基于大数据分析的安全生产事故事件指示监控研究分析

基于大数据分析的安全生产事故事件指示监控研究分析

粟雅婷、毛智龙、龙珍、冀北振

广西电网有限责任公司贺州供电局

引言

二十大会议后，国家确立了八个工作重点，其中提到就是坚持科技引领创新驱动，坚持产业为基转型为要，加快建设现代化体系。在此基础上走好数字化转型之路。随着近些年科技发展，AI技术已广泛应用于各行各业，电网技术的发展也是突飞猛进，特别是当电网技术与信息化深度融合中出现了大量数据，电力企业也从中获得了很多大数据的有效积累。这些数据蕴含着大量的价值信息，是电力企业的核心资产，本文基于对电力大数据的安全分析和预警研究提出了电力大数据的安全预警监控隐患和指示分析及应用法。实践证明大数据分析在针对检测障碍安全隐患以及事故指示监控分析上能够做到“数尽其用”，智能洞悉电力大数据安全态势。

关键词：大数据安全，主动分析，安全预警。

摘要：随着各行业对网络数据的依赖，大量的数据信息需要存储、分析与信息转化。2022年贺州供电局数据中心、智瞰平台、BI平台、以及人工智能技术支持下的用于服务总体规划、业务流程和其详细的功能需求，本文就供电企业的数据中心数据进行分析研究，建立功能结构，为后面的数据应用需求分析、设计、编码及测试提供可靠依据。大数据分析可以及时反馈安全隐患，分析输电线路树障监控数据。

一、大数据有助于安全生产

大数据是一个比较虚的概念，基于安全生产大数据的风险预警预控。给出了安全生产大数据这一全新的概念，针对风险预警预控这一环节，提出了基于大数据的风险预警预控流程及优化措施，分析了将大数据相关技术应用于安全管理中的功能作用。1、按照麦肯锡全球研究所的定义，大数据（Big data）是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据有4大特点：(1)数据规模巨大、(2)处理速度快、(3)数据类型多样、(4)数据价值密度低。随着信息科技的不断发展和互联网技术的不断普及，许多先进的设备和技术被应用于安全生产管理过程中，同时也形成了体量巨大的安全生产大数据。

二、大数据为风险管理提供了有力数据

大数据时代的到来为风险管理也带来了新的思维方式和管理模式，人们开始将大数据应用于风险管理当中，能够为解决风险管理存在问题提供对策措施，主要的对策措施有：（1）应用大数据技术实现各风险管理对象状态参数数据的实时采集，建立和生成安全生产大数据库，实现风险管理因素数据化管理。（2）风险辨识不在只依据于理论的认知，还依赖于对安全生产大数据的数据挖掘规律的发现，从而避免风险因素的遗漏。（3）形成基于大数据思维和机械学习法的风险评价和分级的新模式，实现各要素之间的关联分析。（4）依靠大数据相关技术做支撑，保障风险管理的动态性充分发挥其作用，并实现连续、及时、准确的风险预警和风险管控的目标。同时依靠互联网快速便捷的优势，保障在风险预警的同时提供最优的风险管控方案。

（5）建立基于大数据的安全风险管理模型，系统的、模型化的研究大数据能为安全风险管理带来的变革，从而实现风险管理水平整体性的提升。

二、安全生产中大数据主体

安全生产大数据安全生产大数据来源于四类主体，即政府，对安全生产负有监管职责的政府部门；企业，从事生产经营活动的单位；员工，所有劳动从业人员；社会，安全中介、媒体、相关机构和群众个人。安全生产大数据的产生方式，则主要包括主动、被动、自动三种方式，既包含传统的事故记录信息、行政文件、检查记录等，也包含在网络平台下自动记录的安全信息，安全生产大数据包含结构化、半结构化和非结构化三种基本数据结构。为了突出安全生产大数据的动态性和基于风险的防控思想，应从表达时间维度的“事前、事中、事后”三类进行界定。事前数据侧重风险预警预控、事中数据侧重常规策略、事后数据侧重应急救援与恢复。三个维度之间相互制约和发展，数据来源与数据结构的连接能够实现数据采集的高效化，将主要4个方面的数据来源以数据结构的不同进行预处理，按照大数据的特征将安全生产大数据进行分类整合，同时还融入了特有的安全思维，以事前、事中、事后为尺度，并作为一种数据存储标准，以双重标准的模式进行数据结构标准规范化，使安全生产大数据不仅是以基础数据资源的身份被存储，同时还贴上了安全领域数据的标签，为以后作为安全生产大数据被提取和分析，

目前，以输电线路保护为例有些输电线路树障若不及时清理将引发输电线路停运的事件，通过无人机技术，虽然可以在一定程度上减轻输电所运维人的负担，因此，基于智瞰的输电线路树障隐患监控系统应运而生。

由无人机对线路通道开展激光雷达扫描数据后的数据，根据线路通道内树木的生长周期，树木对导线距离超过预定的安全距离后，能自动报警或者提示，并且系统能随时能更导入新数据，能从新的数据重新计算。

根据无人机对线路通道开展激光雷达扫描后，获得的原始数据。根据原始数据对存在的树障隐患进行精准分析、预测，建立了一个预测模型。该模型以原始数据为基准，结合不同种类的树木的生长周期、历史生长周期数据和线路的经纬度等参数，最终分析得出树障隐患点数据。

1、输电线路隐患监控，主要借助无人机对输电线路的通道进行激光雷达扫描后，由此获得到原始数据。随后根据原始数据提供的信息对存在的树障隐患进行精准分析、预测，然后建立起一个预测模型。这个模型获悉的数据均为原始数据并以此为基准，同时结合不同种类的树木的生长周期、历史生长周期数据和线路的经纬度等参数，统计整理归纳，最终分析得出树障隐患点的数据。

2、对于树障清理数据的分析和应用，基于机巡原始数据，判断预测树木生长情况，开发建设贺州网区输电线路树障隐患监控平台。

(1)利用历史数据计算隐患点植被的生长周期，达到提前告警的作用，促使输电所运维人员及时去消除树障隐患，避免发生输电线路停运的风险。同时进一步发挥采集到的数据的价值，扫除大数据应用的盲区。

(2)、地图直观呈现隐患分布，辅助定位隐患点位置，为消除隐患点作业的前期准备工作提供辅助。

(3)、通过后期的大数据分析，进一步完善隐患预测植被生长周期计算预测模型，提高预测的精度，为监控和管理树障隐患提供数据支撑。

(4)、通过数据中心读取线路的有关数据，根据返回的线路数据将线路信息写回隐患，从机巡中心读取无人机获取的原始数据，机巡中心数据更新后同步更新，实时监控树障隐患情况。根据现有的数据通过对传导过来的数据进行实时计算、进而能准确的把清障前后的故障下降幅度情况及时进行反馈，在障碍问题未解决前会收到对应的投诉，且投诉率也会根据清障成度发生变化及情况进行展现，除此之外还可以运用可视化查看每个新电力县公司指标的变化情况，新电力县公司的每个月环比的情况会通过对比清晰的展现出来等。通过对清障工作前后配电线路故障次数进行对比，可以查看清障之后各县公司的故障率下降参数，通过使得故障下降率来检验各县公司通道清理“百日攻坚”行动的成效

二、事故事件指示监控预警分析

基于大数据的安全风险管理模型的功能分析数据的安全风险管理模型的建立，主要是以安全生产大数据为数据基础，以大数据分析技术为依托，实现对风险管理的模式创新。应用系统霍尔模型思想，分析大数据理论及技术与风险管理之间的关系，梳理各维度组成及相互关系，在进行风险管理时，依据基于大数据的安全风险管理模型中的内容，根据基于大数据的风险辨识、风险评价分级、风险预警预控流程，分部有序进行风险管理工作，从而有效提升风险管理水平。由于大数据近几年广泛受到关注，存在一定的过度热捧的现象，很多大数据的相关技术和理论还处于概念阶段，因此，大数据还需要一定的成熟发展才能应用于实际中。对于大数据相关技术和理论全面应用与安全风险管理中还不现实，目前只能将相对成熟的技术加以研究应用来提升风险管理水平。相应科学研究领域人才存在不足的状态，需要国家大力发展，储备相关专业人才，加强科研能力，以对研究瓶颈进行突破，从而实现技术的巨大进步。旨在借助大数据分析技术，快速扫描识别闲置物资是否存在异常，即未实际使用但滚存在各个工程项目，并生成相应的异常物资清单。在此基础上审计人员再进一步核实疑点，减少审计人员人工统计筛选数据的时间，提高抓取异常数据的精准性，提高审计发现问题的能力。能够剔除无用数据，快速、精准锁定数据疑点，再辅以可视化图形手段展示可能存在的违规点，清晰地进行预警，增强数字化技术支撑，深化数据应用，释放数据价值，提高工作效率。

三、大数据具有识别真假功能及作业风险评估应用

1、借助大数据分析识别技术，可以对发票进行识别，依托人工智能平台，开发发票识别应用，调用人工智能平台发票识别组件，自动识别每月报账大量的发票信息，并将识别结果自动输入财务系统，验证发票是否有效可用，有效的发票自动提交保存，不可用或不存在的发票记录保存至Excel表格供业务人员进一步核查发票的有效性。

2、作业风险评估基于建立一套数据模型去动态评估作业人员的作业风险系数。通过对作业人员、单位、班组信息维护，评估作业人员安全等级。再根据人员、单位、班组、扣分情况、是否特种作业等因素计算作业人员的作业风险系数，根据资质、作业不同，动态计算每个作业人员安全作业分值。当风险系数处在不同等级，显示不同颜色，达到提醒安全督查大队重点关注高风险系数的作业人员的目的。

结语        

综上所述，基于大数据的风险预警预控优化措施可以实现静态预警、实时预警、全自动化预警、精确风险预警信息等，推送出针对预警信息出现的风险的控制对策，实现对风险管理的模式创新，分部有序进行风险管理工作，从而有效提升风险管理水平。        

参考文献   [1]黄英华.大数据在推进安全生产双重预防机制中的运用[J].上海铁道科技,2018(04):129-130.        

[2]郜彤,刘传安.基于大数据分析的煤矿安全风险预测系统研究[J].煤炭工程,2018,50(07):173-176.        

[3]王新浩,罗云,李桐,黄西菲.基于大数据的特种设备宏观安全风险预警方法研究[J].中国安全生产科学技术,2018,14(04):160-166.