基于电厂作业的风险管控方法及系统与流程

1.本发明属于智慧电厂领域，涉及风险管控技术，具体是基于电厂作业的风险管控方法及系统。


背景技术：

2.电力行业现场作业具备着不确定性，因此现场作业的风险比较大，在电力行业中，传统的现场作业风险评估是以制度化和体系化为基础，开展现场作业风险评估体系，因此在作业风险及其控制措施的辨识、选择与执行中，需要人为干涉，风险评估人员按照风险评估技术标准开展危害辨识、风险等级判定及通用措施辨识，多以经验判断为主才可以实现常态化管理，主观因素较强，致使作业风险评估存在维度单一的缺陷，且评估结果及管控措施也缺乏针对性、客观性和科学性。
3.为此，提出一种基于电厂作业的风险管控方法及系统。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于电厂作业的风险管控方法及系统，该基于电厂作业的风险管控方法及系统解决了传统的现场作业风险评估是以制度化和体系化为基础，开展现场作业风险评估体系，因此在作业风险及其控制措施的辨识、选择与执行中，需要人为干涉，风险评估人员按照风险评估技术标准开展危害辨识、风险等级判定及通用措施辨识，多以经验判断为主才可以实现常态化管理，主观因素较强，致使作业风险评估存在维度单一的缺陷，且评估结果及管控措施也缺乏针对性、客观性和科学性的问题。
5.为实现上述目的，根据本发明的第一方面的实施例提出基于电厂作业的风险管控系统，包括作业信息采集模块、风险预测模块、作业分配模块以及数据库；所述作业信息采集模块用于获取作业信息；并将所述作业信息发送至所述风险预测模块；所述风险预测模块用于接收所述作业信息，根据所述作业信息和风险预判模型获取风险等级标签，对所述风险等级标签进行识别，获取作业的风险等级；其中，所述风险预判模型基于人工智能模型建立；所述作业分配模块用于制定标准操作员的标准特征画像集合，根据所述标准特征画像集合获取待匹配操作员；通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员；所述数据库用于存储操作员的标准特征画像集合、历史工作经验指数以及应急指数。
6.优选地，根据所述作业信息和风险预判模型获取风险等级标签，包括以下步骤：所述风险预判模型接收所述作业信息；
获取风险预判模型，并将所述作业信息输入至所述风险预判模型中，获取风险等级标签。
7.优选地，所述风险等级标签的取值为1或者2或者3；当风险等级标签为1时，表示对应作业的风险等级为一级风险；当风险等级标签为2时，表示对应作业的风险等级为二级风险；当风险等级标签为3时，表示对应作业的风险等级为三级风险。
8.优选地，基于人工智能模型建立所述风险预判模型，包括：从风险预测模块获取标准训练数据；通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为风险预判模型；人工智能模型包括深度卷积神经网络模型和rbf神经网络模型。
9.优选地，所述作业分配模块根据所述标准特征画像集合获取待匹配操作员，包括以下步骤：所述作业分配模块根据所述作业信息制定标准操作员的标准特征画像集合；其中，所述标准特征画像集合包括n个特征画像；所述作业分配模块在数据库内搜索和匹配符合所述标准特征画像集合的操作员，并将符合所述标准特征画像集合的操作员标记为待匹配操作员。
10.优选地，通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员，包括以下步骤：所述作业分配模块获取所述待匹配操作员的历史工作经验指数和应急指数，将所述历史工作经验指数标记为jym，将所述应急指数标记为yjm；其中，m为所述待匹配操作员的编号，m的取值为1,2
……
m，m为所述待匹配操作员的总数；根据计算公式获取所述待匹配操作员的匹配度，将所述待匹配操作员的匹配度标记为pm；所述待匹配操作员的匹配度的计算公式为：pm=a1×
jym+a2×
yjm其中，当本次作业为一级风险时，a1的取值为0.7，a2的取值为0.8；当本次作业为二级风险时，a1的取值为0.8，a2的取值为0.9；当本次作业为三级风险时，a1的取值为1，a2的取值为1；所述作业分配模块将所述待匹配操作员的匹配度按照降序的方式进行排序；获取所述待匹配操作员的匹配度序列的首项，并将对应的所述待匹配操作员标记为目标操作员；所述作业分配模块生成作业短信，并将所述作业短信发送至目标操作员的智能终端。
11.基于电厂作业的风险管控方法，包括以下步骤：步骤一：所述作业信息采集模块获取作业信息；并将所述作业信息发送至所述风险预测模块；步骤二：所述风险预测模块接收所述作业信息，根据所述作业信息和风险预判模型获取风险等级标签，对所述风险等级标签进行识别，获取作业的风险等级；
步骤三：所述作业分配模块制定标准操作员的标准特征画像集合，根据所述标准特征画像集合获取待匹配操作员；步骤四：通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员。
12.与现有技术相比，本发明的有益效果是：本发明通过作业信息采集模块获取作业信息；并将作业信息发送至风险预测模块；风险预测模块接收作业信息，根据作业信息和风险预判模型获取风险等级标签，对风险等级标签进行识别，获取作业的风险等级；避免了人为主观因素导致风险预测的不合理；作业分配模块制定标准操作员的标准特征画像集合，根据标准特征画像集合获取待匹配操作员；通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员；将风险等级和工作经验相结合，将作业人员的选取更加合理，提高了作业的安全性。
附图说明
13.图1为本发明的原理图；图2为本发明的流程图。
具体实施方式
14.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
15.如图1所示，基于电厂作业的风险管控系统，包括作业信息采集模块、风险预测模块、作业分配模块以及数据库；各个模块之间基于数字信号进行信息交互；所述作业信息采集模块用于获取作业信息；并将所述作业信息发送至所述风险预测模块。
16.所述风险预测模块用于接收所述作业信息，根据所述作业信息和风险预判模型获取作业的风险等级；本实施例中，所述风险预测模块根据所述作业信息和风险预判模型获取作业的风险等级，包括以下步骤：所述风险预判模型接收所述作业信息；获取风险预判模型，并将所述作业信息输入至所述风险预判模型中，获取风险等级标签；其中，所述风险预判模型基于人工智能模型建立；需要进一步说明的是，所述风险预判模型用于对作业信息进行检测判断，获取风险等级；对所述风险等级标签进行识别，获取本次作业的风险等级；其中，所述风险等级包括一级风险、二级风险以及三级风险；本实施例中，所述风险等级标签的取值为1或者2或者3；当风险等级标签为1时，表示对应作业的风险等级为一级风险；当风险等级标签为2时，表示对应作业的风险等级为二级风险；
当风险等级标签为3时，表示对应作业的风险等级为三级风险；在一个可选的实施例中，基于人工智能模型建立所述风险预判模型，包括：从风险预测模块获取标准训练数据；通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为风险预判模型。
17.本实施例中，标准训练数据包括若干组输入作业信息以及对应的风险等级标签。
18.本实施例中，人工智能模型包括深度卷积神经网络模型或者rbf神经网络模型等具有强大非线性拟合能力的模型。
19.所述作业分配模块用于制定标准操作员的标准特征画像集合，根据所述标准特征画像集合获取待匹配操作员；通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员；本实施例中，所述作业分配模块根据所述标准特征画像集合获取待匹配操作员，包括以下步骤：所述作业分配模块根据所述作业信息制定标准操作员的标准特征画像集合；其中，所述标准特征画像集合包括n个特征画像；需要进一步说明的是，n为大于0的整数，即所述标准特征画像集合内至少需要包括一条特征画像；所述标准特征画像集合即为标准操作员的客观条件；举例说明：本次作业任务需要年龄25-30岁，男性，本科学历及以上的人员来操作；则标准操作员的标准特征画像集合包括年龄：25-30岁，性别：男性，学历：本科学历及以上，并且这三条特征画像必须同时满足；所述作业分配模块在数据库内搜索和匹配符合所述标准特征画像集合的操作员，并将符合所述标准特征画像集合的操作员标记为待匹配操作员；本实施例中，通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员，包括以下步骤：所述作业分配模块获取所述待匹配操作员的历史工作经验指数和应急指数，将所述历史工作经验指数标记为jym，将所述应急指数标记为yjm；其中，m为所述待匹配操作员的编号，m的取值为1,2
……
m，m为所述待匹配操作员的总数；根据计算公式获取所述待匹配操作员的匹配度，将所述待匹配操作员的匹配度标记为pm；所述待匹配操作员的匹配度的计算公式为：pm=a1×
jym+a2×
yjm其中，当本次作业为一级风险时，a1的取值为0.7，a2的取值为0.8；当本次作业为二级风险时，a1的取值为0.8，a2的取值为0.9；当本次作业为三级风险时，a1的取值为1，a2的取值为1；所述作业分配模块将所述待匹配操作员的匹配度按照降序的方式进行排序；需要进一步说明的是，降序即为将所述待匹配操作员的匹配度按照从大到小的方式进行排序；获取所述待匹配操作员的匹配度序列的首项，并将对应的所述待匹配操作员标记为目标操作员；
所述作业分配模块生成作业短信，并将所述作业短信发送至目标操作员的智能终端；其中，所述智能终端包括智能手机和电脑等智能设备。
20.所述数据库用于存储操作员的标准特征画像集合、历史工作经验指数以及应急指数；需要进一步说明的是，历史工作经验指数和应急指数均为根据操作员的历史工作表现设定的指数。
21.本实施例中，所述作业信息采集模块与所述风险预测模块通信和/或电气连接；所述作业信息采集模块与所述作业分配模块通信和/或电气连接；所述风险预测模块与所述作业分配模块通信和/或电气连接；所述作业分配模块与所述数据库通信和/或电气连接；其中，通信连接包括无线局域网；电气连接包括线连接。
22.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的a1、a2、历史工作经验指数以及应急指数由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
23.如图2所示，基于电厂作业的风险管控方法，包括以下步骤：步骤一：获取作业信息。
24.步骤二：根据所述作业信息和风险预判模型获取作业的风险等级；本实施例中，根据所述作业信息和风险预判模型获取作业的风险等级，包括以下步骤：获取风险预判模型，并将所述作业信息输入至所述风险预判模型中，获取风险等级标签；其中，所述风险预判模型基于人工智能模型建立；对所述风险等级标签进行识别，获取本次作业的风险等级；其中，所述风险等级包括一级风险、二级风险以及三级风险。
25.步骤三：制定标准操作员的标准特征画像集合，根据所述标准特征画像集合获取待匹配操作员；本实施例中，根据所述标准特征画像集合获取待匹配操作员，包括以下步骤：根据所述作业信息制定标准操作员的标准特征画像集合；在数据库内搜索和匹配符合所述标准特征画像集合的操作员，并将符合所述标准特征画像集合的操作员标记为待匹配操作员。
26.步骤四：通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员；本实施例中，通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员，包括以下步骤：获取所述待匹配操作员的历史工作经验指数和应急指数，将所述历史工作经验指数标记为jym，将所述应急指数标记为yjm；根据计算公式获取所述待匹配操作员的匹配度，将所述待匹配操作员的匹配度标记为pm；所述待匹配操作员的匹配度的计算公式为：pm=a1×
jym+a2×
yjm其中，当本次作业为一级风险时，a1的取值为0.7，a2的取值为0.8；
当本次作业为二级风险时，a1的取值为0.8，a2的取值为0.9；当本次作业为三级风险时，a1的取值为1，a2的取值为1；将所述待匹配操作员的匹配度按照降序的方式进行排序；获取所述待匹配操作员的匹配度序列的首项，并将对应的所述待匹配操作员标记为目标操作员；所述作业分配模块生成作业短信，并将所述作业短信发送至目标操作员的智能终端。
27.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.基于电厂作业的风险管控系统，其特征在于，包括作业信息采集模块、风险预测模块、作业分配模块以及数据库；所述作业信息采集模块用于获取作业信息；并将所述作业信息发送至所述风险预测模块；所述风险预测模块用于接收所述作业信息，根据所述作业信息和风险预判模型获取风险等级标签，对所述风险等级标签进行识别，获取作业的风险等级；其中，所述风险预判模型基于人工智能模型建立；所述作业分配模块用于制定标准操作员的标准特征画像集合，根据所述标准特征画像集合获取待匹配操作员；通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员；所述数据库用于存储操作员的标准特征画像集合、历史工作经验指数以及应急指数。2.根据权利要求1所述的基于电厂作业的风险管控系统，其特征在于，根据所述作业信息和风险预判模型获取风险等级标签，包括以下步骤：所述风险预判模型接收所述作业信息；获取风险预判模型，并将所述作业信息输入至所述风险预判模型中，获取风险等级标签。3.根据权利要求2所述的基于电厂作业的风险管控系统，其特征在于，所述风险等级标签的取值为1或者2或者3；当风险等级标签为1时，表示对应作业的风险等级为一级风险；当风险等级标签为2时，表示对应作业的风险等级为二级风险；当风险等级标签为3时，表示对应作业的风险等级为三级风险。4.根据权利要求2所述的基于电厂作业的风险管控系统，其特征在于，基于人工智能模型建立所述风险预判模型，包括：从风险预测模块获取标准训练数据；通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为风险预判模型；人工智能模型包括深度卷积神经网络模型和rbf神经网络模型。5.根据权利要求1所述的基于电厂作业的风险管控系统，其特征在于，所述作业分配模块根据所述标准特征画像集合获取待匹配操作员，包括以下步骤：所述作业分配模块根据所述作业信息制定标准操作员的标准特征画像集合；其中，所述标准特征画像集合包括n个特征画像；所述作业分配模块在数据库内搜索和匹配符合所述标准特征画像集合的操作员，并将符合所述标准特征画像集合的操作员标记为待匹配操作员。6.根据权利要求5所述的基于电厂作业的风险管控系统，其特征在于，通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员，包括以下步骤：所述作业分配模块获取所述待匹配操作员的历史工作经验指数和应急指数，将所述历史工作经验指数标记为jym，将所述应急指数标记为yjm；其中，m为所述待匹配操作员的编号，m的取值为1,2
……
m，m为所述待匹配操作员的总数；根据计算公式获取所述待匹配操作员的匹配度，将所述待匹配操作员的匹配度标记为
pm；所述待匹配操作员的匹配度的计算公式为：pm=a1×
jym+a2×
yjm其中，当本次作业为一级风险时，a1的取值为0.7，a2的取值为0.8；当本次作业为二级风险时，a1的取值为0.8，a2的取值为0.9；当本次作业为三级风险时，a1的取值为1，a2的取值为1；所述作业分配模块将所述待匹配操作员的匹配度按照降序的方式进行排序；获取所述待匹配操作员的匹配度序列的首项，并将对应的所述待匹配操作员标记为目标操作员；所述作业分配模块生成作业短信，并将所述作业短信发送至目标操作员的智能终端。7.根据权利要求1-6任意一项所述的基于电厂作业的风险管控系统的方法，其特征在于，包括以下步骤：步骤一：所述作业信息采集模块获取作业信息；并将所述作业信息发送至所述风险预测模块；步骤二：所述风险预测模块接收所述作业信息，根据所述作业信息和风险预判模型获取风险等级标签，对所述风险等级标签进行识别，获取作业的风险等级；步骤三：所述作业分配模块制定标准操作员的标准特征画像集合，根据所述标准特征画像集合获取待匹配操作员；步骤四：通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员。

技术总结
本发明公开了基于电厂作业的风险管控方法及系统，涉及风险管控技术领域，通过作业信息采集模块获取作业信息；并将作业信息发送至风险预测模块；风险预测模块接收作业信息，根据作业信息和风险预判模型获取风险等级标签，对风险等级标签进行识别，获取作业的风险等级；作业分配模块制定标准操作员的标准特征画像集合，根据标准特征画像集合获取待匹配操作员；通过历史工作经验指数和应急指数计算待匹配操作员的匹配度，获取目标操作员；提高了电厂作业风险管控的安全性。厂作业风险管控的安全性。厂作业风险管控的安全性。


技术研发人员：梅增荣 杨家兴 蒋三林 纪正堂 王文彬 丁川 王强 姜发兴 周锐 王世杰
受保护的技术使用者：云南联合电力开发有限公司
技术研发日：2023.08.24
技术公布日：2023/9/20