基于電網企業安全監督的大數據分析

黃 濤，余先敏

（中國南方電網有限責任公司 超高壓輸電公司曲靖局，云南 曲靖 655000）

0 引言

當前，電網企業正加強推進數字化轉型，通過引入大數據、“互聯網+”、人工智能等新興技術，有效提升企業安全生產管理水平。社會經濟的快速發展離不開電力安全，因此電網企業的安全監督愈發重要，但是傳統的安全監督模式在數字經濟時代顯得單薄，無法發現一些現象背后的深層次問題[1]。隨著電網企業信息化建設的推進，雖然企業積累了大量的安全生產業務數據和安全檢查、安全監督數據，但是對數據資源的使用仍停留在簡單統計和查詢層面，缺乏對數據的挖掘，安全生產數據資源開發利用不足，使得這些數據資源不能成為企業重要的戰略資源，因此開發利用這些數據資源的能力亟待提高。

如今，大數據分析呈現蓬勃發展趨勢，通過運用大數據分析技術，挖掘企業數據資源提高其價值，成為推動企業管理水平的有力武器。利用大數據可視化分析技術實現對安全監督數據的分析與挖掘，提高安全監督數據的利用價值和安全監督的分析能力。

信息化、數據化時代，隨著電力行業快速發展，過去電力數據簡單統計和分析方法已無法適應新時代要求，從電力安全監督管理要求及技術水平成果所能提供的服務來看，電力安全監督數據的思維模式和方式方法可以結合大數據可視化技術進行更新和優化，確保電力安全生產。目前，大數據可視化技術應用于多個行業及領域，這也為電力行業的嘗試提供了可借鑒的經驗[2]。作業安全監督的大數據分析已經成為電網行業日常設備運維、檢修、現場作業監督、督查問題及違章行為分析和智能分析決策的重要基石。

1 電網企業安全監督大數據分析方法

電網企業安全生產風險管控是電網企業核心的安全生產活動，其中作業風險管控涉及人身安全、設備安全、電網安全和社會影響，因此安全監管部門對作業風險管控尤為重視。作業風險管控包括作業計劃、作業風險評估、作業準備、作業實施、作業監督和作業總結改進的業務過程，產生了眾多生產數據資源。從安全監督角度，對與作業風險管控相關的安全監督數據資源進行大數據分析，研究作業風險管控安全監督問題模型，提高安全監督的分析能力。

安全監督數據融合生產業務數據和安全監督數據。其中，生產業務數據包括作業計劃管理、兩票管理、工器具管理、生產人員資質、安規考試成績、作業前準備的作業風險評估、工作方案、現場勘察，以及作業過程的班前后會、安全技術交底、安全交代等；安全監督數據包括安全監督組織人員名冊、工作負責人和監護人等資格，以及開展監督的計劃、作業監督過程發現的問題和違章行為記錄等。

電網企業安全監督大數據是基于電網企業安全生產管理信息系統的業務模塊產生的數據進行監督，包括人員資質、安規考試、“兩票”、工作方案、安全措施、作業計劃、作業標準、工器具等方面的監督。開展安全監督的大數據分析，首先要明確數據分析的目的，其次是梳理分析的邏輯，最后才是利用大數據分析技術建模、可視化和進行分析研究。結合安全監督的職責，安全監督大數據分析目的有兩個：一是輔助開展安全監督管理，即輔助發現安全生產業務中違反安全規程的行為，比如人員資質不足，安規考試成績不達標，工作票填寫時間不規范、票上填寫的工作負責人并不在企業發布的工作負責人名單里等；二是針對監督發現的問題進行分析統計，發現規律并找到原因。

一般來說，人們研究問題的邏輯往往是從現象深入本質，即遵循問題現象、發現規律、規律背后原因和挖掘本質根源這一研究路徑，因此在開展大數據分析時應利用大數據分析的各種技術，沿著這一路徑逐漸深入，由表及里地逐級分析，從而揭示現象背后的本質，并在分析過程中發現問題和影響因素，從而制定相應的改進措施[3]。

因此，結合數據分析方法與問題研究的邏輯路徑，針對不同階段采取不同的數據分析方法是最佳選擇。針對安全監督數據，使用傳統統計方法即可發現存在的問題現象，揭示出一個問題重復出現的次數，或者通過對比發現某個班組出現這一問題的現象頻次較多等。因此，問題現象只需要使用統計、對比、趨勢等統計分析方法就能反映問題。發現問題規律則需要擴大數據利用范圍，然后利用大數據相關性分析找出與之相關的一些因素。可利用數據可視化技術，通過圖形方式揭示和傳達出與圖形相關聯的數據隱藏的規律及原因。而規律背后的原因和根源的挖掘，需要結合安全行為理論、安全心理學、安全風險管理等安全理論去建立數據分析因素模型，找到相關分析維度，然后融合業務數據和安全監督數據，建立數據挖掘算法。

數據挖掘算法是通過創建數據挖掘模型，對數據進行試探和計算的一種數據分析手段，它是大數據分析的理論核心。數據挖掘算法多種多樣，不同算法會呈現不同的數據特點。通常，創建模型的過程卻是相似的，即首先分析用戶提供的數據，然后針對特定類型的模式和趨勢進行查找，通過分析結果定義創建挖掘模型的最佳參數，并將這些參數應用于整個數據集，提取可行模式和詳細地統計信息，最后挖掘出哪一類參數數據影響最大，揭示其影響程度。

電力安全監督大數據可視化分析方法通過以下流程實現：首先，針對多渠道、多類型的安全監督業務數據需要，利用數據分析技術進行整體分析，建立分析模型，結合業務需求厘清邏輯脈絡，包括結合安全規程要求對數據信息進行對比判斷是否有違規，繼而對數據分析的流程和數據源進行可視化設計。其次，整合分析結果，利用數據可視化平臺將數據建模，定義數據抽取規則。最后，借助可視化平臺報告或數據大屏的可視化建模工具，通過簡單的拖拽方式，快速完成報表的制作或調整，實現自助式分析。電力安全監督大數據分析有力提高了企業安全監督管理的效率，快速發現問題和分析問題，提高企業安全管理水平。

2 建立數據可視化分析系統

通過上述邏輯分析和建立影響因素模型之后，考慮如何將安全生產業務數據和安全監督數據進行融合，打破系統之間的壁壘。利用數智彩虹可視化平臺，建立多個數據源，利用該平臺數據模型功能建立數據分析模型，比如“兩票”監督模型、作業計劃監督模型、督查問題分析模型、違章行為分析模型等。

同時，模型還固化了安全數據的監查比對規則，通過開發比對程序組件對存在填寫差錯的記錄進行標志，再通過可視化圖表展示，提高安全監督效率。例如，“兩票”填寫規范性監督，我們固化了操作票時間邏輯判斷、工作票時間邏輯判斷（如許可人措施終結時間小于匯報調度時間、安全交代信息錄入不及時判斷）、工作負責人姓名和電話號碼等信息判斷、工作票安全措施與操作票對應判斷、工作票施工單位填寫不規范判斷等比對規則。運行模型比對規則后自動識別并用顏色標志出不合規范的工作票和操作票。

借助數值彩虹平臺可視化圖表開發工具，可以快速實現分析模型的數據可視化。在其可視化報告和數據大屏建模中，可以自由靈活地對多張圖表進行組合布局，形成常見的直方圖、餅圖、折線圖圖表，還可以形成雷達圖、桑吉圖、旭日圖、熱力地圖等高級圖表，進而透過圖表分析數據背后揭示的內涵。通過在平臺上制作數據模型調取各業務系統的數據，徹底打破系統之間的壁壘。通過數據清洗建模，形成分析視圖，采用可視化主題看板實現數據分析，并利用移動辦公elink平臺使其可在手機上展示，做到系統數據隨時要、隨時取，安全監督時效性得到保證。

3 安全監督數據可視化分析系統的應用

3.1 “兩票”可視化監督

安全監督數據可視化系統建立了“兩票”分析模型，實現對電網作業第一、第二種工作票和操作票進行規范監督。

“兩票”（工作票、操作票）是允許在作業點上工作的書面命令，也是明確安全責任和范圍、實施安全措施的重要依據。“兩票”填寫是否正確，地點、內容和安全措施是否具體，有無缺項，直接關系到“兩票”的質量，“兩票”的正確實施也是規避事故的重要保障。

“兩票”分析模型實現了對“兩票”填寫規范性、完整性中常見問題進行監督，具體包括工作票日期和時間填寫不規范、內容欄內設備名稱編號填寫不規范、工作內容欄與措施欄填寫的設備名稱和編號不一致、操作票的操作內容未按《導則》術語填寫；工作要求的安全措施未填寫斷路器（開關）及隔離開關（刀閘）雙重編號；未填寫應設置遮攔、圍欄、應掛標示牌的安全措施；接地線、標示牌、遮攔等的具體數量漏填寫等。同時，對“兩票”簽發人制度執行情況進行監督，具體包括無資格人員簽發工作票；工作票簽發人和工作負責人未經考核批準；一人兼多職，既是工作票簽發人，又是工作班人員或許可人；工作許可人及工作負責人未簽發等。

3.2 作業計劃可視化監督

安全監督數據可視化系統建立了“作業計劃”分析模型，實現對各專業班組的作業計劃進行監督，自動識別發現作業計劃填寫不規范、不合規等問題。對作業計劃的監督主要是督查作業計劃填寫的完整性，包括作業風險等級是否開展了持續性風險評估，詳細分析了風險的影響因素如作業類型、人員能力、環境及時段、天氣等；填寫的作業人員、工作負責人、監督人員的資質是否滿足等。

通過作業計劃可視化監督，確保作業計劃完整性，實現以計劃為抓手的作業風險源頭化管控。

3.3 監督問題可視化分析

監督問題可視化分析可以針對較廣泛的安全監查、任務觀察、安全區代表發現的問題數據進行分析，也可以僅從“兩票”、作業計劃的安全督查上對發現的問題進行分析。本系統先試點實現對“兩票”、作業計劃督查問題挖掘分析。

通過將“兩票”分析模型將問題按專業、班組、問題類型、“兩票”對應的作業任務的風險等級及時間等維度建模，分析問題分布規律，從而預判規律背后隱藏的管理隱患，再結合業務實際深入考察和判斷存在的薄弱環節，提出改進措施。

3.4 數據可視化應用極大壓縮監管流程

利用上述安全監督數據可視化的應用成果，提高安全督查效率的同時，可以改善和優化安全監管流程，實現監督結果的數據共享，改變以往督查需要打印督查結果通知單、通知單審批再傳遞給業務部門整改的模式。通過使用共享數據可視化和手機移動終端技術的移動辦公，實現監管部門、監控中心、生產業務部門等多部門的數據隨時共享監督結果，實現一鍵審批和快速整改，提高了企業的安全監管效率[4]。

3.5 應用成效

安全生產監控專班通過安全監督數據可視化分析系統的建立，極大提高了監控專班開展安全監督的工作效率。往常需要人為督查當月的“兩票”和班組作業計劃需要3小時時間，現在通過系統實現實時監督，自動篩選出存在問題的“兩票”和作業計劃，再結合人工甄別判斷，0.5小時就完成了以往需要3小時的督查工作，極大地提高了監督效率。同時，徹底解決了因督查人員個體水平差異、檢查方法不相同，導致檢查結果參差不齊，造成督查不嚴謹、不嚴密、不到位的問題，提高了安全監督質量，進一步強化了作業風險管控水平。

4 結語

數據即資產，電力大數據是電力企業的重要資產。隨著數字化、智能化技術的廣泛應用，遠程智能監控、大數據分析、安全隱患AI智能識別等極大地提高了電網企業安全生產風險管控監督能力，同時也積累了大量的安全生產風險管控和安全監督大數據，針對這些資源，充分運用大數據分析，對數據由定性分析向定量分析轉變，深入挖掘企業安全管理可能存在的薄弱問題將是今后電網企業安全監管部門的有力法寶，極大地促進安全管理向更精細、更協同、更高效的方向發展。

大數據分析的關鍵在于深刻理解業務邏輯，厘清分析邏輯脈絡，這樣才能建立起高效的數據模型和有效組織可視化圖表、數據等信息，以一定的邏輯布局將數據圖形化展示，有效刺激人的視覺判斷，提高分析能力。數據可視化平臺工具是一件提高大數據分析效率的有力武器，借助可自助式的分析平臺開展安全監督大數據分析，可以識別安全生產業務活動存在的問題，極大促進各級人員嚴格遵守安全規程，規范安全生產管理，提高了“數字安監”的作用。