岳賀賀
公誠管理咨詢有限公司 廣東 廣州 510610
“十四五”是向“碳達峰”目標邁進的關鍵階段,電力工程項目持續密集投資建設,不斷增加的作業面和施工風險,與愈發緊張工程建設監管力量的矛盾將不斷加大,各項風險防范和安全管理任務繁重。
國網公司實施的“三型兩網、世界一流”戰略,提出將在2024年全面建成圍繞電力系統各環節,充分應用 “大云物移智”(大數據、云計算、物聯網、移動互聯網、AI等)新技術,實現電力系統各環節萬物互聯、人機交互,具有狀態全面感知、信息高效處理、應用便捷靈活特征的泛在電力物聯網[1]。
傳統電網領域,這些新技術主要在計量、運維、計費等常規領域有著廣泛而成熟的應用。但在電力工程建設,尤其是安全管理方面仍有較大應用提升空間。
電力工程安全管理具有影響因素繁雜、識別危險源難度大、安全事故后果嚴重、產生效益較為隱性等特點。隨著物聯網技術的發展,電力工程管理正在邁向智慧時代,基于智慧工地的應用越來越廣泛。但是受重視程度、安全投入、技術差異等因素影響,電力工程安全管理的新技術應用發展緩慢。
而伴隨5G技術的發展和日趨成熟,帶來了通信帶寬的重大突破,并以超高速、低延時的獨有特性可以海量接入下游設備,從而為更加廣泛的電力工程安全管理應用發展提供基礎。
5G網絡技術,主要優勢在于超高速、低延遲、節約能源、系統容量大及低成本。其最高網速可達10GBit/s,網絡延遲時間在1毫秒以內。正是這種網絡特性的支持,使得高清攝像監測、AR、VR等自動控制類業務實現成為可能,也使得現場網絡覆蓋由傳統的“人與人” 轉向“物與物”,更為電力工程建設安全管理的新一代技術應用提供基礎支撐。
人工智能是研究如何使計算機去做過去只有人才能做的智能工作。但是由于計算機重復工作方面的強大能力,使得其相比于人工解決方案,人工智能的應用在處理大量資料并在此基礎上分析和尋找規律方面優勢巨大[2]。在電力工程安全管理方面,計算機以其巨大的基礎數據規律分析和處理方面相比人工有巨大的優勢,目前已發展出的應用包括人臉識別、電子圍欄、安全巡視以及行為監測等。比如通過高清攝像頭、AR、VR、無人機等前端采集的視頻、音頻信號進行辨識處理,可以完成現場安全監督、隱患預警等管理工作。
物聯網技術是通過大量前端傳感器設置與無線網絡覆蓋,實現“人”與“物”的連接,具有一線信息全面感知,數據安全準確傳輸交換,快速分析處理,實現智能決策與控制等特點。
隨著物聯網技術發展,也出現了傳輸網絡延遲高、網絡強度低、下游設備終端有限等問題。而日趨成熟的5G技術,恰好能夠提供超高速、低延時、海量接入下游設備等能力,為物聯網技術的應用創新提供動力,共同促進電力工程建設智能化水平的提高。
定位技術最為常見和成熟的是基于衛星定位的GPS、北斗技術,我國在電力工程輸變電線路施工、維護等領域已有該技術十幾年的應用經驗,但其受限于室外無遮擋場所,在室內時會被建筑物遮擋和室內復雜電波所影響。
隨著技術的發展,不斷出現了不完全依賴衛星的新型定位技術。比如,非接觸式RFID智能定位技術,具有厘米級的高精度定位能力的UWB定位技術,能夠輔助傳感器實現“在什么位置發什么了什么事件”的準確信息傳遞的WSN定位技術等。在實際應用過程中,通過合理選擇和搭配不同的定位技術,能夠更為有效地實現復雜的室內環境中進行人員定位等一線迫切所需的功能。
大數據技術是集合了數據采集、處理、分布式存儲、機器學習、并行計算、可視化等技術的復雜體系。通過在施工現場設置大量前端傳感裝置,將施工現場各種日常安全管理過程中產生的人員信息及狀態、機械設備信息及狀態、實時監控數據、違章違規數據、視頻數據等進行收集,形成一個真實龐大的數據庫。然后,通過挖掘分析高價值數據,進行項目建設安全動態風險分析、人員投入和高風險隱患分析,為電力工程安全管理分析和決策提供服務和支持[3]。
伴隨著5G網絡技術的普及,對數據資源進行集中管控的云計算已經漸漸滿足不了在邊緣設備側實現低時延的云需求。在工程建設安全管理中,包括人臉識別、VR、AR前端采集的高清視頻等數據傳輸至云中心集中分析處理再回傳至施工現場,會產生較大流量占用、較高的成本費用,甚至造成網絡時延過大,影響部分功能業務的實現。而具低時延、大連接、大帶寬的邊緣云計算技術,能夠在邊緣設備側實現對前端采集數據的實時分析、處理、轉發,從而避免網絡資源不合理占用,以及實現低時延需求,這也將是未來5G網絡的重要發展趨勢之一。
通過分析近三年公開通報的電力工程領域安全事故信息,可以將電力工程安全管理問題概括為人的不安全行為(比如施工人員違規操作,技術人員違章指揮,管理人員放松監管等)和物的不安全狀態(比如機械故障隱患發現延遲;危險部位的隱患預警滯后等)兩類。因此探究基于5G的物聯網、邊緣云計算、AI、大數據等新一代信息技術在兩類主要安全管理問題上的針對性應用,將能夠從源頭開始最大程度減少安全事故發生。
3.1.1 創新培訓模式。通過5G+虛擬現實(VR)與增強現實(AR)的應用改變傳統培訓方式,將常規的崗前培訓、工序交底,以體驗式、交互式的方式,讓全體參建人員通過全真模擬、沉浸體驗高處墜落、觸電、火災等項目常見安全事故,直觀發現項目實施過程中的常見危險源,做到心中有數、提前規避。
同時真實感受不正確佩戴安全帽、安全帶等頻發違規行為造成危險帶來的真實后果,以此從源頭提高一線人員的安全防護意識及應急自救措施,避免一線管理人員出現僥幸心理、麻痹大意、“紙面”培訓情況,達到安全教育培訓和應急演練的目的。
3.1.2 安全監控預警。基于5G高速率等特性和人工智能、大數據處理、邊緣云計算等技術,構建施工現場全方位感知體系,實時掌握現場作業狀態,自動識別現場違規行為,當監控人員掌握到異常情況時,可通過人員定位系統終端設備向所有人員發出緊急指令,提示人員消除隱患或立即撤離,最大程度消除人的主觀行為因素造成的安全隱患。
隱患監督。利用最新的人工智能圖像識別、大數據機器學習等技術,通過施工現場固定點位視頻監控實現全域覆蓋,無人機巡查,集成攝像頭和定位芯片的智能安全帽構成移動監控,對施工范圍內作業人員的安全帽、安全帶等安全防護設備佩戴情況,精神狀態,涉電作業等高危環節實施過程規范化情況等進行全方位拍照攝錄。
利用邊緣云計算的網絡低時延特點,在邊緣完成實時監測數據的分析識別工作,避免作用不大的圖片視頻素材數據回傳的同時, “低時延,低成本”的將識別的違規隱患實時傳遞給一線作業人員及管理人員,實現安全隱患實時發現、實時處理、實時記錄,提高電力工程安全管理效率。
危險預警。通過RFID等定位技術實現人員定位及軌跡判斷,結合使用已經成熟的電子圍欄技術在施工現場高危區域、高風險部位設置安全距離閾值。一旦攜帶前端設備的現場人員靠近到危險區域,比如當日非施工區域、高風險部位及現場在運行機械設備安全距離范圍,前端傳感器通過信息采集、邊緣分析將觸發預警信號,通過前端設備或智能安全帽等個人終端,以震動或廣播形式提醒人員遠離危險。同時預警信號通過5G網絡分發至平臺系統,并告知安全管理人員,輔助采取現場制止、檢查確認整改等方式做出應對措施。
3.1.3 建立經驗警示。基于5G+大數據技術,采集工程一線施工現場的全面數據(現場安全隱患問題照片等),結合該電力工程建設特點,匯總分析政府部門公示的類似工程項目事故案例數據,構建電力工程數據庫。通過深入挖掘、匹配與一線高度相關的數據信息,動態分析電力工程建設高危環節、安全隱患,并在工地現場設置的可視化終端、廣播等循環播放,隨時隨地開展經驗反饋和警示教育。同時對隱患高發的工序、班組、個人進行通報,督促參建人員汲取教訓,自查自糾,防范典型事故隱患問題重復發生,也防范因安全管理人員麻痹大意忽視傳達安全警示的情況。
3.2.1 作業風險預判。施工現場物的不安全狀態主要分為兩類,一是物的自身質量和運行狀態造成事故,二是作業面重合時管理不當發生事故。利用5G+人工智能技術開展施工過程的現場施工設備及環境監測。針對電力工程施工中的高處作業、帶電作業、動火作業、有限空間作業等高風險作業環境中,利用大量前端感知設備的部署,對施工現場溫濕度、有害氣體濃度、天氣等環境信息以及機械設備的運行狀態數據,利用大數據與標準值進行對比分析,評估風險隱患等級并在必要時做出判斷預警,從而提高作業風險預判能力。
比如有限空間作業時,前端感知設備集成無線傳感器,對有限空間內有害氣體進行實時監測,對超出安全閾值的情況,將能夠做出現場告警提醒,同時向各級管理人員發出警報,給出響應處理建議,督促各級人員實時響應、實時處理、問題閉環,杜絕麻痹大意,確保安全。
比如對電力工程現場使用的升降機等機械設備,采取安裝讀卡器、傳感器等前端感知設備,實時采集超高、超速、超載、無證上崗等違規行為數據,綜合判斷實時發出預警,保障機械設備安全穩定使用。同時能夠采集的機械設備自身運行數據、作業范圍內碰撞風險數據等,通過邊緣云計算分析處理,及時判斷機械設備的運行環境并發出相關解決指令,使得機械設備在運行過程中及時發現并解決安全隱患。
3.2.2 風險遠程消除。基于5G和增強現實(AR)、邊緣云計算等技術,能夠實現現場高清畫面實時傳遞,滿足業主、專家等相關檢查人員的在線檢查及操作觀摩,實現前端后臺聯動,提供遠程輔助消除事故隱患。隨著新技術發展,也可與云化機器人結合,實現電力管線清探、帶電搭接引線等高風險作業無人實施,最大程度降低電力工程作業的安全隱患。
隨著科技的發展,電力工程安全管理體系愈發完善,而借助5G網絡技術的高速率、低時延的特性,推進基于5G的眾多新技術在電力工程安全管理方面更為廣泛的應用已成為電力安全治理數字化轉型升級的重要發展趨勢。尤其是在“十四五”這個面向“碳達峰”目標邁進的關鍵期和窗口期,將能夠探索出更多低成本、可復制、易推廣的5G電力工程安全管理創新應用,全面提升電力工程安全管理信息化水平。