基于HFACS和灰色關(guān)聯(lián)的電力安全生產(chǎn)風(fēng)險辨識評價

摘 要：由于現(xiàn)有的辨識評價方法關(guān)聯(lián)度的計算效果差，評價不全面，因此，本文提出基于HFACS和灰色關(guān)聯(lián)法的電力安全生產(chǎn)風(fēng)險辨識評價。該方法通過HFACS理論識別電力生產(chǎn)中的人為因素和潛在風(fēng)險，并構(gòu)建風(fēng)險鏈。利用灰色關(guān)聯(lián)法分析風(fēng)險因素間的關(guān)聯(lián)度和影響程度，對風(fēng)險因素進(jìn)行排序和事件樹定量分析，以評估整體風(fēng)險。試驗結(jié)果顯示，綜合評價值為0.05～0.10，表明風(fēng)險較低且評價方法穩(wěn)定、全面。

關(guān)鍵詞：HFACS；灰色關(guān)聯(lián)法；安全生產(chǎn)；風(fēng)險辨識

中圖分類號：TM 715 " 文獻(xiàn)標(biāo)志碼：A

電力安全生產(chǎn)風(fēng)險辨識評價是確保電力系統(tǒng)穩(wěn)定的重要環(huán)節(jié)。為了有效預(yù)防和減少電力事故的發(fā)生，提高電力系統(tǒng)的安全性和可靠性，開展電力安全生產(chǎn)風(fēng)險辨識評價。

已經(jīng)有很多學(xué)者對電力安全生產(chǎn)風(fēng)險辨識評價進(jìn)行了研究。例如，曹坤茂等[1]建立風(fēng)險監(jiān)控機制，對新業(yè)務(wù)新業(yè)態(tài)的運行狀態(tài)進(jìn)行實時監(jiān)控。定期對風(fēng)險管理效果進(jìn)行評審，根據(jù)評審結(jié)果調(diào)整風(fēng)險管理策略和措施。新業(yè)務(wù)新業(yè)態(tài)的風(fēng)險可能隨著市場等因素的變化而發(fā)生變化。如果不能及時更新風(fēng)險管理策略和措施，可能導(dǎo)致風(fēng)險管理失效。李存斌等[2]通過關(guān)聯(lián)規(guī)則風(fēng)險分析，根據(jù)風(fēng)險評估結(jié)果建立風(fēng)險預(yù)警機制，當(dāng)系統(tǒng)運行參數(shù)出現(xiàn)異常時，及時發(fā)出預(yù)警信息，以便工作人員能夠進(jìn)行干預(yù)和處理。由于數(shù)據(jù)采集、傳輸和處理等環(huán)節(jié)的延遲和限制，可能會導(dǎo)致評估結(jié)果的實時性受到影響。

為了解決上述方法存在的問題，本文提出基于HFACS和灰色關(guān)聯(lián)法的電力安全生產(chǎn)風(fēng)險辨識評價研究。

1 電力安全生產(chǎn)風(fēng)險辨識評價

1.1 HFACS風(fēng)險因素識別

人為因素分析與分類系統(tǒng)（Human Factors Analysis and Classification System，HFACS）在風(fēng)險因素識別方面的創(chuàng)新性體現(xiàn)在其系統(tǒng)性、層次性、靈活性、跨學(xué)科性、實用性和預(yù)防性。作為一個全面的風(fēng)險分析工具，HFACS通過其層次結(jié)構(gòu)深入追溯人為錯誤的根本原因，同時提供了一個標(biāo)準(zhǔn)化的分類框架，能夠靈活滿足不同行業(yè)和情景的需求。它結(jié)合了多學(xué)科知識，不僅在事故調(diào)查和安全管理中具有高效性，還作為教育和培訓(xùn)工具，可以提高員工對安全文化的認(rèn)識，從而幫助組織預(yù)防事故和錯誤的發(fā)生。在電力安全生產(chǎn)風(fēng)險辨識過程中，需要在保證辨識結(jié)果準(zhǔn)確性的情況下，對風(fēng)險進(jìn)行評價。因此，運用HFACS理論對電力生產(chǎn)過程中的隱性風(fēng)險進(jìn)行辨識[3]。對電力生產(chǎn)中的人為因素進(jìn)行分層分析，識別潛在的事故根源因素。HFACS風(fēng)險行為辨識模型如圖1所示。

分析圖1可以看出，組織影響能夠評估電力生產(chǎn)企業(yè)的組織文化等情況是否有利于安全生產(chǎn)；不安全監(jiān)察分析電力生產(chǎn)過程中的監(jiān)督管理是否到位；不安全行為條件關(guān)注電力生產(chǎn)一線員工的行為和態(tài)度；不安全行為對電力生產(chǎn)過程中的具體操作環(huán)節(jié)進(jìn)行分析[4]。針對我國電力生產(chǎn)安全事故的特點，結(jié)合電力行業(yè)的實際情況，建立HFACS風(fēng)險行為辨識模型。針對電力生產(chǎn)過程中的隱性風(fēng)險，通過模型可以對風(fēng)險因素進(jìn)行識別與劃分?？梢越Y(jié)合電力生產(chǎn)的實際情況，運用HFACS模型對各個環(huán)節(jié)進(jìn)行逐一分析，找出可能導(dǎo)致事故發(fā)生的隱性風(fēng)險。具體生產(chǎn)安全因素如圖2所示。

在復(fù)雜電力安全風(fēng)險行為辨識模型中，隱性風(fēng)險因素通過直接識別提供了一個有效的框架來分析風(fēng)險因素。在HFACS的視角下，明確每個層次下所包括的子因素[5]。通過觀察等方式收集相關(guān)數(shù)據(jù)信息，判斷風(fēng)險中出現(xiàn)的系統(tǒng)失效或人員錯誤操作等因素與情景。將收集的數(shù)據(jù)信息與HFACS風(fēng)險行為辨識模型不同層次之間進(jìn)行對應(yīng)，識別可能存在的隱性風(fēng)險因素。使用因果邏輯關(guān)系將不同層級的風(fēng)險因素聯(lián)系起來，形成完整的風(fēng)險鏈[6]。通過識別和分析這些隱性風(fēng)險因素，從而根據(jù)評估結(jié)果及時調(diào)整，完善風(fēng)險防控措施。

1.2 灰色關(guān)聯(lián)法計算因素風(fēng)險關(guān)聯(lián)度

在項目建設(shè)實施過程中，通過運用灰色關(guān)聯(lián)法對數(shù)據(jù)進(jìn)行深入分析，旨在計算不同風(fēng)險因素之間的關(guān)聯(lián)度，并評估它們對整體安全風(fēng)險的貢獻(xiàn)程度。同時，采用HFACS風(fēng)險行為模型，按照既定的時間節(jié)點對項目中的風(fēng)險進(jìn)行系統(tǒng)的評價與分析。結(jié)合電力生產(chǎn)管控機制，將有限的管理資源動態(tài)地集中在不斷出現(xiàn)的高風(fēng)險因素上，以實現(xiàn)對其的有效監(jiān)管和及時修正[7]。這樣能夠從源頭上消除安全隱患，為電力生產(chǎn)的安全管理提供有力支撐。在監(jiān)管過程中，需要根據(jù)不同的風(fēng)險因素，計算它們之間的關(guān)聯(lián)度，以此來獲得因素之間的差異程度。運用灰色關(guān)聯(lián)度法分析電網(wǎng)生產(chǎn)安全風(fēng)險評價指標(biāo)之間的相互關(guān)系，通過風(fēng)險因素數(shù)量計算得到其矩陣。在矩陣中選擇風(fēng)險因素的最小值作為風(fēng)險評價的參照序列x={x（0），x（1），...，x（n）}，將其作為評價標(biāo)準(zhǔn)，并對其進(jìn)行量化處理。計算每個風(fēng)險評價指標(biāo)與參照序列的絕對差值序列，如公式（1）所示。

Δk=|x（0）k-x（n）k| （1）

式中：Δk為風(fēng)險評價指標(biāo)與參照序列的絕對差值序列；k為數(shù)據(jù)點的索引。

在絕對差值序列中需要對其極值進(jìn)行找尋，2個極值將在后續(xù)的計算中作為參數(shù)使用[8]。設(shè)定關(guān)聯(lián)系數(shù)，用來量化參考序列和比較序列之間關(guān)聯(lián)程度的指標(biāo)。在分析過程中，在某時刻內(nèi)，關(guān)聯(lián)系數(shù)主要能夠反映每個風(fēng)險評價指標(biāo)與參照序列的關(guān)聯(lián)程度，如公式（2）所示。

（2）

式中：ξ（k）為風(fēng)險評價指標(biāo)與參照序列的關(guān)聯(lián)程度；min、max為找尋的極值；ρ為分辨系數(shù)，通常稱用于控制關(guān)聯(lián)系數(shù)之間的差異顯著性。

根據(jù)關(guān)聯(lián)度的大小，可以對各因素與參考序列的關(guān)聯(lián)程度進(jìn)行排序和比較，從而辨識與風(fēng)險密切相關(guān)的因素。

1.3 識別風(fēng)險定性評價

根據(jù)灰色關(guān)聯(lián)度矩陣的結(jié)果，對風(fēng)險因素進(jìn)行排序和分類，識別風(fēng)險因素的主次關(guān)系。將風(fēng)險的嚴(yán)重性和可能性分別劃分為不同的等級，從某一初始事件出發(fā)，分析可能導(dǎo)致的一系列事件序列，以評估電力生產(chǎn)事故的可能性。根據(jù)事故樹分析，從初始事件中選擇具體分析事件。在起始分析過程中，按事件發(fā)展過程自左向右繪制事件樹，用樹枝代表事件發(fā)展途徑。當(dāng)分析時，需要對初始事件進(jìn)行安全性分析，將可以發(fā)揮功能的狀態(tài)畫在上面的分枝，不能發(fā)揮功能的狀態(tài)畫在下面的分枝。然后，不斷判斷安全功能的不同風(fēng)險狀態(tài)，把發(fā)揮功能的狀態(tài)畫在上面的分枝，把不能發(fā)揮功能的狀態(tài)畫在下面的分枝，直到到達(dá)風(fēng)險事故為止。通過事件樹的方式可以對風(fēng)險進(jìn)行評價，其事件樹定性分析如公式（3）所示。

A=ΔK∑[R（a）]?ξ（k） （3）

式中：A為事件樹定量分析；R（a）為事件A的風(fēng)險。

使用公式（3）對事件樹進(jìn)行定量分析，評估每個事件的風(fēng)險和整個事件樹的總風(fēng)險。使用事件樹分析法對電力生產(chǎn)中的潛在風(fēng)險進(jìn)行定量評估，并制定有效的預(yù)防措施[9]。在風(fēng)險定性評價的過程中，通過綜合考慮風(fēng)險事件因素，對風(fēng)險進(jìn)行系統(tǒng)的辨識與評價。從而在項目推進(jìn)過程中提高風(fēng)險識別和評估的能力，以便更好地應(yīng)對潛在的風(fēng)險事件。

2 試驗測試與分析

2.1 搭建試驗環(huán)境

本試驗的數(shù)據(jù)集包括10000條風(fēng)險等級評價數(shù)據(jù)。為了更好地評估模型性能，將數(shù)據(jù)劃分為訓(xùn)練集和適用集。搭建試驗所用的網(wǎng)絡(luò)環(huán)境，具體網(wǎng)絡(luò)環(huán)境配置情況見表1。

運用Eclipse作為開發(fā)工具，利用Java的封裝功能對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行更新與修改，實現(xiàn)統(tǒng)一管理數(shù)據(jù)的目標(biāo)。通過LAN物理邊緣實現(xiàn)內(nèi)外部連接，網(wǎng)絡(luò)節(jié)點設(shè)置備份。在構(gòu)建的電力生產(chǎn)安全產(chǎn)生風(fēng)險模型中，選擇電力生產(chǎn)行業(yè)相關(guān)指標(biāo)，運用MATLAB中完成模型中樣本的訓(xùn)練。首先，對數(shù)據(jù)進(jìn)行預(yù)處理，將數(shù)據(jù)進(jìn)行噪聲點剔除。在預(yù)處理后的數(shù)據(jù)被轉(zhuǎn)化為矩陣，作為輸入數(shù)據(jù)傳輸?shù)侥Ｐ椭?。在安全性評價實例中，通過神經(jīng)網(wǎng)絡(luò)完成電力生產(chǎn)安全性評價訓(xùn)練后，輸出實際樣本和期望樣本結(jié)果。為了準(zhǔn)確獲得評價結(jié)果，導(dǎo)入評價指標(biāo)，選取安全評價樣本，并根據(jù)評價結(jié)果形成評級矩陣。對評價等級進(jìn)行賦值，獲得安全的評估值。

2.2 結(jié)果與分析

在評價過程中，根據(jù)風(fēng)險評價指標(biāo)，通過關(guān)聯(lián)系數(shù)計算不同因素之間的關(guān)聯(lián)度結(jié)果，風(fēng)險評價指標(biāo)關(guān)聯(lián)度值如圖3所示。

分析圖3所示的試驗結(jié)果，能夠洞察不同風(fēng)險因素之間的關(guān)聯(lián)度，這些關(guān)聯(lián)度是基于精心設(shè)計的指標(biāo)體系計算得出的。通過這些指標(biāo)可以進(jìn)行精準(zhǔn)的預(yù)測與評價，確保模型的輸出與實際情況具有良好的擬合度。本文提出的模型在評價電力生產(chǎn)風(fēng)險方面展現(xiàn)出了顯著的有效性，它不僅能夠全面評估潛在的風(fēng)險點，還能夠為決策者提供關(guān)鍵的風(fēng)險管理信息。設(shè)定電力生產(chǎn)中的安全綜合評價值范圍為0.05～0.10，這一范圍被認(rèn)定為較低風(fēng)險水平，反映了電力生產(chǎn)過程中的安全狀況相對穩(wěn)定。這一評價值的設(shè)定基于對電力生產(chǎn)流程的深入理解和風(fēng)險評估的最佳實踐，確保了評價結(jié)果既具有科學(xué)性又具有實用性。通過不斷優(yōu)化模型參數(shù)和提高數(shù)據(jù)質(zhì)量，期望進(jìn)一步提高模型的預(yù)測準(zhǔn)確性和評價的全面性，從而為電力行業(yè)的安全生產(chǎn)提供堅實的保障。

運用本文評價方法對數(shù)據(jù)集樣本的安全區(qū)間進(jìn)行劃分后，計算不同指標(biāo)所對應(yīng)的綜合評價值結(jié)果，從而獲得指標(biāo)風(fēng)險等級，具體安全生產(chǎn)風(fēng)險評價指標(biāo)風(fēng)險等級見表2。

分析表2的試驗結(jié)果揭示了本文方法在風(fēng)險評價方面的精確性和實用性。對一系列精心挑選的風(fēng)險評價指標(biāo)進(jìn)行深入計算，得到了綜合評價值，這些評價值穩(wěn)定地分布在0.05～0.10，明確指示了電力生產(chǎn)過程中的風(fēng)險水平較低。這一結(jié)果不僅與實際情況高度吻合，而且驗證了本文方法在風(fēng)險辨識和安全性評價方面的有效性。運用本文方法不僅能夠精準(zhǔn)地識別出電力生產(chǎn)中的潛在風(fēng)險點，還能夠?qū)@些風(fēng)險進(jìn)行量化評估，從而為電力生產(chǎn)的安全管理提供科學(xué)依據(jù)。這一評價過程反映了電力生產(chǎn)系統(tǒng)在安全性能上的高水平，表明了電力生產(chǎn)活動是在一個受控且安全的環(huán)境中進(jìn)行的。

綜上所述，運用本文方法在進(jìn)行電力生產(chǎn)安全風(fēng)險評價過程中具有較高連續(xù)性，能夠全方面地進(jìn)行綜合評價，表現(xiàn)出評價方法的穩(wěn)定性。在實際應(yīng)用中，能夠?qū)崟r對風(fēng)險態(tài)勢進(jìn)行評估，提高了在實際應(yīng)用中的能力。

3 結(jié)語

本文從風(fēng)險辨識評價入手，研究電力安全相關(guān)問題，探究了基于HFACS和灰色關(guān)聯(lián)法的電力安全生產(chǎn)風(fēng)險辨識評價。但該方法中還存在一些不足之處，例如模擬推斷分析問題、故障模式分析、活動的風(fēng)險狀況等。在電力安全生產(chǎn)風(fēng)險評價中，可以將HFACS識別出的人為因素風(fēng)險作為比較序列，將電力安全生產(chǎn)目標(biāo)作為參考序列，通過灰色關(guān)聯(lián)法計算各風(fēng)險因素與電力安全生產(chǎn)目標(biāo)之間的關(guān)聯(lián)度，從而得出各風(fēng)險因素對電力安全生產(chǎn)的影響程度，有助于提高電力安全生產(chǎn)的管理水平和風(fēng)險控制能力，降低安全事故的發(fā)生率。

參考文獻(xiàn)

[1]曹坤茂，高娜，王理金，等.基于風(fēng)險分析的電力企業(yè)新業(yè)務(wù)新業(yè)態(tài)安全管理模式研究[J].中國安全生產(chǎn)科學(xué)技術(shù)，2022，18（1）：201-206.

[2]李存斌，董佳，丁佳.基于大數(shù)據(jù)的燃煤發(fā)電運行風(fēng)險實時評估[J].電力系統(tǒng)保護(hù)與控制，2022，50（16）：47-57.

[3]龍振華，李想，丁乙航，等.吉林省鎳礦區(qū)附近設(shè)施蔬菜安全生產(chǎn)與風(fēng)險評價[J].吉林農(nóng)業(yè)大學(xué)學(xué)報，2023，45（2）：195-203.

[4]張鵬，潘灝航，楊宗強.基于風(fēng)險矩陣法和Borda序值法的城市埋地燃?xì)夤艿里L(fēng)險評價研究[J].中國安全生產(chǎn)科學(xué)技術(shù)，2023，19（9）：116-122.

[5]何可沁，程南煒，鄧敏.空間大數(shù)據(jù)支持下城市安全生產(chǎn)風(fēng)險評估方法[J].測繪通報，2023（6）：167-171.

[6]尹桂旭，閆海生，王文浩，等.基于定量風(fēng)險評估的苯酚異丁烯罐區(qū)重大危險源辨識分級及社會與個人風(fēng)險研究[J].南開大學(xué)學(xué)報（自然科學(xué)版），2022，55（5）：8-14.

[7]邸鴻喜，魏玖長，張亞，等.重大疫情下疫苗冷鏈物流在物聯(lián)網(wǎng)環(huán)境中的風(fēng)險評估[J].中國安全生產(chǎn)科學(xué)技術(shù)，2022，18（4）：54-60.

[8]胡博，謝開貴，邵常政，等.雙碳目標(biāo)下新型電力系統(tǒng)風(fēng)險評述：特征、指標(biāo)及評估方法[J].電力系統(tǒng)自動化，2023，47（5）：1-15.

[9]周建亮，朱琰，苗晉維，等.基于SNA的煤礦安全生產(chǎn)關(guān)鍵風(fēng)險因素分析與對策[J].煤礦安全，2023，54（1）：252-256.