機械類外破隱患點風險評估

鄧晨成

（武漢供電公司，湖北武漢 430000）

機械類外破隱患點風險評估

鄧晨成

（武漢供電公司，湖北武漢 430000）

近年來武漢地區城市建設工程數量巨大，對輸電線路的安全運行產生 嚴重安全威脅。本文采用數學建模原理，研究在武漢地區輸電線路外力破壞防控中，定量風險評估的算法模型。通過風險評估對外破防控工作起到決策輔助作用，提高各項資源利效率。利用對機械行為的數學建模及分析往年數據統計，研究風險評估算法并投入試用驗證算法有效性，為輸電行業外破風險評估提供了參考依據。

輸電線路 架空線路 外力破壞 機械施工 風險評估

1　選題背景及理由

由于經濟和建設的發展需要，武漢地區的施工繁多且嚴重影響線路安全運行。目前武漢共有近萬處施工工地，對輸電線路安全運行造成影響和威脅的有近1000處施工工地。本項目針對這一問題進行研究，嘗試用建模、統計和經驗相結合的方式來對機械類施工外破現場進行定量風險評估，并根據現場環境進行針對性的安全措施補充。目前對線路運行，特別是線路事故頻發的建筑施工區域內的輸電線路，電力部門迫切需要借助風險評估的方式，合理分配各類資源，提高線路維護效率和企業經濟效益。

圖1　機械固有風險值的計算示意圖

圖2　固有風險值建模示意圖

圖3　機械固有風險值與水平距離、臂長的關系

圖4　平整場地進場空余時間

圖5　工序誤差

2　風險評估算法原理

2.1概述

該評估系統主要適用于35kV至500kV交流架空線路保護區范圍內或周邊的機械施工所產生的外破風險評估。由于風險評估主要針對于超高機械可能引起的線路跳閘事故，大型挖機或壓路機等這類非超高（高度低于10米）但可能會對桿塔本身或基礎產生破壞的機械，由于其對線路安全運行產生的影響大部分不是瞬時影響，雖然會造成電力設備的損壞，但對電力用戶不會產生直接的經濟損失，故在此評估系統中暫不予考慮。

現階段的線路運行環境十分糟糕，針對在線下施工引起的線路跳閘等外破事故也無規范和統一的記錄格式和處理方法。風險評估項目擬采用理論計算與數理統計相結合的手段，最大化利用現有數據來得到更為準確的數值。

通過項目組的討論及對大部分施工外破現場的分析，我們將外破現場因素分為這么幾類：線路狀態，機械工況，技防安措，宣傳安措。每一個因素類型都可以用幾個具體量化后的參數進行評估計算。

圖6　算法流程

2.2算法結構及流程

在外破點風險評估的算法中，最核心的部分是機械的固有風險值算法。設計思路如下：假設無任何技防措施且機械操作人員沒有任何電氣常識情況下，對機械在特定位置所有可能的運動范圍進行風險評估后，得到固定施工位置的機械固有風險值，然后再對機械在所有可能作業位置時評估所得風險值進行累加，得到機械固有風險值。得到機械固有風險值后，我們將進行一系列的參數修正，來確定最終的風險值。

第一項修正為限高類和封網類技防措施參數修正。在這兩類技防措施有效且完好的情況下，直接修改機械可能的運動范圍及可能的施工位置，重復上述的運算過程，得到經過技防措施參數修正后的機械固有風險值。（見圖1、圖2）

第二項修正為宣傳參數修正。根據生產技術科所提供的數據，在機械造成的外破事故中，機械操作人員對現場電氣危險點毫不知情的人數占到了70%-80%。假設其他條件完全一樣，而電氣安全知識宣傳和教育能夠全面開展的情況下，機械外破事故可以減少40%-60%，在實際計算中取50%。

宣傳類措施參數包含：施工方展開的電力設施安全常識培訓（以下簡稱安全培訓）、施工方繳納抵押金情況、現場警示牌情況和值守人員參數，其中值守人員參數又包含著裝評分、電氣知識和素養評分及在崗情況評分。（值守人員的技防類效果與宣傳類效果分開計算。）計算公式及參數說明如下：

A0：修正后的機械風險值； A：修正前機械風險值；xc1：安全培訓參數；xc2：警示牌參數；zs2：值守著裝評分；zs5值守電氣知識素養評分；zs4：值守人員在崗率。

其中安全培訓參數占60%權重，警示牌參數占15%權重，值守人員評分占25%權重。其中在值守人員評分計算中，著裝評分與電氣知識素養評分分別占20%與80%，并根據其在崗狀態進行修正。

第三項修正為值守參數修正。由于值守人員的宣傳作用在宣傳類參數修正中已完成，此項修正只考慮值守人員的技防作用。只有在值守人員在崗期間，對危險點了解清楚且對施工進度了解清楚時，才有阻止施工方危險行為的可能性。再考慮值守人員對現場施工人員危險行為的阻攔能力后，對機械風險值進行修正，得到值守參數修正后的機械風險值。計算公式及參數說明如下：

zs1：值守人員在崗率；zs3：值守人員對施工進度的了解情況評分；zs6：值守人員對施工方危險行為的勸告阻攔能力評分。

第四項修正為巡視周期修正。根據某一個特定施工外破點被巡視的頻率來估算下一次巡視時間，并測算當日至預計巡視時間內施工外破點的風險值。

A0=A× t

其中t為平均巡視周期。

細節說明：

（1）機械的固有風險值算法可以添加其他的機械類型算法，來提高整體算法的覆蓋面。

（2）安全培訓參數、警示牌參數、值守人員評分三項權重值可以根據實際情況進行更改，亦可在后期數據庫完善的情況下，納入隨數據庫變動的系數中去。

2.3仿真結果

（1）在固定位置上，測量不同的機械臂長對風險值的影響，得到下圖（圖3）曲線。參與運算的其他機械參數如下：（1）電壓等級220kV；（2）最低導線線間距離4米；（3）導線最低對地距離15米。臂長分別為10至30米，對應21條曲線如圖（見圖3）。

可以看出，臂長超出導線最低對地距離時候，在線路正下方的安全系數基本一樣。從實際來看，超高機械在線下施工時，風險值很大且造成事故的可能性是一樣的，這與模擬的結果一致，故認為該步驟的算法有效。

（2）該部分用于說明平整場地時間對風險值的修正作用。其修正原理是對數據庫中平整場地的時間做非參概率密度分布，再將現有平整場地時間帶入曲線得到相應的風險值。

（3）對應于不同的施工工序施工方將使用不同的機械設備，類似的工序會使用類似的機械設備。此外，巡視人員或外破專責人員也可以詢問現場施工人員，以收集正在使用和將要使用的機械設備。收集的數據對外破隱患點風險評估很有幫助。

在分析當下機械風險值時，只計算當下工序所有機械可能產生的風險值是不夠的。當巡視人員或外破專責人不在場時，現場施工可能已進入下一工序，用當下工序所使用的機械數據來計算風險值就不準確了，所以要將下一工序的機械數據納入計算。本工序和下一工序的機械風險值的權重由本工序進展決定，即越接近工序結尾，下一工序的機械風險值權重越大，而本工序的機械風險值權重越小。

上兩張圖中（見圖4 圖5）用于計算的工序誤差值數據如下：

data=［0.1 0.3 -0.4 0.2 -0.3 -0.2 -0.1 0.05 0.12 -0.13 0.09 0.22 0.31］；

可以看出，隨著工序的完成和新工序的開始，兩期工序的權重值逐漸變化。

3　實施內容

3.1外破數據采集單

數據單用于外破巡視時填寫。線路巡視人員或外破專責人員攜帶表單至現場進行觀測、調查并填寫此表單。該表單對外破隱患點進行詳細記錄，提供風險評估時所需的全面信息。

3.2風險評估算法程序

用于實現核心算法，用定量的方法對施工現場機械可能出現的風險進行評估。該程序組通過對現場機械運動方式進行建模模擬的方式來計算機械的固有風險值，而后根據其他外破隱患點的機械參數進行修正，并引入人工經驗修正方法來得到更精確的數據。此方法較常規經驗判斷來得更為準確一些，并能及時預判出經驗判（圖6算法流程）斷過程中疏忽或誤判的事故風險。外破隱患點數據庫可提供系數修正，隨著數據庫的完善，該程序組的計算精度會有所提高。

圖6是數據輸入的流程圖，從應用開始有三個選項，其中檢查錄入和巡視錄入的區別在于前者用于錄入詳細的外破隱患點數據，而后者只錄入巡視時采集的少量數據。調試模式用于批量導入數據，可將采集到的上百條數據批量導入并批量評估計算風險值。

3.3外破數據庫

以txt格式文件存儲，用于存放每個外破的詳盡數據，具有固定的數據格式。該數據庫統可以批量導入大量外破隱患點數據，并且在每一次的外破點計算提供計算系數的動態修正，使得計算結果更為合理、準確。

4　風險評估在實際中的運用情況

該項目建立在對實際問題的思考和研究上，項目小組成員通過總結工作經驗，將遇到的實際問題邏輯化、規律化，從而用能普遍適用的方法來解決這一類問題。該項目尚未有可參考的研究成果，所以在建模階段非常困難。通過多次甄別和修改，項目小組將有效且獨立的因素從眾多影響因素中提煉出來。在采用建模、數據修正和經驗修正方法過程中，準確選擇影響因素三個環節能使風險評估的結果更準確。

在主程序基本完善后，項目小組進行了試運行分析，得到的風險評估值符合人的經驗判斷，初步證實程序有一定可靠性。下階段將籌劃收集更多數據，進行較大規模的試運行。

項目組從輸電運檢工區所管轄的輸電線路中，選取了12個比較典型的機械類外破隱患點，對其進行風險評估。將評估的結果對照人工分析，來驗證該程序的準確性。下面列舉其中三個外破點作為案例。

4.1220kV鳳珞一二回42號城際鐵路外破隱患點

采集數據時現場有2臺34米臂長的移動輪式吊車，且有2臺澆灌使用的泵車，均在線下或線側施工。現場采集數據后，進行運算，得到該外破隱患點的風險值為33.993，為一個較高的數值，相對而言位于測試所錄入的8個外破點中第2高風險位置。該外破點也在2012年城際鐵路施工時出現過跳閘事故一次。故該外破點的風險評估符合人為判斷。

4.235kV石南51#-52#外破點

采集數據時現場仍有兩臺24米臂長的吊車在離線路5米左右距離的地方進行施工。采集數據后，計算得到該外破點的風險評估值為28.049，該值與鳳珞42號外破點的風險評估值相近，也為高風險外破點。這一點與經驗判斷依然相符。

4.3220kV鳳冶88#外破點

數據采集時，現場共有2臺31米臂長吊車，經過詢問，吊車的作業點最近離導線水平距離有25米。采集數據后，經過計算得到該外破點的風險評估值為10.98，該值低于上述兩個例子中的風險評估值。該結果均符合經驗判斷和實際情況，故該點的風險評估與事實相符。

從上述三個例子可以看出，通過采集數據，計算分析后得到的風險評估結果基本符合人的經驗判斷，說明該項目的計算系統在測試中基本符合實際情況，計算結果基本有效且可供外破專責人作為輔助判斷依據。

5　結語

武漢地區的輸電線路維護工作面臨數量巨大的外破隱患風險，防控工作復雜。該項目于2014年完成并投入試用。通過生產單位的使用情況來看，該項目優劣并存。劣勢在該風險評估算法所需的數據量較大，增加了一線員工工作量，推廣存在一些難度。優勢在該風險評估算法可與智視頻監控系統共同使用，由于市面上存在具備由算法判斷機械類型和參數的視頻監控系統，該項目所研究的算法思路可以用于這些監控系統，彌補了監控系統只能實時判斷而非提前預判的缺點，形成一套有一定風險預判功能的風險監控系統。