考慮人為因素牽引供電設備可靠性評價研究

李若靖，李波，魏建忠

考慮人為因素牽引供電設備可靠性評價研究

李若靖1，李波2，魏建忠2

(1.西南交通大學 茅以升學院，四川 成都 610031；2. 中國鐵路設計集團有限公司，天津 300251)

針對人為因素對牽引供變電設備可靠性影響缺乏系統性和量化研究的問題，利用失效模式和效應分析法對3種場景(設備狀態監視型、設備故障搶修型和設備定期檢修型)下人為失誤進行定性分析，提出人為可靠性分析方法以及定量分析模型，并對3個場景下的人因失誤進行算例分析，并針對主變壓器進行綜合分析，仿真出整個過程中人為失誤概率隨時間變化的曲線圖。研究結果表明：本文方法可以量化人為操作失誤概率，并能定量表征人為失誤對牽引供變電設備運行可靠性的 影響。

人為可靠性；建模；牽引供電設備

相關研究統計[1]表明，高鐵安全事故原因中屬于人為因素導致的占比達19%。對于人為因素可靠性的影響，已進行了很多研究[2?6]，但針對牽引供變電設備中人為因素的影響尚缺乏系統性和定量分析。本文依托中國鐵路總公司科技開發課題，研究建立牽引供變電設備不同場景下考慮人為因素可靠性分析模型，并通過牽引變壓器量化仿真與分析，驗證本文所提模型的可靠性。

1 考慮人為因素牽引供電設備可靠性分析模型

牽引供變電系統復雜，設備設施種類較多，工況條件復雜，不同情況下發生人為失誤的影響因素差別較大。分析人為操作及設備工況類型的特點，本文分為3類場景進行研究。

1.1 設備狀態監視型場景(TPE-SM)

在設備狀態監視型場景下，需要值班人員長時間對設備進行持續巡視檢查、監測、調試，特點是持續工作時間占主導地位[7]。除此之外，人因失誤概率還會受認知水平、作業環境、作業強度、生理因素、心理因素和培訓水平等6個協變量影響。

此場景人因失誤概率計算采用D.R.Cox提出的比例故障模型(proportion hazard model，PHM)[8]，將設備狀態參數、工作負荷和故障等看作其壽命的影響因子，視這些因子為故障風險函數協變量[9]。

其中：0()是基本失效率函數，為人為失誤與工作時間的關系，其表達式：

式中：表特征壽命參數；表形狀參數。

()為連接函數，表示選取的其他6個協變量對人為失誤率的影響，其表達式：

式中：表每個協變量的影響，取值{0，1，2}分別為對人為操作可靠性影響為{促進，一般，負面}[10]；為各個協變量權重系數。

若值班人員從0時刻開始執行某一任務，持續執行到時刻沒有發生人為失誤的概率，即為操作可靠度函數，其表達式：

人為失誤的概率HEP隨時間的變化：

選取應用場景為：新建牽引變電所投運階段。通過歷史數據評估得=200，=3[11]；選取牽引變電系統中3種不同操作狀態下6個協變量影響指數，及通過專家打分及層次分析法得到的權重系數，如表1。

表1 6個協變量影響指數及權重

表1中場景1，2和3表示作業強度均處于一般等級時，其他5協變量對人為失誤概率HEP的影響。如圖1，協變量取值越低則人為失誤概率越小。

圖1 前3種情景HEP隨連續工作時間變化曲線

場景4，5和6表示作業環境、作業強度、生理因素這3個協變量取值均對人為操作可靠性起促進作用時，認知水平、心理因素和培訓水平分別為負面影響時的場景，仿真如圖2。表明培訓水平、認知水平和心理因素的影響程度為由高至低。

圖2 后3種情景HEP隨連續工作時間變化曲線

結果分析：結合圖1和圖2可得，在值班人員連續作業前10 h內，人為失誤率HEP一直維持在較低值，此階段人員操作可靠性較高，應完善輪班制度，盡量避免同一班組長時間持續作業。

1.2 設備故障搶修型場景(TPE-ER)

此場景是當設備突發故障時，搶修人員要在規定時間內判別設備失效原因，及時采用應急措施。

使用人為失誤可靠性預測技術(THERP)[12]以及人類認知可靠性模型(HCR)[13]來量化該場景下的人因可靠性，其中HCR用于分析緊急情況下的人因可靠性，與時間限制無關的部分采用THERP模型，流程如圖3。

圖3 應急故障處理人為失誤量化流程

HCR：是在人因可靠性分析中應用最多的方法之一，與操作人員的工作時間緊密聯系，同時與操作人員的知識經驗、心理素質等因素相關[13]。

基本假設1：按照對工作任務的熟練程度將操作人員分為技術型、熟悉型和基礎型3種，之后根據模擬機培訓統計數據，用實際數據加以修正，通過最小二乘法擬合出每個行為對應的參數，和。不同行為類型的相關參數如表2所示。

表2 HCR 3種行為類型參數

基本假設2：失誤概率()與操作允許時間執行時間服從三參weibull分布規律。

式中：為操作允許時間。1/2是完成操作估計中值時間，通過模擬試驗確定平均執行時間(1/2,)，并加以修正。

表3 HCR模型K1，K2和K3修正因子

人因失誤概率預測技術THERP[12]：該方法的建模基礎是將操作分解為由一系列串聯或并聯的子操作，某一子操作的基本人誤概率是指專家給出的在“平均工業條件下”人員進行一個獨立單元動作的失誤概率，可在THERP表中找到，實際概率HEP通過專家根據本行業實際狀況編制的行為形成因子PSF來修正，如表4，通常修正可用式(8) 表示：

表4 THERP基本人因失誤概率修正值PSF

選取應用場景：牽引變壓器著火應急故障 處理。

階段1：有時間限制的應急處理操作，由HCR 計算該動作人為失誤概率1

1) 立即斷開其高、低壓側斷路器及牽引變壓器所有二次控制電源；

2) 確保人身安全的情況下迅速采取滅火措施，防止火勢蔓延。

按操作規程，通常要求該階段的故障應急處理操作在7 min內完成(操作允許時間=7 min)。平均執行時間1/2,在此算例中取值5 min。選取技術型、熟悉型和基礎型3種不同行為類型的操作人員A，B和C，定量計算階段1的人為失誤率1如表5 所示。

表5 階段1人為失誤率P1

階段2：無時間限制的故障恢復操作，由THERP計算故障恢復操作的人為失誤概率2

3) 開啟事故放油閥排油；(1=0.000 7[13])；

4) 檢查保護動作情況并統計設備損失情況，判斷著火原因后對損失的設備進行更換；(2= 0.000 7[12])。

階段2事件樹如圖4所示，得此階段的人為失誤率2=1×1+2×2=0.001 4

圖4 事件樹圖

最終得階段1和2總的HEP如表6。

表6 最終人為失誤HEP

結果分析：若搶修人員為技術型，則最終的HEP為0.007 1，熟悉型下的HEP大約是技術型下的61倍。故檢修作業人員應注重提高技術水平。

1.3 設備定期檢修型場景(TPE-E&R)

此場景指按照一定的周期，對檢修規程中指定的牽引供電設備進行定期檢查。

CREAM(認知可靠性與失誤分析方法)[14]考慮外部環境、操作人員心理素質和人機條件等(CPC)的影響，得出一個具體任務場景下比較精準、客觀、具體、量化的人因失誤概率[15]。

表7 CREAM中失誤概率在不同失效模式下的基本值

CPC對HEP影響水平的量化及權重設定：牽引供電系統中具體任務環境確定CPC權重W。用1，0和?1來量化表達人的認知失誤產生的影響，分別代表不同的績效期望值，提高對應1，減少對應?1，不顯著對應0。設定2個變量：=提高的總分值，=減少的總分值。

將檢修人員的任務環境因素分為2類。第1類是提高人的可靠性，對應為HEPI；第2類降低人的可靠性，對應為HEPR。所有任務環境全部不顯著時，對應人為失誤概率為0。由模型假設(2)可建立I，R，0，和之間的關系：

由表4可計算出0，然后確定參數1和2，最終人因失誤概率如下：

選取應用場景為：GIS開關柜停電檢修維護。假設檢修作業人員的經驗和技術水平均為一般。調研得到GIS具體檢修步驟如表8所示，每個步驟所對應的失誤概率查詢表7可得。

表8 GIS檢修過程基本失誤概率

由表8得基本人為失誤概率：0=0.053 5，由此可計算出模型中的參數1=?2.70，2=?1.90。故得最終的人因失誤概率值為：

牽引供變電系統CPC權重采用專家評估和層次分析法計算出9個CPC因子的權重如表9所示。

結果分析：情景1下9個影響因子CPC處于有利水平，對人員操作的可靠性起促進作用，此時人為失誤概率極其低為0.000 03；在情景2中，各個CPC(除人機界面外)基本都處于中等偏下水平，該場景下人誤概率為0.015，較情景1顯著增大，大致為500倍；而情景3中9個CPC都處于不利水平，該情景下所得到的人為失誤概率HEP約為0.99，接近于1，此時人員操作不可靠度極其高。可見在設備檢修等操作步驟繁多、操作時間持續較長的任務場景下，外界影響因子CPC水平對人員操作可靠度起主導作用。

表9 3種情景下CPC評分及HEP

2 主變壓器人因失誤概率綜合量化算例

2.1 狀態監視場景

巡視檢查人員從0時刻開始進行變壓器監視工作，假定該情景下的6個影響指數：認知水平、作業環境、作業強度、生理因素、心理因素及技能水平的影響指數及經專家評估和層次分析法所得的權重如表10所示。

表10 變壓器監測場景下的協變量指數

1) 由式(3)可得連接函數()；

2) 基準故障率函數0()中2個威布爾參數沿用歷史擬合數據，即：=200，=3；

3) 則結合式(1)得PHM模型的故障率函數()；

4) 由式(3)對()積分可得操作可靠度函數()；

5) 代入式(5)得最終人為失誤概率HEP隨值班人員連續工作時間變化曲線如圖5(此處選擇的區間長度為18 h)。

圖5 變壓器監視場景下HEP隨連續作業時間變化曲線

結果分析：變壓器監測場景下6個影響因素的取值基本都處于一般平均水平，由圖5可知，在此條件下，當值班人員持續工作時間=393 min時，所對應的人為失誤概率HEP約為1×10?4，此概率十分小，故當值班人員的持續工作時間小于393 min(6.55 h)時，其巡視檢查作業的可靠性極高。若值班人員持續作業時間超過該時間段，HEP隨時間增加的幅度越大，人為操作可靠性越低。

2.2 故障搶修場景

從0時刻記起，當變壓器運行至第4 h(240 min)時，值班人員對變壓器的巡視檢查工作仍在進行，此時變壓器出現100%過負荷。

允許時間為10 min，平均執行時間為5 min。選取操作人員的行為類型為規則型，對照表2得模型的3個參數，和γ取值分別為0.601，0.9和0.6；根據實際狀況，參考表3得3個行為修正因子分別為0，0和?0.22。計算得最終該應急場景在HCR模型下的人為失誤概率=0.054 9。

2.3 定期檢修場景

從0時刻記起，當變壓器運行至第9 h(540 min)時，變壓器的巡視檢查工作仍在進行，此時恰好趕上其小修。假定檢修操作人員技能水平一般，則完成檢修工作所需時間為6 h。通過現場調研得到變壓器具體檢修步驟如表11所示，每個步驟對應的認知失誤概率值通過查詢表7可得。

表11 變壓器檢修過程認知基本失誤概率

求出基本人為失誤概率：0=0.089 4；結合CPC權重得=0.36，=0。代入公式得：

修正后的最終人為失誤概率：=0.009 5

3 結論

1) 對于有嚴格時間限制的牽引供變電設備故障應急搶修操作，搶修人員的經驗技能占主導地位，可通過制定操作人員經驗技能水平的嚴格標準來提高搶修結果的可靠性；

2) 對于作業時間持續比較久、步驟較為繁多的設備檢修操作，檢修人員的經驗技能固然也重要，但僅僅是諸多可靠性影響因子中的一個，所占比重較小，故還需提高其他影響因素的水平，保證設備檢修作業的人因可靠性。

[1] 周碧盈. 人為因素對高鐵安全的影響研究——以某鐵路局為例[D]. 北京: 北京交通大學, 2017. ZHOU Biying. Study on the influence of man-made factors on the safety of high speed rail--taking a railway bureau as an example[D]. Beijing: Beijing Jiaotong University, 2017.

[2] 暴英凱. 人為因素對電力系統運行可靠性影響分析[D].杭州: 浙江大學, 2016. BAO Yingkai. Analysis on the influence of human factors on the operation reliability of power system[D]. Hangzhou: Zhejiang University, 2016.

[3] 陳濤威, 朱凌, 魏可慰. 考慮人因可靠性的調度操作風險評估及應用[J]. 科學技術與工程, 2018, 18(1): 240?245. CHEN Weitao, ZHU Ling, WEI Kewei. Risk assessment and application of scheduling operation considering human reliability[J]. Science Technology and Engineering, 2018,18(1): 240?245.

[4] 劉洋. 鐵路機務系統行車事故中機車乘務員的人因研究[D]. 北京: 中國鐵道科學研究院, 2017. LIU Yang. Study on the human cause of locomotive crew in the traffic accident of railway engine system[D]. Beijing: China Institute of Railway Science, 2017.

[5] 張怡.高速鐵路運營安全保障對策的研究[J]. 鐵道運輸與經濟, 2014, 36(6): 61?64. ZHANG Yi. Research on safety and security countermeasures of high-speed railway operation[J]. Railway Transport and Economy, 2014, 36(6): 61?64.

[6] 何正友, 馮玎, 林圣, 等. 高速鐵路牽引供電系統安全風險評估研究綜述[J]. 西南交通大學學報, 2016, 51(3): 418?429. HE Zhengyou, FENG Ding, LIN Sheng, et al. Research on security risk assessment for traction power supply system of high-speed railway[J]. Journal of Southwest Jiaotong University, 2016,51(3): 418?429.

[7] 陳博文, 檀青松, 薛寧. 變電站操作過程的人為可靠性分析[J]. 河北電力技術, 2017, 36(1): 26?29, 44. CHEN Bowen, SAN Qinsong, XUE Ning. Human reliability analysis of substation operation process[J]. Hebei Electric Power Technology, 2017, 36(1): 26?29, 44.

[8] Cox D R. Regression models and life-tables[M]. Breakthroughs in Statistics, 1992.

[9] Thomas L Landers, Teri Reed Rhoads, Shwu-Tzy Jiang. Assessment of repairable-system reliability using proportional intensity models: A review[J]. IEEE Transactions on Reliability, 2006, 55(2): 328?336.

[10] 暴英凱, 文云峰, 韓宇奇, 等. 影響電力系統運行可靠性的人為失誤分析與建模[J]. 電網技術, 2016, 40(2): 500?507. BAO Yingkai, WEN Yunfeng, HAN Yuqi, et al. Analysis and modeling of human errors in power system reliability evaluation[J]. Power System Technology, 2016, 40(2): 500?507.

[11] Kshira T Muthanna, Kurt Waldner, Abhinanda Sarkar, et al. Transformer insulation life assessment[J]. IEEE Transactions on Power Delivery, 2006, 21(1): 150?156.

[12] Kirwan B, Kennedy R, Tayloradams S, et al. The validation of three human reliability quantification techniques—THERP, HEART and JHEDI: Part II—Results of validation exercise[J]. Applied Ergonomics, 1997, 28(1): 17?25.

[13] Hannaman G W. Human cognitive reliability model for PRA Analysis[R]. 1984, NUS-4531.

[14] Hollnagel, Yushi Fujita. Failures without errors: Quantification of context in HRA[J]. Reliability Engineering & System Safety, 2004, 83(2): 145?151.

[15] 王遙, 何旭洪, 沈祖培, 等. 認知失誤定量分析方法及其在PSA中的應用[J]. 核動力工程, 2006, 27(4): 54?58. WANG Yao, HE Xuhong, SHEN Zupei, et al. Quantitative analysis method of cognitive errors and its application in PSA[J]. Nuclear Power Engineering, 2006, 27(4): 54?58.

Study on reliability evaluation of traction power supply equipment considering human factors

LI Ruojing1, LI Bo2, WEI Jianzhong2

(1. Mao Yisheng Honors College, Southwest Jiaotong University, Chengdu 610031, China; 2. China Railway Design Group Limited, Tianjin 300251, China)

Aiming at the lack of systematic and quantitative research on the reliability effect of human factors on traction power supply equipment, this paper made a qualitative analysis of human error under 3 kinds of scenes (Traction Power Equipment-State Monitoring, Traction Power Equipment-Emergent Repairing, Traction Power Equipment-Examining & Repairing) by using failure mode and effect analysis method, and put forward the artificial reliability analysis method and quantitative analysis model, the cases analysis of the human error in the three scenarios were carried out, and the comprehensive analysis was carried out for the main transformer, and the graph of the probability of human error changing with time in the whole process was simulated. The results show that the method proposed in this paper can quantify the probability of human errorand can quantitatively characterize the influence of human error on the operation reliability of traction power supply equipment.

human reliability; modeling; traction power supply equipment

U226.7

A

1672 ? 7029(2019)08? 2083 ? 08

10.19713/j.cnki.43?1423/u.2019.08.027

2019?02?20

中國鐵路總公司科技研究開發計劃項目(2016J010-A)

李波(1983?)，男，河北保定人，高級工程師，從事鐵道電氣化研究；E?mail：1511039170@qq.com

(編輯 陽麗霞)