电力设计质量的量化分析初探

2018-06-28丁俊王勇郭锐

机电信息 2018年18期

关键词：设计院数据挖掘质量

丁俊王勇郭锐

（苏州电力设计研究院有限公司，江苏苏州215000）

0 引言

我国《能源发展“十三五”规划》（发改能源〔2016〕2744号）明确指出，要努力构建清洁低碳、安全高效的现代能源体系，这对电力行业的发展提出了新的要求。作为电力行业最主要的基础环节，电力设计决定着整体电力建设的经济性与实用性。

相对于区域院和省级院，地方电力设计院一般具有规模小、资质低（乙级或丙级）、业务地域范围集中等特点，业务主要集中在地方电网的220 kV和110 kV输变电工程、大修技改工程、规模较小的用户工程（线路迁移、业扩报装等）[1]。

相对而言，地方院设计资源的积累较少，设计技术普遍滞后，大多采用通用设计、典型设计等标准化数据库，或者是对大型设计院技术进行消化、吸收和再应用，缺乏独立自主的技术创新。

在当前市场环境下，随着国家能源发展战略的深入调整和电力体制改革的不断深入，电力供需发生较大变化，电力设计行业快速扩张。

在市场容量越来越大的同时，行业垄断逐步被打破，随着业主招投标工作的全面开展，原有的市场边界逐渐模糊，越来越多的外来企业、民营企业跨区域、跨行业进入本地市场，市场竞争趋于白热化，甚至出现了一定程度的无序竞争与压价竞争[2]。

而中小型地方设计院作为长期受垄断保护的企业，面临市场完全开放的情况，将处于不利的市场竞争地位，生存压力较大。从企业角度来看，解决问题的关键在于提升设计院的核心竞争力，而开展专业创新和提升设计质量也将成为中小型地方设计院的发展方向。

1 现阶段电力设计质量管理

在现代电力设计院业务管理中，设计质量管理已经成为企业发展的生命线和管理核心，关系到企业的业务拓展和市场竞争。当前，大多数电力设计院引入ISO9000质量管理体系，以提升设计质量管理水平。

总体而言，质量体系的运行能够规范电力设计院的业务流程，质量提升效果明显。

在设计过程中，不同的设计阶段对应着不同的管控措施。设计前期，设计方案的合理性审查关系到整体性的设计质量，设计人员应结合工程特点，有针对性地开展设计优化和设计创新。

设计中期，设计人员应结合现场实际，严格把关相关经济技术指标，多维度开展设计优化，采用先进的设计技术和新型的设备材料，实现设计巧妙、投资合理、施工便利及运行稳定等目标。

设计后期，图纸的校审工作能够有效避免设计人员主观无法察觉的设计缺陷，形成设计质量的第二道防线[3]。

在设计全业务流程中，各级工作人员职责清晰，设计、校对、复核、审核、批准等各环节紧密相连[3]。

（1）设计人员作为工程项目具体内容和设计质量的第一负责人，在遵循设计大纲和相关规程规范的同时，务必确保计算书准确无误、说明书完整简练、图纸清晰无误，按时优质完成设计成果，并参照校审意见对设计成果进行修改、参与技术资料归档工作。

（2）校对人员应具备专业校审资格，以确保设计依据、理论计算、公式参数等准确无误，设计成果满足合同和相关规程规范的要求，工程布置和结构尺寸合理适当，各专业图纸间良好衔接，文字报告详实通顺，对不符合规定又难以修改的成果，可以通知设计人员返工。

（3）复核人员对设计修改项进行复核。

（4）审核人员在确保设计成果满足合同和相关规程规范要求的同时，应对工程设计、结构形式、技术报告结论等内容负责，同时审议校对人员与设计人员之间的技术争议。

（5）批准人员应对设计成果全面负责，保证设计质量满足客户要求的同时，符合相应规程规范的要求。

当前，在电力设计行业，尤其是在中小型设计院中，规范化的管理和健全化的规章制度仍有缺失，设计人员管理相对混乱，设计管理效率不高，规章制度体系过于流于形式，合理有效的监督机制仍需完善，设计质量受到严重影响。

受设计质量影响，电力行业不时会发生因质量缺陷而引发的安全事故，造成一定的人员伤亡和财产损失。

为了提升设计管理的规范化水平，避免设计缺陷，许多电力设计院逐步开展了贯标工作，引进了ISO9000质量管理等国际标准体系。但是在实际工作中，部分企业存在设计工作和贯标工作相脱节的现象，导致设计质量停滞不前，设计风险水平有所提升[4]。

2 量化分析在电力设计中的应用

现代电力行业中，高质量的设计必须具备合理性、适应性和经济性等特点，结合国际先进的管理经验可以看出，科学智能的管理方法是电力设计质量管理提质增效的有效途径之一。

依托大数据技术，开展基于基础数据的量化分析方法，是探索设计质量科学管理、精益管理的一种新趋势。

作为量化分析的前提条件，基础数据管理应该成为企业工作的核心内容之一，也是企业人工智能化的必经之路。真实有效的基础数据能够反映企业实际经营状况，也能够为企业的业务处理和科学决策提供参考。

在实际工作中，电力设计院专注业务管控的同时，往往忽略基础数据的统计分析工作，数据分析人员配置不足。企业内部数据的收集方式较为单一，多采用业务报表的形式，缺乏对行业信息的收集整理，数据分析以简要的说明分析为主，尚未建立统一的数据库和数据分析平台[5]。

在此背景下，电力设计数据的全面分析难以实现，数据分析的质量难以保障，对电力设计质量科学管理的参考意义不大。

近年来，大数据技术作为前沿的技术领域受到了专家学者的广泛关注。大数据是指通过对大量的种类和来源复杂的数据进行高速地捕捉、发现和分析，用经济的方法提取其价值的技术体系或技术架构[6]。

可以看出，大数据是一个广义的概念，包含了相关数据、数据处理方法、数据分析技术等内容。大数据早期应用于商业金融领域，后来逐渐拓展到能源、交通、服务等领域，电网也是大数据应用的重要领域之一。

在电力设计行业，传统的设计质量管理以定性评价为主，注重经验判断和趋势分析，强调观察、分析、归纳和描述等过程。相比较而言，定量评价以数据为基础，能够用简化的数值对评价对象进行描述和判断，更具有客观标准、精确可靠等特点。在现代电力设计质量管理中，树立数据意识、转变数据理念，将大数据和量化评价相结合，能够为企业管理提供有效的决策依据。

基于大数据的量化评价有别于传统的数据分析方法，传统方法往往采用具有代表性的抽样数据，数据来源仅为一个专业或者一个部门，数据处理方式简单；大数据方法采用详尽的数据，数据越多表明信息量越大，数据来源则是跨专业、跨部门、跨地区等多流程多维度，数据规模大，数据处理技术多样。

结合电力设计工作现状，我们将基于大数据的量化评价分为五个过程：目标设定、数据整理、数据挖掘、结果分析、科学论证。

（1）目标设定是采用结果分析方法，假设问题目标，建立问题清单，提前设想可能出现的应用条件，提出潜在的数据库和数据类型。

（2）数据整理是根据数据特征和潜在条件，提出可能的数据收集和整合方案，建立相应的数据模型，实现数据的融合处理。

（3）数据挖掘是从预设目标和问题清单出发，结合大数据理念和人工智能概念，研究通用的数据挖掘算法和分析方法，提炼出和设计相匹配的挖掘工具。

（4）结果分析是根据数据挖掘的结果开展结论解剖，分析结果可能存在的边界条件和深层次原因。

（5）科学论证是对比预设目标、分析结果和实际工作，验证数据挖掘和结果分析的真实性和有效性[6-7]。

典型的数据挖掘算法如表1所示。