基于电网企业安全监督的大数据分析

黄 涛，余先敏

（中国南方电网有限责任公司 超高压输电公司曲靖局，云南 曲靖 655000）

0 引言

当前，电网企业正加强推进数字化转型，通过引入大数据、“互联网+”、人工智能等新兴技术，有效提升企业安全生产管理水平。社会经济的快速发展离不开电力安全，因此电网企业的安全监督愈发重要，但是传统的安全监督模式在数字经济时代显得单薄，无法发现一些现象背后的深层次问题[1]。随着电网企业信息化建设的推进，虽然企业积累了大量的安全生产业务数据和安全检查、安全监督数据，但是对数据资源的使用仍停留在简单统计和查询层面，缺乏对数据的挖掘，安全生产数据资源开发利用不足，使得这些数据资源不能成为企业重要的战略资源，因此开发利用这些数据资源的能力亟待提高。

如今，大数据分析呈现蓬勃发展趋势，通过运用大数据分析技术，挖掘企业数据资源提高其价值，成为推动企业管理水平的有力武器。利用大数据可视化分析技术实现对安全监督数据的分析与挖掘，提高安全监督数据的利用价值和安全监督的分析能力。

信息化、数据化时代，随着电力行业快速发展，过去电力数据简单统计和分析方法已无法适应新时代要求，从电力安全监督管理要求及技术水平成果所能提供的服务来看，电力安全监督数据的思维模式和方式方法可以结合大数据可视化技术进行更新和优化，确保电力安全生产。目前，大数据可视化技术应用于多个行业及领域，这也为电力行业的尝试提供了可借鉴的经验[2]。作业安全监督的大数据分析已经成为电网行业日常设备运维、检修、现场作业监督、督查问题及违章行为分析和智能分析决策的重要基石。

1 电网企业安全监督大数据分析方法

电网企业安全生产风险管控是电网企业核心的安全生产活动，其中作业风险管控涉及人身安全、设备安全、电网安全和社会影响，因此安全监管部门对作业风险管控尤为重视。作业风险管控包括作业计划、作业风险评估、作业准备、作业实施、作业监督和作业总结改进的业务过程，产生了众多生产数据资源。从安全监督角度，对与作业风险管控相关的安全监督数据资源进行大数据分析，研究作业风险管控安全监督问题模型，提高安全监督的分析能力。

安全监督数据融合生产业务数据和安全监督数据。其中，生产业务数据包括作业计划管理、两票管理、工器具管理、生产人员资质、安规考试成绩、作业前准备的作业风险评估、工作方案、现场勘察，以及作业过程的班前后会、安全技术交底、安全交代等；安全监督数据包括安全监督组织人员名册、工作负责人和监护人等资格，以及开展监督的计划、作业监督过程发现的问题和违章行为记录等。

电网企业安全监督大数据是基于电网企业安全生产管理信息系统的业务模块产生的数据进行监督，包括人员资质、安规考试、“两票”、工作方案、安全措施、作业计划、作业标准、工器具等方面的监督。开展安全监督的大数据分析，首先要明确数据分析的目的，其次是梳理分析的逻辑，最后才是利用大数据分析技术建模、可视化和进行分析研究。结合安全监督的职责，安全监督大数据分析目的有两个：一是辅助开展安全监督管理，即辅助发现安全生产业务中违反安全规程的行为，比如人员资质不足，安规考试成绩不达标，工作票填写时间不规范、票上填写的工作负责人并不在企业发布的工作负责人名单里等；二是针对监督发现的问题进行分析统计，发现规律并找到原因。

一般来说，人们研究问题的逻辑往往是从现象深入本质，即遵循问题现象、发现规律、规律背后原因和挖掘本质根源这一研究路径，因此在开展大数据分析时应利用大数据分析的各种技术，沿着这一路径逐渐深入，由表及里地逐级分析，从而揭示现象背后的本质，并在分析过程中发现问题和影响因素，从而制定相应的改进措施[3]。

因此，结合数据分析方法与问题研究的逻辑路径，针对不同阶段采取不同的数据分析方法是最佳选择。针对安全监督数据，使用传统统计方法即可发现存在的问题现象，揭示出一个问题重复出现的次数，或者通过对比发现某个班组出现这一问题的现象频次较多等。因此，问题现象只需要使用统计、对比、趋势等统计分析方法就能反映问题。发现问题规律则需要扩大数据利用范围，然后利用大数据相关性分析找出与之相关的一些因素。可利用数据可视化技术，通过图形方式揭示和传达出与图形相关联的数据隐藏的规律及原因。而规律背后的原因和根源的挖掘，需要结合安全行为理论、安全心理学、安全风险管理等安全理论去建立数据分析因素模型，找到相关分析维度，然后融合业务数据和安全监督数据，建立数据挖掘算法。

数据挖掘算法是通过创建数据挖掘模型，对数据进行试探和计算的一种数据分析手段，它是大数据分析的理论核心。数据挖掘算法多种多样，不同算法会呈现不同的数据特点。通常，创建模型的过程却是相似的，即首先分析用户提供的数据，然后针对特定类型的模式和趋势进行查找，通过分析结果定义创建挖掘模型的最佳参数，并将这些参数应用于整个数据集，提取可行模式和详细地统计信息，最后挖掘出哪一类参数数据影响最大，揭示其影响程度。

电力安全监督大数据可视化分析方法通过以下流程实现：首先，针对多渠道、多类型的安全监督业务数据需要，利用数据分析技术进行整体分析，建立分析模型，结合业务需求厘清逻辑脉络，包括结合安全规程要求对数据信息进行对比判断是否有违规，继而对数据分析的流程和数据源进行可视化设计。其次，整合分析结果，利用数据可视化平台将数据建模，定义数据抽取规则。最后，借助可视化平台报告或数据大屏的可视化建模工具，通过简单的拖拽方式，快速完成报表的制作或调整，实现自助式分析。电力安全监督大数据分析有力提高了企业安全监督管理的效率，快速发现问题和分析问题，提高企业安全管理水平。

2 建立数据可视化分析系统

通过上述逻辑分析和建立影响因素模型之后，考虑如何将安全生产业务数据和安全监督数据进行融合，打破系统之间的壁垒。利用数智彩虹可视化平台，建立多个数据源，利用该平台数据模型功能建立数据分析模型，比如“两票”监督模型、作业计划监督模型、督查问题分析模型、违章行为分析模型等。

同时，模型还固化了安全数据的监查比对规则，通过开发比对程序组件对存在填写差错的记录进行标志，再通过可视化图表展示，提高安全监督效率。例如，“两票”填写规范性监督，我们固化了操作票时间逻辑判断、工作票时间逻辑判断（如许可人措施终结时间小于汇报调度时间、安全交代信息录入不及时判断）、工作负责人姓名和电话号码等信息判断、工作票安全措施与操作票对应判断、工作票施工单位填写不规范判断等比对规则。运行模型比对规则后自动识别并用颜色标志出不合规范的工作票和操作票。

借助数值彩虹平台可视化图表开发工具，可以快速实现分析模型的数据可视化。在其可视化报告和数据大屏建模中，可以自由灵活地对多张图表进行组合布局，形成常见的直方图、饼图、折线图图表，还可以形成雷达图、桑吉图、旭日图、热力地图等高级图表，进而透过图表分析数据背后揭示的内涵。通过在平台上制作数据模型调取各业务系统的数据，彻底打破系统之间的壁垒。通过数据清洗建模，形成分析视图，采用可视化主题看板实现数据分析，并利用移动办公elink平台使其可在手机上展示，做到系统数据随时要、随时取，安全监督时效性得到保证。

3 安全监督数据可视化分析系统的应用

3.1 “两票”可视化监督

安全监督数据可视化系统建立了“两票”分析模型，实现对电网作业第一、第二种工作票和操作票进行规范监督。

“两票”（工作票、操作票）是允许在作业点上工作的书面命令，也是明确安全责任和范围、实施安全措施的重要依据。“两票”填写是否正确，地点、内容和安全措施是否具体，有无缺项，直接关系到“两票”的质量，“两票”的正确实施也是规避事故的重要保障。

“两票”分析模型实现了对“两票”填写规范性、完整性中常见问题进行监督，具体包括工作票日期和时间填写不规范、内容栏内设备名称编号填写不规范、工作内容栏与措施栏填写的设备名称和编号不一致、操作票的操作内容未按《导则》术语填写；工作要求的安全措施未填写断路器（开关）及隔离开关（刀闸）双重编号；未填写应设置遮拦、围栏、应挂标示牌的安全措施；接地线、标示牌、遮拦等的具体数量漏填写等。同时，对“两票”签发人制度执行情况进行监督，具体包括无资格人员签发工作票；工作票签发人和工作负责人未经考核批准；一人兼多职，既是工作票签发人，又是工作班人员或许可人；工作许可人及工作负责人未签发等。

3.2 作业计划可视化监督

安全监督数据可视化系统建立了“作业计划”分析模型，实现对各专业班组的作业计划进行监督，自动识别发现作业计划填写不规范、不合规等问题。对作业计划的监督主要是督查作业计划填写的完整性，包括作业风险等级是否开展了持续性风险评估，详细分析了风险的影响因素如作业类型、人员能力、环境及时段、天气等；填写的作业人员、工作负责人、监督人员的资质是否满足等。

通过作业计划可视化监督，确保作业计划完整性，实现以计划为抓手的作业风险源头化管控。

3.3 监督问题可视化分析

监督问题可视化分析可以针对较广泛的安全监查、任务观察、安全区代表发现的问题数据进行分析，也可以仅从“两票”、作业计划的安全督查上对发现的问题进行分析。本系统先试点实现对“两票”、作业计划督查问题挖掘分析。

通过将“两票”分析模型将问题按专业、班组、问题类型、“两票”对应的作业任务的风险等级及时间等维度建模，分析问题分布规律，从而预判规律背后隐藏的管理隐患，再结合业务实际深入考察和判断存在的薄弱环节，提出改进措施。

3.4 数据可视化应用极大压缩监管流程

利用上述安全监督数据可视化的应用成果，提高安全督查效率的同时，可以改善和优化安全监管流程，实现监督结果的数据共享，改变以往督查需要打印督查结果通知单、通知单审批再传递给业务部门整改的模式。通过使用共享数据可视化和手机移动终端技术的移动办公，实现监管部门、监控中心、生产业务部门等多部门的数据随时共享监督结果，实现一键审批和快速整改，提高了企业的安全监管效率[4]。

3.5 应用成效

安全生产监控专班通过安全监督数据可视化分析系统的建立，极大提高了监控专班开展安全监督的工作效率。往常需要人为督查当月的“两票”和班组作业计划需要3小时时间，现在通过系统实现实时监督，自动筛选出存在问题的“两票”和作业计划，再结合人工甄别判断，0.5小时就完成了以往需要3小时的督查工作，极大地提高了监督效率。同时，彻底解决了因督查人员个体水平差异、检查方法不相同，导致检查结果参差不齐，造成督查不严谨、不严密、不到位的问题，提高了安全监督质量，进一步强化了作业风险管控水平。

4 结语

数据即资产，电力大数据是电力企业的重要资产。随着数字化、智能化技术的广泛应用，远程智能监控、大数据分析、安全隐患AI智能识别等极大地提高了电网企业安全生产风险管控监督能力，同时也积累了大量的安全生产风险管控和安全监督大数据，针对这些资源，充分运用大数据分析，对数据由定性分析向定量分析转变，深入挖掘企业安全管理可能存在的薄弱问题将是今后电网企业安全监管部门的有力法宝，极大地促进安全管理向更精细、更协同、更高效的方向发展。

大数据分析的关键在于深刻理解业务逻辑，厘清分析逻辑脉络，这样才能建立起高效的数据模型和有效组织可视化图表、数据等信息，以一定的逻辑布局将数据图形化展示，有效刺激人的视觉判断，提高分析能力。数据可视化平台工具是一件提高大数据分析效率的有力武器，借助可自助式的分析平台开展安全监督大数据分析，可以识别安全生产业务活动存在的问题，极大促进各级人员严格遵守安全规程，规范安全生产管理，提高了“数字安监”的作用。