水電工程安全風險預警與決策體系研究

黃 龍， 嚴 錦 江， 彭 旭 初， 郭 成

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

0 前 言

在水電工程建設中，安全生產是維護參建單位長期發展和增強水電工程社會效益的重要保障。由于水電工程規模大、施工周期長、涉及的地質條件多樣和施工難度大等特點，給安全生產增加了難度。水電工程一旦發生安全事故，將直接危及人民的生命財產，給參建單位帶來巨大的損失，因此，必須嚴格進行工程安全風險管理。傳統工程的安全風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，難免出現對異常原因分析不準確和處理效果反復的情況。以水電工程建設安全為重點，集成企業大數據中心的工程建設安全數據，建立水電工程安全風險預警與決策體系，為水電工程建設安全數據提供統一的統計、分析及可視化展示。同時，建立相關安全管理KPI體系，對集成的海量安全信息進行預警預報，為管理決策提供數據支撐，與項目公司系統的全面、微觀管控相結合，對安全管理要素的趨勢性、系統性問題進行分析、預警、決策與綜合管理，實現水電工程安全管理的自動感知、自動預判和自主決策。

1 研究現狀

目前，國內對于水電工程安全風險預警決策體系的研究，還主要集中在對安全事項進行單項深入研究或者一部分的綜合研究，比如，對大壩震后安全預警與決策支持系統實現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節的信息統一分析處理，探究原因主要依賴人力經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的解決措施，整體缺少一個自動采集信息并且統一綜合分析處理的智慧化管理控制體系。

2 體系架構

2.1 研究目的

建立水電工程安全風險預警決策體系的目的，是通過傳感器等監測設備對指標進行自動采集和上載，其他信息數據側采用手機APP以及相關信息系統進行采集和上載，對工程的安全通過預警指標體系風險判別出對應問題，系統自動運用大數據技術調用原因知識庫判定風險原因，之后，系統自動分析，從措施庫中匹配合理的處置措施，從文檔庫中抓取對應參考文檔，從案例庫中抓取參考案例，從而進行風險的閉環處理。

2.2 體系要素

此次研究的水電工程風險預警與決策體系，不僅涉及了水電工程管理領域，同時融合了大數據算法、物聯網、預警數學模型等多個領域，目前國內少有研究。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一意見。同時，預警數學模型考慮了在沒有足夠數量數據支撐的情況下，使用了通過事件去觸發風險識別的方法，并且在識別出風險后，根據風險種類和風險的具體原因，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動性考慮充分。水電工程安全風險預警與決策體系有機組合了措施庫、案例庫、文檔庫，從而實現解決方法-現實案例-規范制度的全面決策，為安全風險問題提供了解決問題的方法和依據。

2.3 技術框架

整體技術框架包含了“5+2”體系，5即5層，感知層、傳輸層、數據層、平臺層和應用層。感知層包含了安全傳感器、視頻監控等多種設備和傳感器以及手機終端，通過多樣化的方式自動采集、填報或系統抓取安全風險相關數據，通過有線和無線的傳輸層傳遞給數據層。數據層包含了工程數據中心、企業大數據中心和決策知識庫，感知層的數據在工程數據中心和企業大數據中心進行處理并存儲，決策知識庫中的措施庫、案例庫和文檔庫實時更新，支持系統自動決策。平臺層即水電工程安全風險預警與決策平臺，進行整體的業務處理。應用層即安全管理應用，包含了檢測預警、危險源分布、應急預案管理、應急輔助指揮四個功能。2為兩大體系，預警分級管控體系和決策支持體系。

3 體系建設

3.1 數據采集

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、會議督導等工作；二是針對特殊工程部位、安全隱患的日常監測，如圍巖穩定監測、危險源監測等，使安全監測成為保障工程安全的最有效的技術手段[2]；另外，建設期的防洪度汛也是建設管理單位重點關注的內容。體系按照以上三種不同安全管控方式進行安全管控關鍵性指標梳理和采集。

日常安全數據按照日常申報為主。安全監測數據主要利用物聯網技術實時自動采集數據。防洪度汛數據通過物聯網技術實時自動采集或者通過流域的氣象云平臺獲取。

這三種安全數據的匯集方法采用了手機APP、信息化系統的實時在線收集，收集后各業務子系統對數據進行整理和分析，過濾出有用數據之后，工程數據中心將數據進行存儲，并且依據安全風險分級預警指標體系(參照表1)對數據進行篩選，并加工為體系所需的基礎數據。

3.2 指標分類

水電工程安全風險預警體系從特性和重要性兩個維度進行工程信息剖析和指標梳理。按照指標的時間和關聯特性，分為靜態指標和趨勢性指標。根據不同指標的重要性，將其分為重要指標及一般指標，分別對應于不同的管理層級。水電工程安全風險預警指標體系見表1。靜態指標都是一般指標，趨勢性指標都是重要指標。

表1 水電工程安全風險預警指標體系

通過將相關指標規整放入數據庫中便于通過平臺軟件開展后續預警等操作，數據格式包括以下各種類型： String(工程名稱、工程類型、標段、部位等)、Datetime(創建時間、檢測時間)和Int(合格數量、檢測點位數量)等。

3.2 指標預警

異常安全相關指標出現的時候，該預警指標的可信度需要系統首先判定，需要剔除錯誤填報或者由污染數據產生的錯誤預警。當安全指標出現以下三種情況時，系統自動判定為數據污染或填報錯誤：超出安全限值標準的數值、靠近源頭的某些安全代表性數據低于遠離源頭的反常規數據和相互關聯的指標出現異常的數據。

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

同一時間，按照所屬分部分項等關聯，系統會自動給相關人員推送次要指標(即靜態指標)，并且系統會識別出明顯異常的次要指標進行推送(為減輕公司管理人員不必要的工作量，當重要指標沒有預警，次要指標一般并不會推送到公司級別人員)。系統和用戶都可以根據收到的重要預警指標和異常靜態指標，分析可能造成異常的原因。

3.3 風險原因分析

系統在處理指標預警的同時，自動推送風險提示。通過比對預警指標的具體類型，系統中的風險管理模型將匹配對應可能發生的風險，給管理層自動提供提示。為增加系統的冗余性和準確性，風險管理模型同時兼容預設功能和人工篩選功能，預設功能試通過大量樣本的大數據決策選擇機制優化出來的最佳匹配。提示給管理層的風險包括風險的嚴重程度和發生的可能性等信息，可以幫助管理層對于風險的決策。

系統將統一分析判定異常次要指標和重要指標預警，按照指標和原因的內在關系，從原因庫中匹配選取有可能導致異常和預警的原因。同時人工篩選功能的存在可以允許管理人員按照實際現場狀態、專家意見和國家標準規范去改動推送的原因，并且管理人員對結果進行最終確認。被確認的結果同時也被系統記錄，自動成為指標-原因關聯關系的分析樣本之一，使得系統該部分沉淀過程經驗，自動升級。

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

表2 安全風險管控類措施庫

3.4 風險原因判斷

風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對于風險的貢獻程度。所以系統給出的分析應包括風險-原因貢獻程度預設指標，同時管理人員可以根據專家意見、規范調整和實際情況調整風險-原因的關聯關系和貢獻程度值，然后系統將調整整體納入平臺，通過反復的數據學習，可使風險原因判斷更加準確和自我迭代。

3.5 決策支持

在得到風險原因后，系統擁有的決策支持功能，可以根據安全風險管控類措施庫、案例庫中的信息，綜合分析風險、原因、措施三者的聯動關系，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 預警閉合

系統平臺通過對風險關聯、原因判定、措施選擇等步驟的分析，將整個分析結果自動提供給項目部管理人員和企業管理部門人員，相關方面人員對于預警情況和措施實行情況進行反饋，從而使整個系統達到處理預警事件的一個閉環。

4 工程應用

4.1 工程概況

本文研究的成果作為大渡河工程數據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。通過水庫調節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 提高決策速度和準確率

本安全風險預警與決策系統從啟用以來，積累了大量有用的數據。系統自動采集分析工程的安全風險指標，分析出異常情況后自動判定原因，并且推送改進措施。判定安全風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，目前各項安全風險指標都在往良好的趨勢發展，安全管控整體上更有效。

5 結 論

本研究以水電工程安全為控制目標，以分級安全指標為對象，整合了三個知識庫(原因庫、案例庫、措施庫)，建立了安全風險預警與決策體系。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據，為以后水電工程的科學研究、工程管理等提供了豐富的經驗數據支持，并且經過云大物移智(云計算、大數據、物聯網、移動互聯網、人工智能)技術的使用，水電行業開啟了智慧化管理控制的升級迭代。伴隨著人工智能技術(AI)和數字孿生技術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發展。