黃 龍， 嚴(yán) 錦 江， 彭 旭 初， 郭 成

(1.中國電建集團(tuán)成都勘測設(shè)計研究院有限公司，四川 成都 610072； 2.國能大渡河流域水電開發(fā)有限公司，四川 成都 610041)

0 前 言

在水電工程建設(shè)中，安全生產(chǎn)是維護(hù)參建單位長期發(fā)展和增強(qiáng)水電工程社會效益的重要保障。由于水電工程規(guī)模大、施工周期長、涉及的地質(zhì)條件多樣和施工難度大等特點，給安全生產(chǎn)增加了難度。水電工程一旦發(fā)生安全事故，將直接危及人民的生命財產(chǎn)，給參建單位帶來巨大的損失，因此，必須嚴(yán)格進(jìn)行工程安全風(fēng)險管理。傳統(tǒng)工程的安全風(fēng)險管理控制大部分依賴手工輸入信息、專家判斷等方式，因此，難免出現(xiàn)對異常原因分析不準(zhǔn)確和處理效果反復(fù)的情況。以水電工程建設(shè)安全為重點，集成企業(yè)大數(shù)據(jù)中心的工程建設(shè)安全數(shù)據(jù)，建立水電工程安全風(fēng)險預(yù)警與決策體系，為水電工程建設(shè)安全數(shù)據(jù)提供統(tǒng)一的統(tǒng)計、分析及可視化展示。同時，建立相關(guān)安全管理KPI體系，對集成的海量安全信息進(jìn)行預(yù)警預(yù)報，為管理決策提供數(shù)據(jù)支撐，與項目公司系統(tǒng)的全面、微觀管控相結(jié)合，對安全管理要素的趨勢性、系統(tǒng)性問題進(jìn)行分析、預(yù)警、決策與綜合管理，實現(xiàn)水電工程安全管理的自動感知、自動預(yù)判和自主決策。

1 研究現(xiàn)狀

目前，國內(nèi)對于水電工程安全風(fēng)險預(yù)警決策體系的研究，還主要集中在對安全事項進(jìn)行單項深入研究或者一部分的綜合研究，比如，對大壩震后安全預(yù)警與決策支持系統(tǒng)實現(xiàn)的幾個主要部分做了概括性的研究[1]，缺乏對水電工程各個安全環(huán)節(jié)的信息統(tǒng)一分析處理，探究原因主要依賴人力經(jīng)驗在單一知識庫中查詢，然后查詢另外的單一知識庫來制定相應(yīng)的解決措施，整體缺少一個自動采集信息并且統(tǒng)一綜合分析處理的智慧化管理控制體系。

2 體系架構(gòu)

2.1 研究目的

建立水電工程安全風(fēng)險預(yù)警決策體系的目的，是通過傳感器等監(jiān)測設(shè)備對指標(biāo)進(jìn)行自動采集和上載，其他信息數(shù)據(jù)側(cè)采用手機(jī)APP以及相關(guān)信息系統(tǒng)進(jìn)行采集和上載，對工程的安全通過預(yù)警指標(biāo)體系風(fēng)險判別出對應(yīng)問題，系統(tǒng)自動運(yùn)用大數(shù)據(jù)技術(shù)調(diào)用原因知識庫判定風(fēng)險原因，之后，系統(tǒng)自動分析，從措施庫中匹配合理的處置措施，從文檔庫中抓取對應(yīng)參考文檔，從案例庫中抓取參考案例，從而進(jìn)行風(fēng)險的閉環(huán)處理。

2.2 體系要素

此次研究的水電工程風(fēng)險預(yù)警與決策體系，不僅涉及了水電工程管理領(lǐng)域，同時融合了大數(shù)據(jù)算法、物聯(lián)網(wǎng)、預(yù)警數(shù)學(xué)模型等多個領(lǐng)域，目前國內(nèi)少有研究。對水電工程而言，安全管控對象繁雜，不同崗位人員對多安全管控對象如何管控還沒有統(tǒng)一意見。同時，預(yù)警數(shù)學(xué)模型考慮了在沒有足夠數(shù)量數(shù)據(jù)支撐的情況下，使用了通過事件去觸發(fā)風(fēng)險識別的方法，并且在識別出風(fēng)險后，根據(jù)風(fēng)險種類和風(fēng)險的具體原因，自動分析出適合的處置措施、案例和參考文檔。所以，在規(guī)劃三個知識庫(案例庫、措施庫和文檔庫)時，會將三個知識庫的聯(lián)動性考慮充分。水電工程安全風(fēng)險預(yù)警與決策體系有機(jī)組合了措施庫、案例庫、文檔庫，從而實現(xiàn)解決方法-現(xiàn)實案例-規(guī)范制度的全面決策，為安全風(fēng)險問題提供了解決問題的方法和依據(jù)。

2.3 技術(shù)框架

整體技術(shù)框架包含了“5+2”體系，5即5層，感知層、傳輸層、數(shù)據(jù)層、平臺層和應(yīng)用層。感知層包含了安全傳感器、視頻監(jiān)控等多種設(shè)備和傳感器以及手機(jī)終端，通過多樣化的方式自動采集、填報或系統(tǒng)抓取安全風(fēng)險相關(guān)數(shù)據(jù)，通過有線和無線的傳輸層傳遞給數(shù)據(jù)層。數(shù)據(jù)層包含了工程數(shù)據(jù)中心、企業(yè)大數(shù)據(jù)中心和決策知識庫，感知層的數(shù)據(jù)在工程數(shù)據(jù)中心和企業(yè)大數(shù)據(jù)中心進(jìn)行處理并存儲，決策知識庫中的措施庫、案例庫和文檔庫實時更新，支持系統(tǒng)自動決策。平臺層即水電工程安全風(fēng)險預(yù)警與決策平臺，進(jìn)行整體的業(yè)務(wù)處理。應(yīng)用層即安全管理應(yīng)用，包含了檢測預(yù)警、危險源分布、應(yīng)急預(yù)案管理、應(yīng)急輔助指揮四個功能。2為兩大體系，預(yù)警分級管控體系和決策支持體系。

3 體系建設(shè)

3.1 數(shù)據(jù)采集

水電工程安全管控包括三個方面：一是日常的工作安全管理，包括安全隱患排查、會議督導(dǎo)等工作；二是針對特殊工程部位、安全隱患的日常監(jiān)測，如圍巖穩(wěn)定監(jiān)測、危險源監(jiān)測等，使安全監(jiān)測成為保障工程安全的最有效的技術(shù)手段[2]；另外，建設(shè)期的防洪度汛也是建設(shè)管理單位重點關(guān)注的內(nèi)容。體系按照以上三種不同安全管控方式進(jìn)行安全管控關(guān)鍵性指標(biāo)梳理和采集。

日常安全數(shù)據(jù)按照日常申報為主。安全監(jiān)測數(shù)據(jù)主要利用物聯(lián)網(wǎng)技術(shù)實時自動采集數(shù)據(jù)。防洪度汛數(shù)據(jù)通過物聯(lián)網(wǎng)技術(shù)實時自動采集或者通過流域的氣象云平臺獲取。

這三種安全數(shù)據(jù)的匯集方法采用了手機(jī)APP、信息化系統(tǒng)的實時在線收集，收集后各業(yè)務(wù)子系統(tǒng)對數(shù)據(jù)進(jìn)行整理和分析，過濾出有用數(shù)據(jù)之后，工程數(shù)據(jù)中心將數(shù)據(jù)進(jìn)行存儲，并且依據(jù)安全風(fēng)險分級預(yù)警指標(biāo)體系(參照表1)對數(shù)據(jù)進(jìn)行篩選，并加工為體系所需的基礎(chǔ)數(shù)據(jù)。

3.2 指標(biāo)分類

水電工程安全風(fēng)險預(yù)警體系從特性和重要性兩個維度進(jìn)行工程信息剖析和指標(biāo)梳理。按照指標(biāo)的時間和關(guān)聯(lián)特性，分為靜態(tài)指標(biāo)和趨勢性指標(biāo)。根據(jù)不同指標(biāo)的重要性，將其分為重要指標(biāo)及一般指標(biāo)，分別對應(yīng)于不同的管理層級。水電工程安全風(fēng)險預(yù)警指標(biāo)體系見表1。靜態(tài)指標(biāo)都是一般指標(biāo)，趨勢性指標(biāo)都是重要指標(biāo)。

表1 水電工程安全風(fēng)險預(yù)警指標(biāo)體系

通過將相關(guān)指標(biāo)規(guī)整放入數(shù)據(jù)庫中便于通過平臺軟件開展后續(xù)預(yù)警等操作，數(shù)據(jù)格式包括以下各種類型： String(工程名稱、工程類型、標(biāo)段、部位等)、Datetime(創(chuàng)建時間、檢測時間)和Int(合格數(shù)量、檢測點位數(shù)量)等。

3.2 指標(biāo)預(yù)警

異常安全相關(guān)指標(biāo)出現(xiàn)的時候，該預(yù)警指標(biāo)的可信度需要系統(tǒng)首先判定，需要剔除錯誤填報或者由污染數(shù)據(jù)產(chǎn)生的錯誤預(yù)警。當(dāng)安全指標(biāo)出現(xiàn)以下三種情況時，系統(tǒng)自動判定為數(shù)據(jù)污染或填報錯誤：超出安全限值標(biāo)準(zhǔn)的數(shù)值、靠近源頭的某些安全代表性數(shù)據(jù)低于遠(yuǎn)離源頭的反常規(guī)數(shù)據(jù)和相互關(guān)聯(lián)的指標(biāo)出現(xiàn)異常的數(shù)據(jù)。

當(dāng)剔除了錯誤預(yù)警后，系統(tǒng)將其他正常預(yù)警提取至指標(biāo)預(yù)警處置體系，同時重要指標(biāo)預(yù)警(即趨勢性指標(biāo)預(yù)警)被自動推送到相關(guān)人員和系統(tǒng)的下一階段。預(yù)警閾值和指標(biāo)趨勢性都同時影響重要指標(biāo)是否達(dá)到預(yù)警狀態(tài)。指標(biāo)趨勢性的重要性在于系統(tǒng)可以通過趨勢去判斷該指標(biāo)在未來某個時間點達(dá)到預(yù)警閾值的概率，有助于提前發(fā)出預(yù)警信號，減少安全損失。

同一時間，按照所屬分部分項等關(guān)聯(lián)，系統(tǒng)會自動給相關(guān)人員推送次要指標(biāo)(即靜態(tài)指標(biāo))，并且系統(tǒng)會識別出明顯異常的次要指標(biāo)進(jìn)行推送(為減輕公司管理人員不必要的工作量，當(dāng)重要指標(biāo)沒有預(yù)警，次要指標(biāo)一般并不會推送到公司級別人員)。系統(tǒng)和用戶都可以根據(jù)收到的重要預(yù)警指標(biāo)和異常靜態(tài)指標(biāo)，分析可能造成異常的原因。

3.3 風(fēng)險原因分析

系統(tǒng)在處理指標(biāo)預(yù)警的同時，自動推送風(fēng)險提示。通過比對預(yù)警指標(biāo)的具體類型，系統(tǒng)中的風(fēng)險管理模型將匹配對應(yīng)可能發(fā)生的風(fēng)險，給管理層自動提供提示。為增加系統(tǒng)的冗余性和準(zhǔn)確性，風(fēng)險管理模型同時兼容預(yù)設(shè)功能和人工篩選功能，預(yù)設(shè)功能試通過大量樣本的大數(shù)據(jù)決策選擇機(jī)制優(yōu)化出來的最佳匹配。提示給管理層的風(fēng)險包括風(fēng)險的嚴(yán)重程度和發(fā)生的可能性等信息，可以幫助管理層對于風(fēng)險的決策。

系統(tǒng)將統(tǒng)一分析判定異常次要指標(biāo)和重要指標(biāo)預(yù)警，按照指標(biāo)和原因的內(nèi)在關(guān)系，從原因庫中匹配選取有可能導(dǎo)致異常和預(yù)警的原因。同時人工篩選功能的存在可以允許管理人員按照實際現(xiàn)場狀態(tài)、專家意見和國家標(biāo)準(zhǔn)規(guī)范去改動推送的原因，并且管理人員對結(jié)果進(jìn)行最終確認(rèn)。被確認(rèn)的結(jié)果同時也被系統(tǒng)記錄，自動成為指標(biāo)-原因關(guān)聯(lián)關(guān)系的分析樣本之一，使得系統(tǒng)該部分沉淀過程經(jīng)驗，自動升級。

安全管控類原因庫為常見重大安全風(fēng)險產(chǎn)生的常見原因集合，針對識別出的安全管控類風(fēng)險，從人、機(jī)、料、法、環(huán)的角度進(jìn)行安全管控類原因庫梳理。安全風(fēng)險管控類措施庫見表2。如防洪度汛風(fēng)險原因，人：防汛組織機(jī)構(gòu)不完善,抗洪搶險人員配備不足，汛期巡查不足；機(jī)：防汛排水設(shè)備配置不合理；料：防汛材料與設(shè)備儲備不到位，防汛抽排物資設(shè)備不到位；法：水情通報制度不完善，設(shè)備安全運(yùn)行制度不完善；環(huán)：降雨等惡劣環(huán)境影響。

表2 安全風(fēng)險管控類措施庫

3.4 風(fēng)險原因判斷

風(fēng)險原因判斷不僅需要定性分析可能造成的原因，同時也需要定量判斷各原因?qū)τ陲L(fēng)險的貢獻(xiàn)程度。所以系統(tǒng)給出的分析應(yīng)包括風(fēng)險-原因貢獻(xiàn)程度預(yù)設(shè)指標(biāo)，同時管理人員可以根據(jù)專家意見、規(guī)范調(diào)整和實際情況調(diào)整風(fēng)險-原因的關(guān)聯(lián)關(guān)系和貢獻(xiàn)程度值，然后系統(tǒng)將調(diào)整整體納入平臺，通過反復(fù)的數(shù)據(jù)學(xué)習(xí)，可使風(fēng)險原因判斷更加準(zhǔn)確和自我迭代。

3.5 決策支持

在得到風(fēng)險原因后，系統(tǒng)擁有的決策支持功能，可以根據(jù)安全風(fēng)險管控類措施庫、案例庫中的信息，綜合分析風(fēng)險、原因、措施三者的聯(lián)動關(guān)系，給管理人員和用戶自動推送潛在的可能解決問題的措施。

3.6 預(yù)警閉合

系統(tǒng)平臺通過對風(fēng)險關(guān)聯(lián)、原因判定、措施選擇等步驟的分析，將整個分析結(jié)果自動提供給項目部管理人員和企業(yè)管理部門人員，相關(guān)方面人員對于預(yù)警情況和措施實行情況進(jìn)行反饋，從而使整個系統(tǒng)達(dá)到處理預(yù)警事件的一個閉環(huán)。

4 工程應(yīng)用

4.1 工程概況

本文研究的成果作為大渡河工程數(shù)據(jù)管控中心項目的一部分，在雙江口電站等項目上使用，雙江口水電站樞紐工程由土心墻堆石壩、洞式溢洪道、泄洪洞、放空洞、地下發(fā)電廠房、引水及尾水建筑物等組成。土心墻堆石壩壩高314 m，居世界同類壩型的第一位。通過水庫調(diào)節(jié)可增加下游梯級電站枯期電量66億kWh，增加保證出力175.8萬kW[3]。

4.2 提高決策速度和準(zhǔn)確率

本安全風(fēng)險預(yù)警與決策系統(tǒng)從啟用以來，積累了大量有用的數(shù)據(jù)。系統(tǒng)自動采集分析工程的安全風(fēng)險指標(biāo)，分析出異常情況后自動判定原因，并且推送改進(jìn)措施。判定安全風(fēng)險的原因的速度大幅提升了85%，決策的速度也大幅提升了70%。伴隨著體系的使用，目前各項安全風(fēng)險指標(biāo)都在往良好的趨勢發(fā)展，安全管控整體上更有效。

5 結(jié) 論

本研究以水電工程安全為控制目標(biāo)，以分級安全指標(biāo)為對象，整合了三個知識庫(原因庫、案例庫、措施庫)，建立了安全風(fēng)險預(yù)警與決策體系。通過在雙江口電站的有效使用，為整個體系沉淀了豐富的工程安全管理數(shù)據(jù)，為以后水電工程的科學(xué)研究、工程管理等提供了豐富的經(jīng)驗數(shù)據(jù)支持，并且經(jīng)過云大物移智(云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、人工智能)技術(shù)的使用，水電行業(yè)開啟了智慧化管理控制的升級迭代。伴隨著人工智能技術(shù)(AI)和數(shù)字孿生技術(shù)的不斷成熟和與水電工程智慧化管控的深度融合，必將推動水電工程安全智慧化管控的持續(xù)發(fā)展。