電廠員工不安全行為識別及預警系統(tǒng)的設(shè)計

周宏斌，馬 琳，張 峰，周鵬飛，李 翔

（華電淄博熱電有限公司，山東 淄博 255054）

0 引言

電力生產(chǎn)是國家經(jīng)濟發(fā)展的重要命脈，其安全性對人民生活和工業(yè)生產(chǎn)有著直接影響。電力生產(chǎn)涉及眾多繁瑣的過程包含非常密集的電力設(shè)備，并且人員活動頻繁，有多種復雜因素影響其安全性，包括工作環(huán)境、安全管理、設(shè)備穩(wěn)定性、員工安全意識等，其中人為因素由于存在不確定性和不可預知性，對電力安全生產(chǎn)的威脅較大，由于員工的不安全行為導致電網(wǎng)設(shè)備故障以及人員傷亡，不僅會給電力企業(yè)造成巨大的損失，還會產(chǎn)生非常惡劣的影響。因此，在電力企業(yè)管理當中，需要對員工行為進行有效控制，降低安全生產(chǎn)風險，最大限度的確保電力系統(tǒng)的安全運行。電廠員工不安全行為識別及預警系統(tǒng)是基于人體行為識別算法，實現(xiàn)對電廠員工行為的實時監(jiān)控，識別不去安全行為并及時作出報警，實現(xiàn)電廠智能化控制功能，提升電力生產(chǎn)的安全性。

1 電力企業(yè)安全生產(chǎn)的重要性

電力企業(yè)是國家經(jīng)濟發(fā)展的支柱型產(chǎn)業(yè)，電廠安全穩(wěn)定運行不僅關(guān)系國家經(jīng)濟建設(shè)，而且關(guān)系到每一個人的日常生活。傳統(tǒng)電廠的安全管理主要依靠人工完成，缺乏科學管理措施和方法，嚴重阻礙了電力企業(yè)在生產(chǎn)方面的安全管理和健康發(fā)展，再加上部分管理者自身重視程度不足，在安全生產(chǎn)控制方面上存在諸多問題，無法得到有效處理，導致安全事故頻發(fā)，致使電力企業(yè)成為一項高風險行業(yè)。在國家經(jīng)濟快速發(fā)展的大背景下，電力企業(yè)安全生產(chǎn)的重要性越來越突出，不僅關(guān)系著電力企業(yè)自身的發(fā)展，更影響著每一個人的切身利益，下文對電力企業(yè)安全生產(chǎn)的重要性進行分析：

1.1 電力企業(yè)發(fā)展的重要性

電力企業(yè)安全生產(chǎn)對企業(yè)自身的良性發(fā)展有著決定性作用。安全生產(chǎn)不僅可以保安全可靠的電力供應，降低電力設(shè)備的維修成本，而且還可以幫助電力企業(yè)提升服務質(zhì)量，取得更好的經(jīng)濟效益。

1.2 電力生產(chǎn)的重要性

電力企業(yè)由眾多輸電線路、用電設(shè)備和發(fā)電機組組成，自動化程度較高，每個環(huán)節(jié)都相互影響，如果其中任何一個環(huán)節(jié)出現(xiàn)安全隱患，都有可能帶來連鎖反應，導致電力設(shè)備損壞或者造成大面積停電。因此，安全生產(chǎn)是電力企業(yè)所面臨的重要課題。

1.3 員工行為的重要性

電廠生產(chǎn)環(huán)境復雜，員工行為容易受到外界因素的影響，人員操作技術(shù)不當以及安全防范意識薄弱，都會影響到電力企業(yè)的安全生產(chǎn)。尤其是在復雜環(huán)境下，安全隱患無法及時排除，不僅會對員工人身安全造成嚴重的威脅，而且還會造成嚴重的生產(chǎn)事故。因此，提高員工安全行為管理，規(guī)范員工操作，減少不安全因素對電力生產(chǎn)造成的影響是十分必要的。

電力企業(yè)員工不安全行為識別及預警是電網(wǎng)安全管理的重要內(nèi)容，對電力企業(yè)風險規(guī)避、人員保護和經(jīng)濟效益提升有著非常顯著的作用。在系統(tǒng)研發(fā)過程中，通過采集電廠員工不安全行為特征，建立系統(tǒng)完善的電廠員工不安全行為預警模型，對員工進行科學有效的風險管理。并且通過完善電廠安全應急救援管理體系，最大限度地降低上生產(chǎn)事故造成的危害。當電力企業(yè)出現(xiàn)重大事故后，積極有效的應急預案和調(diào)配活動，可以幫助電力企業(yè)迅速恢復到正常運營狀態(tài)。在現(xiàn)代科學技術(shù)的推動下，電力企業(yè)生產(chǎn)管理逐漸向著自動化、智能化的方向轉(zhuǎn)變，先進的生產(chǎn)設(shè)備降低了故障發(fā)生的概率，因此，人為因素導致的事故將是電力企業(yè)安全管理的核心。通過科學合理的監(jiān)控設(shè)備以及網(wǎng)絡(luò)通信平臺，對電廠員工的行為進行有效甄別，最大程度的避免不安全行為的發(fā)生，減少人員傷亡以及財產(chǎn)損失，為電力企業(yè)健康、穩(wěn)定、可持續(xù)發(fā)展提供有力支持。

2 電廠員工不安全行為識別及預警系統(tǒng)設(shè)計

安全生產(chǎn)是電力企業(yè)生產(chǎn)管理的核心內(nèi)容，員工行為則是影響安全生產(chǎn)的重要因素。電力企業(yè)需要重視員工安全行為管理，借助現(xiàn)代化技術(shù)建立系統(tǒng)完善的員不安全行為識別和預警機制，為電力企業(yè)安全生產(chǎn)保駕護航。電廠員工不安全行為識別及預警系統(tǒng)，融合了互聯(lián)網(wǎng)技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)以及現(xiàn)代化通信技術(shù)，主要是對進入監(jiān)控范圍內(nèi)的員工進行實時監(jiān)控，具備人員識別、跟蹤、檢測等功能，同時，可以通過數(shù)據(jù)庫對員工行為進行預判，如果存在不安全操作可以進行報警，從而實現(xiàn)智能化控制的功能，最大限度地避免員工不安全行為的發(fā)生。下面就對電廠員工不安全行為識別及預警系統(tǒng)設(shè)計進行詳細分析：

2.1 員工不安全行為的界定

在電力生產(chǎn)過程中由于員工不安全行為、設(shè)備故障是導致生產(chǎn)事故發(fā)生的主要誘因，其中員工不安全行為在可管控事故中占比較高。電廠員工不安全行為包括：不正確佩戴安全帽、不正確使用安全帶、移動中使用通信設(shè)備、與帶電設(shè)備安全距離不夠、開關(guān)室內(nèi)單人作業(yè)、翻越（倚靠、坐立）欄桿、跨越皮帶、在運行的皮帶上工作等。檢測出目標人體后，根據(jù)電廠關(guān)注的具體幾個危險行為如：危險操作，翻越護欄，高空拋物，摔倒受傷，違禁吸煙，未佩戴安全帽等。針對分割出的檢測的圖像，由電廠專家針對部分樣本圖片進行標注，判斷是否為不安全行為。若是不安全行為，則將圖片標注為不安全行為，若不是，則標注為安全行為。根據(jù)圖像標注結(jié)果，將標注的不安全行為圖片存儲至典型不安全行為庫中，將安全行為存儲至正常行為庫，便于后期不安全行為的識別界定。

2.2 行為特征提取

特征是一幅圖像中能夠引起人們注意的特點，也是視覺監(jiān)控系統(tǒng)的核心。對同一個運動目標在任何場景環(huán)境中提取的特征都應該是相同的。特征提取是計算機數(shù)字圖像處理中的重要基礎(chǔ)，對每一個像素點，獲得目標的特征信息。輸入圖像作為特征提取的操作對象和信息源，然后通過對興趣區(qū)域的處理獲得圖像內(nèi)目標前景的各種特征信息。從目標圖像中提取出來的特征信息被稱為特征描述。圖像特征一般包括：形狀特征、顏色特征、紋理特征和空間關(guān)系特征。利用深度學習方法對人體行為進行識別，提取人員行為特征。

2.2.1 TLSTM-Atten神經(jīng)網(wǎng)絡(luò)

利用自注意力機制自適應地感知，對識別結(jié)果有較大影響的關(guān)節(jié)權(quán)重，使模型能夠根據(jù)行為序列的前后關(guān)系實現(xiàn)更精確的識別。神經(jīng)網(wǎng)絡(luò)預測之前需要借助訓練使網(wǎng)絡(luò)具有聯(lián)想記憶和預測的能力。神經(jīng)網(wǎng)絡(luò)模型包括網(wǎng)絡(luò)層數(shù)和隱含層節(jié)點數(shù)，其中隱含層數(shù)又劃分為單隱含層與多隱含層。多隱含層泛化能力較強，預測精準度高，但是需要耗費大量的訓練時間。因此，在網(wǎng)絡(luò)精度要求不高的情況下，可以選擇但隱含層，節(jié)省訓練時間。

2.2.2 幀間差分法

幀間差分法是在圖像序列中，將相鄰兩幀圖像或相隔幾幀的兩幅圖像的像素值相減并且閾值化來提取圖像中的運動區(qū)域。其主要優(yōu)點是算法實現(xiàn)簡單，但對場景光線的變化不太敏感，受目標陰影的影響也不太大。問題是“當目標表面存在大的灰度均勻的區(qū)域時，在目標的上述區(qū)域產(chǎn)生”空洞“，目標運動速度越大，檢測出的區(qū)域就比實際的區(qū)域越大，而當目標運動很緩時，往往檢測到得區(qū)域很小，甚至無法檢測到目標運動。

2.2.3 運動目標檢測法

基于電廠已有實時視頻畫面，把視頻中的運動部分分割出目標圖像來，然后把分割的圖像送到識別的窗口中進行識別人體，判斷是否為行人。利用深度學習方法時刻監(jiān)視行人目標的狀態(tài)信息，包括：行人出現(xiàn)、消失、移動的位置、大小變換和速度等屬性，檢測識別出人體目標后，再對該目標持續(xù)不斷的追蹤，直到完全消失。運動目標檢測常用的方法：背景減除法，幀間差分法、光流法級統(tǒng)計學方法。

根據(jù)上述方法所提取的行為特征，再結(jié)合其標注是否不安全行為，利用SVM、xgBoost等機器學習算法進行建模訓練，對未標注圖像所提取的特征進行分類標簽化，將不同姿勢的特征各自劃分至各自特征類中。依據(jù)人體行為特征分類，將人員不安全行為所提取的特征存儲至人體不安全行為特征庫中，以為后續(xù)行為識別使用。人員不安全行為特征庫建立流程圖如圖1所示：

圖1 人員不安全行為特征庫

2.3 建立安全事故知識庫

安全事故知識庫系統(tǒng)采用電力行業(yè)安全知識和信息化標準知識庫體系相結(jié)合的方式進行構(gòu)建。既包含了數(shù)據(jù)的采集、編錄、審核、發(fā)布、又包含了按照電力行業(yè)使用傾向性的個性化發(fā)布、共享、查詢方式。不同的知識庫作為安全事故知識庫的二級分類，風險大數(shù)據(jù)設(shè)計包括：編目、查詢、接口服務，提供對事故案例致因剖析庫、人機風險預控措施庫的安全風險數(shù)據(jù)庫管理。提取安全事故案例、防控措施、安全規(guī)定三大類風險數(shù)據(jù)庫特征，形成風險大數(shù)據(jù)庫核心元數(shù)據(jù)。提取本質(zhì)安全事故案例、風險防控措施、安全規(guī)定相關(guān)表單資源以及其相關(guān)特征信息，形成業(yè)務內(nèi)容的元數(shù)據(jù)。

電力企業(yè)員工不安全行為識別及預警系統(tǒng)，圍繞員工行為、工作環(huán)境、信息共享等方面進行綜合設(shè)計，包括不安全行為預測、報警、行為規(guī)范等機制。通過甄別員工不安全行為與電力生產(chǎn)之間的關(guān)聯(lián)性，規(guī)范員工操作改進電力生產(chǎn)安全管理現(xiàn)狀，將電力生產(chǎn)運營由危險迅速轉(zhuǎn)變?yōu)榘踩珷顟B(tài)，確保電力設(shè)備正常運行。在電力企業(yè)生產(chǎn)過程中，系統(tǒng)會對復雜的作業(yè)環(huán)境進行預測，判斷工作環(huán)境是否存在引發(fā)事故的外在因素。預測是消除員工不安全行為的關(guān)鍵步驟，可以通過有效預測確保電力企業(yè)的安全生產(chǎn)規(guī)避不安全行為的發(fā)生。針對員工產(chǎn)生不安全行為的因素進行實時監(jiān)測，科學識別和診斷報警。此外，員工不安全行為識別及預警系統(tǒng)，可以對可能出現(xiàn)的事故危險源展開有效的識別和警告，最大限度地確保電廠安全生產(chǎn)。該系統(tǒng)還可以針對電廠企業(yè)員工生產(chǎn)過程中出現(xiàn)的不安全行為，進行有效的矯正，當員工生產(chǎn)存在不安全狀態(tài)，系統(tǒng)借助矯正機制能過快速促使電廠員工恢復正常工作狀態(tài)。當出現(xiàn)危險狀況或者由于不安全因素，導致員工出現(xiàn)不安全行為時，系統(tǒng)可以快速甄別問題產(chǎn)生的原因，并立即推送應急措施，有效規(guī)避事故的發(fā)生。電力企業(yè)員工不安全行為識別及預警系統(tǒng)運行過程中可以對員工行為進行有效管控，預警機制則承擔著警示和規(guī)范的作用，不僅可以實現(xiàn)員工不安全行為的超前反饋，預防風險于未然，而且當電力企業(yè)出現(xiàn)災害事故時，該系統(tǒng)在應急救援中可以提供有效的信息，對救援工作起到有效的引導和指揮作用。

3 結(jié)束語

綜上所述，安全生產(chǎn)對于電力企業(yè)具有重要意義。設(shè)計研發(fā)智能化員工不安全行為識別及預警系統(tǒng)，能降低人工管理勞動強度的同時，還提升電廠智能化管理水平。基于行為識別的電廠員工不安全行為識別及預警系統(tǒng)，通過構(gòu)建不安全數(shù)據(jù)庫對員工行為進行有效監(jiān)控，規(guī)范員工的行為操作，有效提升安全防范意識，降低事故發(fā)生概率。