面向带电作业人员安全防护的危险动作智能监测与报警干预方法

胡松华，柳明贤，于 虹

（1.云南电网有限责任公司保山供电局，云南 保山 678008；2.云南电网有限责任公司丽江供电局，云南 丽江 674100；3.云南电网有限责任公司电力科学研究院，云南 昆明 650051）

与停电作业相比，带电作业减少了因失误操作导致反复停电的现象，能够保证电力系统稳定运行。带电作业意味着作业人员将面临一定的触电风险[1]。因此，需要对带电作业中的危险动作进行精准监测，第一时间发现是否出现触电风险。带电作业中的危险动作是指在电气设备带电状态下进行的、可能导致触电伤害、火灾等危险的行为。通过智能技术识别带电作业危险因素，对带电作业人员的危险动作进行监测，判断该动作是否具备安全风险，提前预警，发出报警信号，对带电作业人员以及监管人员做出提醒，减少人员伤亡或电网事故的发生，加强带电作业检修的安全性[2]。

1 危险动作智能监测与报警干预方法设计

1.1 远程采集带电作业人员动作

对带电作业人员的动作采集需要远程进行，由于带电作业处于高空作业环境或较为精密的作业环境，很难在较近的环境下进行作业动作的采集[3]。本文采取的动作标准参考国家标准《中国成年人人体尺寸》进行设置，参数如表1所示。

表1 人体模型尺寸参数

根据表1人体参数对带电作业范围的人体动作进行识别，判断该作业人员的位置以及动作等。本文采用激光传感器进行带电作业动作的采集，将采集到的动作传输到智能监测模型中。

1.2 建立危险动作智能监测与报警模型

根据采集到的带电作业人员动作建立智能监测与报警模型。本文采用基于MATLAB的软件平台进行模型搭建。针对带电作业人员的危险动作智能监测与报警模型的建设主要依据是人体对于带电场的影响[4]。在带电作业中，作业人员身着屏蔽服，身体各个部位的电位值基本相同，无须考虑人体部位之间的电位值差异。计算带电作业人员的电位值Up为

式中，i为模拟点的序列数；Pi为在第i个模拟点时，带电作业人员所在位置的电位系数；Qi为第i个模拟点的电荷量；n为该带电作业环境中模拟点的数量。经过粒子群算法智能寻优，确定模拟电荷的配置方案，建立函数值尽可能小的目标函数，公式为

vj为带电作业设备表面第j个匹配点电位，q j为该匹配点位的实际电压。通过公式（2）的计算结果，可以得到模拟点的电荷量[5]。将上文中采集到的带电作业人员的动作数据进行代入，得到人体表面的瞬时混合场强和空间电荷密度，根据该数据在ATP-EMTP搭建仿真模型。该模型的操作流程如图1所示：

图1 智能监测与报警模型工作流程图

如图1所示，将采集到的带电作业人员的人体动作数据传输到该模型中，对这些数据进行智能化处理，计算该动作数据中各个模拟点的电位值，并代入目标函数，完成数据处理后，对该动作进行判定。如果断定为危险动作，则发出警报，并给出该危险动作的干预方案。

1.3 设定智能监测与报警模型参数

完成智能监测与报警模型的初步建立后，对该模型的各项参数进行计算，完善模型的监测功能。以带电作业中危险动作的数据变量为参数计算基准。设每个危险动作的数据变量对前k个子块的贡献值T：

式中，pw为第w时间点的所有带电作业动作；pvw为第v行、第w时间点的数据信息，其中，v和w的取值均为1，2，…，k。将危险动作的数据变量代入残差载荷矩阵，计算得出危险动作的数据的均值a为

式中，mean表示求取平均值。通过计算得出的a值作为矩阵的方差值，得出参数计算公式如下：

式中，L为带电作业中危险动作的控制限量；gk为前k个子块中，所有动作数据构成的危险源特征参数，hk为在线重构统计量；m k为危险动作的数据特征。通过设定好的参数计算当前阶段的控制限用时间和统计量，通过对被监测带电作业环境的各参数进行分析，可以有效地做出危险动作的判定[6]。具体的判定流程：首先，对带电作业动作的数据信息进行标准化处理；其次，对标准化的数据进行分析，判断是否超出预定的控制限量；最后，设当前动作的控制限量为S，其计算公式为

式中，I为数据变量的数量；Tk为该动作数据在第k个子块的贡献值；Xk为标准化处理后的危险动作数据个数。通过对比S与预定控制限量值，得出该动作是否为危险动作的结论。判定方法：如果S值小于预定控制限量值，则该动作被判定为非危险动作；如果S值大于预定的控制限量值，则该动作被判定为危险动作，需要发出危险警报。

1.4 制定危险动作安全防护干预措施

在完成对带电作业中的危险动作监测，发出危险警报后，为给带电作业人员提供安全防护，需要制定不同危险动作的安全防护措施[7]。不同危险动作的安全防护干预措施如表2所示。

表2 常见带电作业危险动作安全防护干预措施

本文列举出了几种带电作业中常见的危险动作对应的安全防护干预措施。其中，需要注意的是断开导线时，应先断开火线，再断开地线[8]。在监测与警报模型发出危险报警信号后，根据信号类别的不同，向该带电作业环境的中心控制系统发出干预信号，做出相应的安全防护措施。

2 实验

2.1 实验说明及准备

为验证本文提出的面向带电作业人员安全防护的危险动作智能监测与报警干预方法的可行性，设计对比实验进行测试。为保证实验人员安全，本实验采取仿真人体模型代替真人方式进行。以某带电作业环境为例，将本文设计的危险动作智能监测与报警装置分别安装在该作业环境中的各个位置，包括导电柜、电力开关、电缆箱、环网柜等设备。先在断电的情况下将仿真人体模型摆放成不符合作业规范的危险动作状态，再将仿真人体模型放置在该带电作业环境中，检验该模型是否能够监测出该危险动作并发出报警信号。

为验证本文方法的有效性，将实验结果与基于物联网的带电作业危险动作智能监测与报警干预方法和基于BIM的带电作业危险动作智能监测与报警干预方法进行实验对比。

为了验证监测方法的有效性，本实验设计将所有危险动作划分为五个等级，将安全距离不足的危险动作按照距离的远近进行危险动作等级的划分，危险动作等级越大，则说明该动作危险性越高。分别测试三种监测方法对五个等级的危险动作监测结果。为了降低实验误差，实验共进行100次，取100次实验的平均值作为最终的实验结果。

2.2 实验结果及分析

设本文提出的面向带电作业人员安全防护的危险动作智能监测与报警干预方法为方法1，基于物联网的带电作业危险动作智能监测与报警干预方法为方法2，基于BIM的带电作业危险动作智能监测与报警干预方法为方法3。监测结果以是否发出危险报警信号为判定指标，得出实验结果如表3所示。

表3 三种监测方法实验结果

由表3可知，本文提出的监测方法能够准确判定动作是否为危险动作，而其他两种方法均有概率判定错误，发出错误的报警信号。对于不同等级的危险动作，本文提出的监测方法得出的监测结果准确率较其他两种方法高，平均准确度达97.3%。在等级达到三级之后，能够百分百识别出该动作为危险动作，与真实结果高度一致。而其他两种方法的监测平均准确度分别为72.2%和71.7%，准确度均不如本文提出的方法。

由此可见，本文提出的面向带电作业人员安全防护的危险动作智能监测与报警干预方法能够大幅度提高危险动作识别的精准度。

3 结束语

本文提出的面向带电作业人员安全防护的危险动作智能监测与报警干预方法，能够提高危险动作识别的精准度，为实际生活中的带电作业危险动作监测提供科学依据。通过对危险动作进行精准监测并报警，做出正确的干预，能够有效提高带电作业的安全性，保证作业人员的人身安全。