電力生產作業人身安全風險量化評價體系建設

國網甘肅省電力公司 陳 釗 夏 天 賀洲強 楊鵬云 國網蘭州供電公司 陸 浩

當前，電力生產各類事故隱患和安全風險交織，安全事故易發，安全管理工作形勢依然嚴峻。從頻發人身安全事故案例分析，人身安全事故發生的原因主要涉及到人員、設備、工具、方法和環境等多個方面。就電網企業而言，雖然安全問題一直受到其高度重視和巨大投入，但由于缺乏系統性的認識和管理導致人身事故屢禁不止，極大程度上影響著安全生產的正常秩序[1-2]。因此有必要從全局出發，系統性考慮，構建電力生產作業人身安全風險量化評價，以提升安全水平。

常用的安全生產風險分析方法包括風險矩陣分析法、安全檢查表分析法、失效模式與影響分析、故障樹分析、5M因素分析法、可操作性分析、致命度分析等。各種風險評價方法都有各自的特點和適用范圍，現有的風險評價方法多為定性評價居多，定量評價也是基于定性分析的結果，特別是適用于電力行業生產作業特點的定量評價比較空缺，在開展實際風險評價時，有必要選用幾種評價方法進行評價，以提高風險評價結果的準確度。

1 建設思路

為便于生產作業人身安全風險量化評價體系科學構建，本文將評價體系建設過程進行解析，引入生產理論函數“Y=f(x)”，將生產作業人身安全風險量化評價類比為“輸入-輸出”的邏輯關系，如圖1所示：首先明確輸入，即找準生產作業中影響人身安全風險的因素（指標）；其次建立量化模型，結合因素（指標）特點，建立反映其內在邏輯關系的計算模型；最后得出量化結果，即按照的邏輯關系，將指標計算匯總得到最終生產作業人身安全風險量化結果。根據上述邏輯關系的解析，本文將生產作業人身安全風險量化評價體系建設劃分為生產作業人身安全風險評價指標體系構建、量化評價模型建立、量化應用體系設計三大步驟。

圖1“輸入-輸出”邏輯關系

2 實現路徑

2.1 生產作業人身安全風險評價指標體系

2.1.1 關鍵風險詞頻提取

采用TF-IDF算法，通過Python軟件對國家能源局2016年1月～2020年5月期間的《事故通報》和《全國電力安全生產情況》、國網公司部分事故通報文件進行關鍵詞分析。將Python執行結果按照TF-IDF權重的大小進行整理排序，篩選出文件中TF-IDF權重最高的40個詞，并結合生產作業現場工作實際及特征要素，篩選出有關生產作業人身安全的24個關鍵詞及其TF-IDF值：作業標準不明確0.01639、無監護施工0.01615、未佩戴個人防護用品0.01613、無安全技術交底0.01606、無現場應急處置預案0.01601、隔離措施不完善0.01583、不同型號設備混放0.01579、操作規程不健全0.01564、防護設施管理不到位0.01562、運行計劃不恰當0.01546、習慣性違章0.01538、組織安全氛圍差0.01534、無操作票操作0.0147、身體狀況差0.01466、設計圖紙有誤0.01499、工器具選擇錯誤0.01482、作業前檢查不到位0.01479、工前未現場勘查0.01477、工器具準備不齊0.01464、無資質作業0.01458、人員配備不足0.01436、作業強度過大0.01428、作業空間受限0.01423、生產進度安排不合理0.01414。

2.1.2 關鍵因子庫構建

基于上述TF-IDF算法提取、篩選的人身安全風險詞頻，參照公司各類人身事故原因分類和各專業班組的工作經驗，導入質量控制管理“人機料法環”理論，將上述風險詞頻及管理要求按照人、機、料、法、環五個維度歸類，建立生產作業人身安全風險因子庫。“人”包括年齡、性別、學歷、職稱、人員類型、本崗位從業時間、同類型作業熟悉程度、作業習慣、身體狀況、精神狀態、工作情緒；“機”包括設備電壓等級、設備類型、設備狀態；“料”包括設備防護、工器具配置、個人防護用品配置；“法”包括作業時長、作業性質、作業方式、作業時段、分組作業、交叉作業；“環”包括作業地形、作業天氣、作業空間。

2.2 生產作業人身安全風險量化評價模型

本文將經過主成分分析法處理過的風險關鍵因子數據作為BP神經網絡的輸入層數據，輸出層輸出數據為最終的預測結果，即風險值。通過誤差反向傳播算法尋找層與層之間使誤差最小的最佳權值和閾值，從而完成對被評估對象風險數據中包含信息的提取和記憶，實現從輸入到輸出復雜的非線性映射關系，具體關于生產作業人身安全量化評價模型的建模技術路線如下：

開展數據預處理，將風險關鍵因子庫中的26個指標數據轉化為計算機可識別處理的數值類型數據；假設不同風險等級分布概率區間，即根據經驗設定1～5級風險在區間上分布的概率區間；利用主成分分析法對風險關鍵因子庫中的26個指標進行降維，即將原始輸入矩陣轉變為低維稠密矩陣；構建BP神經網絡模型，將輸入其中得到風險概率輸出；根據風險概率輸出，結合前期設定的風險等級分布概率區間，映射為對應風險等級；通過誤差反向傳播算法計算風險概率映射為風險等級的誤差，當誤差不超過0.0001時則通過，即輸出對應風險等級；當誤差超過0.0001時則不通過，須重新進入更新BP神經網絡參數步驟，構造新的神經網絡模型，從而不斷修正誤差值，確保誤差最小。

2.3 生產作業人身安全風險量化應用體系

基于生產作業人身安全風險量化評價體系的輸出結果，最終設計形成風險預警機制、量化評價程序、作業準入機制和現有平臺接入機制，分別從技術上、管理上和流程上提升量化評價體系使用效果，確保評價結果科學性和評價體系的持續性。

風險預警機制設計。一是整體風險結果預警。通過基于主成分神經網絡的生產作業人身安全風險量化評價模型的運算，將得到該作業樣本的風險概率預測值，將風險概率預測值與前期設定的風險概率值相比對，即可得到對應的風險等級，進而便于開展對應等級的生產作業人身安全風險預警[3]；二是重要風險指標預警。因考慮到26個生產作業人身安全風險量化評價指標在管理上具有一定的難度，采用邏輯回歸方法進行建模，幫助識別重要特征指標并開展重要指標預警，進而實現對生產作業人身風險關鍵指標的管控。

量化評價模型封裝。考慮到基于主成分神經網絡的生產作業人身安全風險量化評價模型的操作和計算難度，本文從簡便、易操作的原則出發，采用EXE程序對模型進行封裝，在下一次開展風險量化評價時，只需按照《國網甘肅省電力公司生產作業人身安全風險量化評價-數據采集表》的相關格式要求，完整、準確填入相關信息以EXCEL表形式導入模型程序中，即可自動生成風險等級量化結果，進而實現風險量化評價的智能化與便捷化。

作業準入機制設計。通過構建基于主成分神經網絡的生產作業人身安全風險量化評價模型，可輔助相關管理人員識別和判斷生產作業人身安全風險，從而實現對生產作業的事前管控。對此，充分發揮生產作業人身安全風險防控的現實作用，本文設計生產作業準入機制，以《生產作業人身安全風險預警表》為載體，通過表格填寫和展示，及時提醒作業人員防范風險，提高生產作業人身安全水平[4]；現有平臺接入設計。因考慮基于主成分神經網絡的人身安全風險量化評價模型在未來使用過程中與現有業務系統的融合性，充分調研公司安全生產風險管控平臺，了解該平臺建設的原理和接口情況，為探索平臺接入模式奠定研究基礎。

綜上，在后續研究中，可持續強化大樣本采集以升級模型、強化作業計劃關鍵指標輸出、強化大數據等技術深化應用，以提升量化評價體系的落地應用效果。