基于貝葉斯網絡的電力施工安全承載能力評估

來駿， 陳蕾

(1.國家電網浙江省電力公司湖州供電公司，浙江 湖州313000；2.國家電網浙江省電力公司，浙江 杭州310007)

?

基于貝葉斯網絡的電力施工安全承載能力評估

來駿1， 陳蕾2

(1.國家電網浙江省電力公司湖州供電公司，浙江 湖州313000；2.國家電網浙江省電力公司，浙江 杭州310007)

提出了基于貝葉斯網絡的動態承載能力評估模型。通過對承載能力風險要素的識別和評估，構建了貝葉斯網絡結構和參數，在此基礎上對電力施工安全承載能力進行了風險評估和診斷。最后，依據分析得到的結果進行風險控制。該系統可以滿足電力施工安全承載能力估計的需求。

貝葉斯網絡；安全承載能力；電力施工；風險評估

隨著電網的發展，供電企業工作量猛增，生產班組工作量不斷加大，長時間超負荷工作，導致不安全作業時有發生，如觸電、火災、設備漏電、設備短路、高空墜落、人身傷亡等。因此，需要開展生產單位安全承載能力分析。浙江省電力公司近年來在員工安全積分機制、外協隊伍評價和安全承載能力分析方面進行了很多嘗試，但仍然存在一些問題：

(1)安全承載能力分析模型不完善，主要以定性分析為主，無法與實際的安全生產過程緊密結合，難以真正發揮安全承載能力分析降低安全風險的作用。

(2)員工安全積分規則簡單，主要適用于檢修、操作專業的一線員工，未涵蓋其他專業員工和管理人員，無法實現對員工安全積分的精益化管理。

(3)外協隊伍的準入門檻較低，評價考核手段單一，施工能力評價沒有量化標準。

因此，公司迫切需要對員工安全積分機制、外協隊伍評價和安全承載能力分析進行深入的研究，建立覆蓋所有專業和管理人員、符合實際管理需要的安全承載能力分析模型算法和員工安全積分標準、外協隊伍評價標準，充分利用公司業務系統的現有數據，實現智能計算匯總，進一步減輕基層班組的負擔，實現安全積分、外協隊伍評價和承載能力分析的智能化計算和決策分析。

目前，國內外關于電力企業安全體系、風險評估方面的研究有云模型法[1]，基于層次分析法(AHP)[2]和故障樹法(FTA)[3]等。傳統的系統安全分析方法在風險評估中存在一定局限性[4]，譬如FTA假設事件是二值的、相互獨立的，不能很好地解決復雜系統的建模問題，計算精確度低并且浪費時間[5]。此外，基于員工安全積分和外協隊伍評價的安全承載能力分析的研究報道非常少。

貝葉斯網絡是人工智能、概率理論、圖論、決策分析相結合的產物，是目前不確定知識表達和推理領域中最有效的理論模型之一[6]。近幾年來，貝葉斯方法廣泛應用于各個領域的安全評估分析[7-9]。用貝葉斯網絡能很好地彌補傳統安全評估方法的不足[10]。

本文將貝葉斯網絡方法應用于基于員工安全積分和外協隊伍評價的安全承載能力分析，實現安全承載能力的評估。

1 貝葉斯網絡的基本理論

1.1 貝葉斯定理

貝葉斯定理是概率統計中的應用所觀察到的現象對先驗概率進行修正的標準方法，即當分析樣本大到趨近總體數時，樣本中事件發生的概率將接近于總體中事件發生的概率[11]。

先驗概率和后驗概率這兩個概念是相對于某組證據而言。設H和E為兩個隨機變量，H=h為某一假設，E=e為一組證據，在考慮證據E=e之前，對事件H=h的概率估計P(H=h) 稱為先驗概率，而在考慮證據之后，對H=h的概率估計P(H=h|E=e)稱為后驗概率，貝葉斯公式描述了先驗概率和后驗概率之間的關系[11]：

(1)

1.2 貝葉斯網絡概述

圖1 一個簡單的貝葉斯網絡示例Fig.1 An example of Bayesian network

貝葉斯網絡[12]是一種有向圖模型，在貝葉斯網絡中，每一個原因變量和結果變量都由節點表示，并用概率表示變量之間的關系強弱，每個節點都有自己的節點概率分布以表征父節點對子節點產生的影響。通過貝葉斯網絡可以匯總各種數據并對這些數據進行綜合推理。貝葉斯網絡具有如下特征圖形結構：網絡節點代表隨機變量，節點間的有向連線表示隨機變量之間的條件依賴關系，由節點和連線組成有向無環圖，節點條件概率表表征該節點相對于其父節點的所有可能的條件概率[13]。如圖1所示的貝葉斯網絡，C1事件與C2事件為C3事件的父節點, C3為C1與C2的子節點，S表示安全狀態，R表示危險狀態。根據貝葉斯規則可推算C1和C2為R態的概率分別為54.2%和26.6%，因此C1是使C3處于R態的主要影響因素[13]。

2 基于貝葉斯網絡的安全承載能力評估

貝葉斯網絡通過實踐積累可對網絡結構參數進行更新改進，本文用貝葉斯網絡實現電力企業安全承載能力應用過程如圖2所示。

步驟1：要素分類識別

此階段，對電力施工安全承載有影響的風險要素進行歸類分級，根據歷史數據、專家經驗，調查分析等列出重要的風險要素。

步驟2：風險要素評估

此階段，步驟1的每項風險要素進行定級，確定風險要素等級數據集便于貝葉斯網絡的分析。風險要素等級可由式(2)表示：

Rrisk=(DL)×(PO) ，

(2)

式中，Rrisk為風險要素等級，DL為損失程序，PO為發生概率。風險要素等級數據集通過圖3的風險要素等級矩陣進行規范處理后用于貝葉斯網絡。

圖2 基于貝葉斯網絡的安全承載能力評估過程圖Fig.2 Bayesian network based safety bearing capacity evaluation procedure

圖3 風險要素等級矩陣圖Fig.3 Rank matrix for risk factors

步驟3：貝葉斯網絡構建

貝葉斯網絡通過結構性學習進行構建，并用來檢驗風險要素之間的關系。每個風險要素的可能性可通過參數學習進行計算。設安全生產指標為en，n=1,2,3，…，風險因素H發生的概率為Pn，則有P(H|e1=P1)，P(H|e2=P2)，…，P(H|en=Pn)，則該風險因素H的發生概率為P(H|a1,a2,…，an)，由于各安全度指標之間相互獨立，則有：

(3)

其中，P(H)為H的風險發生概率。

通過調查問卷、歷史數據、專家討論，在考慮安全度指標體系的情況下，確定貝葉斯網絡中所有證據節點的概率。結合公式(3)，得到安全生產風險概率。

步驟4：要素控制

對影響安全生產的風險要素通過貝葉斯網絡敏感性分析進行評估，對風險較高的要素，采取措施進行控制。

步驟5：要素再評估

步驟4中需要控制的風險要素確定后，有些風險要素的改變會導致電力施工安全承載能力風險的改變，因此需要更新貝葉斯網絡結構參數，并進行風險要素再評估。

3 安全承載能力評估應用

3.1 風險要素分類識別和評估

結合電力施工的歷史數據和參考文獻，分析在電力施工過程中存在的風險要素，通過專家討論法確定風險要素和類別，并且明確風險要素發生的可能性和嚴重程度，根據式(2)和圖3中的風險要素等級矩陣確定主要風險因素和風險等級(主要風險因素只有子節點而沒有父節點)，將高風險要素(R3)確定為主要風險要素。得到的電力企業安全生產的主要風險因素如表1。

表1 電力施工安全承載的主要風險要素

3.2 貝葉斯網絡構建與計算

貝葉斯網絡的構建通過貝葉斯網絡分析軟件GeNIe Ver2.0實現，將表1中電力企業電力施工安全承載的主要風險要素作為貝葉斯網絡基本節點，各節點間的因果關系和條件概率分布通過歷史數據、參考文獻和專家討論共同確定。最終的網絡結構如圖4所示。

圖4 貝葉斯網絡結構圖Fig.4 The structure diagram of a Bayesian network

與此同時，將根據式(2)和圖3確定的主要風險要素的風險等級數據輸入貝葉斯網絡模型中，利用貝葉斯網絡分析軟件參數學習功能對其他節點(含有父節點)進行概率計算，得出剩余節點的邊緣概率分布，完成對各風險狀態的評估。將歷史數據及后續的實踐數據對模型進行訓練并反復修正，最終確定網絡結構各節點參數。對電力施工安全承載能力進行評估，得到電力施工安全承載能力處于危險狀態(R)的概率為19%，如圖5所示。

圖5 貝葉斯網絡結構分析結果Fig.5 The analysis result of the Bayesian network for safety bearing capacity evaluation

3.3 風險再評估

貝葉斯網絡具有自動更新的功能，電力施工安全承載能力風險要素發生變化時，需要及時更新整個網絡結構參數，進行風險再評估，使得網絡中變量的概率分布發生相應的改變。例如，在電力施工過程中選擇施工經驗豐富的隊伍進行施工，即A5要素R變為0，輸入證據后，得到更新后的變量的邊緣概率，最終電力施工安全承載能力處于危險狀態(R)的概率為17%，即換成經驗足夠豐富的隊伍進行施工，安全承載能力得到了提高，如圖6所示。

圖6 A5要素R為0時的葉斯網絡結構分析結果Fig.6 The analysis result of the Bayesian network when the factor R of A5 is zero

4 系統軟件實現

圖7 電力施工安全承載能力評估系統總體架構圖Fig.7 The overall architecture of safety bearing scapacity evaluation of power construction

電力施工安全承載能力評估系統總體架構圖如圖7所示，包括應用與服務層、傳輸層、數據層、OS硬件層。安全承載能力評估的主要功能是在基于貝葉斯網絡模型的軟件算法對風險源進行辨識的基礎上進行風險評估、衡量風險發生的概率以及其可能造成的損失，最終確定安全承載能力。

電力施工安全承載能力評估系統所用的貝葉斯網絡數學模型采用GeNIe軟件輔助實現，GeNIe 軟件中具備SMILE接口。SMILE庫函數是關于決策理論模型和圖形概率、貝葉斯網絡等影響圖和結構方程模型的接口，允許創建、編輯、保存和加載圖形化模型，并應用在概率推理和決策的不確定性中[14]。基于SMILE接口的輸入與輸出流程圖如圖8所示。將參數值，即第一層次風險因素概率輸入到SMILE接口通過GeNIe軟件中的模型進行仿真，將輸出結果保存為xdsl文件。

系統軟件界面如圖9所示。在安全承載能力評估界面，輸入各相關風險要素級數后，點擊計算時系統會調用事先建立的xdsl文件格式的貝葉斯網絡模型，并將各文本框中的概率通過SMILE接口輸入到模型中進行計算，將最終的安全承載能力計算顯示出來。

圖8 輸入輸出流程圖Fig.8 The input and output flow chart of SMILE interface based GeNIe software

圖9 系統軟件實物圖Fig.9 The software interface of evaluation system

5 結束語

本文運用貝葉斯網絡模型實現了對電力施工安全承載能力的評估，并可根據實際情況對模型參數進行更新。該系統為安全承載能力評估提供了可量化數據支撐和動態自適應功能，提高了安全承載能力評估的科學性和適應性，減輕基層負擔，提升安全承載能力評估對基層單位安全生產和現場作業的指導作用，確保現場作業安全。本軟件系統目前已在本單位進行了實際應用，反應效果良好。

[1]趙徽．電網企業安全文化對安全行為影響的評價研究[D]．華北電力大學(北京)，2010.

[2]YOU D H, CHEN Q Q, YIN X G. A study of electrical security risk assessment system based on electricity regulation[J]. Energy Policy, 2011, 39(4): 2062-2074.

[3]YAN F Q, WANG Y, YIN X G. Research on the security risk assessment system for regional complex power grid[C]. 5th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT). Changsha, 2015，1-4.

[4]王開碧，申曉留，李哲，等．電力企業安全生產風險管理方法的研究[J]．黑龍江電力，2012，34 (4)：228-291.

[5]姚錫文，許開立，王貝貝,等．石化裝置火災爆炸貝葉斯網絡與防護層集成分析術[J]．中國安全生產科學技術，2014，10(3)：95-100.

[6]車玉龍，蘇宏升．基于貝葉斯網絡的列控系統安全風險評估方法[J]．計算機工程與應用，2013，49(24)：238-242.

[7]李曉東，孫悅，2010年我國房屋市政工程生產安全事故分析[J]．土木工程學報，2011，11(S1)：225-229.

[8]李天縱, 王強．一種基于貝葉斯網絡的軟件項目風險管理方法[J]．計算機系統應用，2011，20(2) ：226-229.

[9]任雪利．粗糙集和貝葉斯網絡在軟件風險評估中的應用[J]．計算機系統應用，2010，19(5) ：202-204.

[10]郭發蔚，王宏輝．基于Bayesian隧道施工風險模糊綜合評估方法[J]．鐵道科學與工程學報，2016，13(2)：401-406.

[11]JONES B, JENKINSON I, YANG Z,et al.The use of Bayesian network modeling for maintenance planning in a manufacturing industry[J]. Reliability Engineering and System Safety，2010，95(3)：267-277.

[12]GREENBERG R, COOK S C, HARRIS D. A civil aviation safety assessment model using a Bayesian belief network (BBN) [J].The Aeronautical Journal, 2005，109(1101):557-568.

[13]李典慶，鄢麗麗，邵東國．基于貝葉斯網絡的土石壩可靠性分析[J]．武漢大學學報(工學版)，2007，40(6)：24-29.

[14]葛運飛．GeNIe的擴展研究[D]．昆明：云南大學，2012

Bayesian network based evaluation of the safety bearing
capacity of power construction

LAI Jun1, CHEN Lei2

(1.Huzhou Power Supply Company, Zhejiang Electric Power Co.Ltd, State Grid, Huzhou 313000, China;2.Zhejiang Electric Power Co.Ltd, State Grid, Hangzhou 310007, China)

∶The Bayesian network based dynamic evaluating model for safety bearing capacity was put forward．Bayesian network structure and parameters were built based on the identification and assessment of risk factors which may have effects on the safety bearing capacity. Furthermore, the risk assessment and risk diagnosis of the safety bearing capacity of power construction were carried out. Finally, the risk was controlled based on the analytical results. This system can meet the needs of evaluating the safety bearing capacity of power construction.

∶Bayesian network; safety bearing capacity; power construction; risk assessment

10.3976/j.issn.1002-4026.2017.03.019

2016-08-26

浙江省電力公司科技計劃(5211UZ15007V)

來駿(1981—)，男，工學碩士，研究方向為電力系統自動化和電力安全管理。E-mail：laijun-huzhou@qq.com

TM76

A

1002-4026(2017)03-0110-07