電力系統安全評價管理指標及智能安全管控系統設計探究

雷曉斌 LEI Xiao-bin；韓勇 HAN Yong

（五凌電力有限公司，長沙 410000）

0 引言

研究人員基于“系統化”、“標準化”、“規范化”原則，針對電力系統運行特點，構建QHSE 監督管理信息系統，實現電力系統監督系統的信息化升級。具體實踐中，研究人員對電力系統安全性評價指標進行深入分析，利用層次分析法確定每一項指標的權重，創建安全管理總體評價指標，基于該指標實現QHSE 監管系統與電廠各個運行模塊的有效融合。

1 電力系統安全評價管理指標的建立

1.1 安全性評價指標分析

1.1.1 事故指標 該指標是根據電力系統在一定時間內經常發生的事故次數，來評價系統安全狀況的一種方式。電力系統安全狀況可以通過各種方法進行評估，例如產業、事故類型、傷亡人數、經濟損失等，綜合多種評估指標判斷電力系統是否安全。這些指標都是從安全角度出發的，但是某一項單獨的指標往往不能全面反映電力系統安全水平以及潛在危險性。由于一些電力系統事故具有偶然性，因此單獨使用事故指標，無法反映電力系統的弱點，導致很多潛在的安全隱患長期存在。

1.1.2 過程指標 過程指標又可稱之為隱患指標，其主要特點是對系統、設備、人工、環境等因素進行系統性評估。通常情況下，過程指標不需要考慮系統是否存在安全隱患，只要考慮組成該系統的各種因素，以及各因素間的關系是否符合安全性要求，并將其作為衡量系統整體安全狀況的基礎。由于該指標具有較強的模糊性和隨機性，因此其應用范圍十分廣泛[1]。基于過程指標評估電力系統的安全性，能夠全面、系統地找出電力系統潛在的危險隱患，對大型系統進行安全評價具有一定的適用性。因此，在本次研究中，相關工作人員針對發電廠電力系統安全評估問題，引入過程指標，利用過程指標實現對于發電廠電力系統安全風險的有效監督與管控。

1.2 層次分析法

層次分析法的作用是對目標問題進行細化拆解，將龐大的問題拆分為若干個子問題。在此基礎上，根據各個子問題之間的關聯以及重要程度，按照一定的屬性將子問題劃歸至不同的組別，通過這種方式形成由多個層次組別共同組成的問題分析路徑。該模式下，處于相同層級與組別的元素擁有相同的運行準則，并與下一層元素形成“支配-被支配”關系，同時還會受到上層元素的影響，進而形成具有依次遞進關系的支配體系[2]。從微觀層面來看，該框架中最上層是總分析目標，中間層則為準則層，而基層就是具體的行動方案。

1.3 電力系統安全管理總體評價指標

基于層次分析法構建發電廠電力系統安全監督管理體系，通過這種方式將復雜的電力系統安全管理問題逐層分解。本次研究中，相關工作人員將發電廠電力系統安全評估管理體系分解為三個層次。①目標層。通過分析電力系統以往故障，研究人員將故障原因分為“人工”、“設備”、“管理”、“文化”、“環境”五個主要元素，并針對每一個目標問題進行細化分解。②準則層。該層屬于判斷電力系統安全影響因素的一級指標，基于電力系統安全事故原因，將其分為“人為因素”、“管理因素”、“環境”因素等。③方案層。該層級為具體操作單元，根據一級指標類型，對安全事故因素進行細化分解。例如在分析“人為因素”一級指標時，對該指標進行細化分析，形成“領導因素”、“基層員工因素”、“第三方因素”、“管理人員因素”等二級指標。基于層次分析結構，對發電廠電力系統事故原因進行拆分，為QHSE 監管信息系統的設計與應用提供理論框架。

1.4 電力系統安全管理綜合評價

基于層次分析法，研究人員嘗試建立獨自構造矩陣，根據專家的工作經驗以及反復的實驗論證，分析各種影響因素之間的重要程度關系，并對每一項影響因素進行賦值。完成賦值之后，對每一個因素所對應的判斷矩陣進行平均化處理，最終得到判斷矩陣A。

公式（1）中，i 與j 均為影響電力系統安全的某種要素，若想要矩陣A 成立，需要滿足三個條件：①aij＞0，②aii=1，③

基于矩陣A，研究人員可以直觀比較各種因素的權重高低，并對該矩陣中的每一個數列進行正規化處理。

對所有元素進行正規化處理之后，對矩陣每一行相加匯總：

最后得出該指標權重影響向量wi并計算該矩陣最大特征值：

基于矩陣中每一項元素的最大特征值，對權重影響向量進行一致性檢測，通過計算得到最終結果。

2 QHSE 監管信息系統設計方案

2.1 QHSE 監管信息系統底層技術

研究人員通過對電力企業信息化建設中存在的問題進行深入分析，嘗試構建一套以信息技術為支撐，全面覆蓋企業所有生產環節的安全管理系統。該系統以J2EE 架構為基礎，在該框架內集成了先進的安全防范和應急處理技術[3]。該框架全面支持Enterprise JavaBeans 標準，將分布式系統架構中的組件封裝成一組相互獨立的構件，并在這些構件之間建立松耦合關系。該系統不僅能夠令發電廠管理者建立并維護電力系統安全監管系統，還能令用戶使用靈活而易于擴展的方法，構建適合于自身需求的分布式系統（如圖1 所示）。

圖1 基于J2EE 平臺QHSE 監管信息系統框架

2.2 統一平臺引擎方案

2.2.1 門戶管理平臺權限體系設計 從總體上看，維護權限與使用權限是完全獨立的，確保系統維護人員在其合理權限內履行維護職責；底層數據庫則是企業信息系統中最重要的基礎數據，不論維護權限還是使用權限，均由組織人員、管理人員等多個權限部門給予。

在維護權限方面，每一個門戶都要求具有單獨的維護權限，不同門戶可交給不同職權的工作人員負責維護，并且門戶中不同的Portlet 也可以由不同人員進行維護，為確保各單元模塊均有相應負責人進行維護，通過這種方式降低系統管理員負擔，確保展示內容準確。

在使用權限方面，每一個門戶擁有單獨的共享權限，不同門戶可以根據部門需求設置不同資源共享邊界，不同的Portlet 由不同的人員進行查看，在相同的Portlet 里，不同組織角色的人所見到的東西也各不相同[4]。

2.2.2 事件集成與消息服務 在Portal 中，消息與事件集成服務的主要功能是對企業業務事件生成、轉化、發布等操作進行管控。事件響應體系通過提供靈活而有效的系統架構，支持復雜且動態的應用部署。事件觸發系統的架構主要負責高伸縮性的成功提交、預測用戶負載等問題的處理，而事件集成系統的建設，令該系統實現了對不同類型應用進行靈活定制的能力。此外，該系統還內置了一個可配置的事件觸發體系，通過該體系實現對不同系統間數據交互過程的監督與管理。同時，系統消息可以由外部應用程序或系統直接從數據庫中提取并保存，確保各業務單位及IT 組織能夠將新信息整合成自己想要的專用信息系統。

2.2.3 統一工作流引擎 實現各種企業資源（事件、應用和數據）的整合，并不能完全實現對于電力系統的安全管控，其原因在于企業中所有信息都是由不同的系統產生并存儲在相同的存儲器中。集成的數據在與企業其他信息組合之前，未表現出其特點。因此，研究人員嘗試通過統一工作流引擎的方式解決這一問題。本次研究中，工作人員引入Portal 系統，為處理工作流提供強大而靈活的引擎，將正確的數據與業務流程恰當地整合到一起[5]。確保QHSE 門戶使用統一的工作流引擎來處理流程，該工作流處理引擎能夠訪問門戶可使用的任何應用程序和數據資源，豐富管理信息。

3 QHSE 監管信息系統實際應用

3.1 項目簡介

黔東火電廠位于貴州省黔東南州鎮遠縣，該發電廠一期工程建設了兩座600MW 亞臨界值汽輪發電機，并引入德國LEE 脫硫技術建設煙氣脫硫裝置。研究人員結合黔東火電廠安全生產任務細節，嘗試利用QHSE 監管信息系統對該企業安全生產中出現的各類不安全因素進行有效處理。基于物聯網以及云計算平臺，實現對于電力系統運行安全的實時監督與管控。本次研究中，工作人員主要利用QHSE 監管信息系統，為黔東火電廠建設物聯感知前端系統以及智能數據平臺。

3.2 物聯感知前端系統設計

3.2.1 廠區車輛超速系統 研究人員在黔東火電廠的廠區安裝了一套超速行為控制裝置，并搭配使用雷達視頻一體機裝置。電廠內車輛限速為20km/h，禁止使用燃油助力車、摩托車等非公路機動車從事運輸業務，車輛正常運行時不允許超車。電廠卡口測速系統在雷達視頻一體機輔助下，完成對廠區主干道上出入車輛車牌、車標、車身顏色和其他結構化數據的抓拍以及雷達測速，解決了工作人員在海量視頻面前尋找目標速度慢的問題。為進一步提升測速效率，工作人員為物聯系統設計了雙基色LED 顯示屏，先顯示超速等車輛通行速度，再顯示出超速字樣，并向數據中心發送報警信息并自動記錄。

3.2.2 明火監測 本次設計中，研究人員使用熱成像在線測溫技術，通過非接觸的方式實現了對于電廠運行設備以及電力系統運行狀態的實時監測，一旦某組件出現過熱現象或者溫度的異常變化，該系統會立刻鎖定故障位置并發出警報。此項技術主要用于電纜夾層測溫、燃燒平臺測溫以及溫度超限監測等方面。為提高明火監測系統的靈敏性，研究人員將傳統的熱感監測攝像頭替換為熱像儀，該設備不僅具有熱成像功能，還配備了一般攝像裝置的光學鏡頭以及圖像處理模塊，通過這種方式實現對于重點監測對象表面溫度的實時探測與成像。

3.3 電廠層智能數據平臺設計

3.3.1 軟件設計 系統管理方面，該軟件支持廠區內車輛、員工、組織、認證等系統的配置與管理。將事件聯動、門禁管理、緊急報警、圖像監控等系統匯集于電廠層智能數據平臺之中。其中，視頻監控系統包括在線監測以及設備在線測溫兩個部分。前者主要負責對廠區內重要區域，以及電氣設備進行在線測溫與狀態監控；后者主要任務是分析各組件溫度趨勢，以及接收、上報溫度異常數據。

3.3.2 硬件配置 該系統CPU 采用Intel 至強系列處理器，主頻≥2.2GHz，配備PCIE 拓展卡槽以及兩個千兆網絡端口。在數據存儲方面，研究人員先計算單位時間內所有路數儲存總空間，將總路數與每條線路數據理由大小相乘，將結果與總儲存時間相乘，即可以推算出在系統儲存總空間容量。其計算公式為：單路視頻數據實時儲存容量（GB）=[視頻碼流大小（Mb）×60s×60min×24h×儲存天數/8]/1024。

若采用H.264 算法對單路視頻數據進行編碼，依據D1/720p、1080p 三種分辨率，分別計算其儲存容量（詳見表1）。

表1 存儲空間需求表

3.3.3 智能視頻分析 本次研究中，工作人員使用Faster RCNN 模型，用核心主體的方式搭建系統，該模型使用兩階段架構分析視頻并提取視頻特征，網絡層采用ROI池化處理，將不同尺寸輸入圖像數據映射為固定尺度特征向量。在提取特征時，利用了卷積神經網絡技術，在ROI池化層將各候選區域劃分為M×N 個區塊，給每一塊進行max pooling 轉化。若沒有發現合適的對象，則返回該位置重新劃分網格，直到有足夠多的合適對象出現為止。在此基礎上，將特征圖中大、小候選區域變成大、小統一數據輸入下層。當輸入的圖片大小不一時，系統也能得到尺寸相同的feature map。

4 結語

QHSE 智能監管系統作為一套完整的企業智能監管系統，在處理發電廠電力系統安全問題方面發揮了重要作用。研究人員基于電力系統安全評價管理指標，實現QHSE 智能監管系統與發電廠電力系統的有效融合，圍繞J2EE 平臺搭建QHSE 監管信息系統框架，并設計統一平臺引擎方案，通過這種方式實現對于發電廠電力系統組件運行狀態的實時監測，提高廠區內明火監測效率，為保障發電廠電力系統安全運行提供技術支持。