基于智能终端的电力安全行为评估

王广文，赵志宏，金 力

(1.国网山西省电力公司运城供电公司，山西 运城 044000；2.上海交通大学电子信息与电气工程学院，上海 200240)

0 引言

随着电网结构的多元化，区域互联更加紧密，一旦发生大面积停电，将造成更为严重的损失和影响。根据2000 年以来的统计分析，停电事故中有70 %～80 %是因操作人员的不安全行为所致。人为的不安全行为因素已经成为影响电力系统供电可靠性的风险源之一，因此，有必要对电力工作人员的不安全行为进行评估与管理。

在传统电力系统领域，电网公司主要通过制定安规、提供安全培训、建立安全考察机制来预防工作人员的不安全行为。这些措施主观性强，缺乏对行为影响因素的关联性考虑，未深入研究机理。

国网山西省电力公司通过“基于电力安全行为评估及交互式应急情景构建的电力智慧安全体系研究”项目，基于核电厂SPAR-H 标准方法，从认知心理学的S-O-R (刺激-组织-反应)理论对人因失误模式进行划分，并针对智能化电网中安全管控智能终端的特征，对行为形成因子(performance shaping factors, PSF)的确立标准进行适应性改变，形成适用于当代智能化电网的SPAR-H 改进方法。针对传统SPAR-H 方法忽略各项PSF 因子之间的相关性而导致结果不够准确的问题，采用解释结构模型(interpretive structure model，ISM)和专家评估打分法，对PSF 因子之间的影响进行直观评估，通过安全行为评估量化分析，为电力系统安全指引提供理论指导。

1 SPAR-H 方法

根据人的S-O-R 认知行为模型，人的心理要素是所有行为的基础，包括从刺激输入的感知、接受刺激以后的组织调解以及最后面对刺激的输出反应的整个过程，即人机系统中人与机器的交互过程。该过程将人的所有行为看作这三种要素的集合，复杂的行为可以被认为是S-O-R 的交织，表1 列出了S-O-R 的归类及部分具体行为，其中任何一个环节都有可能发生失误情况。

表1 S-O-R 的归类及部分具体行为

SPAR-H 方法是当前工程应用中被广泛认可的人因可靠性分析方法(human reliability analysis, HRA)，常被用于数字化核电厂的人因风险分析。相较于完整的人类S-O-R 认知行为模型，SPAR-H 方法将人类认知行为过程简化为为诊断部分和执行部分。

(1) 诊断部分。由工作人员根据自身具备的知识和经验来理解当前系统的现有条件及运行状态，并据此制定合适的计划方案。

(2) 执行部分。由工作人员根据对应的规程计划、操作票等指示内容，对站内设备进行操作指令。

对于诊断和执行两部分，SPAR-H 通常考虑可用时间、压力、复杂度、培训水平、规程、人机接口、工作适应性、工序等8 种行为形成因子，并通过权重计算的办法，得出PSF 的量化指标，即人因失误概率(human error probability, HEP)。

其中，BHEP是基本的人因失误概率，PSFi是第i个PSF的指标。根据文献[2]中的人因手册，BHEP的取值根据不同的任务类型而定，诊断部分主要衡量观察/感知失误和理解/决策失误情况，BHEP值取0.01；执行部分则衡量动作失误情况，BHEP值取0.001。

2 数智化电网PSF 水平的确定

2.1 电网数智化对工作人员的影响

2020 年，国网推出了数智化安全管控智能终端的整体方案，该方案主要将模块划分为主体、范围、对象和工具四大部分，人员的安全行为属于主体范畴，具有最高的属性指标。电网的数字化与智能化在实现工作效率与准确率提升的同时，也给操作人员带来了一定的影响。

(1) 智能化发展与人员知识水平不匹配。设备智能化水平提高，带来人机交互界面的复杂化，一方面增加了工作人员的认知成本与操作负荷，以及因知识储备不够、培训不到位而发生人因失误的情况；另一方面智能化的设备系统能够自动处理来自传感器的相关数据，但工作人员无法从后台对相应的情况与数据进行准确判断与审核，从而形成数智化的电网形态与工作人员知识水平不匹配的矛盾。

(2) 学习培训致误传情况增加。随着电网向数智化方向发展，更多新的信息模式与数据内容需要被传递和分享，需要在不断的学习与培训中获取对应的知识，也因此增加了工作人员在传递交流知识时出现误传的失误概率。

(3) 工作流程精细化致操作性失误增加。工作流程的精细化所带来的复杂性，导致工作人员在操作过程中发生遗漏类失误和执行性失误的比例上升，信息无法全面传递以及操作对象混淆是导致人因失误比例增高的重要因素。

（4）对人才技能的要求更高。自动化仪器设备取代了一部分人工工作，对人才的需求提出了更高要求，形成了更高的工作与就业压力。工作人员在压力下需要分出更多时间学习新的技能以防止被时代淘汰，从心理层面造成人因失误情况增加。

2.2 电网PSF 水平标准的确定

PSF 是工作环境对人类行为产生影响的因素，包括正面影响和负面影响。常用的8 项PSF 因子简单分类如下。

(1) 可用时间、压力、复杂度。这3 项PSF 因子体现的是任务本身的属性对人因失误发生概率的影响，根据工作人员承接的任务不同有较大的差异。

(2) 培训水平、规程、人机接口、工作适应性、工序。这5 项PSF 因子体现的是人及公司本身属性对人因失误发生概率的影响，其差异性体现在人的素质培养、设备的种类、先进程度，以及公司制定的相关规章制度、工作流程等。

在传统电网下，人机接口的自动化程度不高，界面设计简单明了，无需太多专业培训便可熟练掌握。而数智化电网下，设备日益高级对工作人员提出了更高的知识储备要求。因此，评估条件需结合当前电网和电网工作人员的实际进行确定。

2.2.1 任务属性PSF 水平确定标准

任务属性相关的PSF 因子包括可用时间、压力和复杂度，其定义属性及参考值见表2。

表2 任务属性相关的PSF 因子

(1) 可用时间。指电网公司发布的项目或工程截止时间、工作人员处理电网异常情况的规定处置时间等，通常与任务本身的属性相关，需要结合具体工程和任务情况进行分析。

(2) 压力。指对于工作人员准确完成任务形成阻碍的相关条件。在电网工作中，比较危险的带电作业、比较紧急的保电工作等，都会从生理到心理对员工的工作效率产生压力。

(3) 复杂度。指任务复杂程度，电网工作中主要与工作对象的数量、操作流程的多少等有关。

2.2.2 数智化电网的PSF 水平确定标准

针对数智化电网特征，有特定变化的PSF 因子包括培训水平、规程、人机接口、工作适应性和工序，其特征及标准参考值情况见表3。

表3 数智化电网特征的PSF 因子

(1) 工作适应性。主要体现工作人员的本身属性，从自身所具备的工作经验、学习能力(以学历为直观参考)等方面进行衡量，个人的工作状态是最重要的个人属性。

(2) 培训水平。每名工作人员在入职后都会经过专业培训才能掌握工作要点和工作注意事项，但人类遗忘曲线的研究表明，时刻复习稳固才能够记忆深刻，因此，定期举办安全培训可作为提高工作人员自我安全思想的重要办法。

(3) 规程。指在工作过程中由电网公司提供的正确的操作程序，旨在让工作人员能够正确地执行，以增加任务完成的可靠性。

(4) 人机接口。涉及数据显示与人工控制模块。在数智化电网中，仪器设备智能化程度更高，需要人工控制的模块更少，但设备控制所需的知识储备要求却更高。

(5) 工序。指工作的各个方面，包括组织策划、安全文化、工作成员之间的沟通协调等各个环节。

3 SPAR-H 方法优化

SPAR-H 方法考量了8 个PSF 因子对人因失误的影响，并且计算量化的过程较为简单，容易被工作人员接受，在指导人因失误率分析中提供了较大的帮助。但在SPAR-H 量化分析中，忽略了PSF 因子之间的相关性，而实际工程中各个PSF因子之间或多或少存在一定的关联。在系统工程学中，通常采用结构模型将系统分割成若干个子系统，并通过集合、图、矩阵等工具为各个子系统之间的关联性研究提供形式化表达手段。因此采用最常用的ISM 方法，对PSF 因子之间的相关性进行定量研究，以弥补SPAR-H 量化分析的不足，提高SPAR-H 方法在HEP 应用方面的准确性。

ISM 方法需要首先确定影响因素，然后依次进行因素关联性分析、建立可达性矩阵并进行矩阵层次化处理，最后建立ISM 模型。

(1) 确立影响因素。本次构建的ISM 模型中，影响因素确定为上述8 个PSF 因子。

(2) 因素关联性分析。对上述8 个因子之间的相关性进行分析，寻找各因子之间的二元关系，形成系统邻接矩阵A。各个因子的关联性aij由电网公司组织专家进行评估，其中ei为第i个影响因素。

对于以上罗列的8 个PSF 因子，根据专家评判可以获得以下系统邻接矩阵：

(3) 建立可达性矩阵M，对于由n个单元组成的系统S=｛e1，e1，…，en｝的关系图，定义元素Mij组成的矩阵M为系统S的关系图的可达性矩阵。可达性矩阵显示了系统各个单元之间是否存在可达路径的情况。

可达性矩阵M的计算方法为布尔矩阵算法，即将邻接矩阵A加上单位矩阵I，然后通过布尔代数规则进行乘方运算，直到两个相邻幂次方的矩阵相等为止，其中幂次最低的矩阵即为可达性矩阵M。

布尔计算公式：

通过MATLAB 平台完成矩阵布尔运算，获得可达性矩阵为：

(4) 建立ISM 模型。分解可达性矩阵M的结果，获得可达集合R(Si)、先行集合Q(Si)及其交集R(Si)∩Q(Si)，能够更直观地体现出各个PSF 因子之间的联系(见表4)。

表4 可达性矩阵分解结果

4 SPAR-H 方法应用

以华东某地区电网调度控制室的安全管控数据为研究对象，对调度任务中的人因失误风险情况进行分析。以问卷调查与历年的事故统计单作为数据支撑，其中问卷调查作为3 项任务属性PSF 因子的评判参考，并据此对电网调度控制室的工作开展剩余5 项PSF 因子的评估。

根据历年事故统计单数据，电网调度控制室的各项人因失误诱发因素的占比情况如下。

(1) 违反规程操作占10 %。

(2) 感知与警觉性不足占24 %。

(3) 工作记忆出现偏差占14 %。

(4) 决策判断失误占33 %。

(5) 响应执行错误占19 %。

将上述人因失误诱导因素按照SPAR-H 方法的8 个PSF 因子进行重新分类，可获得调度工作人员的人因失误PSF 因子统计情况，如图1 所示。

图1 事故中人因失误PSF 因子统计

从图1 可知，工作人员发生人因失误的主要诱导因素为人机接口(23.07 %)、压力(17.95 %)、规程(17.95 %)和可用时间(15.38 %)。由于电网智能化水平的提高，人机界面逐渐变得复杂，提供的信息量更多、更难以区分，增大了调度员的工作难度与失误概率。随着电网建设的不断加快，工作任务更加繁重，给工作人员带来了相当大的工作压力。规程要求操作票系统与日志记录等往往出现缺漏或不统一的情况，以致工作人员无法进行有效的信息获取与分析，从而出现决策判断失误等情况。

通过问卷调查，对调度控制室的工作人员和专家的日常工作进行调研，对PSF因子进行评估打分，任务属性相关的3 项PSF 因子取值情况见表5。

表5 3 项任务中PSF 因子取值

通过计算可知表中3 项任务的HEP 值分别为2.16 % (任 务1)，0.36 % (任 务2)，14.4 % (任 务3)。根据对调研任务的PSF 因子与HEP 值的分析，发现当可用时间这一PSF 因子受到的限制较大时，会对整个人因失误发生率产生较大的影响，因此建议在任务计划安排时，尽量给予较为充分的准备时间，至少是实际完成时间的1 ～2 倍甚至以上；同时建议完善操作规程，避免因规程不明确而产生操作失误。

5 结束语

在核电厂的SPAR-H 方法基础上，结合智能化电网的显著特征，提出针对8 项PSF 因子的确定标准的优化方法，使该方法能够适用于电网工作人员的人因可靠性评估；同时针对SPAR-H 方法中未全面考虑PSF 因子之间相关性的问题，采用系统工程学的ISM 模型分析，结合专家评估，理清PSF 因子之间的相互联系，从而为改善系统工作人员的安全规范行为提供更加精准的指导意见。

鉴于本次调研条件有限，仅对电网调度控制室工作开展了问卷调查和专家评估，相信通过未来更多案例实践能够进一步论证该方法的有效性。