析法可以充分吸纳专家组的工作经验,对于多源风险要素的分析仍是比较重要的评价方法。现有技术一般采用评分的方法进行风险要素的主观评价,但是容易受制于专家组不同的工作经验给出不同的评价数值。如采用常规的数均算法,很难得到相对准确的评价值。因此本发明在现有评分评价技术的基础上,基于专家组的学历、职称、职务构建了层次表,并基于层次分析法计算参与评分的各专家的评分权重,最后采用加权平均数的方法得到各风险因素的基础权重。并再次通过贝叶斯算法基于历史事故分析,得到该风险要素对该事故的后验概率,从而最大程度的消除或降低主观分析中因为过度的主观性和偶然性导致的分析误差。
实施例4
基于实施例1所述电力作业风险的预警系统,步骤S5所述于风险因素的客观权重和风险因素的主观权重形成风险因素综合权重的方法包括:
采用Fm=Km×Rm+(1-Km)×Qm得到Fm,其中Fm为风险因素m的综合权重,Km为风险因素m的计算权重,取值[0,1],Rm为风险因素m的客观权重,Qm为风险因素m的主观权重。
对于不同的风险因素,可以根据风险因素的类型,灵活调节主观权重和客观权重对综合权重的影响程度(通过调节Km的赋值进行调节),从而使得不同类型不同来源的风险因素的综合权重具有更好的准确性。
实施例5
基于实施例1所述电力作业风险的预警系统,所述预警分析模块包括:长期预警分析,所述长期预警分析包括:
首先,获取全部电力作业-多源风险要素关联分析模型,对其中的多源风险要素分为:可以进行量化数据比较的量化风险要素和基于是否判断的非量化风险要素。
其次,构建不同事故类型的情景模型,采用电力作业-多源风险要素关联分析模型对构建的情景模型进行分析,得到风险要素表。构建不同事故类型的情景模型的频次为定期和/或相关物资储备信息发生变动时进行。
最后,根据风险要素表中的量化风险要素,获取系统信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定为存在风险,对量化数据属于规定范围的风险要素,判定为不存在风险。根据风险要素表中的非量化风险要素,获取系统信息中的相关信息进行“是/否”判断,判断为“是”则判定为不存在风险,判断为“否”则判定为存在风险。
无法判断的判定为自检项,由权限管理员进行人工核对自检,并形成判定通过/不通过的决定。系统记录该判断过程形成新的信息要素-风险要素判定关系。
现有技术对于电力作业风险的日常管理主要基于文件的规范要求和工作人员、管理人员的认识进行,缺乏系统性管理。本发明的长期预警分析,通过定期(如每天或每周或每月)或储备物资变更时(如绝缘服成批次的更替时),构建不同事故类型的情景模型,以判断当前系统对风险因素的管理情况,并对不足之处发出预警,从而满足对电力作业系统进行体统性长期监管预警的技术目的。
实施例6
基于实施例5所述电力作业风险的预警系统,对于判定存在风险的风险要素m,进行二次判定,包括:
首先,计算Em=(Fm×Sm)得到Em,其中Em为计算风险值,Fm为风险因素m的综合权重,Sm为事故因子,且Sm=(Qm/Q0),其中Qm为风险因素m引发的统计事故总数,Q0为统计事故总数。
其次,获取对于Em≥L的风险因素m,并按照Fm高低进行自高而低排序,形成风险展示表。所述L为预设风险管理阈值。
最后,根据风险要素与电力作业事故之间的关联性,对于风险展示表中的风险要素,绑定展示关联的全部电力作业事故。
采用实施例5可以得到电力作业相关风险要素的全要素信息,但是在实际工作中,储备物资、管理人员等进行日常风险管理的资源是有限的,因此很难做到全风险的管控。通过本发明实施例6的方法,可以根据当地管理能力的高低,通过将风险要素与引发事故的可能性结合,并设置阈值L的方式,使得当地管理人员可以及时发现最关键的风险要素并进行风险管理,提高资源的有效利用率。
实施例7
基于实施例1所述电力作业风险的预警系统,所述预警分析模块包括:短期预警分析,所述短期预警分析包括:
首先,获取该电力作业单的风险汇集表,将风险汇集表中的多源风险要素分为:可以进行量化数据比较的量化风险要素和基于是否判断的非量化风险要素。
其次,获取该电力作业单的风险汇集表中与操作人员无关的风险要素相关的信息要素。
最后,根据风险要素表中的量化风险要素,获取系统信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定为存在风险,对量化数据属于规定范围的风险要素,判定为不存在风险。根据风险要素表中的非量化风险要素,获取系统信息中的相关信息进行“是/否”判断,判断为“是”则判定为不存在风险,判断为“否”则判定为存在风险。
无法判断的判定为自检项,由权限管理员进行人工核对自检,并形成判定通过/不通过的决定。系统记录该判断过程形成新的信息要素-风险要素判定关系。
当全部风险要素均判定通过或全部风险要素m的最大Fm低于预设阈值,则选取工作人员接收电力作业单,其中Fm为风险因素m的综合权重。选取工作人员接收电力作业单时:
首先,获取满足电力作业单的空闲人员名录,并获取全部名录中人员的历史统计信息。
其次,获取该电力作业单的风险汇集表中与操作人员相关的风险要素。
之后,根据风险要素表中的量化风险要素,获取人员的历史统计信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定不适合,对量化数据属于规定范围的风险要素,判定为适合。根据风险要素表中的非量化风险要素,获取人员的历史统计信息中的相关信息进行“是/否”判断,判断为“是”则判定为适合,判断为“否”则判定为不适合。
最后,向全部风险要素判定为适合的工作人员发送该电力作业单。如人数数量不足,则优先选取判定不适合项目中最大Fm最小的工作人员预派送该电力作业单,并向该工作人员和管理人员同时发出存在该风险要素的提示,待工作人员和管理人员确认最终是否派送该该电力作业单,其中Fm为风险因素m的综合权重。
现有的电力作业预警分析技术主要集中于视频分析方法,对于接单人员的选择更多的考虑是工作经验和工作时间,以及管理员的主观调控。而本发明与现有电力作业预警分析技术和接单人员安排技术的区别在于,本发明电力作业短期预警分析的分析重点在于电力作业单在当地的电力作业本身是否存在风险点,排除了外在影响后,再选取其中满足电力作业单中要求的风险控制人员进行接单,这样可以很大程度上排除电力作业中不满足风险控制的人员接收了作业单而导致存在的风险。
例如:某电力作业经过本发明风险分析后,存在较大值的Fm为人员心理稳定因素,则进行接单人员分析时,就需要获取可接单人员的心理分析表,从中筛选出满足人员心理稳定因素要求的人员。可见,将本发明短期预警方法与现有的视频分析方法和接单人员安排方法并不互斥,组合运用后可以更进一步的实现对电力作业操作人员安全的风险管控。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种电力作业风险的预警系统,其特征在于,包括:电力作业单获取模块、电力作业单风险分析模块和预警分析模块,其中:所述电力作业单获取模块用于获取电力作业单,并将获取的电力作业单发送至电力作业单风险分析模块;
所述电力作业单风险分析模块对获取的电力作业单进行风险分析,以获取该电力作业单可能存在的风险要素和相关的历史事故信息,形成风险汇集表发送至预警分析模块;
所述预警分析模块根据风险汇集表,获取相关历史信息进行电力作业风险排查,并根据排查结果进行风险预警;
所述对获取的电力作业单进行风险分析的方法包括:
S1获取电力作业的历史事故信息、规范性文件、指导性文件、标准性文件,构建电力作业风险要素框架;所述风险要素框架包括:从人的因素、物的因素、环境因素和管理因素四个方面进行风险要素的整理分析,并根据提取得到的风险要素归类后构建层级表;
S2梳理每次电力事故的成因分析,分析得到该次电力作业中风险要素与事故之间的关联性;
重复步骤S2至步骤S1获取的全部电力作业历史事故信息中的电力作业中风险要素与事故之间的关联性分析完成;
S3计算得到风险因素的客观权重;
S4计算得到风险因素的主观权重;
S5基于风险因素的客观权重和风险因素的主观权重形成风险因素综合权重,并结合风险要素与电力作业事故之间的关联性构建电力作业-多源风险要素关联分析模型;
S6对于新生成的电力作业工作单,采用电力作业-多源风险要素关联分析模型分析其中涉及的多源风险要素,并基于风险因素综合权重对多源风险要素进行排序形成风险汇集表;
步骤S3所述计算得到风险因素的客观权重的方法包括:
S3.1获取电力作业的历史事故信息,并基于风险要素与事故之间的关联性计算得到不同风险因素与事故结果之间的关联程度,包括:
S3.1.1将电力作业的历史事故信息根据预设时间段进行事故数统计,得到母数据列:
Y=(yi)
同时基于风险要素与事故之间的关联性,统计该时间段内各风险因素导致的事故数,得到子数据列;
Xi=(xi(1),xi(2),xi(3)...,xi(m))
式中:i为时间段的连续编号,取值为1,2...n;m为风险要素编号,取值为1,2,3...m;
S3.1.2对母数据列和子数据列进行初值化处理,具体包括:
母数据列初始化采用:Y`=(y`1,y`2,...,y`n)=(n×y1/yh,n×y2/yh,...,n×yn/yh)处理得到,其中yh=(∑yn);
子数据列初始化采用:X`i=(x`i(1),x`i(2),...,x`i(m))=(n×xi(1)/xh(1),n×xi(2)/xh(2),...,n×xi(m)/xh(m))处理得到,其中xh(m)=(∑xi(m));
S3.1.3计算初值化处理之后的子数据列与初值化处理之后的母数据列之间的差序列,具体包括:
Δi(m)=|x`i(m)-y`n|;其中Δi(m)为差序列;
S3.1.4获取差序列中的两极最大差与最小差,具体包括:
Δmax=maximaxmΔi(m),Δmin=miniminmΔi(m);其中Δmax为差序列中的的最大差,Δmin为差序列中的的最小差;
S3.1.5得到各风险因素与事故之间的关联程度,具体包括:
&i(m)=(Δmin+σ×Δmax)/(Δi(m)+σ×Δmax),其中&i(m)为风险因素m在第i年与事故的关联系数,σ为分辨系数取值为[0,1];
S3.2确定有关联的风险因素中各风险因素的影响权重;
S3.3基于风险因素的关联程度和影响权重进行综合计算,得到风险因素的客观权重;
步骤S3.2中确定有关联的风险因素中各风险因素的影响权重的方法包括:
S3.2.1对风险因素m在第i年与事故的关联系数&i(m)进行标准化处理,具体包括:
采用rim=(max&i(m)-&i(m))/(max&i(m)-min&i(m))得到rim,其中rim为标准化处理的关联系数;
S3.2.2将rim进行归一化处理,得到rim的比重值,具体包括:
采用得到Pim,其中Pim为rim的比重值;
S3.2.3确定风险因素m的熵值,具体包括:
采用得到Hm,其中,Hm为风险因素m的熵值,K的调整系数,并假定Pim=0时,Pim×ln(Pim)=0;
S3.2.4确定风险因素m对事故的影响权重,具体包括:
采用得到ωm,其中,ωm为风险因素m对事故的影响权重,αm为风险因素m的差异系数,且αm=1-Hm;
步骤S3.3所述基于风险因素的关联程度和影响权重进行综合计算,得到客观权重的方法包括:
采用得到Rm,其中Rm为风险因素m的客观权重。
2.根据权利要求1所述电力作业风险的预警系统,其特征在于,步骤S4所述计算得到风险因素的主观权重的方法包括:
S4.1基于经典电力作业事故设计调查问卷;
S4.2基于专家组专家对调查问卷中的评分得到风险要素的基础权重,包括:
S4.2.1基于评分专家的学历、职称、职务,采用层次分析法计算参与评分的各专家的评分权重;
S4.2.2基于评分结果和评分权重,采用加权平均数计算方法计算得到各风险因素的基础权重;
S4.3基于电力作业事故分析,计算得到风险要素的后验概率,进而得到不同风险因素的主观权重;
所述计算得到风险要素的后验概率的方法为:基于电力作业历史事故中的成因分析,对引发事故的风险要素和该风险要素的基础权重为基础,采用贝叶斯算法计算得到该风险要素对该事故的后验概率;以计算得到的后验概率作为主观权重。
3.根据权利要求1所述电力作业风险的预警系统,其特征在于,步骤S5所述于风险因素的客观权重和风险因素的主观权重形成风险因素综合权重的方法包括:
采用Fm=Km×Rm+(1-Km)×Qm得到Fm,其中Fm为风险因素m的综合权重,Km为风险因素m的计算权重,取值[0,1],Rm为风险因素m的客观权重,Qm为风险因素m的主观权重。
4.根据权利要求1所述电力作业风险的预警系统,其特征在于,所述预警分析模块包括:长期预警分析,所述长期预警分析包括:
首先,获取全部电力作业-多源风险要素关联分析模型,对其中的多源风险要素分为:可以进行量化数据比较的量化风险要素和基于是否判断的非量化风险要素;
其次,构建不同事故类型的情景模型,采用电力作业-多源风险要素关联分析模型对构建的情景模型进行分析,得到风险要素表;构建不同事故类型的情景模型的频次为定期和/或相关物资储备信息发生变动时进行;
最后,根据风险要素表中的量化风险要素,获取系统信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定为存在风险,对量化数据属于规定范围的风险要素,判定为不存在风险;根据风险要素表中的非量化风险要素,获取系统信息中的相关信息进行“是/否”判断,判断为“是”则判定为不存在风险,判断为“否”则判定为存在风险;
无法判断的判定为自检项,由权限管理员进行人工核对自检,并形成判定通过/不通过的决定;系统记录该判断过程形成新的信息要素-风险要素判定关系。
5.根据权利要求4所述电力作业风险的预警系统,其特征在于,对于判定存在风险的风险要素m,进行二次判定,包括:
首先,计算Em=(Fm×Sm)得到Em,其中Em为计算风险值,Fm为风险因素m的综合权重,Sm为事故因子,且Sm=(Qm/Q0),其中Qm为风险因素m引发的统计事故总数,Q0为统计事故总数;
其次,获取对于Em≥L的风险因素m,并按照Fm高低进行自高而低排序,形成风险展示表;所述L为预设风险管理阈值;
最后,根据风险要素与电力作业事故之间的关联性,对于风险展示表中的风险要素,绑定展示关联的全部电力作业事故。
6.根据权利要求1所述电力作业风险的预警系统,其特征在于,所述预警分析模块包括:短期预警分析,所述短期预警分析包括:
首先,获取该电力作业单的风险汇集表,将风险汇集表中的多源风险要素分为:可以进行量化数据比较的量化风险要素和基于是否判断的非量化风险要素;
其次,获取该电力作业单的风险汇集表中与操作人员无关的风险要素相关的信息要素;
最后,根据风险要素表中的量化风险要素,获取系统信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定为存在风险,对量化数据属于规定范围的风险要素,判定为不存在风险;根据风险要素表中的非量化风险要素,获取系统信息中的相关信息进行“是/否”判断,判断为“是”则判定为不存在风险,判断为“否”则判定为存在风险;
无法判断的判定为自检项,由权限管理员进行人工核对自检,并形成判定通过/不通过的决定;系统记录该判断过程形成新的信息要素-风险要素判定关系。
7.根据权利要求6所述电力作业风险的预警系统,其特征在于,全部风险要素均判定通过或全部风险要素m的最大Fm低于预设阈值,则选取工作人员接收电力作业单,其中Fm为风险因素m的综合权重;选取工作人员接收电力作业单时:
首先,获取满足电力作业单的空闲人员名录,并获取全部名录中人员的历史统计信息;
其次,获取该电力作业单的风险汇集表中与操作人员相关的风险要素;
之后,根据风险要素表中的量化风险要素,获取人员的历史统计信息中的相关量化数据对比,对量化数据超出规定范围的风险要素,判定不适合,对量化数据属于规定范围的风险要素,判定为适合;根据风险要素表中的非量化风险要素,获取人员的历史统计信息中的相关信息进行“是/否”判断,判断为“是”则判定为适合,判断为“否”则判定为不适合;
最后,向全部风险要素判定为适合的工作人员发送该电力作业单;如人数数量不足,则优先选取判定不适合项目中最大Fm最小的工作人员预派送该电力作业单,并向该工作人员和管理人员同时发出存在该风险要素的提示,待工作人员和管理人员确认最终是否派送该该电力作业单,其中Fm为风险因素m的综合权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310655491.2A CN116757470B (zh) | 2023-06-05 | 2023-06-05 | 一种电力作业风险的预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310655491.2A CN116757470B (zh) | 2023-06-05 | 2023-06-05 | 一种电力作业风险的预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116757470A CN116757470A (zh) | 2023-09-15 |
CN116757470B true CN116757470B (zh) | 2024-03-22 |
Family
ID=87954451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310655491.2A Active CN116757470B (zh) | 2023-06-05 | 2023-06-05 | 一种电力作业风险的预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116757470B (zh) |
Citations (10)
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 |
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
CN110033164A (zh) * | 2019-03-04 | 2019-07-19 | 华中科技大学 | 一种水库群联合防洪调度的风险评估与决策方法 |
CN111950918A (zh) * | 2020-08-19 | 2020-11-17 | 江苏电力交易中心有限公司 | 一种基于电力交易数据的市场风险评估方法 |
CN112001645A (zh) * | 2020-08-27 | 2020-11-27 | 广东电网有限责任公司广州供电局 | 一种中压架空线路雷击跳闸风险评估方法及装置 |
CN113627739A (zh) * | 2021-07-16 | 2021-11-09 | 宁夏建设投资集团有限公司 | 工程建设项目安全风险评价指标体系的构建方法 |
CN113850693A (zh) * | 2021-09-28 | 2021-12-28 | 国网重庆市电力公司铜梁供电分公司 | 基于多源信息融合的配网停电风险综合评估与预警的方法 |
CN115456311A (zh) * | 2022-11-09 | 2022-12-09 | 广州信诚信息科技有限公司 | 基于电力作业现场的安全风险演化规律与态势预测方法 |
CN115829322A (zh) * | 2022-11-23 | 2023-03-21 | 中国铁建昆仑投资集团有限公司 | 一种基于区域地质和建造双因素影响的隧道风险分析方法 |
CN115907472A (zh) * | 2022-11-28 | 2023-04-04 | 贵州电网有限责任公司 | 一种基于主客观综合赋权方法的导线故障风险评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220051344A1 (en) * | 2020-08-13 | 2022-02-17 | Zesty.Ai, Inc. | Determining Climate Risk Using Artificial Intelligence |
-
2023
- 2023-06-05 CN CN202310655491.2A patent/CN116757470B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
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 |
CN110033164A (zh) * | 2019-03-04 | 2019-07-19 | 华中科技大学 | 一种水库群联合防洪调度的风险评估与决策方法 |
CN111950918A (zh) * | 2020-08-19 | 2020-11-17 | 江苏电力交易中心有限公司 | 一种基于电力交易数据的市场风险评估方法 |
CN112001645A (zh) * | 2020-08-27 | 2020-11-27 | 广东电网有限责任公司广州供电局 | 一种中压架空线路雷击跳闸风险评估方法及装置 |
CN113627739A (zh) * | 2021-07-16 | 2021-11-09 | 宁夏建设投资集团有限公司 | 工程建设项目安全风险评价指标体系的构建方法 |
CN113850693A (zh) * | 2021-09-28 | 2021-12-28 | 国网重庆市电力公司铜梁供电分公司 | 基于多源信息融合的配网停电风险综合评估与预警的方法 |
CN115456311A (zh) * | 2022-11-09 | 2022-12-09 | 广州信诚信息科技有限公司 | 基于电力作业现场的安全风险演化规律与态势预测方法 |
CN115829322A (zh) * | 2022-11-23 | 2023-03-21 | 中国铁建昆仑投资集团有限公司 | 一种基于区域地质和建造双因素影响的隧道风险分析方法 |
CN115907472A (zh) * | 2022-11-28 | 2023-04-04 | 贵州电网有限责任公司 | 一种基于主客观综合赋权方法的导线故障风险评估方法 |
Non-Patent Citations (6)
Title |
---|
基于AHP-灰色关联度分析法的水利工程风险评价研究;秦璇璇;方必和;;项目管理技术(08);全文 * |
基于云模型的大型客机火灾风险评估;柏羽珊;王志;;沈阳航空航天大学学报(03);全文 * |
基于数据挖掘的现场作业风险态势评估方法;蒋毅;欧郁强;梁广;高杨;严永高;林捷;赵晓宁;;计算机与现代化(04);全文 * |
基于矩估计理论的电网风险等级评价体系;栗梦迪;闫思卿;高梦雅;张静;翟晨曦;;科技风(13);全文 * |
水电工程高危作业安全管理风险评价;江新;袁轩;陈乔峰;胡文佳;孙正熙;;人民长江(23);全文 * |
电力企业应急管理体系影响要素评估研究――以S省电力公司项目为例;王润北;王建平;朱坤双;;项目管理技术(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116757470A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113221931B (zh) | 一种基于用电信息采集大数据分析的反窃电智能识别方法 | |
CN112712230A (zh) | 一种电力现场作业风险管控方法及系统 | |
CN109544399B (zh) | 基于多源异构数据的输电设备状态评价方法及装置 | |
CN106548294A (zh) | 一种基于飞行数据的着陆操作绩效评价方法及装置 | |
CN113506001B (zh) | 一种作业现场安全风险精益化智慧管控辅助决策方法 | |
CN115392735B (zh) | 光伏电站工作性能监测方法、系统、设备及介质 | |
CN112749870A (zh) | 一种电力现场作业安全控制系统及方法 | |
CN113191585A (zh) | 一种输电线路的台风致灾风险评估方法 | |
CN110889587A (zh) | 配电网线路风险评估方法 | |
CN115231410A (zh) | 一种基于智能化的电梯定期维护维保监测管理云系统 | |
CN110472851A (zh) | 一种基于神经网络的配电网风险隐患动态评价模型构建方法 | |
CN111178731A (zh) | 基于大数据赋能条件下的社会单位动态火灾风险评估方法 | |
CN116561519A (zh) | 基于电网大数据的电碳排放过程监测方法和系统 | |
CN112330474A (zh) | 核保风控监控方法、装置、设备及存储介质 | |
CN110650043B (zh) | 面向业务流程的关键业务系统识别与风险评估方法 | |
CN116739399A (zh) | 一种高压电缆运行状态评价方法 | |
CN116757470B (zh) | 一种电力作业风险的预警系统 | |
CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
CN109978396A (zh) | 一种风险事件的早期筛查系统及方法 | |
CN117670024A (zh) | 一种光伏电站的风险等级评估方法及系统 | |
CN116884159A (zh) | 一种基于ai识别的消防智能预警方法及系统 | |
CN115376220A (zh) | 一种基于物联网的建筑安全用巡检系统及方法 | |
CN116681283A (zh) | 一种针对电力作业多源风险要素的分析方法 | |
CN107862431A (zh) | 一种调度安全生产监督管控方法 | |
CN112348391A (zh) | 一种区域雷电灾害风险评估方法 |
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 |