Risk assessment method for external breakage of overhead lines in mining areas
-
摘要: 矿区架空线路运行环境恶劣,易受到外界因素影响而导致线路损坏,需要准确评估矿区架空线路外破风险水平。然而现有的定性评估方法存在主观性强、评价结果可比性差等缺点,定量评估方法虽然有着较高的客观性,但其准确评估的基础是大量高质量数据。为均衡评估结果的客观性和评估数据的获取难度,采用半定量评估方法中的作业条件危险性分析(LEC)法,并基于矿区线路实际运行环境对其进行改进,提出了一种基于改进LEC法的矿区架空线路外破风险评估方法。首先,通过分析矿区架空线路的实际运行环境,明确主要的外破风险要素,构建矿区架空线路外破风险评估指标体系。其次,借助基于YOLOv5的图像识别策略来辨识线路环境中的外破风险源,实现线路外破风险数据的实时获取,克服了传统LEC法人工获取的数据实时性较差、数据量不足的缺点。然后,改进了LEC法的要素赋值规则,基于图像辨识结果对要素进行赋值,实现线路外破风险的实时评估,提高了评估结果的客观性,解决了传统LEC法的要素赋值依赖评价者个人经验的弊病。最后,为衡量各类风险带来的叠加影响,利用层次分析法确定各风险评价指标权重,最终实现矿区架空线路外破风险的综合评估。结合露天煤矿实际运行过程中某场景进行案例分析,结果表明该方法能对具体场景中的架空线路外破风险等级进行有效评估。Abstract: The operating environment of overhead lines in mining areas is harsh. The lines are easily affected by external factors, leading to line breakage. It is necessary to accurately evaluate the risk level of external breakage of overhead lines in mining areas. However, existing qualitative evaluation methods have shortcomings such as strong subjectivity and poor comparability of evaluation results. Although quantitative evaluation methods have high objectivity, the accurate evaluation is based on a large amount of high-quality data. In order to balance the objectivity of the evaluation results and the difficulty of obtaining evaluation data, the likelihood exposure consequence (LEC) method in semi quantitative evaluation method is adopted. Based on the actual operating environment of mining area lines, an improved LEC method is proposed for the risk assessment of external breakage of overhead lines in mining areas. Firstly, by analyzing the actual operating environment of overhead lines in mining areas, the main risk factors of external breakage are identified. The risk assessment index system for external breakage of overhead lines in mining areas is constructed. Secondly, using the YOLOv5 based image recognition strategy to identify the sources of external breakage risk in the line environment, real-time acquisition of external breakage risk data of the line is achieved. It overcomes the shortcomings of poor real-time performance and insufficient data volume obtained manually by traditional LEC methods. Thirdly, the element assignment rules of the LEC method are improved. The elements are assigned based on image recognition results to achieve real-time evaluation of the risk of external breakage to the line. It improves the objectivity of the evaluation results and solves the problem of the traditional LEC method's element assignment relying on the personal experience of the evaluator. Finally, in order to measure the superimposed impact of various risks, the analytic hierarchy process is used to determine the weight of each risk evaluation index. Ultimately, the comprehensive assessment of the risk of external breakage to overhead lines in mining areas is achieved. A case study is conducted during the actual operation of an open-pit coal mine. The results show that this method can effectively evaluate the risk level of external breakage of overhead lines in specific scenarios.
-
Keywords:
- mining area route /
- external breakage risk /
- YOLOv5 /
- improved LEC method /
- evaluation index system
-
0. 引言
煤矿开采各个环节中都应用了大量电气设备,电力系统的稳定运行直接关系到电气设备工作的可靠性、煤矿生产的安全性及矿山建设的经济性[1]。在矿区电力供应的各个环节中,供电架空线路因其分布范围广、工作环境恶劣等原因受到外部损坏的可能性极高,是矿区安全生产的薄弱环节[2]。矿区开采活动复杂,威胁线路稳定运行的因素众多,现有的线路巡检方案仅能在事故后发现故障点,无法避免事故发生[3]。为在事故发生前排除风险,需要对矿区架空线路外破风险进行准确评估和预警[4-5]。
目前,常用的风险评估方法按照评估结果可分为定性评估方法、定量评估方法、半定量评估方法[6]。定性评估方法基于研究者的经验、知识进行评估,能够结合历史教训等非量化指标进行综合判断,结果的准确性取决于评估者的水平,存在误判的可能,且无法量化风险等级,难以与其他评估结果进行比较,较少用于综合评价[7-8]。定量评估方法使用精确的数量指标来表述评估结果,评估结果直观,不受评价者主观因素影响[9-10],但其需要大量的高质量数据,多用于数据易获得的评价对象。此外,在将复杂具体问题进行量化的过程中可能导致受评因素简单化,对评价结果的可信度产生不利影响[6]。
半定量评估方法融合了定量和定性评估的优点[11-12],既能通过评价者的经验对某些难以量化的指标进行灵活判断,适应不同的评估对象,又能够降低数据量的需求、数据收集和处理的成本和难度。因此,半定量评估方法在电气领域应用较广[13–17]。其中作业条件危险性分析(Likelihood Exposure Consequence,LEC)法能够对作业环境中危险源的危险程度做出评价,与架空线路外破风险的评价目标相适应。但由于LEC法在应用时需要依靠评价者的经验来对危险程度等进行人为赋值及划定危险程度等级,评价结果受主观影响较大。
为实现矿区线路外破风险的准确评估,本文借助图像识别技术对LEC法的赋值方案进行改进,提高评估结果的客观性,实现对单一外破风险源的风险评价;应用层次分析法(Analytic Hierarchy Process,AHP)综合衡量不同种类外破风险源对矿区架空线路的叠加影响,从而得到实际运行中的矿区架空线路外破风险水平。
1. 矿区架空线路外破风险评估指标体系建立
为实现矿区架空线路外破风险的准确评估,需要明确主要存在的外破风险种类,分析不同外破风险可能带来的影响及严重程度,为后续进行外破风险预警提供依据。通过实地考察并走访矿区相关工作人员,总结出矿区架空线路主要外破事故如下。
1) 车辆碰线事故。矿区内常有各种车辆及大型机械活动,对矿区架空线路及杆塔造成威胁。矿区常见车辆、机械:① 吊斗铲。吊斗铲臂长达100 m以上,对矿区架空线路造成较大威胁。② 挖掘机。矿区为了提升开采效率,往往采用规格大的挖掘机,其较大的体积和较长的传动结构可能导致碰线事故。③ 其他车辆。矿区常见的车辆有卡车、推土机,这类车辆的高度较小,发生碰线事故的概率较低,但由于经常在矿区内移动,可能发生撞击杆塔事故,造成杆塔倾斜甚至倒塌,对架空线路的安全运行带来隐患。
2) 漂浮异物碰线事故。矿区架空线路可能被塑料袋、气球或树枝等异物缠绕悬挂,造成跳闸,影响正常供电。矿区也会使用无人机作为线路巡检的补充方式,但矿区架空线路交错复杂,存在无人机碰线的可能。
3) 火灾。矿区架空线路可能设立在植被茂密区域,一旦发生火灾事故,会波及输电线路、移动变电站等供电设备,影响矿区正常供电。
4) 人身安全事故。矿区常有相关人员进行生产作业,应视为人口密集地区。根据相关规范,导线与地面的最小距离为6.5 m,为防止人员触及或接近带电体造成事故,人员不应该出现在离架空线路过近的空间。
参照Q/GDW 173—2008《架空输电线路状态评价导则》,构建矿区架空线路外破风险评估指标体系,如图1所示。对车辆碰线事故、漂浮异物碰线事故、火灾、人身安全事故进行风险评估,将形成各类事故的风险源作为事故的一级指标,并根据事故成因进一步细化得出相应的二级指标。
2. 改进LEC法
2.1 传统LEC法
LEC法是一种对有潜在危险的作业环境中的危险源开展半定量的安全评定方法[18]。LEC法评价某种危险风险等级的计算公式如下。
$$ R = L E C $$ (1) 式中:R为所评估系统的风险值;L为事故发生的概率;E为在危险环境中暴露的频繁度;C为事故发生后产生的后果。
若风险值R大,说明该受评系统存在较大风险,需要采取防范措施,直至其调整到可控范围内。传统的LEC法因其易学习、易操作,风险评价等级划分清晰,在企业中应用广泛。但在实际使用中,LEC法主要是根据人员经验来对L,E,C进行赋值,评价的准确程度较为依赖评价者的个人水平。由于矿区架空线路的环境中不可控因素较多,在采取LEC法进行评价时,评价人员很难针对事故发生的概率L给出明确结果。此外,给定的L,E,C取值范围及风险值R的分段范围不一定与实际情况相符,量化参考值的描述不够清晰。因此,需要针对实际应用场景,改进L,E,C的赋值方法,标定风险值R的可接受区间。
2.2 针对矿区架空线路外破风险评估的LEC法改进方案
为贴合矿区架空线路外破风险评估的应用场景,结合实际获取的信息,对LEC法中的L,E,C进行重新定义:L为风险源存在分值;E为风险源频繁度分值;C为事故倾向度分值。
矿区架空线路大多架设在沟壑纵横的山梁上,地形复杂、环境恶劣,分布地域广而分散,加之矿区各种采掘设备、车辆常随着工作面的推进而移动,使得矿区架空线路的外破风险程度与环境密切相关。这使得L,E取值受环境影响大,对数据的实时性要求较强。而人工采集所获得的数据实时性较差,且数据量不足,无法做到风险程度的实时判断,不能表现出某一时刻架空线路所处环境的真实危险程度。因此,利用在线监测装置实现对线路状态的实时监控[3]。
2.2.1 风险源存在分值L赋值方案
矿区架空线路外破风险多来源于施工机械、漂浮物等具体实物,均在图像中有所体现,通过目标检测算法可实现对外破风险源的识别。与其他经典的目标检测算法相比,YOLOv5在检测精度和速度方面取得了良好的平衡[19-20]。
每输入YOLOv5网络1张图像,网络都会生成一系列预测锚框,锚框中包含置信度与条件类别概率。置信度表示当前锚框中有目标的概率,取值为[0,1],置信度越大,说明锚框中有目标的概率越高。置信度仅关注有无目标而不关注目标的类别,通常设置一阈值,低于该阈值则视为未检测到风险源。条件类别概率则关注锚框中物体分别属于每一类的概率。作为一个多分类网络,YOLOv5网络预测的不同类别目标不是互斥的,最终输出结果是经过SiLU激活函数处理的概率矩阵,一般取概率值最高的类别作为输出的预测类。定义目标可信度d为置信度I与条件类别概率矩阵中元素最大值Qmax的乘积,表示锚框中存在外破风险源的可信程度。
$$ d = {{I}} {Q_{\max }} $$ (2) 在线路外破风险评估中,可将YOLOv5网络输出的目标可信度对应转换为风险源存在分值。当识别到外破风险源的可信度小于等于0.5时,视作误检,不计入风险评价,大于0.5时,根据目标可信度所处的区间将其转换为对应的风险源存在分值L,见表1。
表 1 风险源存在分值L赋值Table 1. Assignment of risk source presence score L目标可信度 L 描述 (0.9,1] 8 风险源一定存在 (0.8,0.9] 7 风险源极有可能存在 (0.7,0.8] 6 风险源较大可能存在 (0.6,0.7] 5 风险源可能存在 (0.5,0.6] 3 风险源不一定存在 2.2.2 风险源频繁度分值E赋值方案
通过一定时期内风险源的出现持续时长来对风险源频繁度分值E进行赋值。借助YOLOv5对所拍摄的图像进行辨识,得到对应的时间点及场景内的外破风险源类型和数量,若连续几次拍摄的图像中均存在相同数量、相同类别的外破风险源,则可判定该类风险源持续存在,即风险源出现的频繁度升高。以60 min为评估尺度,即每次对1个场景进行评估时,向前查找60 min内的记录,对各类风险源出现的频繁度进行打分。将外破风险源持续存在的时长转换为对应的风险源频繁度分值E,见表2。
表 2 风险源频繁度分值E赋值Table 2. Assignment of risk source frequency score E风险源持续时长/min E 描述 (40,60] 8 风险源长期存在 (30,40] 7 风险源存在较长时间 (20,30] 6 风险源存在一段时间 [10,20] 5 风险源短时出现 <10 3 风险源偶然出现 2.2.3 事故倾向度分值C赋值方案
当某一外破风险源出现时,有多个风险要素会影响风险源最终是否会发展为外破事故。以车辆碰线事故为例,其风险要素见表3。风险源与对应风险要素进行组合即构成相应的风险场景。
表 3 风险要素及其对应编号Table 3. Risk elements and their corresponding numbers风险要素 指标 编号 车辆类型 吊斗铲 A1 卡车 A2 推土机 A3 挖掘机 A4 风险源在预警区间内 是 X1 否 X2 风险源持续向预警区间移动 是 Y1 否 Y2 “预警区间”指人为在架空线路及杆塔周围划定的预警区域,当检测到的外破风险源锚框有部分面积与预警区域重叠时,视作该风险源在预警区间内。“风险源持续向预警区间移动”的判定方法:每当检测到风险源时,计算风险源锚框中心到预警区域中心的像素距离,若2次拍摄的场景中出现相同的风险源,且本次计算出的距离较上一次减小,则视作风险源持续向预警区间移动。由于2次记录的场景不可能完全相同,同一风险源的锚框位置可能存在差异,为防止误判,设置当2张图像中同一风险源锚框中心的像素距离差异大于65时(约为横纵向距离差异2%时,两点间的欧氏距离),视作风险源在移动;差异小于65时,视作合理误差,认为风险源没有移动。
火焰及烟雾形状大小不固定,难以判断其与预警区间的距离关系,且影响火灾发展的主要是气象因素,因此不考虑火灾与预警区间的关系,直接对火焰及烟雾场景进行风险评估,使用风险调节系数K对火灾对应的风险值R进行修正。矿区部分场景下存在大量植被,参考LY/T 1172—1995《全国森林火险天气等级》、GB/T 36743—2018《森林火险气象等级》及文献[21],各气象因素的风险调节系数取值见表4。表中Kt,Kh,Kw分别为温度、相对湿度、风速对于火灾的风险调节系数。
表 4 不同气象因素的风险调节系数取值Table 4. The values of risk adjustment coefficient for different meteorological factors风险调节系数 影响因素 分级标准 风险调节系数取值 Kt 气温t/(°C) t≤5 0 5<t≤15 0.02 15<t≤25 0.05 t>25 0.07 Kh 相对湿度h/(%) h≥70 0 50≤h<70 0.02 30≤h<50 0.05 h<30 0.07 Kw 风速w/(m·s−1) 0<w≤3.3 0 3.3<w≤10.7 0.03 10.7<w≤17.1 0.05 w>17.1 0.10 当检测到火焰及烟雾风险源时,根据实时天气状况确定风险调节系数K,从而计算风险值。
$$ K = 1 + {K_t} + {K_h} + {K_w} $$ (3) $$ R = L E C K $$ (4) 将车辆、漂浮异物、火焰及烟雾、人员活动4种外破风险分别编号为A,B,G,D,得到25种待评估的风险场景,见表5。表中A1,X1,Y1表示图像识别到的风险源为吊斗铲,位置在预警区间内且持续向预警区间移动。对不同场景的事故倾向度进行打分,打分范围从1至10,分数越高,说明在该场景下对应的风险源越容易发展成为外破事故。共收集了5位专家意见,每种场景的事故倾向度分值C取5位专家打分的均值,见表5。
表 5 事故倾向度分值C赋值Table 5. Assignment of accident propensity score C外破风险源 评估场景 C 车辆(A) A1,X1,Y1 7.3 A1,X1,Y2 6.8 A1,X2,Y1 5.4 A1,X2,Y2 4.5 A2,X1,Y1 4.4 A2,X1,Y2 3.4 A2,X2,Y1 2.8 A2,X2,Y2 1.8 A3,X1,Y1 4.5 A3,X1,Y2 3.5 A3,X2,Y1 3.6 A3,X2,Y2 2.3 A4,X1,Y1 6.8 A4,X1,Y2 6.3 A4,X2,Y1 4.7 A4,X2,Y2 3.8 漂浮异物(B) B,X1,Y1 7.2 B,X1,Y2 6.7 B,X2,Y1 5.8 B,X2,Y2 4.3 火焰及烟雾(G) G 9.5 人员活动(D) D,X1,Y1 5.9 D,X1,Y2 5.3 D,X2,Y1 4.3 D,X2,Y2 3.3 在获得L,E,C赋值后,可根据式(1)与式(4)共求出625个外破风险值R。5位专家对各分值对应的线路外破风险程度分别进行判断,当专家意见不一致时,以多数专家意见为主。最终将单一风险源的事故风险划分为4个等级,并分别定义各等级下对应的基础风险得分,见表6。
表 6 不同风险值对应的事故风险等级及风险得分Table 6. Accident risk level and risk score corresponding to different risk values风险值R 事故风险等级 描述 基础风险得分 >240 Ⅳ 极有可能导致事故发生 10 (180,240] Ⅲ 导致事故发生的可能性较大 8 (80,180] Ⅱ 导致事故发生的可能性不大 4 ≤80 Ⅰ 不太可能导致事故发生 2 3. 矿区架空线路外破风险综合评估
在实际运行中,线路可能同时受到多个外破风险源威胁,其外破风险评估需要考虑各类风险带来的叠加影响。但由于不同外破风险源对矿区线路影响的严重程度可能并不相同,不能简单地对LEC评价得出的单一风险源基础风险得分相加求和,需要为其设置特定权重。因此使用AHP确定各种外破风险源对应的权重。
3.1 基于AHP的权重设定
3.1.1 层次结构模型建立
建立矿区架空线路外破风险评估层次结构模型,如图2所示。目标层为矿区架空线路外破风险评估;准则层为影响目标的因素,需要考虑车辆、漂浮异物、火焰及烟雾和人员活动4种外破风险源;方案层为划定的某场景下矿区架空线路外破风险等级,分为正常(Ⅰ)、低风险(Ⅱ)、中风险(Ⅲ)、高风险(Ⅳ)4种风险等级。
3.1.2 判断矩阵构造
判断矩阵是通过对同一层中各指标之间的重要程度两两打分的方式确定的,反映准则层中各个因素相对于上一层次的重要性。构建的判断矩阵为
$$ {\boldsymbol{H}} = {({l_{ij}})_{n \times n}} = \left[ {\begin{array}{*{20}{c}} {{l_{11}}}&{{l_{12}}}& \cdots &{{l_{1n}}} \\ {{l_{21}}}&{{l_{22}}}& \cdots &{{l_{2n}}} \\ \vdots & \vdots & & \vdots \\ {{l_{n1}}}&{{l_{n2}}}& \cdots &{{l_{nn}}} \end{array}} \right]\;\;\;\;i,j = 1,2\cdots ,n $$ (5) 式中:lij为指标i相对于指标j的重要程度,使用1—9标度法进行模糊标度,取值见表7;n为准则层的元素个数。
表 7 判断矩阵标度含义Table 7. Meaning of judgment matrix scale标度数值 含义 1 指标i与j重要性相同 3 指标i比j稍微重要 5 指标i比j明显重要 7 指标i比j重要得多 9 指标i比j极端重要 2,4,6,8 上述相邻判断的中间程度 根据专家经验打分,得到矿区架空线路外破风险评估层次结构模型中车辆、漂浮异物、火焰及烟雾和人员活动4种一级指标对应的判断矩阵:
$$ {\boldsymbol{H}} = \left[ {\begin{array}{*{20}{c}} 1&3&5&{1/5} \\ {1/3}&1&3&{1/6} \\ {1/5}&{1/3}&1&{1/8} \\ 5&6&8&1 \end{array}} \right] $$ (6) 3.1.3 判断矩阵的一致性检验
需要通过一致性检验的方式保证权值的有效性和准确性。一致性指标S和一致性比例F为
$$ S = \frac{{{\lambda _{\max }} - m}}{{m - 1}} $$ (7) $$ F = \frac{S}{{r_{\rm{I}}}} $$ (8) 式中:λmax为判断矩阵的最大特征值;m为判断矩阵的阶数;rI为平均随机一致性指标,其取值仅与m有关,见表8。
表 8 平均随机一致性指标取值Table 8. The value of average random consistency indexm 2 3 4 5 6 7 rI 0 0.58 0.90 1.12 1.24 1.32 若满足F<0.1,则表示判断矩阵通过一致性检验,否则,需要对判断矩阵进行调整,直至满足一致性要求。
求出判断矩阵H的最大特征值λmax=4.217 3,H的一致性指标S=0.066 7,一致性比例F=0.074 9<0.1,满足一致性检验。
3.1.4 判断矩阵的权重计算
根据判断矩阵,采用算数平均法计算出各指标对应的权重,得到权重向量。先对判断矩阵H进行归一化:
$$ {\omega _k} = \frac{{\displaystyle\sum\limits_{j = 1}^n {{l_{kj}}} }}{{\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{l_{ij}}} } }} $$ (9) 式中$\omega _k $为第k个指标的权重。
判断矩阵H的权重向量为
$$ {\boldsymbol{W}} = [{\omega _1}\;\;{\omega _2}\;\;...\;\;{\omega _k}] $$ (10) 计算出判断矩阵H对应的权重向量${\boldsymbol{W}}=[0.260\; 2 0.127\; 3\;\;\;0.565\; 6\;\;\;0.046\; 9] $。
为方便计算及更直观地评估,在各个权重比例不变的基础上将其近似转换为整数,见表9。
表 9 不同外破风险源对应权重Table 9. The weights corresponding to different external breakage risk sources标签 风险源 原始权重 转换后权重 A 车辆 0.260 2 6 B 漂浮异物 0.127 3 3 G 火焰及烟雾 0.565 6 12 D 人员活动 0.046 9 1 3.2 风险综合评估
定义某单一风险源基础风险得分为pq(q=1,2,...,z,z为待评估场景中的风险源总数),则单项风险加权得分$p'={p_q}{\omega _k}$,某一待评估场景下的线路外破总风险值为
$$ {R_{\text{t}}} = \sum\limits_{q = 1}^{\textit{z}} {{p_q} {\omega _k}} $$ (11) 考虑到不同风险源造成的风险在整体场景中所占的权重不同,将表6的基础风险得分乘以对应的权重,得到单项风险加权得分,见表10。
表 10 不同风险源单项风险加权得分Table 10. Individual weighted scores of different risk sources风险源 单项风险加权得分 风险等级Ⅰ 风险等级Ⅱ 风险等级Ⅲ 风险等级Ⅳ 车辆 12 24 48 60 漂浮异物 6 12 24 30 火焰及烟雾 24 48 96 120 人员活动 2 4 8 10 风险等级划分标准中综合考虑了单一风险源与环境中多个风险源累计造成的影响,不同风险等级对应不同的处置措施,见表11。表中p'max为某一待评估场景中单项风险加权得分的最大值。
表 11 线路外破风险等级评估标准Table 11. Risk level assessment criteria for external breakage of lines风险等级 评价指标 处置措施 正常(Ⅰ) $p'_\max $<10
Rt<24正常运行,无需特殊处理 低风险(Ⅱ) 10≤$p'_\max $<24
24≤Rt<36定期巡检,加强管理 中风险(Ⅲ) 24≤$p'_\max $<60
36≤Rt<72及时消除隐患,重点监视 高风险(Ⅳ) $p'_\max $≥60
Rt≥72立刻排查并处理风险因素 若出现Rt与$p'_\max $不在同一等级的情况,按较高风险等级的处置措施进行处理。
4. 案例分析
为验证本文方法的有效性,以国能准能集团有限责任公司黑岱沟露天煤矿11号监控点位2022年8月7日11:00拍摄的图像为待评估场景(图3),对其进行外破风险评估。
经识别发现场景中存在车辆和火焰2种风险源,其中车辆包括2辆推土机和1辆挖掘机。对图3中存在的4个风险源进行标号,从左至右分别为1—4号风险源。使用改进的LEC法对架空线路外破风险源的风险值进行量化。
首先计算风险源存在分值L。图3中各类风险源锚框上的数值表示目标可信度,根据表1,将可信度转换为对应的风险源存在分值,可得1—4号风险源存在分值分别为L1=7,L2=6,L3=5,L4=5。
其次计算风险源频繁度分值E,此时需要向前倒推1 h内的监控情况。获取从8月7日10:00至11:00期间11号监控点位拍摄的所有图像,如图4所示。经识别发现,2号和3号风险源在过去的1 h内一直存在,1号风险源在10:40时的图像中才出现,而4号风险源在10:50时的图像中首次出现。根据表2可得1—4号风险源频繁度分值分别为E1=5,E2=8,E3=8,E4=5。
然后计算事故倾向度分值C。对于车辆这类风险源,需要考虑其与预警区间的关系及位置变化趋势。在本次评估的场景中,1—3号风险源都向预警区间移动。监控点位的预警区间为架空线路杆塔附近,1号和2号风险源不在预警区间内,3号风险源处在预警区间内,因此1—3号风险源分别属于场景(A3,X2,Y2),(A3,X2,Y2)和(A4,X1,Y2)。4号风险源为火焰。对照表5可得,1—4号风险源事故倾向度分值分别为C1=2.3,C2=2.3,C3=6.3,C4=9.5。
最后根据以上结果,按照式(1)计算1—3号风险源的风险值,分别为R1=80.5,R2=110.4,R3=252。在计算火焰及烟雾类风险源时,需要考虑风险调节系数K。查询评估矿区所在地区当天的天气情况,气温为25 ℃,相对湿度为30%,风速约为2 m/s。结合表5,可得4号风险源的风险值R4=L4E4C4(1+5%+5%)=261.25。最终计算出的各风险源分值见表12。
表 12 待评估场景中各风险源分值Table 12. Score of each risk source in the scenario to be assessed风险源编号 L E C K R 1 7 5 2.3 — 80.50 2 6 8 2.3 — 110.40 3 5 8 6.3 — 252.00 4 5 5 9.5 1.1 261.25 查询表6和表10可知,4种风险源所属的风险等级分别为Ⅱ,Ⅱ,Ⅳ,Ⅳ,对应的基础风险得分分别为4,4,10,10,单项风险加权得分分别为24,24,60,120,待评估场景的总风险值Rt=228。查询表11可知该场景的风险等级为高风险,与专家评价结果一致。
5. 结论
1) 基于煤矿实际运行情况,分析了架空线路外破风险的来源,建立了能够反映架空线路外破危险程度的评估指标体系。
2) 结合矿区实际条件,为LEC法的L,E,C制定新的赋值标准,借助在线监测装置的图像辨识结果直接为L,E,C赋值,实现了外破风险水平的实时判断,提高了评估结果的客观性。
3) 为了衡量多个外破风险源对架空线路的叠加影响,应用AHP获得了不同风险源的权重,实现了某一具体场景架空线路外破风险的综合评估。
4) 实际案例分析证明,矿区架空线路外破风险评估方法能够实时对具体场景中的线路外破风险等级进行有效评估,可提高线路运维工作的针对性,有助于实现线路外破修理工作由“被动应对”向“主动预防”转变。
-
表 1 风险源存在分值L赋值
Table 1 Assignment of risk source presence score L
目标可信度 L 描述 (0.9,1] 8 风险源一定存在 (0.8,0.9] 7 风险源极有可能存在 (0.7,0.8] 6 风险源较大可能存在 (0.6,0.7] 5 风险源可能存在 (0.5,0.6] 3 风险源不一定存在 表 2 风险源频繁度分值E赋值
Table 2 Assignment of risk source frequency score E
风险源持续时长/min E 描述 (40,60] 8 风险源长期存在 (30,40] 7 风险源存在较长时间 (20,30] 6 风险源存在一段时间 [10,20] 5 风险源短时出现 <10 3 风险源偶然出现 表 3 风险要素及其对应编号
Table 3 Risk elements and their corresponding numbers
风险要素 指标 编号 车辆类型 吊斗铲 A1 卡车 A2 推土机 A3 挖掘机 A4 风险源在预警区间内 是 X1 否 X2 风险源持续向预警区间移动 是 Y1 否 Y2 表 4 不同气象因素的风险调节系数取值
Table 4 The values of risk adjustment coefficient for different meteorological factors
风险调节系数 影响因素 分级标准 风险调节系数取值 Kt 气温t/(°C) t≤5 0 5<t≤15 0.02 15<t≤25 0.05 t>25 0.07 Kh 相对湿度h/(%) h≥70 0 50≤h<70 0.02 30≤h<50 0.05 h<30 0.07 Kw 风速w/(m·s−1) 0<w≤3.3 0 3.3<w≤10.7 0.03 10.7<w≤17.1 0.05 w>17.1 0.10 表 5 事故倾向度分值C赋值
Table 5 Assignment of accident propensity score C
外破风险源 评估场景 C 车辆(A) A1,X1,Y1 7.3 A1,X1,Y2 6.8 A1,X2,Y1 5.4 A1,X2,Y2 4.5 A2,X1,Y1 4.4 A2,X1,Y2 3.4 A2,X2,Y1 2.8 A2,X2,Y2 1.8 A3,X1,Y1 4.5 A3,X1,Y2 3.5 A3,X2,Y1 3.6 A3,X2,Y2 2.3 A4,X1,Y1 6.8 A4,X1,Y2 6.3 A4,X2,Y1 4.7 A4,X2,Y2 3.8 漂浮异物(B) B,X1,Y1 7.2 B,X1,Y2 6.7 B,X2,Y1 5.8 B,X2,Y2 4.3 火焰及烟雾(G) G 9.5 人员活动(D) D,X1,Y1 5.9 D,X1,Y2 5.3 D,X2,Y1 4.3 D,X2,Y2 3.3 表 6 不同风险值对应的事故风险等级及风险得分
Table 6 Accident risk level and risk score corresponding to different risk values
风险值R 事故风险等级 描述 基础风险得分 >240 Ⅳ 极有可能导致事故发生 10 (180,240] Ⅲ 导致事故发生的可能性较大 8 (80,180] Ⅱ 导致事故发生的可能性不大 4 ≤80 Ⅰ 不太可能导致事故发生 2 表 7 判断矩阵标度含义
Table 7 Meaning of judgment matrix scale
标度数值 含义 1 指标i与j重要性相同 3 指标i比j稍微重要 5 指标i比j明显重要 7 指标i比j重要得多 9 指标i比j极端重要 2,4,6,8 上述相邻判断的中间程度 表 8 平均随机一致性指标取值
Table 8 The value of average random consistency index
m 2 3 4 5 6 7 rI 0 0.58 0.90 1.12 1.24 1.32 表 9 不同外破风险源对应权重
Table 9 The weights corresponding to different external breakage risk sources
标签 风险源 原始权重 转换后权重 A 车辆 0.260 2 6 B 漂浮异物 0.127 3 3 G 火焰及烟雾 0.565 6 12 D 人员活动 0.046 9 1 表 10 不同风险源单项风险加权得分
Table 10 Individual weighted scores of different risk sources
风险源 单项风险加权得分 风险等级Ⅰ 风险等级Ⅱ 风险等级Ⅲ 风险等级Ⅳ 车辆 12 24 48 60 漂浮异物 6 12 24 30 火焰及烟雾 24 48 96 120 人员活动 2 4 8 10 表 11 线路外破风险等级评估标准
Table 11 Risk level assessment criteria for external breakage of lines
风险等级 评价指标 处置措施 正常(Ⅰ) $p'_\max $<10
Rt<24正常运行,无需特殊处理 低风险(Ⅱ) 10≤$p'_\max $<24
24≤Rt<36定期巡检,加强管理 中风险(Ⅲ) 24≤$p'_\max $<60
36≤Rt<72及时消除隐患,重点监视 高风险(Ⅳ) $p'_\max $≥60
Rt≥72立刻排查并处理风险因素 表 12 待评估场景中各风险源分值
Table 12 Score of each risk source in the scenario to be assessed
风险源编号 L E C K R 1 7 5 2.3 — 80.50 2 6 8 2.3 — 110.40 3 5 8 6.3 — 252.00 4 5 5 9.5 1.1 261.25 -
[1] 赵明辉. 煤矿供电系统安全评价研究及应用[D]. 西安:西安科技大学,2019. ZHAO Minghui. Safety evaluation and application of coal mine power supply system[D]. Xi'an:Xi'an University of Science and Technology,2019.
[2] 吴昊. 输电系统运行风险评估方法[J]. 电力系统及其自动化学报,2017,29(12):139-145. DOI: 10.3969/j.issn.1003-8930.2017.12.022 WU Hao. Operation risk assessment method for transmission system[J]. Proceedings of the CSU-EPSA,2017,29(12):139-145. DOI: 10.3969/j.issn.1003-8930.2017.12.022
[3] 李轶. 基于多源数据融合的电网巡检安全评价方法研究[D]. 宜昌:三峡大学,2019. LI Yi. Research on safety evaluation method of power grid inspection based on multivariate data fusion[D]. Yichang:China Three Gorges University,2019.
[4] 黄新波,吴明松,朱永灿,等. 基于模糊数学的电缆线路风险评估模型研究[J]. 高压电器,2021,57(9):19-25. DOI: 10.13296/j.1001-1609.hva.2021.09.003 HUANG Xinbo,WU Mingsong,ZHU Yongcan,et al. Research on risk assessment model of cable line based on fuzzy mathematics[J]. High Voltage Apparatus,2021,57(9):19-25. DOI: 10.13296/j.1001-1609.hva.2021.09.003
[5] 胡志鹏,刘剑,张玻,等. 基于风险关键特征量的输电线路运行环境风险评估[J]. 电力系统自动化,2017,41(18):160-166. DOI: 10.7500/AEPS20161213002 HU Zhipeng,LIU Jian,ZHANG Bo,et al. Risk assessment of operation environment for transmission lines based on risk key characteristic[J]. Automation of Electric Power Systems,2017,41(18):160-166. DOI: 10.7500/AEPS20161213002
[6] 颜祖明. 基于数据驱动的输电线路状态评估方法及运维策略研究[D]. 广州:广东工业大学,2022. YAN Zuming. Research on state assessment method and operation and maintenance strategy of transmission lines based on data-driven[D]. Guangzhou:Guangdong University of Technology,2022.
[7] 刘小杰,付建国,苏敬厚,等. 基于安全评价的黑岱沟矿运输系统管控措施制定[J]. 煤矿安全,2015,46(增刊1):71-75. DOI: 10.13347/j.cnki.mkaq.2015.S1.018 LIU Xiaojie,FU Jianguo,SU Jinghou,et al. Decision of Heidaigou Mine transport system control based on safety assessment[J]. Safety in Coal Mines,2015,46(S1):71-75. DOI: 10.13347/j.cnki.mkaq.2015.S1.018
[8] 王长申,孙亚军,杭远. 安全检查表法评价中小煤矿潜在突水危险性[J]. 采矿与安全工程学报,2009,26(3):297-303. DOI: 10.3969/j.issn.1673-3363.2009.03.009 WANG Changshen,SUN Yajun,HANG Yuan. Using safety checklist in assessment of potential risk of water inrush from medium and small mines[J]. Journal of Mining & Safety Engineering,2009,26(3):297-303. DOI: 10.3969/j.issn.1673-3363.2009.03.009
[9] 陈友鹏,陈璟华,何东升,等. 基于蒙特卡洛模拟和综合评判法的配电变压器抗短路能力评估[J]. 广东电力,2022,35(1):60-69. DOI: 10.3969/j.issn.1007-290X.2022.001.007 CHEN Youpeng,CHEN Jinghua,HE Dongsheng,et al. Evaluation of short-circuit resistance ability of distribution transformer based on Monte Carlo simulation and comprehensive evaluation method[J]. Guangdong Electric Power,2022,35(1):60-69. DOI: 10.3969/j.issn.1007-290X.2022.001.007
[10] 康新兴. 基于蒙特卡罗仿真的电力变压器故障树分析[J]. 国外电子测量技术,2018,37(10):5-9. DOI: 10.19652/j.cnki.femt.1800994 KANG Xinxing. Fault tree analysis of power transformer based on Monte Carlo simulation[J]. Foreign Electronic Measurement Technology,2018,37(10):5-9. DOI: 10.19652/j.cnki.femt.1800994
[11] 曾芬钰,郝世旺. 电力变压器设备风险评估研究综述[J]. 电工电气,2023(2):9-14,66. DOI: 10.3969/j.issn.1007-3175.2023.02.002 ZENG Fenyu,HAO Shiwang. Research review on the risk assessment of power transformer equipments[J]. Electrotechnics Electric,2023(2):9-14,66. DOI: 10.3969/j.issn.1007-3175.2023.02.002
[12] 云玉新,赵富强,张磊,等. 结合相关系数及改进层次分析法的油浸式变压器质量评估[J]. 重庆理工大学学报(自然科学),2022,36(5):203-210. YUN Yuxin,ZHAO Fuqiang,ZHANG Lei,et al. Quality evaluation of oil-immersed transformer based on correlation coefficient and improved analytic hierarchy process[J]. Journal of Chongqing University of Technology (Natural Science),2022,36(5):203-210.
[13] 沙池橙,林祖荣,钱振东,等. 基于灰色关联分析的定向权重式架空输电线路状态模糊评价方法[J/OL]. 武汉大学学报(工学版):1-11[2023-05-12]. http://kns.cnki.net/kcms/detail/42.1675.T.20220426.1115.002.html. SHA Chicheng,LIN Zurong,QIAN Zhendong,et al. Fuzzy evaluation method of directional weight overhead transmission line state based on grey correlation analysis[J/OL]. Engineering Journal of Wuhan University:1-11[2023-05-12]. http://kns.cnki.net/kcms/detail/42.1675.T.20220426.1115.002.html.
[14] 方权,刘闯,宋敏,等. 模糊评价与PSO优化的LSSVM架空输电线路故障率预测[J]. 水电能源科学,2021,39(1):171-175. FANG Quan,LIU Chuang,SONG Min,et al. Failure rate prediction of overhead transmission line based on fuzzy evaluation and PSO-optimized LSSVM[J]. Water Resources and Power,2021,39(1):171-175.
[15] 刘君,赵立进,黄良,等. 基于TOPSIS和灰色关联分析的变压器状态评价方法[J]. 电力科学与技术学报,2019,34(4):63-68. DOI: 10.3969/j.issn.1673-9140.2019.04.009 LIU Jun,ZHAO Lijin,HUANG Liang,et al. State evaluation method for power transformer based on the TOPSIS and grey relational analysis[J]. Journal of Electric Power Science and Technology,2019,34(4):63-68. DOI: 10.3969/j.issn.1673-9140.2019.04.009
[16] 王书明. 某垃圾焚烧发电项目电气系统安全性评价[J]. 电力系统保护与控制,2017,45(24):163-168. DOI: 10.7667/PSPC201780 WANG Shuming. Safety evaluation of electrical system for a waste incineration power generation project[J]. Power System Protection and Control,2017,45(24):163-168. DOI: 10.7667/PSPC201780
[17] 王君莉. 煤矿电气火灾风险的PHA−LEC评估模型及其应用[J]. 煤矿机械,2017,38(12):138-140. DOI: 10.13436/j.mkjx.201712049 WANG Junli. Risk assessment model for coal mine electrical fire based on PHA-LEC and application[J]. Coal Mine Machinery,2017,38(12):138-140. DOI: 10.13436/j.mkjx.201712049
[18] 毛吉星. 煤矿风险管理技术与应用研究[J]. 煤矿安全,2016,47(11):230-233. DOI: 10.13347/j.cnki.mkaq.2016.11.064 MAO Jixing. Research on coal mine risk management technology and its application[J]. Safety in Coal Mines,2016,47(11):230-233. DOI: 10.13347/j.cnki.mkaq.2016.11.064
[19] 黄悦华,陈照源,陈庆,等. 基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法[J]. 电力建设,2023,44(1):91-99. DOI: 10.12204/j.issn.1000-7229.2023.01.011 HUANG Yuehua,CHEN Zhaoyuan,CHEN Qing,et al. Real-time detection method for transmission line faults applying edge computing and improved YOLOv5s algorithm[J]. Electric Power Construction,2023,44(1):91-99. DOI: 10.12204/j.issn.1000-7229.2023.01.011
[20] 龙乐云,周腊吾,刘淑琴,等. 改进YOLOv5算法下的输电线路外破隐患目标检测研究[J]. 电子测量与仪器学报,2022,36(11):245-253. DOI: 10.13382/j.jemi.B2205638 LONG Leyun,ZHOU Lawu,LIU Shuqin,et al. Identification of hidden damage targets by external forces based on domain adaptation and attention mechanism[J]. Journal of Electronic Measurement and Instrumentation,2022,36(11):245-253. DOI: 10.13382/j.jemi.B2205638
[21] 张可颖,吴新桥,赵继光,等. 基于特征工程和集成学习与模型融合的输电走廊实时山火风险评估模型[J/OL]. 电网技术:1-13 [2023-05-12]. https://doi.org/10.13335/j.1000-3673.pst.2022.2235. ZHANG Keying,WU Xinqiao,ZHAO Jiguang,et al. A real-time wildfire risk assessment model for transmission corridors based on feature engineering,ensemble learning and model fusion[J/OL]. Power System Technology:1-13 [2023-05-12]. https://doi.org/10.13335/j.1000-3673.pst.2022.2235.
-
期刊类型引用(0)
其他类型引用(2)