基于大数据的电网企业安全信用管理体系研究

国网甘肃省电力公司 贺洲强 国网甘肃省电力公司定西供电公司 张 锋 孙四海 杨 辉

当前电网生产作业人员安全信息管理不够系统化，安全信息管理工作划分细致而相互分散，资格审查、人员准入、行为评价等工作缺乏有机联结，相对滞后的信息化水平也难以支撑现代化信息系统的集成，亟需开展电网生产作业人员安全信用管理体系建设，将安全评估以信用的形式表现出来，从而提高生产作业安全管理水平。

电网生产作业人员的“安全信用”，指电网生产作业人员向电网企业在一定范围内所作的安全履约或安全履约承诺的兑现能力和意愿，外在表现为电网企业对参与电网生产作业的人员在一定时间范围内的安全履约承诺、安全履约能力、安全履约行为的定量化综合评估结果[1]。从国内安全信用实践情况来看，目前无论是国家层面、电力行业层面还是国网公司层面，针对生产作业人员的安全信用研究和实践案例都尚属空白，因此本研究从学术上和实践上都具有较强的开拓性、创新性和现实性，价值和意义十分突出。

本课题在电网领域内创新构建电网企业生产作业人员安全信用评价指标体系，提出基于电网作业人员安全信用的管理体系完善思路，研究电网企业安全信用在相关典型场景下的应用，确保电网生产作业人员安全信用管理的科学性、体系性，对电网企业安全信用管理及安全风险防控有重要管理价值。

1 电网企业安全信用体系构建研究

1.1 安全信用基础数据采集

电网作业人员安全信用基础数据可细分为内、外两个数据源。内部数据源主要来源于电网企业内部的各业务生产系统，集中于安全生产风险管控平台、安全生产风险管控平台移动作业APP、OMS调度信息管理系统、配农网“现场管控”APP、陇源掌培APP等多个源头；外部数据源主要来源于国家已有的信息开放公示平台，以及互联网中各类权威机构、组织的开放信息获取平台，集中于信用中国、应急管理部、中国执行信息公开网等源头。

基于Python软件进行实现，调用Sckit-learn算法包对采集到的安全信用基础数据进行预处理。首先对原始数据进行缺失处理，去除/补全有缺失的数据，接着进行错误数据处理，然后是重复数据处理，最后对数据进行不一致性处理。在汇聚多个维度、多个来源、多种结构的数据之后就可以进行数据清洗，也就是对数据进行抽取、转换和集成加载。在这个过程中，除了更正、修复系统中的一些错误数据之外，更多的是对数据进行归并整理，并储存到新的数据库中。

1.2 安全信用评价体系构建

样本选取。为便于模型训练、优化，首先将清洗后的有效样本按照70%、30%比例划分为两部分，其中70%部分的80%（训练集）作为训练数据放入模型中进行风险预测，经过多次迭代计算后，以70%部分剩余的20%（观测集）作为观测样本，若预测准确率达到预期，则保留当前特征结果，并使用30%部分（测试集）的样本数据持续优化模型，得到计算出的初步指标及其权重。

特征选取。基于CART决策树的模型构建过程中，需提取每个指标的特征，构建公式评估每个信用特征对于信用评价结果的影响程度：Cj=(n0×c0-∑ni×ci)/T，本式为计算每个特征j重要性程度计算公式，其中n0代表支撑该特征节点统计样本数，c0代表该特征节点计算Gini值（Gini index），ni与ci代表该节点所有子节点的样本数量以及其Gini值，T为该公式中所有计算节点的样本数综合。加入T参数可以防止不同节点下样本数量带来的量纲差异，从而导致特征重要性程度与该特征影响下样本数量直接挂钩。

决策树构建。使用Python工具，调用Sckitlearn机器学习算法包完成CART决策树模型构建，对生产作业人员的固有属性进行建模并进行重要性程度分析：首先，针对已有生产作业人员的固有属性（包括但不限于学历水平、年龄、所属单位、作业权限、所属专业大类、职称、技能等级、持证信息）构建树状结构；其次，针对生产作业人员所属单位，根据所属单位的整体情况（包括但不限于公司基础属性、违规情况、信用情况）进行公司属性的拓展。

指标体系构建。参考信用评价领域成熟的“5C”评价方法，结合特征选取结果，将经决策树计算后的指标划分为身份特质、安全教育、安全行为、单位属性、安全关系五个维度，形成电网企业人身安全信用指标评价体系[2]。

1.3 安全信用评价分级

参考学界成熟的信用等级划分方式，本研究基于正态分布对电网生产作业人员安全信用等级进行划分。为便于计算，从清洗后有效样本中随机选取5000份样本作为观测集。使用Minitab软件对观测集样本安全信用得分进行正态分析，其P值0.211大于0.05，即观测集安全信用得分符合正态分布，可基于正态分布对其进行分级。

使用Minitab软件对观测集样本进行描述性统计分析，获得安全信用得分描述性统计结果。可看出，观测集样本安全信用得分均值μ=691.6，标准方差σ=55.33。将上述结果中的均值μ、标准方差σ带入公式正态分布计算公式、查找标准正态分布表，并以此计算结果为基础，将电网作业人员安全信用分为S（安全信用极好，801～1000分）、A（安全信用优秀，764～800分）、B（安全信用良好，621～763分）、C（安全信用中等，584～620分）、D（安全信用较差，0～583分）五级，并分别确定对应分值区间。待本评价方式正式运行、收集更多的数据样本后，可依据体量更大、质量更高的安全信用评分结果，重新优化各等级的分值区间。

1.4 安全信用动态评估

随着时间的流逝、行为的发生，安全信用各评价因素的值也会发生改变，因此电网生产作业人员的安全信用需采取动态评估。当系统检测到生产作业人员的身份特质、安全教育、安全行为等发生改变时，可经由现有计算公式和机器学习算法对生产作业人员的信用情况进行实时的计算并返回最新的信用分数。若综合考虑计算规模、计算成本等因素，也可采取定期（如每周、每月、每季度）评估的方式，对生产作业人员的信用情况进行更新评估。

同时，未来采集到更多的安全信用数据后，还可在现有技术路线下，以数量更多、质量更好的数据作为样本，对现有的算法模型和指标表现情况进行优化和调整，相应的指标权重会更加精确、评估结果和等级划分阈值会更具有参考性。

2 电网企业安全信用体系典型场景应用

2.1 生产作业资格审查

建立安全信用分级机制。将生产作业人员安全信用情况，根据信用评分高低，依次划分为优、良、中、差四个等级，推动安全信用分级管理。在生产作业资格审查时，优先选用优、良安全信用的生产作业人员；对于生产作业供应商的资格审查，以优、良安全信用的人员占比达到一定比例为资格线，推动建立具有一定门槛和标准的生产作业资格审查模式。建立生产作业资格目录。结合安全信用分级机制，以个人、班组、项目部、供应商等主体为单位，根据信用得分及分级情况建立生产作业资格目录，并按照月统计、季发布原则，每月统计安全质量信息更新变动情况，每季度评定安全信用等级，实现生产作业资格目录的及时、滚动更新，为生产作业资格审查奠定基础。

2.2 生产作业安全准入

建立生产作业安全准入标准。根据生产作业资格目录，建立生产作业安全准入标准，在开展不同类型生产作业时，针对不同等级的生产作业人员或组织制定不同的准入标准。如，针对安全信用评价为“优”的人员，可安排其承担危险程度高、难度系数高的项目内容，并鼓励其在项目中担任关键岗位；针对安全信用评价为“优”的人员占比达到较高比例的生产作业供应商，可在评选过程中予以适度分数倾斜，适当提高其承担重要工程、重要项目的竞争力；针对安全信用连续多年评定为“差”的个人或供应商，采取“禁入”措施，要求其一定时限内不得承揽或分包生产作业各项工作，从而确保安全生产工作的可靠性。

开展生产作业安全准入检查。在项目开工前，建立由安监部牵头组织的生产作业安全准入检查机制，对生产作业人员或组织的安全信用情况进行检查，要求合理配置安全信用评价为优、良、中、差的人员数量，并在关键岗位和关键工作内容部分要求必须由安全信用评价为“优”的人员执行，从而在具备生产作业资格的前提下，持续提高生产作业安全准入门槛，逐渐杜绝安全生产风险发生。

2.3 生产作业风险预警

建立生产作业风险预警机制。在项目开工前，依据生产作业人员安全信用，作业负责人和安监部相关管理人员可及时识别和分析生产作业人员过往的违章情况和学习情况，并通过建立生产作业人员安全信用和生产作业风险等级的对应关系，针对性制定各级风险预警方案和安全措施，并在作业过程中开展专项作业督查，从而为杜绝安全生产风险、促进项目顺利完工提供保障；建立生产作业失信预警机制。针对作业过程中出现的安全生产失信情况，建立生产作业资格和生产作业安全准入资格预警机制，对核实后确实发生的安全生产失信行为，在安全信用体系中进行“降级”预警，提高其对于安全生产工作的重视程度；对于连续多次发生“降级”预警情况或发生严重安全事故的人员或组织，纳入安全信用“黑名单”，及时通报和公开曝光，并联合有关部门、单位实行内部联动管制措施。

2.4 生产作业安全培训

安全培训内容定制化。在开展生产作业安全培训工作时，结合员工的安全信用评价等级，对不同岗位、不同工种、不同工作经历的员工制定个性化、定制化的安全培训内容。例如，针对安全防范意识不够的员工，可从安全防护用品的介绍和使用等方面着手，提高其正确配备、使用安全防护用品的意识；安全培训方式定制化。针对安全生产的培训方式，考虑到员工文化层次、年龄差距和工作经历等多方面的差异，不能采用同一种培训方式进行员工的安全培训。因此，可以结合生产作业人员安全信用体系中存在的问题，制定个性化、定制化的培训方式，以不同员工能够接受的方式进行培训。例如，针对安全意识不够的员工，提供警示教育、事故事件分析等培训课程，以活生生、血淋淋的案例激发员工安全生产的意识。

电网企业安全信用评价体系可有效运用于电网企业安全信用风险管理工作实践中，研究成果有助于电网企业生产作业人员安全信用风险辨识难、量化难、控制难等问题的解决，有效提高对生产作业人身安全信用风险的管控能力。