吳靖 許杰 夏孝俊 呂海霞 羅俊
本文分析建立配網施工安全承載力的必要性,并基于機器學習線性回歸模型提出了配網施工安全承載力分析的模型和算法,通過對配網施工安全承載力風險要素的分析和評估,實現基層單位月生產計劃和周生產計劃安排的合理量化,確保計劃周期內各工作日的人員力量、裝備使用不超規定的限值,最大限度實現人、才、物資源合理配置,以滿足安全工作要求和應對突發性應急故障搶修需求,從源頭上提高安全生產管理水平。
隨著社會發展速度的不斷加快,電力行業配網工程也急劇增多,伴隨而來的是配網施工任務猛增,資源配置與配網施工任務之間的矛盾也在不斷增加,從而帶來了有限的人、才、物資源如何與繁重的配網施工任務相匹配的管理難題,主要表現在以下三方面:
第一,配網施工計劃管理手段滯后,主要表現在月計劃、周計劃、日計劃安排不合理,生產班組經常會出現超負荷運轉的情況,導致無法滿足配網施工工程對安全生產的要求,對公司應對突發性應急故障搶修也帶來了挑戰。
第二,配網施工人員相對不足,工程分包的工程建設模式雖為繁重的配網施工任務帶來了人力補充,但作業人員作業水平參差不齊,施工人員素質良莠不齊的現象,也極大增加了配網施工現場安全管控的難度。
第三,當前的安全承載能力分析模式相對比較被動,基本采用的是后調整模式,即默認所安排的工作計劃是屬于承載能力范圍內的情況下,安排和調整人員力量、物資裝備,無法保證有足夠的人力、物力完成風險控制。
因此,公司迫切需要對配網施工安全承載力分析進行深入的研究,建立安全承載力分析模型,對本單位各級生產組織的承載力實現數字量化,研究并實現安全承載力分析算法,實現生產任務與承載力的合理匹配。通過安全承載力分析算法,將現場工作與風險管控工作有機結合,及時掌握工作負責人的技術技能水平,確保工程現場安全管控形成閉環。
(一)分析模型
研究安全承載力分析模型的主要分為模型選擇、數據預處理、統一數據維度和模型訓練四個步驟。
1.模型選擇
建模的首個步驟是模型選擇,綜合分析評估多個模型,選擇更合適的模型??紤]到線性回歸在經濟學、流行病學等領域都有較好的應用,與配網施工作業繁多、安全承載力分析關鍵因素多且權重未量化的實際情況相符合,因此配網施工安全承載力分析選擇了線性回歸模型和算法開展研究與應用。
2.數據預處理
將公司2018年5月至2020年5月的配網施工作業數據作為訓練數據,訓練數據主要抽取作業時間、作業班組、班組承載力值、作業地點、作業內容、作業類型、工作負責人、工作負責人承載力值、技能等級、施工人員數量、外包隊伍數量、外包隊伍星級、工器具類型、工器具數量、所需工作時長、作業空間、風險等級、施工環境溫濕度共18個字段作為訓練數據,并抽取近3個月的數據,作為測試數據。訓練數據的目的是通過數據所建立的模型以及給的測試數據,得出測試數據相應的安全承載力預測值,為進一步驗證和優化模型提供輔助。在數據預處理前,需要先對缺失的數據值進行補齊操作,對于部分數據可以使用程序采用均值的方式補齊數據,使得效率和準確度更高。
3.統一數據維度
數據的取值一般跟屬性有關系,但配網施工作業的屬性是很多的,有些值很小但不代表不重要,有些值很多但不代表有用,所以為了提高預測的準確度,需要統一數據維度進行計算,再進一步驗證、修正更為合適。經驗證,統一適合配網施工安全承載力分析的數據維度主要為施工作業(包括各作業類型和不同風險等級等),安全工器具(包括工器具類型、工器具數量),工作負責人(包括技能等級、負責人星級),外包隊伍資信(包括外包隊伍數量、外包隊伍星級、施工業績)。
4.模型訓練

使用線性函數進行調用訓練,使用梯度下降法獲得誤差最小值,使用均方誤差法來評價模型的好壞程度,并抽取了配電一班2020年度1月15日至6月15日的數據結果,使用畫布輸出畫圖進行比較,以便于直觀體現此時間范圍內配電運檢一班日承載力分析目標值(訓練前根據實際情況評定的結果)與預測值(經訓練產生的結果)的情況,輸出結果如圖1所示。

(二)模型和算法實現
安全承載力分析模型的核心是以配網施工的月/周工作計劃和月工作計劃智能分配算法。該算法基于線性回歸模型和算法實現,融合了以檢修擬實投用工標準庫、工作負責人星級庫、大型安全工器具庫、外協隊伍資信庫,對配網施工計劃基于線性回歸逐項進行分配,直到達到最優的承載力,即各單位承載能力的適應度標準差為最小值。在匹配完成后,給予承載力分析結果預警,重點標注提示算法核算分配后仍存在過載、欠載的情況。此時計劃管理員可對計劃進行人工調整,調整后重新給予實時承載力分析。
安全承載力分析算法的執行流程如下:
1.制定本單位的月度和周工作計劃,并基于《檢修擬實投用工標準庫》來明確各種技術難度的工作所需的作業人員數量、技能水平和有效工作時間,核算出各項工作所需外包隊伍星級、工作負責人星級、工作人員數量、工時、大型工器具要求等內容。
2.基于大型安全工器具庫、外協隊伍資信庫和工作負責人星級庫,采用線性回歸算法對工作計劃逐項分配,并在分配時,實時計算各班組安全承載能力的狀態和分布。判斷結果使用欠載、適應、較適應和過載進行安全承載力區域劃分,其中“欠載”表示派出組數比最大組數少3組,即有3組作為后備力量參與突發性故障應急搶修,“適應”和“較適應”分別表示有2組和1組作為后備力量參與突發性故障應急搶修,“過載”則表示已無后備力量參與突發性故障應急搶修。
3.由系統進一步判斷月/周生產計劃能否調整,如果可以繼續調整,則開始進行調整計算、優化工作分配,否則輸出相應結果。
4.當無法進行調整時,對于存在“欠載”、“過載”的情況由系統進行自動提醒預警,可由計劃管理員手工進行人工調整,并實時計算各單位的承載狀態。
(一)開發平臺
本文介紹的安全承載力分析算法核心是采用線性回歸對工作計劃逐項分配,線性回歸作為機器學習中有監督學習機制的深度學習算法,其主要的特點可以實現快速建模、高效計算,支持大批量數據的高效運轉。本文基于TensorFlow平臺應用開發安全承載力分析工具,實現安全承載力分析的算法,為確認配網施工作業任務安排的合理性和配網施工作業計劃可調性提供輔助支撐。
(二)主要應用

通過安全承載力工具應用,平臺自動計算出各生產組織的月、周、日安全承載力,并將月計劃控制在“適應”,將周計劃控制在“適應”與“較適應”之間,將日計劃控制在“較適應”,滿足安全工作要求,同時確保有足夠的力量應對突發性應急故障搶修。
安全承載力工具應用計算生產班組安全承載力實時計算結果如表1所示。
安全承載力工具應用周期內生產班組的安全承載力分析統計表如表2所示。分析的時間內,配電運檢、營業等三個班組的工作負責人數量保持穩定,當天計劃作業人數變化,預留搶修人數為班組現有總人數與當天計劃作業人數之差,比例均為與班組現有中人數對比所得。
綜上所述,本文介紹的安全承載力分析模型和算法可有效破解公司現有的人、才、物資源如何與配網施工任務相匹配的管理難題,通過量化各生產組織安全承載力,并據此建立配網施工任務風險與安全承載力匹配機制,實現對配網施工計劃柔性調整的輔助決策,促使生產組織人力資源得到合理配置,實現作業計劃和人力、物力相匹配、作業項目和人員技能相適應、作業進度和計劃時間相協調,最大限度實現人、才、物資源合理配置,可有效增加員工滿意度、提高生產效率、降低作業風險、提高電網可靠性,從而提升公司效益。
作者單位:浙江大有實業有限公司杭州科技發展分公司
基金項目:浙江大有集團有限公司科技項目(2020-DY23)