风电运维人员行为安全预警指标体系构建与分析

doi:10.16265/j.cnki.issn1003-3033.2022.S1.2797

中国安全科学学报 ›› 2022, Vol. 32 ›› Issue (S1): 1-5.doi: 10.16265/j.cnki.issn1003-3033.2022.S1.2797

• 安全科学理论与安全系统科学 • 下一篇

风电运维人员行为安全预警指标体系构建与分析

郑鹏¹(), 瞿丽莉², 程礼彬¹, 何子春¹, 张银龙¹, 常丁懿³^,^**()

¹ 华电电力科学研究院有限公司, 浙江杭州 310030
² 西安热工研究院有限公司,陕西西安 710054
³ 天津理工大学管理学院, 天津 300384

收稿日期:2022-01-12 修回日期:2022-04-15 出版日期:2022-06-30 发布日期:2022-12-30
通讯作者: 常丁懿
作者简介:
郑鹏 (1994—),男,山东济宁人,硕士,助理工程师,主要从事新能源技术、安全系统工程等方面的工作。E-mail: 17865919606@163.com。
瞿丽莉高级工程师
程礼彬高级工程师
何子春高级工程师
张银龙工程师
基金资助:
中国华电集团有限公司科技项目(CHDKJ21-01-07); 天津市研究生科研创新项目(2021YJSB243)

Construction and analysis of behavior safety early-warning index system for wind power operation and maintenance personnel

ZHENG Peng¹(), QU Lili², CHENG Libin¹, HE Zichun¹, ZHANG Yinlong¹, CHANG Dingyi³^,^**()

¹ Huadian Electric Power Research Institute Co., Ltd., Hangzhou Zhejiang 310030, China
² Xi'an Thermal Power Research Institute Co., Ltd., Xi'an Shaanxi 710054, China
³ School of Management, Tianjin University of Technology, Tianjin 300384, China

Received:2022-01-12 Revised:2022-04-15 Online:2022-06-30 Published:2022-12-30
Contact: CHANG Dingyi

摘要/Abstract

摘要：

为提高风电运维人员安全行为水平,在独立性、完备性、梯度性、可行性原则的前提下,从人因、机械设备、作业环境、监督管理、信息沟通5个方面建立行为安全预警指标体系,利用问卷调查法获取行为安全预警数据,基于果蝇优化算法(FOA)优化反向传播(BP)神经网络,建立“15-10-1”结构的行为安全预警模型,利用该模型训练测试问卷数据。结果表明:构建的行为安全预警指标体系是科学合理的,FOA-BP神经网络模型有较强的预警能力,能够预测风电运维人员的行为安全风险。测试后,模型能实现较好的预警效果。

关键词: 风电运维人员, 行为安全预警, 指标体系, 果蝇优化算法(FOA), 反向传播(BP)神经网络

Abstract:

In order to improve the safety behavior level of wind power operation and maintenance personnel, on the premise of independence, completeness, ladder and feasibility, a behavioral safety early warning index system was established from five aspects of human factors, mechanical equipment, operating environment, supervision and management, and information communication. A questionnaire survey was used to obtain behavioral safety early warning data. Based on BP neural network optimized by FOA, a behavior safety warning model with the structure of ″15-10-1″ was established, which was used to train the test data. The results show that the constructed behavioral safety early-warning index system is scientific and reasonable, and the FOA-BP neural network model has a strong early-warning ability and can predict the behavioral safety risks of wind power operation and maintenance personnel. After testing, the model can achieve a better warning effect.

Key words: wind power operation and maintenance personnel, behavior safety early-warning, index system, fruit fly optimization algorithm(FOA), back propagation (BP)neural network

郑鹏, 瞿丽莉, 程礼彬, 何子春, 张银龙, 常丁懿. 风电运维人员行为安全预警指标体系构建与分析[J]. 中国安全科学学报, 2022, 32(S1): 1-5.

ZHENG Peng, QU Lili, CHENG Libin, HE Zichun, ZHANG Yinlong, CHANG Dingyi. Construction and analysis of behavior safety early-warning index system for wind power operation and maintenance personnel[J]. China Safety Science Journal, 2022, 32(S1): 1-5.

图/表 4

参考文献 13

[1]	FU Gui, ZHOU Lin, WANG Jianhao, et al. Analysis of an explosion accident at Dangyang power plant in Hubei, China: causes and lessons learned[J]. Safety Science, 2018, 102(10): 134-143. doi: 10.1016/j.ssci.2017.10.010
[2]	石娟, 常丁懿, 郑鹏. 基于BP神经网络的建筑工人不安全行为预警模型[J]. 中国安全科学学报, 2022, 32(1): 27-33. doi: 10.16265/j.cnki.issn1003-3033.2022.01.004
	SHI Juan, CHANG Dingyi, ZHENG Peng. An early warning model of unsafe behaviors of construction workers based on BP neural network[J]. China Safety Science Journal, 2022, 32(1): 27-33. doi: 10.16265/j.cnki.issn1003-3033.2022.01.004
[3]	杨涛, 周鲁洁. 煤矿职工不安全行为预警控制系统开发[J]. 煤矿安全, 2019, 50(3): 249-252.
	YANG Tao, ZHOU Lujie. Development of early warning control system for unsafe behavior of coal mine staff[J]. Safety in Coal Mines, 2019, 50(3): 249-252.
[4]	于用庆, 邹树琪, 张兴军. 基于BIM技术与定位技术的地铁施工人员安全预警[J]. 城市轨道交通研究, 2021, 24(6): 129-132, 136.
	YU Yongqing, ZOU Shuqi, ZHANG Xingjun. Safety early warning of metro construction personnel based on BIM and positioning technolofy[J]. Urban Mass Transit, 2021, 24(6): 129-132,136.
[5]	兰国辉, 陈亚树, 朱艳娜, 等. 复杂环境下矿工安全行为能力动态预警研究[J]. 煤矿安全, 2016, 47(7): 254-256.
	LAN Guohui, CHEN Yashu, ZHU Yanna, et al. Study on dynamic prediction of miners' safety behavior ability under complex environment[J]. Safety in Coal Mines, 2016, 47(7): 254-256.
[6]	谢逸, 张竞文, 李韬, 等. 基于视频监控的地铁施工不安全行为检测预警[J]. 华中科技大学学报:自然科学版, 2019, 47(10): 46-51.
	XIE Yi, ZHANG Jingwen, LI Tao, et al. Research on detection and early warning of unsafe behavior in metro construction based on video monitoring[J]. Journal of Huazhong University of Science and Technology:Natural Science Edition, 2019, 47(10): 46-51.
[7]	贾广社, 何长全, 陈玉婷, 等. 跨层次视角下建筑工人安全行为预警[J]. 同济大学学报:自然科学版, 2019, 47(4): 568-574.
	JIA Guangshe, HE Changquan, CHEN Yuting, et al. Early warning of construction workers' safety behavior from cross-level perspective[J]. Journal of Tongji University:Natural Science, 2019, 47(4): 568-574.
[8]	邓逢光, 张子石. 基于大数据的学生校园行为分析预警管理平台建构研究[J]. 中国电化教育, 2017(11): 60-64.
	DENG Fengguang, ZHANG Zishi. Research on the construciton of students' campus behavior analysis and warning management platform based on big data[J]. China Educational Technology, 2017(11): 60-64.
[9]	NIU Yi, LI Zhenming, FAN Yunxiao. Analysis of truck drivers' unsafe driving behaviors using four machine learning methods[J]. International Journal of Industrial Ergonomics, 2021,86:DOI: 10.1016/j.ergon.2021.103192. doi: 10.1016/j.ergon.2021.103192
[10]	任玉辉, 秦跃平. 行为安全理论在煤矿安全管理中的应用[J]. 煤炭工程, 2012(11): 138-140.
	REN Yuhui, QIN Yueping. Behavior safety theory applied to mine safety management[J]. Coal Engineering, 2012(11): 138-140.
[11]	PAN Wentsao. A new fruit fly optimization algorithm: taking the financial distress model as an example[J]. Knowledge-Based Systems, 2012, 26(2): 69-74. doi: 10.1016/j.knosys.2011.07.001
[12]	张江石, 赵群, 张文越. 安全管理实践与行为关系研究[J]. 安全与环境学报, 2018, 18(6): 2 279-2 284.
	ZHANG Jiangshi, ZHAO Qun, ZHANG Wenyue. On the proper relation between the safety management practice and the workers'corresponding behaviors[J]. Journal of Safety and Environment, 2018, 18(6): 2 279-2 284.
[13]	蔡秋晨, 董建军, 孙剑. 隧道工人安全感知对安全行为的影响机理[J]. 土木工程与管理学报, 2019, 36(1): 181-187.
	CAI Qiuchen, DONG Jianjun, SUN Jian. Influence mechanism of safety perception of tunnel workers on safety behavior[J]. Journal of Civil Engineering and Management, 2019, 36(1): 181-187.

[1]	卞斌彬, 黄玉庆, 刘志坚, 田宪民, 张凯. 基于双重预防机制的安全评价指标体系构建[J]. 中国安全科学学报, 2022, 32(S1): 45-50.
[2]	李金蓉, 杨玉中. DS理论-贝叶斯网络下的煤矿通风系统风险评估*[J]. 中国安全科学学报, 2022, 32(8): 146-153.
[3]	周新民, 罗文敏, 刘俊杰, 谢宝. 联盟链视角下基于IIWPSO-BP的信息安全风险预测模型*[J]. 中国安全科学学报, 2022, 32(8): 52-60.
[4]	何永勃, 曹祝兵. 基于IPSO-BP模型的火灾气体传感器气压补偿算法[J]. 中国安全科学学报, 2022, 32(2): 107-114.
[5]	石娟, 常丁懿, 郑鹏. 基于BP神经网络的建筑工人不安全行为预警模型[J]. 中国安全科学学报, 2022, 32(1): 27-33.
[6]	吴声声, 王祥尧. 基于多级可拓的风电场运营脆弱性评价[J]. 中国安全科学学报, 2021, 31(S1): 170-175.
[7]	阎红巧, 陈怡玥, 田琨, 胡瑾秋, 冒亚明, 周靖桐. 企业安全生产关键指标体系与风险评价模型^*[J]. 中国安全科学学报, 2021, 31(9): 21-28.
[8]	杨三军, 荆亚茹, 姜润发. 矿山救援队应急救援能力评价指标体系构建^*[J]. 中国安全科学学报, 2021, 31(8): 180-188.
[9]	姜福川, 周师, 吴增彤, 钟基超, 张书豪, 张雪芳. 基于熵权-TOPSIS法的煤矿安全投入决策分析^*[J]. 中国安全科学学报, 2021, 31(7): 24-29.
[10]	王刚, 商荦真, 刘学麟, 唐礼, 程前. 采用AHP-熵权法的巷道启封中毒窒息致因研究^*[J]. 中国安全科学学报, 2021, 31(7): 187-192.
[11]	聂兴信, 艾维茜, 马义洁, 孙昊. 深井矿工身心安全态势的热湿影响等级评定^*[J]. 中国安全科学学报, 2021, 31(12): 24-31.
[12]	郑晓波. 基于AHP的铁路信息系统风险评价指标体系[J]. 中国安全科学学报, 2020, 30(S1): 139-145.
[13]	毕傲睿, 骆正山, 宋莹莹, 张新生. 内腐蚀海底管道剩余强度的FOA-GRNN模型[J]. 中国安全科学学报, 2020, 30(6): 78-83.
[14]	李岩峰, 尹家骁, 刘朝峰, 王威, 于小晨, 李子芃. 基于投影寻踪聚类的供水管网地震韧性评估[J]. 中国安全科学学报, 2020, 30(6): 152-157.
[15]	杨晓强, 张智华, 姜浩然, 杨晨光. CPE和G1法的机场安全绩效评价指标体系研究[J]. 中国安全科学学报, 2020, 30(3): 1-7.

风电运维人员行为安全预警指标体系构建与分析

Construction and analysis of behavior safety early-warning index system for wind power operation and maintenance personnel

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 13

相关文章 15

编辑推荐

Metrics

本文评价