水电工程安全风险预警与决策体系研究

黄 龙， 严 锦 江， 彭 旭 初， 郭 成

(1.中国电建集团成都勘测设计研究院有限公司，四川 成都 610072；

2.国能大渡河流域水电开发有限公司，四川 成都 610041)

在水电工程建设中，安全生产是维护参建单位长期发展和增强水电工程社会效益的重要保障。由于水电工程规模大、施工周期长、涉及的地质条件多样和施工难度大等特点，给安全生产增加了难度。水电工程一旦发生安全事故，将直接危及人民的生命财产，给参建单位带来巨大的损失，因此，必须严格进行工程安全风险管理。传统工程的安全风险管理控制大部分依赖手工输入信息、专家判断等方式，因此，难免出现对异常原因分析不准确和处理效果反复的情况。以水电工程建设安全为重点，集成企业大数据中心的工程建设安全数据，建立水电工程安全风险预警与决策体系，为水电工程建设安全数据提供统一的统计、分析及可视化展示。同时，建立相关安全管理KPI体系，对集成的海量安全信息进行预警预报，为管理决策提供数据支撑，与项目公司系统的全面、微观管控相结合，对安全管理要素的趋势性、系统性问题进行分析、预警、决策与综合管理，实现水电工程安全管理的自动感知、自动预判和自主决策。

目前，国内对于水电工程安全风险预警决策体系的研究，还主要集中在对安全事项进行单项深入研究或者一部分的综合研究，比如，对大坝震后安全预警与决策支持系统实现的几个主要部分做了概括性的研究[1]，缺乏对水电工程各个安全环节的信息统一分析处理，探究原因主要依赖人力经验在单一知识库中查询，然后查询另外的单一知识库来制定相应的解决措施，整体缺少一个自动采集信息并且统一综合分析处理的智慧化管理控制体系。

2.1 研究目的

建立水电工程安全风险预警决策体系的目的，是通过传感器等监测设备对指标进行自动采集和上载，其他信息数据侧采用手机APP以及相关信息系统进行采集和上载，对工程的安全通过预警指标体系风险判别出对应问题，系统自动运用大数据技术调用原因知识库判定风险原因，之后，系统自动分析，从措施库中匹配合理的处置措施，从文档库中抓取对应参考文档，从案例库中抓取参考案例，从而进行风险的闭环处理。

2.2 体系要素

此次研究的水电工程风险预警与决策体系，不仅涉及了水电工程管理领域，同时融合了大数据算法、物联网、预警数学模型等多个领域，目前国内少有研究。对水电工程而言，安全管控对象繁杂，不同岗位人员对多安全管控对象如何管控还没有统一意见。同时，预警数学模型考虑了在没有足够数量数据支撑的情况下，使用了通过事件去触发风险识别的方法，并且在识别出风险后，根据风险种类和风险的具体原因，自动分析出适合的处置措施、案例和参考文档。所以，在规划三个知识库(案例库、措施库和文档库)时，会将三个知识库的联动性考虑充分。水电工程安全风险预警与决策体系有机组合了措施库、案例库、文档库，从而实现解决方法-现实案例-规范制度的全面决策，为安全风险问题提供了解决问题的方法和依据。

2.3 技术框架

整体技术框架包含了“5+2”体系，5即5层，感知层、传输层、数据层、平台层和应用层。感知层包含了安全传感器、视频监控等多种设备和传感器以及手机终端，通过多样化的方式自动采集、填报或系统抓取安全风险相关数据，通过有线和无线的传输层传递给数据层。数据层包含了工程数据中心、企业大数据中心和决策知识库，感知层的数据在工程数据中心和企业大数据中心进行处理并存储，决策知识库中的措施库、案例库和文档库实时更新，支持系统自动决策。平台层即水电工程安全风险预警与决策平台，进行整体的业务处理。应用层即安全管理应用，包含了检测预警、危险源分布、应急预案管理、应急辅助指挥四个功能。2为两大体系，预警分级管控体系和决策支持体系。

3.1 数据采集

水电工程安全管控包括三个方面：一是日常的工作安全管理，包括安全隐患排查、会议督导等工作；
二是针对特殊工程部位、安全隐患的日常监测，如围岩稳定监测、危险源监测等，使安全监测成为保障工程安全的最有效的技术手段[2]；
另外，建设期的防洪度汛也是建设管理单位重点关注的内容。体系按照以上三种不同安全管控方式进行安全管控关键性指标梳理和采集。

日常安全数据按照日常申报为主。安全监测数据主要利用物联网技术实时自动采集数据。防洪度汛数据通过物联网技术实时自动采集或者通过流域的气象云平台获取。

这三种安全数据的汇集方法采用了手机APP、信息化系统的实时在线收集，收集后各业务子系统对数据进行整理和分析，过滤出有用数据之后，工程数据中心将数据进行存储，并且依据安全风险分级预警指标体系(参照表1)对数据进行筛选，并加工为体系所需的基础数据。

3.2 指标分类

水电工程安全风险预警体系从特性和重要性两个维度进行工程信息剖析和指标梳理。按照指标的时间和关联特性，分为静态指标和趋势性指标。根据不同指标的重要性，将其分为重要指标及一般指标，分别对应于不同的管理层级。水电工程安全风险预警指标体系见表1。静态指标都是一般指标，趋势性指标都是重要指标。

表1 水电工程安全风险预警指标体系

通过将相关指标规整放入数据库中便于通过平台软件开展后续预警等操作，数据格式包括以下各种类型：
String(工程名称、工程类型、标段、部位等)、Datetime(创建时间、检测时间)和Int(合格数量、检测点位数量)等。

3.2 指标预警

异常安全相关指标出现的时候，该预警指标的可信度需要系统首先判定，需要剔除错误填报或者由污染数据产生的错误预警。当安全指标出现以下三种情况时，系统自动判定为数据污染或填报错误：超出安全限值标准的数值、靠近源头的某些安全代表性数据低于远离源头的反常规数据和相互关联的指标出现异常的数据。

当剔除了错误预警后，系统将其他正常预警提取至指标预警处置体系，同时重要指标预警(即趋势性指标预警)被自动推送到相关人员和系统的下一阶段。预警阈值和指标趋势性都同时影响重要指标是否达到预警状态。指标趋势性的重要性在于系统可以通过趋势去判断该指标在未来某个时间点达到预警阈值的概率，有助于提前发出预警信号，减少安全损失。

同一时间，按照所属分部分项等关联，系统会自动给相关人员推送次要指标(即静态指标)，并且系统会识别出明显异常的次要指标进行推送(为减轻公司管理人员不必要的工作量，当重要指标没有预警，次要指标一般并不会推送到公司级别人员)。系统和用户都可以根据收到的重要预警指标和异常静态指标，分析可能造成异常的原因。

3.3 风险原因分析

系统在处理指标预警的同时，自动推送风险提示。通过比对预警指标的具体类型，系统中的风险管理模型将匹配对应可能发生的风险，给管理层自动提供提示。为增加系统的冗余性和准确性，风险管理模型同时兼容预设功能和人工筛选功能，预设功能试通过大量样本的大数据决策选择机制优化出来的最佳匹配。提示给管理层的风险包括风险的严重程度和发生的可能性等信息，可以帮助管理层对于风险的决策。

系统将统一分析判定异常次要指标和重要指标预警，按照指标和原因的内在关系，从原因库中匹配选取有可能导致异常和预警的原因。同时人工筛选功能的存在可以允许管理人员按照实际现场状态、专家意见和国家标准规范去改动推送的原因，并且管理人员对结果进行最终确认。被确认的结果同时也被系统记录，自动成为指标-原因关联关系的分析样本之一，使得系统该部分沉淀过程经验，自动升级。

安全管控类原因库为常见重大安全风险产生的常见原因集合，针对识别出的安全管控类风险，从人、机、料、法、环的角度进行安全管控类原因库梳理。安全风险管控类措施库见表2。如防洪度汛风险原因，人：防汛组织机构不完善,抗洪抢险人员配备不足，汛期巡查不足；
机：防汛排水设备配置不合理；
料：防汛材料与设备储备不到位，防汛抽排物资设备不到位；
法：水情通报制度不完善，设备安全运行制度不完善；
环：降雨等恶劣环境影响。

表2 安全风险管控类措施库

3.4 风险原因判断

风险原因判断不仅需要定性分析可能造成的原因，同时也需要定量判断各原因对于风险的贡献程度。所以系统给出的分析应包括风险-原因贡献程度预设指标，同时管理人员可以根据专家意见、规范调整和实际情况调整风险-原因的关联关系和贡献程度值，然后系统将调整整体纳入平台，通过反复的数据学习，可使风险原因判断更加准确和自我迭代。

3.5 决策支持

在得到风险原因后，系统拥有的决策支持功能，可以根据安全风险管控类措施库、案例库中的信息，综合分析风险、原因、措施三者的联动关系，给管理人员和用户自动推送潜在的可能解决问题的措施。

3.6 预警闭合

系统平台通过对风险关联、原因判定、措施选择等步骤的分析，将整个分析结果自动提供给项目部管理人员和企业管理部门人员，相关方面人员对于预警情况和措施实行情况进行反馈，从而使整个系统达到处理预警事件的一个闭环。

4.1 工程概况

本文研究的成果作为大渡河工程数据管控中心项目的一部分，在双江口电站等项目上使用，双江口水电站枢纽工程由土心墙堆石坝、洞式溢洪道、泄洪洞、放空洞、地下发电厂房、引水及尾水建筑物等组成。土心墙堆石坝坝高314 m，居世界同类坝型的第一位。通过水库调节可增加下游梯级电站枯期电量66亿kWh，增加保证出力175.8万kW[3]。

4.2 提高决策速度和准确率

本安全风险预警与决策系统从启用以来，积累了大量有用的数据。系统自动采集分析工程的安全风险指标，分析出异常情况后自动判定原因，并且推送改进措施。判定安全风险的原因的速度大幅提升了85%，决策的速度也大幅提升了70%。伴随着体系的使用，目前各项安全风险指标都在往良好的趋势发展，安全管控整体上更有效。

本研究以水电工程安全为控制目标，以分级安全指标为对象，整合了三个知识库(原因库、案例库、措施库)，建立了安全风险预警与决策体系。通过在双江口电站的有效使用，为整个体系沉淀了丰富的工程安全管理数据，为以后水电工程的科学研究、工程管理等提供了丰富的经验数据支持，并且经过云大物移智(云计算、大数据、物联网、移动互联网、人工智能)技术的使用，水电行业开启了智慧化管理控制的升级迭代。伴随着人工智能技术(AI)和数字孪生技术的不断成熟和与水电工程智慧化管控的深度融合，必将推动水电工程安全智慧化管控的持续发展。