一种作业现场安全风险精益化智慧管控辅助决策方法技术

本发明专利技术公开了一种作业现场安全风险精益化智慧管控辅助决策方法，涉及风险管控，解决了传统的管控模式无法覆盖辖区内素有的作业现场以及难以实现全方位24小时监管的技术问题。包括以下步骤，通过智慧管控大数据系统的架构，构建电力作业现场的作业安全风险识别模型；根据电力作业现场的作业风险因素构建作业风险评估指标体系框架；计算分析所述作业风险因素的风险值，根据所述作业风险因素的风险值及其影响程度，构建电力作业现场的安全风险评估模型。本发明专利技术实现作业现场全覆盖式地实时智能化监督管理，为了作业监管人员提供可靠及时的辅助决策信息，有效降低作业现场安全风险，节约了人工维护成本，实现经济效益。实现经济效益。实现经济效益。

【技术实现步骤摘要】
一种作业现场安全风险精益化智慧管控辅助决策方法


[0001]本专利技术涉及风险管控，更具体地说，它涉及一种作业现场安全风险精益化智慧管控辅助决策方法。

技术介绍

[0002]随着电网规模的日益扩大，电力作业活动日趋频繁，并且，电力作业现场的作业风险因素较多，传统的人工现场监督检查和事后回顾的管控方式，已很难满足新形势下供电企业精益化、现代化的管理要求。因此，电力企业有迫切的需求建立电力作业现场可视化和智能化管控平台，以辅助电力作业监管人员对电力作业现场进行更高效和智能化协同的监督和管理。电力作业传统的管控模式主要存在以下缺陷：(1)无法全面覆盖辖区所有作业现场，存在盲区、远程监控乏力等问题。(2)对于电力管理部门而言，传统的管控模式难以实现对电力作业全方位24小时的监管。

技术实现思路

[0003]本专利技术要解决的技术问题是针对现有技术的不足，提供一种作业现场安全风险精益化智慧管控辅助决策方法，解决了传统的管控模式无法覆盖辖区内素有的作业现场以及难以实现全方位24小时监管的问题。
[0004]本专利技术所述的一种作业现场安全风险精益化智慧管控辅助决策方法，包括以下步骤：
[0005]步骤一、通过智慧管控大数据系统的架构，构建电力作业现场的作业安全风险识别模型，用于对当前的电力作业现场的现场风险要素进行识别，同时学习所述现场风险要素中的信息特征；
[0006]步骤二、根据电力作业现场的作业风险因素构建作业风险评估指标体系框架，同时设定所述作业风险评估指标体系框架中作业风险因素的风险参数，并制定指标分级评分标准，用于评定所述现场风险要素的风险等级；
[0007]步骤三、通过基于改进主客观权重结合的电力作业现场安全风险评估模型对风险参数进行分析，确定所述作业风险因素的风险值，并根据所述作业风险因素的风险值及其影响程度，构建电力作业现场的安全风险评估模型，用于评定所述现场风险要素的风险值，并根据所述风险值和风险等级对所述现场风险要素进行动态评估调整。
[0008]所述作业安全风险识别模型，具体包括，
[0009]现场数据源层，用于采集电力作业现场的现场数据，并感知所述现场数据中存在的风险数据；
[0010]边缘计算层，用于对所述风险数据进行存储和数字化处理，并将处理后的风险数据上传至大数据处理中心；
[0011]网络互联层，用于实现边缘计算层与大数据处理中心之间的通信；
[0012]大数据处理层，用于通过人工智能算法对所述风险数据进行信息特征提取，并对
所述信息特征值与历史数据库中的样本数据特征进行融合。
[0013]所述电力作业现场安全风险评估模型为，
[0014][0015]其中，D为风险值；W为权重系数矩阵；N为风险维度的总数；l为第k个维度因素影响发生概率；E为作业人员在危险环境中暴露的频繁程度；C为产生的风险后果大小值；M为不同作业所属单位的整体作业风险管理水平；Q为不同作业所属单位的整体作业人员素质水平。
[0016]根据电力作业现场的作业风险因素设定作业风险评估样本，并根据所述作业风险评估样本与风险维度的总数构建评分矩阵，并对所述评分矩阵进行赋值；利用主成分分析法对所述评分矩阵进行分析，确定权重系数矩阵。
[0017]通过以下公式计算所述作业风险评估样本，
[0018]m＝r
×
s
×
h：
[0019]其中，m为作业风险评估样本；r为作业风险因素的风险事件的个数；s为作业风险因素的作业类型的个数；h为作业风险因素的下属单位的个数；
[0020]再通过以下公式构建所述评分矩阵，
[0021]X＝m
×
N：
[0022]其中，X为评分矩阵。
[0023]所述权重系数矩阵中权重系数值的具体计算步骤为，
[0024]第一步、通过以下公式计算相关系数矩阵，
[0025][0026]其中，cov(x
i
，x
j
)表示向量(x
i
，x
j
)的协方差；var(x
i
)表示变量x
i
的样本方差；i和j均为风险维度的个数；
[0027]第二步、通过相关系数矩阵与单位矩阵之间的特征函数，求解出所有的特征值，并将特征值进行排列；同时根据所述特征值获取其特征向量；
[0028]其中，所述特征函数为|λE
‑
R|＝0；
[0029]式中，λ为特征值；E为单位矩阵；
[0030]第三步、计算主成分累计贡献率，其计算公式为，
[0031][0032]第四步、通过以下公式计算评分矩阵中的指标在不同成分线性组合中的系数，
[0033][0034]其中，e
ij
为第i主成分对变量x
j
的载荷数；
[0035]第五步、计算主成分贡献率，其计算公式为，
[0036][0037]第六步、通过以下公式确定指标系数，
[0038][0039]第七步、通过对所述指标系数的归一化，得到权重系数值，其计算公式为，
[0040][0041]有益效果
[0042]本专利技术的优点在于：通过智慧管控大数据系统的架构，构建电力作业现场的作业安全风险识别模型，同时通过作业风险评估指标体系框架和安全风险评估模型对电力作业现场的现场风险要素进行分析，以确定相应的风险管控措施，实现对电力作业现场的管控决策，有效降低作业现场安全风险。并且，节约了人工维护成本，实现经济效益。
附图说明
[0043]图1为本专利技术的管控平台的工作流程示意图；
[0044]图2为本专利技术的作业安全风险识别模型架构示意图；
[0045]图3为本专利技术的作业风险评估指标体系的示意图；
[0046]图4为本专利技术的风险后果严重等级对照表。
具体实施方式
[0047]下面结合实施例，对本专利技术作进一步的描述，但不构成对本专利技术的任何限制，任何人在本专利技术权利要求范围所做的有限次的修改，仍在本专利技术的权利要求范围内。
[0048]参阅图1，本专利技术的一种作业现场安全风险精益化智慧管控辅助决策方法，包括以下步骤：
[0049]步骤一、通过智慧管控大数据系统的架构，构建电力作业现场的作业安全风险识别模型。作业安全风险识别模型主要是用于对当前的电力作业现场的现场风险要素进行识别，同时学习现场风险要素中的信息特征。
[0050]如图2所示，智慧管控大数据系统的架构包括现场数据源层、边缘计算层、网络互联层和大数据处理层。因此，所构建的作业安全风险识别模型，具体包括，
[0051]现场数据源层，用于采集电力作业现场的现场数据，并感知现场数据中存在的风险数据。电力作业现场的数据来源主要由智能摄像头、气体监测、温湿度监测等高精度传感器及智能终端组成，同时还有作业现场音频和视频的实时传输、以及工作票等结构化数据。通过以上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作业现场安全风险精益化智慧管控辅助决策方法，其特征在于，包括以下步骤：步骤一、通过智慧管控大数据系统的架构，构建电力作业现场的作业安全风险识别模型，用于对当前的电力作业现场的现场风险要素进行识别，同时学习所述现场风险要素中的信息特征；步骤二、根据电力作业现场的作业风险因素构建作业风险评估指标体系框架，同时设定所述作业风险评估指标体系框架中作业风险因素的风险参数，并制定指标分级评分标准，用于评定所述现场风险要素的风险等级；步骤三、通过基于改进主客观权重结合的电力作业现场安全风险评估模型对风险参数进行分析，确定所述作业风险因素的风险值，并根据所述作业风险因素的风险值及其影响程度，构建电力作业现场的安全风险评估模型，用于评定所述现场风险要素的风险值，并根据所述风险值和风险等级对所述现场风险要素进行动态评估调整。2.根据权利要求1所述的一种作业现场安全风险精益化智慧管控辅助决策方法，其特征在于，所述作业安全风险识别模型，具体包括，现场数据源层，用于采集电力作业现场的现场数据，并感知所述现场数据中存在的风险数据；边缘计算层，用于对所述风险数据进行存储和数字化处理，并将处理后的风险数据上传至大数据处理中心；网络互联层，用于实现边缘计算层与大数据处理中心之间的通信；大数据处理层，用于通过人工智能算法对所述风险数据进行信息特征提取，并对所述信息特征值与历史数据库中的样本数据特征进行融合。3.根据权利要求1所述的一种作业现场安全风险精益化智慧管控辅助决策方法，其特征在于，所述电力作业现场安全风险评估模型为，其中，D为风险值；W为权重系数矩阵；N为风险维度的总数；l为第k个维度因素影响发生概率；E为作业人员在危险环境中暴露的频繁程度；C为产生的风险后果大小值；M为不同作业所属单位的整体作业风险管理水平；Q为不同作业所属单位的整体作业人员素质水平。4.根据权利要求3所述的一种作业现场安全风险精益化智慧管控辅助决策方法，其特征在于，根据电力作业现场的...

【专利技术属性】
技术研发人员：李华，李明，林韶文，梁广，梁志祥，高杨，赵晓宁，林自强，王泰然，黄伟豪，王锦滨，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：