一种降低生产作业人员风险的量化评价系统及方法技术方案

本发明专利技术提供了一种降低生产作业人员风险的量化评价系统及方法，属于电力作业安全风险管控技术领域。该方法包括风险关键因子库构建、量化评价模型建立和量化结果输出应用的步骤。本发明专利技术采用5M因素法与TF

【技术实现步骤摘要】
一种降低生产作业人员风险的量化评价系统及方法


[0001]本专利技术属于电力作业安全风险管控
，特别涉及一种降低生产作业人员风险的量化评价系统及方法。

技术介绍

[0002]当前，电力生产各类事故隐患和安全风险交织，生产作业人身安全事故易发、频发，人身安全风险管理工作形势依然严峻。
[0003]目前，生产作业风险评估过程中，通常按照风险评估技术标准开展危害辨识、风险等级判定及通用措施辨识，以经验判断为主，同时历史事故事件、违章、人员管理、环境等作业风险管理过程产生的大量数据缺乏系统有效管理与应用，致使作业风险评估维度单一，评估结果及管控措施缺乏针对性、客观性及科学性。
[0004]生产作业人身安全风险成因复杂，为把防范关口前移，由表面、定性评价向精细化、量化、可测量方向转变，亟需开展生产作业人身安全风险量化评价研究及实践工作。研究发现，国内外对于人身安全风险相关量化研究非常少，特别是针对电力行业生产作业人身安全风险量化评价研究尚且无人问津。因此，如何建立符合电网企业生产作业特点的人身安全风险量化评价方法，是当前亟待解决的难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种降低生产作业人员风险的量化评价方法，其特征在于，包括风险关键因子库构建、量化评价模型建立、量化结果输出应用的步骤，所述风险关键因子库构建是采用TF
‑
IDF算法，对现有一段时间的事故通报文件进行关键词分析，并结合电力公司相关管理文件要求，对关键词筛选归类后建成风险关键因子库；所述量化评价模型建立是主成分分析法和BP神经网络结合构建主成分神经网络模型的过程；所述量化结果输出应用是基于主成分神经网络模型的运算，得到作业样本的风险概率预测值，将风险概率预测值与前期设定的风险概率值相比对，得到对应的风险等级，进而开展对应等级的生产作业人身安全风险预警、作业准入管控。2.根据权利要求1所述的降低生产作业人员风险的量化评价方法，其特征在于，所述风险关键因子库构建的具体步骤包括：
⑴
基于TF
‑
IDF的人身安全风险词频提取采用TF
‑
IDF算法，通过Python软件，对一段时间内现有事故通报文件进行关键词分析，将Python执行结果按照TF
‑
IDF权重的大小进行整理排序，筛选出文件中TF
‑
IDF权重最高的40个词，列关键词提取结果表；基于关键词提取结果，结合生产作业现场工作实际及特征要素，筛选出有关生产作业人身安全的24个关键词频，列关键词筛选结果表；根据关键词筛选结果表的TF/IDF权重，绘制出关键词词云图，其中字体大小对应权重大小；
⑵
生产作业人身安全风险关键因子库建立将步骤
⑴
TF
‑
IDF算法提取、筛选的人身安全风险词频及电网管理文件要求的数据按照人员、机械、材料、方法、环境五个维度归类，建成生产作业人身安全风险关键因子库。3.根据权利要求2所述的降低生产作业人员风险的量化评价方法，其特征在于：步骤(2)中，人员、机械、材料、方法、环境五个维度共计26个指标数据，其中，所述人员的风险因子包括年龄、性别、学历、技能、类型、本岗位从业时间、同类作业熟悉程度、作业习惯、身体状况、精神状态、工作情绪；所述机械的风险因子包括设备电压等级、设备类型、设备状态；所述材料的风险因子包括设备防护、工器具配置、个人防护用品配置；所述方法的风险因子包括作业时长、作业性质、作业方式、作业时段、分组作业、交叉作业；所述环境的风险因子包括作业天气、作业地形、作业空间。4.根据权利要求3所述的降低生产作业人员风险的量化评价方法，其特征在于：所述量化评价模型建立的具体步骤包括：
⑴
开展数据预处理：将风险关键因子库中的26个指标数据转化为计算机可识别处理的数值类型数据；
⑵
风险概率值设定：假设不同风险等级分布概率区间，即根据伯努利大数定律，设定1
‑
5级风险在[0
‑
1]区间上分布的概率区间；
⑶
风险关键指标降维:利用主成分分析法对风险关键因子库中的26个指标进行降维，即将原始输入矩阵X转变为低维稠密矩阵Z；
⑷
BP神经网络模型构建：构建BP神经网络模型，将Z输入其中得到风险概率输出Y；
⑸
数据映射及误差分析：根据风险概率输出Y，结合前期设定的风险等级分布概率区间，映射为对应风险等级；
⑹
风险概率验证调整：通过误差反向传播算法计算风险概率映射为风险等级的误差，当误差不超过0.0001时，则通过，即输出对应风险等级；当误差超过0.0001时，则不通过，须
重新进入第三步，更新BP神经网络参数，构造新的神经网络模型，从而不断修正误差值，确保误差最小。5.根据权利要求4所述的降低生产作业人员风险的量化评价方法，其特征在于，所述开展数据预处理包括：离散型变量处理：将此类指标数据编码为递进阶梯为1的数字，使离散型变量在一定程度上转换为连续型变量；类别类型变量处理：将此类指标数据通过One
‑
hot编码处理；类别类型变量异常值和缺失值处理：在One
‑
hot编码中，单独设置一种状态用于表示异常值或者缺失值；数值类型变量处理：将数值类型变量进行标准化处理，将输入变换为均值为0、标准差为1的分布，如下：其中，μ为特征的样本均值，σ为特征的样本标准方差；数值类型变量缺失值处理：将缺失值填补为特征的平均值，然后进行标准化处理。6.根据权利要求4所述的降低生产作业人员风险的量化评价方法，其特征在于，所述风险关键指标降维的具体步骤包括：1)确定输入矩阵X，其中m为输入作业样本数，n为特征总数，a
ij
为第i个样本的第j个特征。c
j
为第j个特征的协方差；2)根据输入矩阵X计算协方差矩阵C
①
将X矩阵的每一列减去该列的均值，得到矩阵X
’
，使得每一列的均值为0；
②
将X
’
乘上X

【专利技术属性】
技术研发人员：贺洲强，陈钊，刘超，王利平，聂江龙，夏天，赵连斌，马之力，王跃，杨鹏云，朱海涛，高翔，任毅华，陆浩，赵金雄，马志程，张驯，李志茹，杨勇，马宏忠，
申请(专利权)人：国网甘肃省电力公司电力科学研究院四川科睿埃迪科技咨询有限公司，
类型：发明
国别省市：