智能化电力巡检安全隐患监管技术应用研究

王恩伟 曾惜 龙思璇 杨凤生 汪林

摘要：针对电力巡检工作中面临的作业环境差别巨大、巡检过程监管手段缺乏、安全隐患无法识别等多种问题，依托当前的大数据分析、北斗差分精确定位、人脸表情识别等多种技术手段基础构建电力巡检全过程的智能化安全隐患监管技术研究。在巡检前对巡检任务本身属性、环境、人员等因素的综合风险评估，巡检过程中的人员状态检测与轨迹追踪，最后根据巡检任务风险评估与过程监控情况对巡检工作进行综合评价和人员考核。智能化电力巡检安全隐患监管技术的持续优化和应用实践，为今后在电力巡检工作安全管理和安全胡奠定良好的基础。

关键词：风险评估;精确定位;表情识别

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2020）22-0176-03

开放科学（资源服务）标识码（OSID）：

随着国民经济的快速发展，对电力的需求也在日益增加，同时，对电力安全稳定的供应要求也越来越高，因此，保障电力安全稳定输送及供应成了电力企业工作的重中之重。在当前的电力建设中，由于我国幅员辽阔、地形复杂、需求不平衡等因素，导致电力运维检修工作的困难重重，尤其是在电力输电线路运维检修过程中表现得更加突出。

目前，输电线路运维检修过程中面临着分布点广、所处地形复杂、自然条件恶劣等多种因素，电场线及杆塔等附件在不同的条件下十分容易老化损坏。因此，对输电线路及变电站设备进行定期巡检维修[1-3]，随时掌握和修复电力供应过程中的缺陷，成为供电部门一项繁重的日常工作，而在巡检的过程中，运维检修人员作为巡检工作具体执行人员，面临着较大的工作压力以及可能发生的生命安全事故风险，例如：巡检任务难度与实施人员匹配度不符、巡检过程中轨迹偏离导致误人危险环境中、检修操作超时导致安全隐患发生[4-6]。如何对运维检修人员进行有效的管控，对保障运维检修人员生命安全以及保证运维检修工作顺利完成具有重要的意义。

1 电力巡检安全监管

智能化电力检修安全隐患监管是通过三个阶段的分析评估对每次的运维检修任务过程进行监管，保障运维检修工作完成的同时防范运维检修过程中的安全隐患。首先，在每次的运维检修工作执行前对检修事件、时间环境因素与运维检修人员进行关联分析[7-8]，评估运维风险，依据风险评估结果对本次的检修运维工作进行相应等级的监控管理;其次，在运维检修工作实施过程中，通过北斗定位技术[9-12]、人脸表情识别技术[13-17]对运维检修人员精神状态、运维巡检轨迹、耗时等指标进行实时监控，避免巡检过程中出现不必要的失误导致巡检任务的失败和可能发生的安全隐患;最后，结合运维检修事前和事中的监控情况，实现对本次运维检修任务的整体评估，根据评估结果对运维检修人员的工作进行评价考核，整体评估和人员考核结果将作为未来电力巡检安全隐患监管的重要指标。总体流程框架如图1所示：

2 智能化电力巡检监管技术实现

2.1 电力检修任务风险评估

为突破检修任务执行前风险把控技术的不足，需建立检修任务风险评估模型，实现对检修任务实施前的整体风险评估，充分考虑电力检修任务本身和电力检修执行人员的个人潜在风险，实现多维一体的动态风险评估方法，有效地在電力检修前提供电力检修潜在风险的大小，以便制定检修过程中的监管力度。

电力检修任务风险评估的具体实施路径，基于大数据分析实现电力巡检作业风险评估实施路径，通过采集相关系统的电力检修数据，建立风险分析指标体系如表1所示，从各指标维度进行综合风险动态分析，指标组成主要分为：人员能力指标、检修事件指标、时间环境指标等，其中人员能力指标有包括：工作年限、职称、近三年检修参与次数、完成率、历史检修事故率、近期培训考核情况;检修事件指标包括：检修难度、检修方式、是否交叉作业、近一年同类检修事故有无、同类检修任务耗时;时间环境指标包括：检修时段、检修地段、天气、温度、湿度。

在确定了电力检修风险评估的具体指标后针对每项基准风险设定一个具体的基准风险值。

进一步通过专家打分法结合层次分析法确定各层级指标的权重，风险权重计算过程如下：

（1）通过问卷的方式得到指标的重要性赋值均数，利用得到的分值高低判定相对重要性标度，建立指标判断矩阵;

（2）采用方根法确定权重向量（W）及最大特征值A一;权重计算公式为：

将电力巡检任务风险评估方法集成到电力巡检安全监管应用系统中，在每次电力巡检任务下发时对任务、人员、环境等进行智能化综合评判，风险等级越高表明任务难度越大、人员匹配度越差、作业环境等情况越差，为电力检修过程安全监管提供量化依据。

2.2 电力检修过程监控

基于电力检修任务风险评估的结果，针对电力检修任务执行过程采用不同等级的监控力度，对于风险较低的检修任务采取事前提醒，事后评估的方式进行监管;而对于风险较大的检修任务采用执行过程实时跟踪、重点监督的监管方式。针对需要重点监管的检修任务将在实施过程中采取多种方法进行安全风险管理，包括任务执行人员个人状态检测、执行人员任务执行轨迹跟踪等。

人员个人状态检测：基于手持移动终端或可穿戴设备，在任务执行前对员工进行系统身份验证登录的同时通过内置的表情识别功能检测人员工作状态，人员工作状态主要分为：正常、高兴、悲伤、愤怒、厌恶等状态，在员工工作状态检测出现较差的结果时予以预警提示，并告知后台监控中心该员工任务执行时工作状态较差需要予以重点监督。

巡检人员任务执行轨迹跟踪：为避免检修人员不按特定的巡检路线进行巡检，以及巡检过程中出现检修时间超时而引起安全事故等一系列问题，基于巡检人员手持异动终端或可穿戴设备基础平台，依托北斗精确定位及授时优势，在电力部门巡检辖区建立北斗差分定位基站，通过北斗差分定位的方式在电力巡检工作中向巡检人员提供高精度的巡检导航;同时，实现实时的巡检人员轨迹定位跟踪，当巡检人员轨迹偏离时将给巡检人员提供预警;当在单一检修任务点停留时间过长，有可能引起安全事故的发生时，将信息发送到后台监控中心和巡检人员同时预警，由监控中心人员与巡检人员进行现场情况确认，监督人员撤离，保证巡检实施人员的生命安全。

北斗差分定位技术实现过程，在作业区域内安装一个或多个已知精确位置的北斗接收机作为基准站接收机，通过基准站接收机对北斗卫星信号的测量计算出差分矫正量，然后将差分校正量转发给位于差分服务方位内的巡检人员手持异动终端或可穿戴设备，从而使巡检人员获得高精度的定位信息，实现导航与定位跟踪，北斗差分定位示意图如图2所示。

2.3 任务总结评估

巡检实施结束后，针对巡检任务执行前的风险评估与巡检任务执行过程监控结果，对单次巡检任务进行总结分析，首先对该类巡检任务相关风险指标难度进行评估，分析是否提升或降低该类巡检任务指标等级等;其次对巡检人员工作进行量化评分，依据巡检人员实施过程中是否超时完成任务、是否偏离检修线路、工作状态等指标完成情况，同时加入任务难度、人员匹配度、环境恶劣程度等对人员表现进行综合评价。总体分析评估结果自动进入未来巡检任务实施风险评估指标体系中。

3 总结

通过利用大数据分析、人脸表情检测、北斗差分精确定位等多种技术实现对电力巡检全过程安全隐患进行智能化监管，使得电力巡检工作做到了事前评估、事中监控、事后总结的闭环安全管理，有效地提升了电力巡检工作的安全监管力度，保障了电力系统和电力人员的安全。

虽然现阶段能够做到对电力巡检全过程的安全隐患监管，但是其中不乏存在着需要改进和提升的技术，未来可引入语音交互、铭牌识别、可交互穿戴设备、远程指挥等多种功能的技术手段弥补现有技术的不足，在大数据分析方面将基于多系统数据互通的基础上进一步加入更多的数据指标，更加全面的分析电力巡检任务风险等级，同时，将原有的任务风险静态分析方法提升为动态分析，实时监控任务实施风险变化。

再好的安全隐患监管技术手段也需要人员来管理和实现，针对电力巡检过程中出现的问题，需要相关部门制定相应的解决方法，同时要注重工作人员的技能培养和安全意识提升，才能真正地避免电力巡检安全隐患，保障电力的安全稳定供应。

参考文献：

[1]王强，高压输电线路智能巡检新技术[J].科技创新与应用，2019（27）：157-158.

[2]谷祥访.输电线路无人机巡检技术应用现状及相关问题探讨[Jl.科技创新导报，2019，16（26）：22-23.

[3]刘贞瑶，高方玉，姜海波，等.输电线路智能巡检机器人系统的研制及应用[J].电力信息与通信技术，2019，17（8）：57-62.

[4]郑建欢，浅谈作业風险评估在电力安全监督中的应用[J].技术与市场，2019，26（10）：211，213.

[5]陶河.电力生产企业作业管理探讨[J].科技创新导报，2019，16（28）：173-174.

[6]尹明善，王伟，李伟，动态安全风险评估在作业现场的实践[Jl.山东煤炭科技，2019（9）：197-199.

[7]冯高敏，刘雨佳，王强，作业环境和时间风险评估模型的构建及应用[J].数字通信世界，2019（12）：173-174.

[8]冯高敏，刘雨佳，田松林.作业人员能力风险值评估模型的构建及应用[J].数字通信世界，2019（12）：228，269.

[9]张薇.基于北斗差分定位的变压器杆塔监测预警系统研究[J].太原师范学院学报（自然科学版），2018，17（2）：59-62.

[10]杨小勇.北斗差分定位技术在调车安全管理中的应用[Jl.微型电脑应用，2018，34（1）：15-18.

[11]陈庚，张勇.基于北斗差分定位技术的车载终端研究[J].电子设计工程，2017，25（24）：92-95.

[12]李俊炜，北斗导航定位系统中的差分技术应用[J].无线互联科技，2017（3）：11-12.

[13]彭先霖，张海曦，胡琦瑶，等.基于自发表情数据集预训练的多任务深度网络表情识别方法[Jl.计算机测量与控制，2019，27（7）：248-252.

[14]陈子健，朱晓亮，基于面部表情的学习者情绪自动识别研究——适切性、现状、现存问题和提升路径[J].远程教育杂志，2019，37（4）：64-72.

[15]亢洁，李佳伟，杨思力，基于域适应卷积神经网络的人脸表情识别[J].计算机工程，2019，45（12）：201-206.

[16]郭蓓，达飞鹏.基于局部特征的表情不变3维人脸识别算法[J].计算机辅助设计与图形学学报，2019，31（7）：1086-1094.

[17]傅天正，刘子贤，孟令楠，等.基于局部遮挡条件下的人脸识别[J].信息记录材料，2019，20（7）：110-112.

1. 【通联编辑：唐一东】