基于大數(shù)據(jù)的重大危險(xiǎn)源監(jiān)測(cè)預(yù)警系統(tǒng)

俞維露

（佳都科技集團(tuán)股份有限公司，廣東 廣州 510000）

0 引言

隨著我國(guó)經(jīng)濟(jì)快速發(fā)展，人民生活質(zhì)量的提高，危化品的使用頻率和數(shù)量不斷增加。城市化工園區(qū)的建設(shè)，生產(chǎn)易燃、易爆、有毒物品等危險(xiǎn)化學(xué)品企業(yè)的增多和聚集，危化品重大危險(xiǎn)源的數(shù)量也顯著提升，安全生產(chǎn)事故特別是因生產(chǎn)、運(yùn)輸、使用和存儲(chǔ)危險(xiǎn)化學(xué)品誘發(fā)的火災(zāi)、爆炸、毒害事故時(shí)有發(fā)生，大大提高了政府對(duì)危化品重大危險(xiǎn)源的管控難度。

近年來(lái)，各級(jí)安監(jiān)部門監(jiān)管力度不斷加強(qiáng)以及生產(chǎn)經(jīng)營(yíng)單位安全意識(shí)的逐步提高，我國(guó)安全生產(chǎn)形勢(shì)保持持續(xù)總體穩(wěn)定態(tài)勢(shì)。但我國(guó)的安全生產(chǎn)形勢(shì)依然嚴(yán)峻。天津港“8·12”瑞海國(guó)際危險(xiǎn)貨物倉(cāng)庫(kù)特別重大火災(zāi)事故、大連中石油國(guó)際儲(chǔ)運(yùn)有限公司“7·16”輸油管道爆炸火災(zāi)事故、南京“7·28”地下丙烯管道泄漏爆炸事故、河北克爾化工有限公司“2·28”爆炸事故、廣東中石化茂名分公司“6·8”儲(chǔ)罐泄露著火事故。

建立基于大數(shù)據(jù)的重大危險(xiǎn)源智能監(jiān)測(cè)預(yù)警系統(tǒng)，增強(qiáng)危險(xiǎn)化學(xué)品安全管控領(lǐng)域的創(chuàng)新能力、提升危險(xiǎn)化學(xué)品全過(guò)程的管控與應(yīng)急水平，建立立體化安全生產(chǎn)風(fēng)險(xiǎn)管控體系，聯(lián)結(jié)危險(xiǎn)化學(xué)品安全管理的全要素、全方位、全過(guò)程，加強(qiáng)對(duì)重大危險(xiǎn)源監(jiān)管的能力，避免或減少安全生產(chǎn)事故，及時(shí)處置突發(fā)性事故以減少事故損失，是努力構(gòu)建社會(huì)主義和諧社會(huì)的具體體現(xiàn)，是推動(dòng)我國(guó)經(jīng)濟(jì)發(fā)展、社會(huì)穩(wěn)定，維護(hù)廣大人民最根本利益的體現(xiàn)[1]。

1 重大危險(xiǎn)源監(jiān)測(cè)

針對(duì)重大危險(xiǎn)源工藝流程及過(guò)程系統(tǒng)進(jìn)行分析，研究分析其火災(zāi)爆炸條件以及泄漏特點(diǎn)，從中選取危險(xiǎn)源評(píng)價(jià)指標(biāo)，如氣體濃度、溫度、壓力、液位等進(jìn)行監(jiān)測(cè)。企業(yè)重大危險(xiǎn)源數(shù)據(jù)采集與監(jiān)測(cè)系統(tǒng)由3 個(gè)層面的應(yīng)用構(gòu)成：前端物聯(lián)網(wǎng)層、云端服務(wù)層和應(yīng)用服務(wù)層。

（1）前端物聯(lián)網(wǎng)層。主要實(shí)現(xiàn)兩方面的功能：①提供傳感器接口，實(shí)現(xiàn)對(duì)傳感器數(shù)據(jù)的讀取。②實(shí)現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)信息上云。這樣就可以實(shí)現(xiàn)各種傳感器數(shù)據(jù)上云的目的。

（2）云端服務(wù)層。云端IOT 服務(wù)主要為各種物聯(lián)網(wǎng)前端提供接入服務(wù)，整個(gè)接入服務(wù)的內(nèi)容包括設(shè)備接入、協(xié)議規(guī)范、設(shè)備管理、設(shè)備維護(hù)、點(diǎn)表工具、數(shù)據(jù)雙向傳輸和數(shù)據(jù)庫(kù)系統(tǒng)，實(shí)現(xiàn)設(shè)備的標(biāo)識(shí)、配置、約定等等，并將其數(shù)據(jù)有規(guī)律的存入數(shù)據(jù)庫(kù)中。

（3）應(yīng)用服務(wù)層。應(yīng)用服務(wù)層實(shí)現(xiàn)傳感器數(shù)據(jù)的應(yīng)用與展示，包括地理信息系統(tǒng)服務(wù)、數(shù)據(jù)采集與監(jiān)測(cè)系統(tǒng)、危險(xiǎn)源分析系統(tǒng)、信息展示系統(tǒng)、物聯(lián)網(wǎng)設(shè)備管理、園區(qū)企業(yè)信息管理以及為信息共享提供的應(yīng)用接口服務(wù)。應(yīng)用服務(wù)層要完成業(yè)務(wù)應(yīng)用的目的，同時(shí)還可以為其他業(yè)務(wù)提供數(shù)據(jù)信息服務(wù)。

系統(tǒng)將采集到的原始數(shù)據(jù)進(jìn)行清洗、分類和聚合。首先，對(duì)原始數(shù)據(jù)進(jìn)行篩選和過(guò)濾，去除不可靠或冗余數(shù)據(jù)，保留具有參考價(jià)值的數(shù)據(jù)。其次，根據(jù)數(shù)據(jù)特征和標(biāo)簽進(jìn)行分類，將數(shù)據(jù)按照危險(xiǎn)源類型進(jìn)行歸類。由于重大危險(xiǎn)源監(jiān)測(cè)預(yù)警系統(tǒng)需要處理大量的數(shù)據(jù)，因此合適的大數(shù)據(jù)存儲(chǔ)和處理技術(shù)是關(guān)鍵[2]。

2 重大危險(xiǎn)源預(yù)警

（1）重大危險(xiǎn)源模型預(yù)警。可以分為風(fēng)險(xiǎn)預(yù)警模型和事故預(yù)警模型兩類。基于風(fēng)險(xiǎn)預(yù)警模型針對(duì)隱患階段進(jìn)行風(fēng)險(xiǎn)識(shí)別。基于大數(shù)據(jù)分析、數(shù)據(jù)可視化及實(shí)時(shí)交互前沿技術(shù)，通過(guò)對(duì)重大危險(xiǎn)源信息、事故信息、監(jiān)測(cè)預(yù)警信息、風(fēng)險(xiǎn)隱患排查信息等海量靜態(tài)數(shù)據(jù)或動(dòng)態(tài)數(shù)據(jù)進(jìn)行分析和挖掘，對(duì)事故風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)預(yù)判，實(shí)現(xiàn)規(guī)律挖掘、圖形化分析、智能預(yù)警等功能。重大危險(xiǎn)源事故預(yù)警模型包括泄露擴(kuò)散事故模式反演模型、火災(zāi)/爆炸事故預(yù)警模型以及重大危險(xiǎn)源、預(yù)警、事故、時(shí)段關(guān)聯(lián)分析模型的實(shí)現(xiàn)。對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行總結(jié)、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢(shì)發(fā)現(xiàn)等挖掘，針對(duì)重大危險(xiǎn)源特征，構(gòu)建出泄漏擴(kuò)散事故模式反演模型及識(shí)別技術(shù)、火災(zāi)/爆炸事故識(shí)別技術(shù)及預(yù)警模型，并開(kāi)發(fā)其算法。

（2）視頻AI 智能分析預(yù)警。通過(guò)建模大量的視頻結(jié)果的模型數(shù)據(jù)，也就是圖片數(shù)據(jù)，這些數(shù)據(jù)已經(jīng)區(qū)分出結(jié)果。將這些樣本輸入給神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)，由此建立起一個(gè)針對(duì)某種行為的AI 視頻分析模型，比如抽煙行為分析的AI 模型，這樣得出的抽煙行為分析模型就可以應(yīng)用到實(shí)際的應(yīng)用場(chǎng)景中。對(duì)于危化品生產(chǎn)企業(yè)，其安全生產(chǎn)過(guò)程管理至關(guān)重要，視頻AI 智能分析提供了有效的手段，視頻分析主要的識(shí)別場(chǎng)景模型包括煙霧識(shí)別、明火識(shí)別、漏油識(shí)別、漏水識(shí)別、安全帽識(shí)別、抽煙識(shí)別、人員闖入識(shí)別、睡崗識(shí)別、離崗識(shí)別等。

3 技術(shù)路線

基于大數(shù)據(jù)的重大危險(xiǎn)源監(jiān)測(cè)預(yù)警系統(tǒng)，研究的主要技術(shù)路線具體如下。

（1）重大危險(xiǎn)源工藝流程及過(guò)程系統(tǒng)分析。通過(guò)實(shí)際現(xiàn)場(chǎng)調(diào)研，對(duì)重大危險(xiǎn)源的工藝特點(diǎn)進(jìn)行分析，利用事故樹(shù)方法，對(duì)重大危險(xiǎn)源火災(zāi)、爆炸、泄漏事故風(fēng)險(xiǎn)進(jìn)行分析。

（2）基于物聯(lián)網(wǎng)的重大危險(xiǎn)源數(shù)據(jù)采集與監(jiān)測(cè)研究。針對(duì)不同的重大危險(xiǎn)源應(yīng)用環(huán)境，采用傳感信號(hào)采集、射頻信號(hào)采集和視頻信號(hào)采集3 種感知方式。

（3）數(shù)據(jù)庫(kù)建立。存儲(chǔ)方式包括分布式文件系統(tǒng)、分布式關(guān)系數(shù)據(jù)庫(kù)、分布式NoSQL 數(shù)據(jù)庫(kù)等，主要用于結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化海量數(shù)據(jù)的存儲(chǔ)和管理。建立危險(xiǎn)源基礎(chǔ)數(shù)據(jù)庫(kù)、GIS 信息數(shù)據(jù)庫(kù)、危險(xiǎn)源動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)庫(kù)、危險(xiǎn)源動(dòng)態(tài)視頻控制數(shù)據(jù)庫(kù)、GPS 信息數(shù)據(jù)庫(kù)、應(yīng)急資源靜態(tài)數(shù)據(jù)庫(kù)、應(yīng)急資源動(dòng)態(tài)數(shù)據(jù)庫(kù)、無(wú)人機(jī)管理數(shù)據(jù)庫(kù)。

（4）實(shí)時(shí)動(dòng)態(tài)的重大危險(xiǎn)源風(fēng)險(xiǎn)預(yù)警研究。建立預(yù)警指標(biāo)體系，通過(guò)風(fēng)險(xiǎn)矩陣方法以及動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建組合式重大危險(xiǎn)源事故風(fēng)險(xiǎn)預(yù)警模型。重大危險(xiǎn)源監(jiān)測(cè)預(yù)警技術(shù)路線如圖1 所示。

圖1 重大危險(xiǎn)源監(jiān)測(cè)預(yù)警技術(shù)路線

4 系統(tǒng)設(shè)計(jì)

重大危險(xiǎn)源監(jiān)測(cè)預(yù)警系統(tǒng)設(shè)計(jì)如圖2 所示，主要包括感知層、網(wǎng)絡(luò)層、服務(wù)支撐層和應(yīng)用層。

圖2 重大危險(xiǎn)源監(jiān)測(cè)預(yù)警系統(tǒng)架構(gòu)

（1）感知層。物聯(lián)網(wǎng)的數(shù)據(jù)采集主要用于實(shí)現(xiàn)對(duì)重大危險(xiǎn)源溫度、壓力、液位、有毒可燃?xì)怏w濃度等安全參數(shù)以及音頻、視頻數(shù)據(jù)的采集。數(shù)據(jù)采集的基礎(chǔ)設(shè)施，主要利用安監(jiān)部門和重大危險(xiǎn)源企業(yè)現(xiàn)有的傳感器、RFID、攝像機(jī)、二維條碼和無(wú)人機(jī)等來(lái)完成。

（2）網(wǎng)絡(luò)層。用戶實(shí)現(xiàn)廣泛的互聯(lián)功能。將分散的感知設(shè)備，通過(guò)M2M、異構(gòu)網(wǎng)、移動(dòng)網(wǎng)、互聯(lián)網(wǎng)、政務(wù)外網(wǎng)、專網(wǎng)等方式，將感知到的重大危險(xiǎn)源監(jiān)測(cè)信息無(wú)障礙、高可靠性、高安全性地傳輸?shù)街卮笪ｋU(xiǎn)源智能監(jiān)測(cè)、預(yù)警、管控及應(yīng)急救援系統(tǒng)中。

（3）服務(wù)支撐層。主要是大數(shù)據(jù)平臺(tái)組成，主要功能包括數(shù)據(jù)的采集、存儲(chǔ)和處理分析。其中數(shù)據(jù)采集實(shí)現(xiàn)對(duì)感知數(shù)據(jù)的抽取/轉(zhuǎn)換/加載。數(shù)據(jù)存儲(chǔ)主要用于結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化海量數(shù)據(jù)（比如危險(xiǎn)源數(shù)據(jù)、事故數(shù)據(jù)、危險(xiǎn)源數(shù)據(jù)、3D GIS 數(shù)據(jù)、北斗數(shù)據(jù)、動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)、動(dòng)態(tài)視頻數(shù)據(jù)、應(yīng)急資源動(dòng)態(tài)數(shù)據(jù)、應(yīng)急資源靜態(tài)數(shù)據(jù)、無(wú)人機(jī)數(shù)據(jù)等）的存儲(chǔ)和管理。數(shù)據(jù)的處理與分析以分布式并行框架和實(shí)時(shí)SQL 引擎為基礎(chǔ)，實(shí)現(xiàn)海量數(shù)據(jù)的深度加工、數(shù)據(jù)挖掘、數(shù)據(jù)建模、數(shù)據(jù)開(kāi)放和數(shù)據(jù)可視化等功能。

（4）應(yīng)用層。主要是基于大數(shù)據(jù)的重大危險(xiǎn)源智能監(jiān)測(cè)、預(yù)警、管控及應(yīng)急救援系統(tǒng)的實(shí)現(xiàn)，包括4 個(gè)子系統(tǒng)，分別是重大危險(xiǎn)源智能監(jiān)測(cè)系統(tǒng)、重大危險(xiǎn)源大數(shù)據(jù)預(yù)警系統(tǒng)、重大危險(xiǎn)源智能管控系統(tǒng)、重大危險(xiǎn)源智能應(yīng)急決策系統(tǒng)[3]。

5 系統(tǒng)主要功能

5.1 重大危險(xiǎn)源智能監(jiān)測(cè)系統(tǒng)

在重大危險(xiǎn)源參數(shù)的動(dòng)態(tài)監(jiān)測(cè)方面，實(shí)現(xiàn)對(duì)重大危險(xiǎn)源企業(yè)溫度、壓力、液位、有毒可燃?xì)怏w濃度等安全參數(shù)的智能監(jiān)測(cè)和預(yù)警聯(lián)動(dòng)。系統(tǒng)提供聯(lián)合三維GIS、工藝流程圖、平面圖、趨勢(shì)圖等方式來(lái)直觀展示實(shí)時(shí)監(jiān)測(cè)信息和監(jiān)測(cè)歷史數(shù)據(jù)的功能，實(shí)現(xiàn)即時(shí)智能聯(lián)動(dòng)報(bào)警，報(bào)警方式包括地圖自動(dòng)定位、周邊視頻的自動(dòng)播放、預(yù)警彈框提醒、預(yù)警短信提醒等。

利用大數(shù)據(jù)平臺(tái)的數(shù)據(jù)處理能力，對(duì)通過(guò)感知層采集和網(wǎng)絡(luò)層傳輸與匯聚的各類重大危險(xiǎn)源相關(guān)的數(shù)據(jù)，利用分布式文件系統(tǒng)存儲(chǔ)海量數(shù)據(jù)，并使用分布式計(jì)算框架（如Spark）進(jìn)行數(shù)據(jù)處理和分析。這些技術(shù)可以提供高容錯(cuò)性、可伸縮性和高性能的數(shù)據(jù)處理能力，滿足系統(tǒng)對(duì)大規(guī)模數(shù)據(jù)的需求。最后，通過(guò)數(shù)據(jù)聚合和統(tǒng)計(jì)分析，得出關(guān)鍵指標(biāo)和模型，用于識(shí)別潛在風(fēng)險(xiǎn)源[4]。

5.2 重大危險(xiǎn)源大數(shù)據(jù)預(yù)警系統(tǒng)

基于風(fēng)險(xiǎn)預(yù)警模型，針對(duì)隱患階段就進(jìn)行風(fēng)險(xiǎn)識(shí)別，通過(guò)選取危險(xiǎn)化學(xué)品重大危險(xiǎn)源分級(jí)來(lái)表征企業(yè)的固有危險(xiǎn)性，同時(shí)結(jié)合選取罐區(qū)的工藝控制指標(biāo)、泄漏報(bào)警指標(biāo)來(lái)表征罐區(qū)的動(dòng)態(tài)風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)作業(yè)情況、試生產(chǎn)狀態(tài)、開(kāi)停車狀態(tài)等來(lái)表征企業(yè)安全管理風(fēng)險(xiǎn)等影響因素，采用專家評(píng)分歸一法進(jìn)行計(jì)算，得出重大危險(xiǎn)源的預(yù)警值，提示相應(yīng)的風(fēng)險(xiǎn)等級(jí)，并提供給業(yè)務(wù)應(yīng)用展示，起到對(duì)重大危險(xiǎn)源的監(jiān)測(cè)預(yù)警作用。

同時(shí)，建立了重大危險(xiǎn)源事故模型預(yù)警系統(tǒng)，包括泄露擴(kuò)散事故模式反演模型、火災(zāi)/爆炸事故預(yù)警模型，可實(shí)現(xiàn)重大危險(xiǎn)源預(yù)警、事故、時(shí)段關(guān)聯(lián)分析，具備泄露擴(kuò)散事故模式反演功能、火災(zāi)/爆炸事故預(yù)警分析功能、事故規(guī)律大數(shù)據(jù)預(yù)警分析功能，實(shí)現(xiàn)重大危險(xiǎn)源事故識(shí)別及預(yù)警[5]。

6 結(jié)語(yǔ)

通過(guò)對(duì)危化品企業(yè)重大危險(xiǎn)源的分析，基于物聯(lián)網(wǎng)技術(shù)采集了氣體濃度、溫度、壓力、液位、RFID 標(biāo)簽信息、監(jiān)控視頻等實(shí)時(shí)數(shù)據(jù)，建立動(dòng)態(tài)監(jiān)測(cè)大數(shù)據(jù)庫(kù)，綜合企業(yè)管理因素，建立了基于風(fēng)險(xiǎn)的預(yù)警模型，可及時(shí)對(duì)重大危險(xiǎn)源預(yù)警。同時(shí)，通過(guò)建立的泄露擴(kuò)散事故模式反演模型、火災(zāi)/爆炸事故預(yù)警模型，可預(yù)警重大危險(xiǎn)源事故類型和后果，為化工園區(qū)和危化品企業(yè)，實(shí)現(xiàn)對(duì)重大危險(xiǎn)的智能監(jiān)測(cè)、預(yù)警、管控及應(yīng)急救援提供了科學(xué)依據(jù)。