基于大數據的電網企業安全信用管理體系研究

國網甘肅省電力公司 賀洲強 國網甘肅省電力公司定西供電公司 張 鋒 孫四海 楊 輝

當前電網生產作業人員安全信息管理不夠系統化，安全信息管理工作劃分細致而相互分散，資格審查、人員準入、行為評價等工作缺乏有機聯結，相對滯后的信息化水平也難以支撐現代化信息系統的集成，亟需開展電網生產作業人員安全信用管理體系建設，將安全評估以信用的形式表現出來，從而提高生產作業安全管理水平。

電網生產作業人員的“安全信用”，指電網生產作業人員向電網企業在一定范圍內所作的安全履約或安全履約承諾的兌現能力和意愿，外在表現為電網企業對參與電網生產作業的人員在一定時間范圍內的安全履約承諾、安全履約能力、安全履約行為的定量化綜合評估結果[1]。從國內安全信用實踐情況來看，目前無論是國家層面、電力行業層面還是國網公司層面，針對生產作業人員的安全信用研究和實踐案例都尚屬空白，因此本研究從學術上和實踐上都具有較強的開拓性、創新性和現實性，價值和意義十分突出。

本課題在電網領域內創新構建電網企業生產作業人員安全信用評價指標體系，提出基于電網作業人員安全信用的管理體系完善思路，研究電網企業安全信用在相關典型場景下的應用，確保電網生產作業人員安全信用管理的科學性、體系性，對電網企業安全信用管理及安全風險防控有重要管理價值。

1 電網企業安全信用體系構建研究

1.1 安全信用基礎數據采集

電網作業人員安全信用基礎數據可細分為內、外兩個數據源。內部數據源主要來源于電網企業內部的各業務生產系統，集中于安全生產風險管控平臺、安全生產風險管控平臺移動作業APP、OMS調度信息管理系統、配農網“現場管控”APP、隴源掌培APP等多個源頭；外部數據源主要來源于國家已有的信息開放公示平臺，以及互聯網中各類權威機構、組織的開放信息獲取平臺，集中于信用中國、應急管理部、中國執行信息公開網等源頭。

基于Python軟件進行實現，調用Sckit-learn算法包對采集到的安全信用基礎數據進行預處理。首先對原始數據進行缺失處理，去除/補全有缺失的數據，接著進行錯誤數據處理，然后是重復數據處理，最后對數據進行不一致性處理。在匯聚多個維度、多個來源、多種結構的數據之后就可以進行數據清洗，也就是對數據進行抽取、轉換和集成加載。在這個過程中，除了更正、修復系統中的一些錯誤數據之外，更多的是對數據進行歸并整理，并儲存到新的數據庫中。

1.2 安全信用評價體系構建

樣本選取。為便于模型訓練、優化，首先將清洗后的有效樣本按照70%、30%比例劃分為兩部分，其中70%部分的80%（訓練集）作為訓練數據放入模型中進行風險預測，經過多次迭代計算后，以70%部分剩余的20%（觀測集）作為觀測樣本，若預測準確率達到預期，則保留當前特征結果，并使用30%部分（測試集）的樣本數據持續優化模型，得到計算出的初步指標及其權重。

特征選取。基于CART決策樹的模型構建過程中，需提取每個指標的特征，構建公式評估每個信用特征對于信用評價結果的影響程度：Cj=(n0×c0-∑ni×ci)/T，本式為計算每個特征j重要性程度計算公式，其中n0代表支撐該特征節點統計樣本數，c0代表該特征節點計算Gini值（Gini index），ni與ci代表該節點所有子節點的樣本數量以及其Gini值，T為該公式中所有計算節點的樣本數綜合。加入T參數可以防止不同節點下樣本數量帶來的量綱差異，從而導致特征重要性程度與該特征影響下樣本數量直接掛鉤。

決策樹構建。使用Python工具，調用Sckitlearn機器學習算法包完成CART決策樹模型構建，對生產作業人員的固有屬性進行建模并進行重要性程度分析：首先，針對已有生產作業人員的固有屬性（包括但不限于學歷水平、年齡、所屬單位、作業權限、所屬專業大類、職稱、技能等級、持證信息）構建樹狀結構；其次，針對生產作業人員所屬單位，根據所屬單位的整體情況（包括但不限于公司基礎屬性、違規情況、信用情況）進行公司屬性的拓展。

指標體系構建。參考信用評價領域成熟的“5C”評價方法，結合特征選取結果，將經決策樹計算后的指標劃分為身份特質、安全教育、安全行為、單位屬性、安全關系五個維度，形成電網企業人身安全信用指標評價體系[2]。

1.3 安全信用評價分級

參考學界成熟的信用等級劃分方式，本研究基于正態分布對電網生產作業人員安全信用等級進行劃分。為便于計算，從清洗后有效樣本中隨機選取5000份樣本作為觀測集。使用Minitab軟件對觀測集樣本安全信用得分進行正態分析，其P值0.211大于0.05，即觀測集安全信用得分符合正態分布，可基于正態分布對其進行分級。

使用Minitab軟件對觀測集樣本進行描述性統計分析，獲得安全信用得分描述性統計結果。可看出，觀測集樣本安全信用得分均值μ=691.6，標準方差σ=55.33。將上述結果中的均值μ、標準方差σ帶入公式正態分布計算公式、查找標準正態分布表，并以此計算結果為基礎，將電網作業人員安全信用分為S（安全信用極好，801～1000分）、A（安全信用優秀，764～800分）、B（安全信用良好，621～763分）、C（安全信用中等，584～620分）、D（安全信用較差，0～583分）五級，并分別確定對應分值區間。待本評價方式正式運行、收集更多的數據樣本后，可依據體量更大、質量更高的安全信用評分結果，重新優化各等級的分值區間。

1.4 安全信用動態評估

隨著時間的流逝、行為的發生，安全信用各評價因素的值也會發生改變，因此電網生產作業人員的安全信用需采取動態評估。當系統檢測到生產作業人員的身份特質、安全教育、安全行為等發生改變時，可經由現有計算公式和機器學習算法對生產作業人員的信用情況進行實時的計算并返回最新的信用分數。若綜合考慮計算規模、計算成本等因素，也可采取定期（如每周、每月、每季度）評估的方式，對生產作業人員的信用情況進行更新評估。

同時，未來采集到更多的安全信用數據后，還可在現有技術路線下，以數量更多、質量更好的數據作為樣本，對現有的算法模型和指標表現情況進行優化和調整，相應的指標權重會更加精確、評估結果和等級劃分閾值會更具有參考性。

2 電網企業安全信用體系典型場景應用

2.1 生產作業資格審查

建立安全信用分級機制。將生產作業人員安全信用情況，根據信用評分高低，依次劃分為優、良、中、差四個等級，推動安全信用分級管理。在生產作業資格審查時，優先選用優、良安全信用的生產作業人員；對于生產作業供應商的資格審查，以優、良安全信用的人員占比達到一定比例為資格線，推動建立具有一定門檻和標準的生產作業資格審查模式。建立生產作業資格目錄。結合安全信用分級機制，以個人、班組、項目部、供應商等主體為單位，根據信用得分及分級情況建立生產作業資格目錄，并按照月統計、季發布原則，每月統計安全質量信息更新變動情況，每季度評定安全信用等級，實現生產作業資格目錄的及時、滾動更新，為生產作業資格審查奠定基礎。

2.2 生產作業安全準入

建立生產作業安全準入標準。根據生產作業資格目錄，建立生產作業安全準入標準，在開展不同類型生產作業時，針對不同等級的生產作業人員或組織制定不同的準入標準。如，針對安全信用評價為“優”的人員，可安排其承擔危險程度高、難度系數高的項目內容，并鼓勵其在項目中擔任關鍵崗位；針對安全信用評價為“優”的人員占比達到較高比例的生產作業供應商，可在評選過程中予以適度分數傾斜，適當提高其承擔重要工程、重要項目的競爭力；針對安全信用連續多年評定為“差”的個人或供應商，采取“禁入”措施，要求其一定時限內不得承攬或分包生產作業各項工作，從而確保安全生產工作的可靠性。

開展生產作業安全準入檢查。在項目開工前，建立由安監部牽頭組織的生產作業安全準入檢查機制，對生產作業人員或組織的安全信用情況進行檢查，要求合理配置安全信用評價為優、良、中、差的人員數量，并在關鍵崗位和關鍵工作內容部分要求必須由安全信用評價為“優”的人員執行，從而在具備生產作業資格的前提下，持續提高生產作業安全準入門檻，逐漸杜絕安全生產風險發生。

2.3 生產作業風險預警

建立生產作業風險預警機制。在項目開工前，依據生產作業人員安全信用，作業負責人和安監部相關管理人員可及時識別和分析生產作業人員過往的違章情況和學習情況，并通過建立生產作業人員安全信用和生產作業風險等級的對應關系，針對性制定各級風險預警方案和安全措施，并在作業過程中開展專項作業督查，從而為杜絕安全生產風險、促進項目順利完工提供保障；建立生產作業失信預警機制。針對作業過程中出現的安全生產失信情況，建立生產作業資格和生產作業安全準入資格預警機制，對核實后確實發生的安全生產失信行為，在安全信用體系中進行“降級”預警，提高其對于安全生產工作的重視程度；對于連續多次發生“降級”預警情況或發生嚴重安全事故的人員或組織，納入安全信用“黑名單”，及時通報和公開曝光，并聯合有關部門、單位實行內部聯動管制措施。

2.4 生產作業安全培訓

安全培訓內容定制化。在開展生產作業安全培訓工作時，結合員工的安全信用評價等級，對不同崗位、不同工種、不同工作經歷的員工制定個性化、定制化的安全培訓內容。例如，針對安全防范意識不夠的員工，可從安全防護用品的介紹和使用等方面著手，提高其正確配備、使用安全防護用品的意識；安全培訓方式定制化。針對安全生產的培訓方式，考慮到員工文化層次、年齡差距和工作經歷等多方面的差異，不能采用同一種培訓方式進行員工的安全培訓。因此，可以結合生產作業人員安全信用體系中存在的問題，制定個性化、定制化的培訓方式，以不同員工能夠接受的方式進行培訓。例如，針對安全意識不夠的員工，提供警示教育、事故事件分析等培訓課程，以活生生、血淋淋的案例激發員工安全生產的意識。

電網企業安全信用評價體系可有效運用于電網企業安全信用風險管理工作實踐中，研究成果有助于電網企業生產作業人員安全信用風險辨識難、量化難、控制難等問題的解決，有效提高對生產作業人身安全信用風險的管控能力。