面向帶電作業人員安全防護的危險動作智能監測與報警干預方法

胡松華，柳明賢，于 虹

（1.云南電網有限責任公司保山供電局，云南 保山 678008；2.云南電網有限責任公司麗江供電局，云南 麗江 674100；3.云南電網有限責任公司電力科學研究院，云南 昆明 650051）

與停電作業相比，帶電作業減少了因失誤操作導致反復停電的現象，能夠保證電力系統穩定運行。帶電作業意味著作業人員將面臨一定的觸電風險[1]。因此，需要對帶電作業中的危險動作進行精準監測，第一時間發現是否出現觸電風險。帶電作業中的危險動作是指在電氣設備帶電狀態下進行的、可能導致觸電傷害、火災等危險的行為。通過智能技術識別帶電作業危險因素，對帶電作業人員的危險動作進行監測，判斷該動作是否具備安全風險，提前預警，發出報警信號，對帶電作業人員以及監管人員做出提醒，減少人員傷亡或電網事故的發生，加強帶電作業檢修的安全性[2]。

1 危險動作智能監測與報警干預方法設計

1.1 遠程采集帶電作業人員動作

對帶電作業人員的動作采集需要遠程進行，由于帶電作業處于高空作業環境或較為精密的作業環境，很難在較近的環境下進行作業動作的采集[3]。本文采取的動作標準參考國家標準《中國成年人人體尺寸》進行設置，參數如表1所示。

表1 人體模型尺寸參數

根據表1人體參數對帶電作業范圍的人體動作進行識別，判斷該作業人員的位置以及動作等。本文采用激光傳感器進行帶電作業動作的采集，將采集到的動作傳輸到智能監測模型中。

1.2 建立危險動作智能監測與報警模型

根據采集到的帶電作業人員動作建立智能監測與報警模型。本文采用基于MATLAB的軟件平臺進行模型搭建。針對帶電作業人員的危險動作智能監測與報警模型的建設主要依據是人體對于帶電場的影響[4]。在帶電作業中，作業人員身著屏蔽服，身體各個部位的電位值基本相同，無須考慮人體部位之間的電位值差異。計算帶電作業人員的電位值Up為

式中，i為模擬點的序列數；Pi為在第i個模擬點時，帶電作業人員所在位置的電位系數；Qi為第i個模擬點的電荷量；n為該帶電作業環境中模擬點的數量。經過粒子群算法智能尋優，確定模擬電荷的配置方案，建立函數值盡可能小的目標函數，公式為

vj為帶電作業設備表面第j個匹配點電位，q j為該匹配點位的實際電壓。通過公式（2）的計算結果，可以得到模擬點的電荷量[5]。將上文中采集到的帶電作業人員的動作數據進行代入，得到人體表面的瞬時混合場強和空間電荷密度，根據該數據在ATP-EMTP搭建仿真模型。該模型的操作流程如圖1所示：

圖1 智能監測與報警模型工作流程圖

如圖1所示，將采集到的帶電作業人員的人體動作數據傳輸到該模型中，對這些數據進行智能化處理，計算該動作數據中各個模擬點的電位值，并代入目標函數，完成數據處理后，對該動作進行判定。如果斷定為危險動作，則發出警報，并給出該危險動作的干預方案。

1.3 設定智能監測與報警模型參數

完成智能監測與報警模型的初步建立后，對該模型的各項參數進行計算，完善模型的監測功能。以帶電作業中危險動作的數據變量為參數計算基準。設每個危險動作的數據變量對前k個子塊的貢獻值T：

式中，pw為第w時間點的所有帶電作業動作；pvw為第v行、第w時間點的數據信息，其中，v和w的取值均為1，2，…，k。將危險動作的數據變量代入殘差載荷矩陣，計算得出危險動作的數據的均值a為

式中，mean表示求取平均值。通過計算得出的a值作為矩陣的方差值，得出參數計算公式如下：

式中，L為帶電作業中危險動作的控制限量；gk為前k個子塊中，所有動作數據構成的危險源特征參數，hk為在線重構統計量；m k為危險動作的數據特征。通過設定好的參數計算當前階段的控制限用時間和統計量，通過對被監測帶電作業環境的各參數進行分析，可以有效地做出危險動作的判定[6]。具體的判定流程：首先，對帶電作業動作的數據信息進行標準化處理；其次，對標準化的數據進行分析，判斷是否超出預定的控制限量；最后，設當前動作的控制限量為S，其計算公式為

式中，I為數據變量的數量；Tk為該動作數據在第k個子塊的貢獻值；Xk為標準化處理后的危險動作數據個數。通過對比S與預定控制限量值，得出該動作是否為危險動作的結論。判定方法：如果S值小于預定控制限量值，則該動作被判定為非危險動作；如果S值大于預定的控制限量值，則該動作被判定為危險動作，需要發出危險警報。

1.4 制定危險動作安全防護干預措施

在完成對帶電作業中的危險動作監測，發出危險警報后，為給帶電作業人員提供安全防護，需要制定不同危險動作的安全防護措施[7]。不同危險動作的安全防護干預措施如表2所示。

表2 常見帶電作業危險動作安全防護干預措施

本文列舉出了幾種帶電作業中常見的危險動作對應的安全防護干預措施。其中，需要注意的是斷開導線時，應先斷開火線，再斷開地線[8]。在監測與警報模型發出危險報警信號后，根據信號類別的不同，向該帶電作業環境的中心控制系統發出干預信號，做出相應的安全防護措施。

2 實驗

2.1 實驗說明及準備

為驗證本文提出的面向帶電作業人員安全防護的危險動作智能監測與報警干預方法的可行性，設計對比實驗進行測試。為保證實驗人員安全，本實驗采取仿真人體模型代替真人方式進行。以某帶電作業環境為例，將本文設計的危險動作智能監測與報警裝置分別安裝在該作業環境中的各個位置，包括導電柜、電力開關、電纜箱、環網柜等設備。先在斷電的情況下將仿真人體模型擺放成不符合作業規范的危險動作狀態，再將仿真人體模型放置在該帶電作業環境中，檢驗該模型是否能夠監測出該危險動作并發出報警信號。

為驗證本文方法的有效性，將實驗結果與基于物聯網的帶電作業危險動作智能監測與報警干預方法和基于BIM的帶電作業危險動作智能監測與報警干預方法進行實驗對比。

為了驗證監測方法的有效性，本實驗設計將所有危險動作劃分為五個等級，將安全距離不足的危險動作按照距離的遠近進行危險動作等級的劃分，危險動作等級越大，則說明該動作危險性越高。分別測試三種監測方法對五個等級的危險動作監測結果。為了降低實驗誤差，實驗共進行100次，取100次實驗的平均值作為最終的實驗結果。

2.2 實驗結果及分析

設本文提出的面向帶電作業人員安全防護的危險動作智能監測與報警干預方法為方法1，基于物聯網的帶電作業危險動作智能監測與報警干預方法為方法2，基于BIM的帶電作業危險動作智能監測與報警干預方法為方法3。監測結果以是否發出危險報警信號為判定指標，得出實驗結果如表3所示。

表3 三種監測方法實驗結果

由表3可知，本文提出的監測方法能夠準確判定動作是否為危險動作，而其他兩種方法均有概率判定錯誤，發出錯誤的報警信號。對于不同等級的危險動作，本文提出的監測方法得出的監測結果準確率較其他兩種方法高，平均準確度達97.3%。在等級達到三級之后，能夠百分百識別出該動作為危險動作，與真實結果高度一致。而其他兩種方法的監測平均準確度分別為72.2%和71.7%，準確度均不如本文提出的方法。

由此可見，本文提出的面向帶電作業人員安全防護的危險動作智能監測與報警干預方法能夠大幅度提高危險動作識別的精準度。

3 結束語

本文提出的面向帶電作業人員安全防護的危險動作智能監測與報警干預方法，能夠提高危險動作識別的精準度，為實際生活中的帶電作業危險動作監測提供科學依據。通過對危險動作進行精準監測并報警，做出正確的干預，能夠有效提高帶電作業的安全性，保證作業人員的人身安全。