智能化電力巡檢安全隱患監管技術應用研究

王恩偉 曾惜 龍思璇 楊鳳生 汪林

摘要：針對電力巡檢工作中面臨的作業環境差別巨大、巡檢過程監管手段缺乏、安全隱患無法識別等多種問題，依托當前的大數據分析、北斗差分精確定位、人臉表情識別等多種技術手段基礎構建電力巡檢全過程的智能化安全隱患監管技術研究。在巡檢前對巡檢任務本身屬性、環境、人員等因素的綜合風險評估，巡檢過程中的人員狀態檢測與軌跡追蹤，最后根據巡檢任務風險評估與過程監控情況對巡檢工作進行綜合評價和人員考核。智能化電力巡檢安全隱患監管技術的持續優化和應用實踐，為今后在電力巡檢工作安全管理和安全胡奠定良好的基礎。

關鍵詞：風險評估;精確定位;表情識別

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2020）22-0176-03

開放科學（資源服務）標識碼（OSID）：

隨著國民經濟的快速發展，對電力的需求也在日益增加，同時，對電力安全穩定的供應要求也越來越高，因此，保障電力安全穩定輸送及供應成了電力企業工作的重中之重。在當前的電力建設中，由于我國幅員遼闊、地形復雜、需求不平衡等因素，導致電力運維檢修工作的困難重重，尤其是在電力輸電線路運維檢修過程中表現得更加突出。

目前，輸電線路運維檢修過程中面臨著分布點廣、所處地形復雜、自然條件惡劣等多種因素，電場線及桿塔等附件在不同的條件下十分容易老化損壞。因此，對輸電線路及變電站設備進行定期巡檢維修[1-3]，隨時掌握和修復電力供應過程中的缺陷，成為供電部門一項繁重的日常工作，而在巡檢的過程中，運維檢修人員作為巡檢工作具體執行人員，面臨著較大的工作壓力以及可能發生的生命安全事故風險，例如：巡檢任務難度與實施人員匹配度不符、巡檢過程中軌跡偏離導致誤人危險環境中、檢修操作超時導致安全隱患發生[4-6]。如何對運維檢修人員進行有效的管控，對保障運維檢修人員生命安全以及保證運維檢修工作順利完成具有重要的意義。

1 電力巡檢安全監管

智能化電力檢修安全隱患監管是通過三個階段的分析評估對每次的運維檢修任務過程進行監管，保障運維檢修工作完成的同時防范運維檢修過程中的安全隱患。首先，在每次的運維檢修工作執行前對檢修事件、時間環境因素與運維檢修人員進行關聯分析[7-8]，評估運維風險，依據風險評估結果對本次的檢修運維工作進行相應等級的監控管理;其次，在運維檢修工作實施過程中，通過北斗定位技術[9-12]、人臉表情識別技術[13-17]對運維檢修人員精神狀態、運維巡檢軌跡、耗時等指標進行實時監控，避免巡檢過程中出現不必要的失誤導致巡檢任務的失敗和可能發生的安全隱患;最后，結合運維檢修事前和事中的監控情況，實現對本次運維檢修任務的整體評估，根據評估結果對運維檢修人員的工作進行評價考核，整體評估和人員考核結果將作為未來電力巡檢安全隱患監管的重要指標。總體流程框架如圖1所示：

2 智能化電力巡檢監管技術實現

2.1 電力檢修任務風險評估

為突破檢修任務執行前風險把控技術的不足，需建立檢修任務風險評估模型，實現對檢修任務實施前的整體風險評估，充分考慮電力檢修任務本身和電力檢修執行人員的個人潛在風險，實現多維一體的動態風險評估方法，有效地在電力檢修前提供電力檢修潛在風險的大小，以便制定檢修過程中的監管力度。

電力檢修任務風險評估的具體實施路徑，基于大數據分析實現電力巡檢作業風險評估實施路徑，通過采集相關系統的電力檢修數據，建立風險分析指標體系如表1所示，從各指標維度進行綜合風險動態分析，指標組成主要分為：人員能力指標、檢修事件指標、時間環境指標等，其中人員能力指標有包括：工作年限、職稱、近三年檢修參與次數、完成率、歷史檢修事故率、近期培訓考核情況;檢修事件指標包括：檢修難度、檢修方式、是否交叉作業、近一年同類檢修事故有無、同類檢修任務耗時;時間環境指標包括：檢修時段、檢修地段、天氣、溫度、濕度。

在確定了電力檢修風險評估的具體指標后針對每項基準風險設定一個具體的基準風險值。

進一步通過專家打分法結合層次分析法確定各層級指標的權重，風險權重計算過程如下：

（1）通過問卷的方式得到指標的重要性賦值均數，利用得到的分值高低判定相對重要性標度，建立指標判斷矩陣;

（2）采用方根法確定權重向量（W）及最大特征值A一;權重計算公式為：

將電力巡檢任務風險評估方法集成到電力巡檢安全監管應用系統中，在每次電力巡檢任務下發時對任務、人員、環境等進行智能化綜合評判，風險等級越高表明任務難度越大、人員匹配度越差、作業環境等情況越差，為電力檢修過程安全監管提供量化依據。

2.2 電力檢修過程監控

基于電力檢修任務風險評估的結果，針對電力檢修任務執行過程采用不同等級的監控力度，對于風險較低的檢修任務采取事前提醒，事后評估的方式進行監管;而對于風險較大的檢修任務采用執行過程實時跟蹤、重點監督的監管方式。針對需要重點監管的檢修任務將在實施過程中采取多種方法進行安全風險管理，包括任務執行人員個人狀態檢測、執行人員任務執行軌跡跟蹤等。

人員個人狀態檢測：基于手持移動終端或可穿戴設備，在任務執行前對員工進行系統身份驗證登錄的同時通過內置的表情識別功能檢測人員工作狀態，人員工作狀態主要分為：正常、高興、悲傷、憤怒、厭惡等狀態，在員工工作狀態檢測出現較差的結果時予以預警提示，并告知后臺監控中心該員工任務執行時工作狀態較差需要予以重點監督。

巡檢人員任務執行軌跡跟蹤：為避免檢修人員不按特定的巡檢路線進行巡檢，以及巡檢過程中出現檢修時間超時而引起安全事故等一系列問題，基于巡檢人員手持異動終端或可穿戴設備基礎平臺，依托北斗精確定位及授時優勢，在電力部門巡檢轄區建立北斗差分定位基站，通過北斗差分定位的方式在電力巡檢工作中向巡檢人員提供高精度的巡檢導航;同時，實現實時的巡檢人員軌跡定位跟蹤，當巡檢人員軌跡偏離時將給巡檢人員提供預警;當在單一檢修任務點停留時間過長，有可能引起安全事故的發生時，將信息發送到后臺監控中心和巡檢人員同時預警，由監控中心人員與巡檢人員進行現場情況確認，監督人員撤離，保證巡檢實施人員的生命安全。

北斗差分定位技術實現過程，在作業區域內安裝一個或多個已知精確位置的北斗接收機作為基準站接收機，通過基準站接收機對北斗衛星信號的測量計算出差分矯正量，然后將差分校正量轉發給位于差分服務方位內的巡檢人員手持異動終端或可穿戴設備，從而使巡檢人員獲得高精度的定位信息，實現導航與定位跟蹤，北斗差分定位示意圖如圖2所示。

2.3 任務總結評估

巡檢實施結束后，針對巡檢任務執行前的風險評估與巡檢任務執行過程監控結果，對單次巡檢任務進行總結分析，首先對該類巡檢任務相關風險指標難度進行評估，分析是否提升或降低該類巡檢任務指標等級等;其次對巡檢人員工作進行量化評分，依據巡檢人員實施過程中是否超時完成任務、是否偏離檢修線路、工作狀態等指標完成情況，同時加入任務難度、人員匹配度、環境惡劣程度等對人員表現進行綜合評價。總體分析評估結果自動進入未來巡檢任務實施風險評估指標體系中。

3 總結

通過利用大數據分析、人臉表情檢測、北斗差分精確定位等多種技術實現對電力巡檢全過程安全隱患進行智能化監管，使得電力巡檢工作做到了事前評估、事中監控、事后總結的閉環安全管理，有效地提升了電力巡檢工作的安全監管力度，保障了電力系統和電力人員的安全。

雖然現階段能夠做到對電力巡檢全過程的安全隱患監管，但是其中不乏存在著需要改進和提升的技術，未來可引入語音交互、銘牌識別、可交互穿戴設備、遠程指揮等多種功能的技術手段彌補現有技術的不足，在大數據分析方面將基于多系統數據互通的基礎上進一步加入更多的數據指標，更加全面的分析電力巡檢任務風險等級，同時，將原有的任務風險靜態分析方法提升為動態分析，實時監控任務實施風險變化。

再好的安全隱患監管技術手段也需要人員來管理和實現，針對電力巡檢過程中出現的問題，需要相關部門制定相應的解決方法，同時要注重工作人員的技能培養和安全意識提升，才能真正地避免電力巡檢安全隱患，保障電力的安全穩定供應。

參考文獻：

[1]王強，高壓輸電線路智能巡檢新技術[J].科技創新與應用，2019（27）：157-158.

[2]谷祥訪.輸電線路無人機巡檢技術應用現狀及相關問題探討[Jl.科技創新導報，2019，16（26）：22-23.

[3]劉貞瑤，高方玉，姜海波，等.輸電線路智能巡檢機器人系統的研制及應用[J].電力信息與通信技術，2019，17（8）：57-62.

[4]鄭建歡，淺談作業風險評估在電力安全監督中的應用[J].技術與市場，2019，26（10）：211，213.

[5]陶河.電力生產企業作業管理探討[J].科技創新導報，2019，16（28）：173-174.

[6]尹明善，王偉，李偉，動態安全風險評估在作業現場的實踐[Jl.山東煤炭科技，2019（9）：197-199.

[7]馮高敏，劉雨佳，王強，作業環境和時間風險評估模型的構建及應用[J].數字通信世界，2019（12）：173-174.

[8]馮高敏，劉雨佳，田松林.作業人員能力風險值評估模型的構建及應用[J].數字通信世界，2019（12）：228，269.

[9]張薇.基于北斗差分定位的變壓器桿塔監測預警系統研究[J].太原師范學院學報（自然科學版），2018，17（2）：59-62.

[10]楊小勇.北斗差分定位技術在調車安全管理中的應用[Jl.微型電腦應用，2018，34（1）：15-18.

[11]陳庚，張勇.基于北斗差分定位技術的車載終端研究[J].電子設計工程，2017，25（24）：92-95.

[12]李俊煒，北斗導航定位系統中的差分技術應用[J].無線互聯科技，2017（3）：11-12.

[13]彭先霖，張海曦，胡琦瑤，等.基于自發表情數據集預訓練的多任務深度網絡表情識別方法[Jl.計算機測量與控制，2019，27（7）：248-252.

[14]陳子健，朱曉亮，基于面部表情的學習者情緒自動識別研究——適切性、現狀、現存問題和提升路徑[J].遠程教育雜志，2019，37（4）：64-72.

[15]亢潔，李佳偉，楊思力，基于域適應卷積神經網絡的人臉表情識別[J].計算機工程，2019，45（12）：201-206.

[16]郭蓓，達飛鵬.基于局部特征的表情不變3維人臉識別算法[J].計算機輔助設計與圖形學學報，2019，31（7）：1086-1094.

[17]傅天正，劉子賢，孟令楠，等.基于局部遮擋條件下的人臉識別[J].信息記錄材料，2019，20（7）：110-112.

1. 【通聯編輯：唐一東】