基于“熵权法”的六维度安全隐患数据分析

李 栋，顾天雄，余志豪

(1.国网浙江杭州市余杭区供电有限公司，浙江 杭州 311100;2.国网浙江省电力有限公司，浙江 杭州 311000;3.国网浙江淳安县供电有限公司，浙江 杭州 311700)

0 引言

近年来，电力企业常态化地开展输电、变电、配电、电网规划、交通、消防、安全保卫、后勤、装备制造、发电、电力建设、信息通信、环境保护、电网运行及二次系统等专业的安全隐患排查治理工作，并实现“排除(发现)—评估报告—治理(控制)—验收销号”全过程管控。

目前，现有大多依据安全隐患可能导致的后果进行分析和评估，这种分析的方式比较单一，导致分析的结果较为片面。通过大量调研发现，安全隐患的治理难易程度、治理周期长短、治理资金投入多少、发生频次、所处地域位置、类别占比等因素是综合分析评估安全隐患的重要因素。

下面阐述某电力公司针对大量安全隐患案例数据，利用科学的计算方法，进行多维度、深层次分析的方法和过程，并对安全隐患重点举例分析。

1 六维度模型搭建

1.1 模型简介

通过广泛调研和分析，选定时间特性(T)、空间特性(K)、运行工况(H)、危害程度(Z)、治理难度(G)、类型占比(B)等6 个方面形成基本维度模型，搭建安全隐患评价标准框架，并制定六维度分值评分标准，对每一条安全隐患按各维度逐一评分，利用科学的权重计算方法，根据各维度的重要程度得出相应的权重，同时得出最终得分结果。

模型公式如式(1)所示：

其 中：α1， …，α6表 示 各 个 维 度 权 重，α1+α2+α3+α4+α5+α6=1。

1.2 维度权重说明

利用科学权威的权重计算方法——熵权法，根据各指标的变异程度，利用信息熵计算出各指标的熵权，再通过熵权对各指标的权重进行修正，从而得出较为客观的指标权重。其中，类别占比维度主要是分析某一类隐患数量占全部隐患数量的比，因此针对每一条安全隐患数据进行评分时，不考虑类别占比维度。

通过对时间特性、空间特性、运行工况、危害程度、治理难度等五个维度进行评分，形成隐患矩阵Xij(i为此类型隐患个数，j为维度个数)。

并将各个指标的数据进行标准化处理，如式（2）所示：

根据信息熵的定义，一组数据的信息熵如式(3)所示：

如果pij=0，则定义limpijlnpij=0。通过信息熵的计算公式，得出各个指标的信息熵为：E1，E2，E3，E4，E5，各维度权重如式(4)所示：

计算各专业维度权重的意义，在于综合考量每一条隐患中，各个维度的变化大小对其本身的影响程度，数据变化越大，权重越高；数据变化越小，权重越低；数据库中的数据越多，结果越精确，它是对数据离散程度的一种科学分析方法。

通过上述科学的计算方法，得出该电力公司变电专业的维度权重如表1 所示。

表1 变电专业维度权重 %

1.3 评分标准说明

依据每条隐患发生的时间、隐患设备所处地域、隐患定级、治理所需时间和资金、已投运年限等信息确定时间维度、空间维度、危害程度维度、治理难度维度和运行工况维度的分值，分值共分为20，40，60，80，100 分5 个等级。其中，各个维度选定标准如下。

(1) 时间维度主要体现该类隐患在年度内发生的周期性，按照年、半年、季、月赋予相应分值。

(2) 危害程度维度主要根据《国家电网公司安全事故调查规程》(2017 修正版)中关于事故等级划分的规定。对于5 级以上事件，6 ～8 级的人身事件和5～7级电网、设备、信息事件赋予相应分值。

(3) 空间维度主要体现隐患发生位置的地域特性。参照供电区域划分规定，按照市中心区、市区、城镇、乡村赋予相应分值。

(4) 运行工况维度指设备投运至统计年份的年数。按照1 年、5 年、10 年、15 年4 个时间点分成5 个区间赋予相应分值。

(5) 治理难度维度结合实际治理周期和所需治理资金综合考虑。发生治理周期和资金对应分值不一致，按分值高来计。

(6) 类别占比维度主要分析体现一类安全隐患数量对比全部隐患数量的占比情况。

2 案例分析

为了体现本文所提出的分析方法在实际安全运行中的应用，本章对某供电公司全年10 532 条安全隐患数据进行评分，并对15 个大专业开展了六维度数据分析。考虑各个专业六维度数据分析的方法和原理相同，下面主要阐述其中变电专业共计1 226 条安全隐患数据的六维度分析过程和结论。

2.1 时间维度分析

统计变电专业安全隐患12 个月份的数量，结果如图1 所示。

图1 变电专业隐患月度分布

由上图分析可知，一季度由于春节、封网等原因，检修施工作业相对较少。二季度春检、春查工作全面开展，隐患数量保持稳定。三季度随着工程全面开展，隐患数量呈现逐步上升趋势。四季度处于工程逐步收尾，隐患数量呈现下降趋势。

2.2 空间维度分析

根据供电区域将某某地区按市中心到乡村划分A/B/C/D 四个等级，如表2 所示。

表2 变电隐患区域分布

由表2 分析可知，市中心和市区变电隐患数量较多，主要由于市区变电站密度较高。整体由乡村至市中心呈现递增趋势。

2.3 危害维度分析

统计变电专业3 个一级分类，11 个二级分类的安全隐患定性情况，如表3 所示。

由表3 可知：变电专业隐患导致七级事件占比较高，达93．39 %，其中变电运行设备类隐患数量较多，造成的后果较为严重，需要重点关注。

表3 变电专业详细类别隐患定性

2.4 运行工况维度分析

统计变电专业安全隐患投运年份情况，如图2所示。

图2 运行工况投运年份情况

由图2 可知：超过60 %的变电专业安全隐患所在变电站运行时间超过15 年，变电专业安全隐患数量随着变电站投运年限增长而递增。同时投运年限不到一年的变电站存在少量的安全隐患，值得特别关注，加强设备质量验收关。

2.5 治理难度分析

统计变电专业11 个二级类型安全隐患事件的治理周期和治理所需资金，如表4 所示。

由表4 可知：变电专业类安全隐患3 个月内治理周期占比较高，换流站一、二次设备类安全隐患治理周期较长，需特别注重日常运维工作。

2.6 类别占比维度分析

统计变电专业11 个二级分类的安全隐患数量，如图3 所示。

表4 变电专业主要类型隐患治理难度

图3 变电专业二级分类安全隐患数量

由图3 可知：变电运行设备类、外部环境类、安全设施类、附属设施类隐患数量排前四，且远大于其余专业，建议相关部门重点关注并采取有效预控措施。

3 成果应用

基于“熵权法”的六维度安全隐患数据分析方法，实现了以下4 个方面的实际应用场景。

3.1 辅助专业部门制定决策

当前，针对安全隐患排查治理资金有限的情况，通过对各专业隐患数据进行多维度精准分析，得出各个专业时间特性、空间特性、运行工况、治理难度、危害程度、类别占比等方面的精准分析报告，可有效辅助专业部门有的放矢地制定有效精准的防控措施和治理方案，大大提高风险管控能力。

3.2 助推专业部门开展专项治理行动

多维度隐患数据库和精准的数据分析，为阶段性的隐患排查治理重点专项工作的开展提供有效数据支撑和分析。例如，现阶段国网公司针对电气消防类、安全工器具类、“五防”类、特种设备类等的专项整治行动的开展。

3.3 细化隐患分级管控闭环机制

通过对该电力公司15 个专业，10 532 条安全隐患根据六维度打分标准进行逐条打分，各分值区间占比如表5 所示。

表5 隐患数据各分值区间占比

根据表5 的分值区间占比，制定相应的安全隐患智能预警处理机制，具体如表6 所示。

表6 隐患分值对应处理程度表

任意一条隐患可根据各维度得分，计算得出综合分值，对应相应的治理措施，细化了安全隐患分级管控闭环机制。

3.4 助力隐患数据精准分析

电力系统每年大量的隐患排查治理数据对专业部门制定防控措施、治理方案具有较强的参考意义。但是原有仅仅从一、二个维度进行分析，不够细致和全面，失去隐患大数据的参考价值。通过基于熵权法的多维度模型进行隐患数据分析，更加全面和精准，实现隐患数据最大化、科学性的利用。

4 结束语

提出基于“熵权法”的六维度隐患数据分析方法，利用大数据和科学的计算方法，搭建多维度模型，有效解决了当前隐患大数据分析方式单一，隐患分析结果利用率低的问题，实现分级管控闭环机制，提高了隐患治理的成效，提升了安全隐患排查治理水平。