电力系统安全评价管理指标及智能安全管控系统设计探究

雷晓斌 LEI Xiao-bin；韩勇 HAN Yong

（五凌电力有限公司，长沙 410000）

0 引言

研究人员基于“系统化”、“标准化”、“规范化”原则，针对电力系统运行特点，构建QHSE 监督管理信息系统，实现电力系统监督系统的信息化升级。具体实践中，研究人员对电力系统安全性评价指标进行深入分析，利用层次分析法确定每一项指标的权重，创建安全管理总体评价指标，基于该指标实现QHSE 监管系统与电厂各个运行模块的有效融合。

1 电力系统安全评价管理指标的建立

1.1 安全性评价指标分析

1.1.1 事故指标 该指标是根据电力系统在一定时间内经常发生的事故次数，来评价系统安全状况的一种方式。电力系统安全状况可以通过各种方法进行评估，例如产业、事故类型、伤亡人数、经济损失等，综合多种评估指标判断电力系统是否安全。这些指标都是从安全角度出发的，但是某一项单独的指标往往不能全面反映电力系统安全水平以及潜在危险性。由于一些电力系统事故具有偶然性，因此单独使用事故指标，无法反映电力系统的弱点，导致很多潜在的安全隐患长期存在。

1.1.2 过程指标 过程指标又可称之为隐患指标，其主要特点是对系统、设备、人工、环境等因素进行系统性评估。通常情况下，过程指标不需要考虑系统是否存在安全隐患，只要考虑组成该系统的各种因素，以及各因素间的关系是否符合安全性要求，并将其作为衡量系统整体安全状况的基础。由于该指标具有较强的模糊性和随机性，因此其应用范围十分广泛[1]。基于过程指标评估电力系统的安全性，能够全面、系统地找出电力系统潜在的危险隐患，对大型系统进行安全评价具有一定的适用性。因此，在本次研究中，相关工作人员针对发电厂电力系统安全评估问题，引入过程指标，利用过程指标实现对于发电厂电力系统安全风险的有效监督与管控。

1.2 层次分析法

层次分析法的作用是对目标问题进行细化拆解，将庞大的问题拆分为若干个子问题。在此基础上，根据各个子问题之间的关联以及重要程度，按照一定的属性将子问题划归至不同的组别，通过这种方式形成由多个层次组别共同组成的问题分析路径。该模式下，处于相同层级与组别的元素拥有相同的运行准则，并与下一层元素形成“支配-被支配”关系，同时还会受到上层元素的影响，进而形成具有依次递进关系的支配体系[2]。从微观层面来看，该框架中最上层是总分析目标，中间层则为准则层，而基层就是具体的行动方案。

1.3 电力系统安全管理总体评价指标

基于层次分析法构建发电厂电力系统安全监督管理体系，通过这种方式将复杂的电力系统安全管理问题逐层分解。本次研究中，相关工作人员将发电厂电力系统安全评估管理体系分解为三个层次。①目标层。通过分析电力系统以往故障，研究人员将故障原因分为“人工”、“设备”、“管理”、“文化”、“环境”五个主要元素，并针对每一个目标问题进行细化分解。②准则层。该层属于判断电力系统安全影响因素的一级指标，基于电力系统安全事故原因，将其分为“人为因素”、“管理因素”、“环境”因素等。③方案层。该层级为具体操作单元，根据一级指标类型，对安全事故因素进行细化分解。例如在分析“人为因素”一级指标时，对该指标进行细化分析，形成“领导因素”、“基层员工因素”、“第三方因素”、“管理人员因素”等二级指标。基于层次分析结构，对发电厂电力系统事故原因进行拆分，为QHSE 监管信息系统的设计与应用提供理论框架。

1.4 电力系统安全管理综合评价

基于层次分析法，研究人员尝试建立独自构造矩阵，根据专家的工作经验以及反复的实验论证，分析各种影响因素之间的重要程度关系，并对每一项影响因素进行赋值。完成赋值之后，对每一个因素所对应的判断矩阵进行平均化处理，最终得到判断矩阵A。

公式（1）中，i 与j 均为影响电力系统安全的某种要素，若想要矩阵A 成立，需要满足三个条件：①aij＞0，②aii=1，③

基于矩阵A，研究人员可以直观比较各种因素的权重高低，并对该矩阵中的每一个数列进行正规化处理。

对所有元素进行正规化处理之后，对矩阵每一行相加汇总：

最后得出该指标权重影响向量wi并计算该矩阵最大特征值：

基于矩阵中每一项元素的最大特征值，对权重影响向量进行一致性检测，通过计算得到最终结果。

2 QHSE 监管信息系统设计方案

2.1 QHSE 监管信息系统底层技术

研究人员通过对电力企业信息化建设中存在的问题进行深入分析，尝试构建一套以信息技术为支撑，全面覆盖企业所有生产环节的安全管理系统。该系统以J2EE 架构为基础，在该框架内集成了先进的安全防范和应急处理技术[3]。该框架全面支持Enterprise JavaBeans 标准，将分布式系统架构中的组件封装成一组相互独立的构件，并在这些构件之间建立松耦合关系。该系统不仅能够令发电厂管理者建立并维护电力系统安全监管系统，还能令用户使用灵活而易于扩展的方法，构建适合于自身需求的分布式系统（如图1 所示）。

图1 基于J2EE 平台QHSE 监管信息系统框架

2.2 统一平台引擎方案

2.2.1 门户管理平台权限体系设计 从总体上看，维护权限与使用权限是完全独立的，确保系统维护人员在其合理权限内履行维护职责；底层数据库则是企业信息系统中最重要的基础数据，不论维护权限还是使用权限，均由组织人员、管理人员等多个权限部门给予。

在维护权限方面，每一个门户都要求具有单独的维护权限，不同门户可交给不同职权的工作人员负责维护，并且门户中不同的Portlet 也可以由不同人员进行维护，为确保各单元模块均有相应负责人进行维护，通过这种方式降低系统管理员负担，确保展示内容准确。

在使用权限方面，每一个门户拥有单独的共享权限，不同门户可以根据部门需求设置不同资源共享边界，不同的Portlet 由不同的人员进行查看，在相同的Portlet 里，不同组织角色的人所见到的东西也各不相同[4]。

2.2.2 事件集成与消息服务 在Portal 中，消息与事件集成服务的主要功能是对企业业务事件生成、转化、发布等操作进行管控。事件响应体系通过提供灵活而有效的系统架构，支持复杂且动态的应用部署。事件触发系统的架构主要负责高伸缩性的成功提交、预测用户负载等问题的处理，而事件集成系统的建设，令该系统实现了对不同类型应用进行灵活定制的能力。此外，该系统还内置了一个可配置的事件触发体系，通过该体系实现对不同系统间数据交互过程的监督与管理。同时，系统消息可以由外部应用程序或系统直接从数据库中提取并保存，确保各业务单位及IT 组织能够将新信息整合成自己想要的专用信息系统。

2.2.3 统一工作流引擎 实现各种企业资源（事件、应用和数据）的整合，并不能完全实现对于电力系统的安全管控，其原因在于企业中所有信息都是由不同的系统产生并存储在相同的存储器中。集成的数据在与企业其他信息组合之前，未表现出其特点。因此，研究人员尝试通过统一工作流引擎的方式解决这一问题。本次研究中，工作人员引入Portal 系统，为处理工作流提供强大而灵活的引擎，将正确的数据与业务流程恰当地整合到一起[5]。确保QHSE 门户使用统一的工作流引擎来处理流程，该工作流处理引擎能够访问门户可使用的任何应用程序和数据资源，丰富管理信息。

3 QHSE 监管信息系统实际应用

3.1 项目简介

黔东火电厂位于贵州省黔东南州镇远县，该发电厂一期工程建设了两座600MW 亚临界值汽轮发电机，并引入德国LEE 脱硫技术建设烟气脱硫装置。研究人员结合黔东火电厂安全生产任务细节，尝试利用QHSE 监管信息系统对该企业安全生产中出现的各类不安全因素进行有效处理。基于物联网以及云计算平台，实现对于电力系统运行安全的实时监督与管控。本次研究中，工作人员主要利用QHSE 监管信息系统，为黔东火电厂建设物联感知前端系统以及智能数据平台。

3.2 物联感知前端系统设计

3.2.1 厂区车辆超速系统 研究人员在黔东火电厂的厂区安装了一套超速行为控制装置，并搭配使用雷达视频一体机装置。电厂内车辆限速为20km/h，禁止使用燃油助力车、摩托车等非公路机动车从事运输业务，车辆正常运行时不允许超车。电厂卡口测速系统在雷达视频一体机辅助下，完成对厂区主干道上出入车辆车牌、车标、车身颜色和其他结构化数据的抓拍以及雷达测速，解决了工作人员在海量视频面前寻找目标速度慢的问题。为进一步提升测速效率，工作人员为物联系统设计了双基色LED 显示屏，先显示超速等车辆通行速度，再显示出超速字样，并向数据中心发送报警信息并自动记录。

3.2.2 明火监测 本次设计中，研究人员使用热成像在线测温技术，通过非接触的方式实现了对于电厂运行设备以及电力系统运行状态的实时监测，一旦某组件出现过热现象或者温度的异常变化，该系统会立刻锁定故障位置并发出警报。此项技术主要用于电缆夹层测温、燃烧平台测温以及温度超限监测等方面。为提高明火监测系统的灵敏性，研究人员将传统的热感监测摄像头替换为热像仪，该设备不仅具有热成像功能，还配备了一般摄像装置的光学镜头以及图像处理模块，通过这种方式实现对于重点监测对象表面温度的实时探测与成像。

3.3 电厂层智能数据平台设计

3.3.1 软件设计 系统管理方面，该软件支持厂区内车辆、员工、组织、认证等系统的配置与管理。将事件联动、门禁管理、紧急报警、图像监控等系统汇集于电厂层智能数据平台之中。其中，视频监控系统包括在线监测以及设备在线测温两个部分。前者主要负责对厂区内重要区域，以及电气设备进行在线测温与状态监控；后者主要任务是分析各组件温度趋势，以及接收、上报温度异常数据。

3.3.2 硬件配置 该系统CPU 采用Intel 至强系列处理器，主频≥2.2GHz，配备PCIE 拓展卡槽以及两个千兆网络端口。在数据存储方面，研究人员先计算单位时间内所有路数储存总空间，将总路数与每条线路数据理由大小相乘，将结果与总储存时间相乘，即可以推算出在系统储存总空间容量。其计算公式为：单路视频数据实时储存容量（GB）=[视频码流大小（Mb）×60s×60min×24h×储存天数/8]/1024。

若采用H.264 算法对单路视频数据进行编码，依据D1/720p、1080p 三种分辨率，分别计算其储存容量（详见表1）。

表1 存储空间需求表

3.3.3 智能视频分析 本次研究中，工作人员使用Faster RCNN 模型，用核心主体的方式搭建系统，该模型使用两阶段架构分析视频并提取视频特征，网络层采用ROI池化处理，将不同尺寸输入图像数据映射为固定尺度特征向量。在提取特征时，利用了卷积神经网络技术，在ROI池化层将各候选区域划分为M×N 个区块，给每一块进行max pooling 转化。若没有发现合适的对象，则返回该位置重新划分网格，直到有足够多的合适对象出现为止。在此基础上，将特征图中大、小候选区域变成大、小统一数据输入下层。当输入的图片大小不一时，系统也能得到尺寸相同的feature map。

4 结语

QHSE 智能监管系统作为一套完整的企业智能监管系统，在处理发电厂电力系统安全问题方面发挥了重要作用。研究人员基于电力系统安全评价管理指标，实现QHSE 智能监管系统与发电厂电力系统的有效融合，围绕J2EE 平台搭建QHSE 监管信息系统框架，并设计统一平台引擎方案，通过这种方式实现对于发电厂电力系统组件运行状态的实时监测，提高厂区内明火监测效率，为保障发电厂电力系统安全运行提供技术支持。