基于“熵權法”的六維度安全隱患數據分析

李 棟，顧天雄，余志豪

(1.國網浙江杭州市余杭區供電有限公司，浙江 杭州 311100;2.國網浙江省電力有限公司，浙江 杭州 311000;3.國網浙江淳安縣供電有限公司，浙江 杭州 311700)

0 引言

近年來，電力企業常態化地開展輸電、變電、配電、電網規劃、交通、消防、安全保衛、后勤、裝備制造、發電、電力建設、信息通信、環境保護、電網運行及二次系統等專業的安全隱患排查治理工作，并實現“排除(發現)—評估報告—治理(控制)—驗收銷號”全過程管控。

目前，現有大多依據安全隱患可能導致的后果進行分析和評估，這種分析的方式比較單一，導致分析的結果較為片面。通過大量調研發現，安全隱患的治理難易程度、治理周期長短、治理資金投入多少、發生頻次、所處地域位置、類別占比等因素是綜合分析評估安全隱患的重要因素。

下面闡述某電力公司針對大量安全隱患案例數據，利用科學的計算方法，進行多維度、深層次分析的方法和過程，并對安全隱患重點舉例分析。

1 六維度模型搭建

1.1 模型簡介

通過廣泛調研和分析，選定時間特性(T)、空間特性(K)、運行工況(H)、危害程度(Z)、治理難度(G)、類型占比(B)等6 個方面形成基本維度模型，搭建安全隱患評價標準框架，并制定六維度分值評分標準，對每一條安全隱患按各維度逐一評分，利用科學的權重計算方法，根據各維度的重要程度得出相應的權重，同時得出最終得分結果。

模型公式如式(1)所示：

其 中：α1， …，α6表 示 各 個 維 度 權 重，α1+α2+α3+α4+α5+α6=1。

1.2 維度權重說明

利用科學權威的權重計算方法——熵權法，根據各指標的變異程度，利用信息熵計算出各指標的熵權，再通過熵權對各指標的權重進行修正，從而得出較為客觀的指標權重。其中，類別占比維度主要是分析某一類隱患數量占全部隱患數量的比，因此針對每一條安全隱患數據進行評分時，不考慮類別占比維度。

通過對時間特性、空間特性、運行工況、危害程度、治理難度等五個維度進行評分，形成隱患矩陣Xij(i為此類型隱患個數，j為維度個數)。

并將各個指標的數據進行標準化處理，如式（2）所示：

根據信息熵的定義，一組數據的信息熵如式(3)所示：

如果pij=0，則定義limpijlnpij=0。通過信息熵的計算公式，得出各個指標的信息熵為：E1，E2，E3，E4，E5，各維度權重如式(4)所示：

計算各專業維度權重的意義，在于綜合考量每一條隱患中，各個維度的變化大小對其本身的影響程度，數據變化越大，權重越高；數據變化越小，權重越低；數據庫中的數據越多，結果越精確，它是對數據離散程度的一種科學分析方法。

通過上述科學的計算方法，得出該電力公司變電專業的維度權重如表1 所示。

表1 變電專業維度權重 %

1.3 評分標準說明

依據每條隱患發生的時間、隱患設備所處地域、隱患定級、治理所需時間和資金、已投運年限等信息確定時間維度、空間維度、危害程度維度、治理難度維度和運行工況維度的分值，分值共分為20，40，60，80，100 分5 個等級。其中，各個維度選定標準如下。

(1) 時間維度主要體現該類隱患在年度內發生的周期性，按照年、半年、季、月賦予相應分值。

(2) 危害程度維度主要根據《國家電網公司安全事故調查規程》(2017 修正版)中關于事故等級劃分的規定。對于5 級以上事件，6 ～8 級的人身事件和5～7級電網、設備、信息事件賦予相應分值。

(3) 空間維度主要體現隱患發生位置的地域特性。參照供電區域劃分規定，按照市中心區、市區、城鎮、鄉村賦予相應分值。

(4) 運行工況維度指設備投運至統計年份的年數。按照1 年、5 年、10 年、15 年4 個時間點分成5 個區間賦予相應分值。

(5) 治理難度維度結合實際治理周期和所需治理資金綜合考慮。發生治理周期和資金對應分值不一致，按分值高來計。

(6) 類別占比維度主要分析體現一類安全隱患數量對比全部隱患數量的占比情況。

2 案例分析

為了體現本文所提出的分析方法在實際安全運行中的應用，本章對某供電公司全年10 532 條安全隱患數據進行評分，并對15 個大專業開展了六維度數據分析。考慮各個專業六維度數據分析的方法和原理相同，下面主要闡述其中變電專業共計1 226 條安全隱患數據的六維度分析過程和結論。

2.1 時間維度分析

統計變電專業安全隱患12 個月份的數量，結果如圖1 所示。

圖1 變電專業隱患月度分布

由上圖分析可知，一季度由于春節、封網等原因，檢修施工作業相對較少。二季度春檢、春查工作全面開展，隱患數量保持穩定。三季度隨著工程全面開展，隱患數量呈現逐步上升趨勢。四季度處于工程逐步收尾，隱患數量呈現下降趨勢。

2.2 空間維度分析

根據供電區域將某某地區按市中心到鄉村劃分A/B/C/D 四個等級，如表2 所示。

表2 變電隱患區域分布

由表2 分析可知，市中心和市區變電隱患數量較多，主要由于市區變電站密度較高。整體由鄉村至市中心呈現遞增趨勢。

2.3 危害維度分析

統計變電專業3 個一級分類，11 個二級分類的安全隱患定性情況，如表3 所示。

由表3 可知：變電專業隱患導致七級事件占比較高，達93．39 %，其中變電運行設備類隱患數量較多，造成的后果較為嚴重，需要重點關注。

表3 變電專業詳細類別隱患定性

2.4 運行工況維度分析

統計變電專業安全隱患投運年份情況，如圖2所示。

圖2 運行工況投運年份情況

由圖2 可知：超過60 %的變電專業安全隱患所在變電站運行時間超過15 年，變電專業安全隱患數量隨著變電站投運年限增長而遞增。同時投運年限不到一年的變電站存在少量的安全隱患，值得特別關注，加強設備質量驗收關。

2.5 治理難度分析

統計變電專業11 個二級類型安全隱患事件的治理周期和治理所需資金，如表4 所示。

由表4 可知：變電專業類安全隱患3 個月內治理周期占比較高，換流站一、二次設備類安全隱患治理周期較長，需特別注重日常運維工作。

2.6 類別占比維度分析

統計變電專業11 個二級分類的安全隱患數量，如圖3 所示。

表4 變電專業主要類型隱患治理難度

圖3 變電專業二級分類安全隱患數量

由圖3 可知：變電運行設備類、外部環境類、安全設施類、附屬設施類隱患數量排前四，且遠大于其余專業，建議相關部門重點關注并采取有效預控措施。

3 成果應用

基于“熵權法”的六維度安全隱患數據分析方法，實現了以下4 個方面的實際應用場景。

3.1 輔助專業部門制定決策

當前，針對安全隱患排查治理資金有限的情況，通過對各專業隱患數據進行多維度精準分析，得出各個專業時間特性、空間特性、運行工況、治理難度、危害程度、類別占比等方面的精準分析報告，可有效輔助專業部門有的放矢地制定有效精準的防控措施和治理方案，大大提高風險管控能力。

3.2 助推專業部門開展專項治理行動

多維度隱患數據庫和精準的數據分析，為階段性的隱患排查治理重點專項工作的開展提供有效數據支撐和分析。例如，現階段國網公司針對電氣消防類、安全工器具類、“五防”類、特種設備類等的專項整治行動的開展。

3.3 細化隱患分級管控閉環機制

通過對該電力公司15 個專業，10 532 條安全隱患根據六維度打分標準進行逐條打分，各分值區間占比如表5 所示。

表5 隱患數據各分值區間占比

根據表5 的分值區間占比，制定相應的安全隱患智能預警處理機制，具體如表6 所示。

表6 隱患分值對應處理程度表

任意一條隱患可根據各維度得分，計算得出綜合分值，對應相應的治理措施，細化了安全隱患分級管控閉環機制。

3.4 助力隱患數據精準分析

電力系統每年大量的隱患排查治理數據對專業部門制定防控措施、治理方案具有較強的參考意義。但是原有僅僅從一、二個維度進行分析，不夠細致和全面，失去隱患大數據的參考價值。通過基于熵權法的多維度模型進行隱患數據分析，更加全面和精準，實現隱患數據最大化、科學性的利用。

4 結束語

提出基于“熵權法”的六維度隱患數據分析方法，利用大數據和科學的計算方法，搭建多維度模型，有效解決了當前隱患大數據分析方式單一，隱患分析結果利用率低的問題，實現分級管控閉環機制，提高了隱患治理的成效，提升了安全隱患排查治理水平。