一种安全生产风险预警方法、装置、电子设备和存储介质

一种安全生产风险预警方法、装置、电子设备和存储介质公开发明

技术领域

[0001] 本发明涉及安全生产技术领域，尤其涉及一种安全生产风险预警方法、装置、电子设备和存储介质。

具体实施方式

[0036] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

[0037] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0038] 实施例一

[0039] 图1为本发明实施例提供了一种安全生产风险预警方法流程图，本实施例可适用于对安全生产风险进行实时预警的情况，该方法可以由安全生产风险预警装置来执行，该安全生产风险预警装置可以采用硬件和/或软件的形式实现，该安全生产风险预警装置可配置于电子设备中。如图1所示，该方法包括：

[0040] S101、获取工业生产危险源不同监控维度的实时数据。

[0041] 在本发明实施例中，工业生产危险源是指具有潜在危险的区域，示例的，工业生产危险源可以包括：化工生产的罐区或化工生产的装置区。

[0042] 监控维度是指工业生产危险源的风险类型，示例的，监控维度可以包括：温度或气体浓度。

[0043] 实时数据可以理解为在当前时刻采集到的最新数据，用于反映工业生产危险源当前的生产环境和设备状态。

[0044] 具体的，在指定时间内，对具有潜在危险的工业生产危险源进行不同监控维度的最新数据进行采集，获得工业生产危险源在不同监控维度的实时数据。

[0045] 示例的，获取实时数据的方式可以包括：通过工业生产危险源上的安装的传感器实时上传的方式获取，或，通过视频监控实时捕捉工业生产危险源画面，在从画面中提取实时数据的方式获取。

[0046] S102、根据预设监控阈值以及实时数据确定各监控维度的风险变化率。

[0047] 在本发明实施例中，预设监控阈值可以理解为一种预先设定的数值界限，用于判断实时数据是否处于正常范围。

[0048] 风险变化率反映了实时数据相对于预设监控阈值变化的程度，示例的，风险变化率的定义方式可以包括：实时数据值与预设监控阈值的差值或实时数据值与预设监控阈值的比值。

[0049] 具体的，获取用于判断实时数据是否处于正常范围的预设监控阈值，获取实时采集到的工业生产危险源在不同监控维度的实时数据，将实时数据值与预设监控阈值进行比较，得到实时数据相对于预设监控阈值的变化程度，将该变化程度作为各监控维度的风险变化率。

[0050] S103、基于预设多准则决策分析规则确定各监控维度的实时数据的预警权重。

[0051] 在本发明实施例中，预设多准则决策分析规则可以理解为一种用于评估实时数据权重的标准体系，示例的，预设多准则决策分析规则可以包括：层次分析法、熵权法或加权积法。

[0052] 预警权重可以理解为一种量化指标，用于评估各监控维度的实时数据在整体风险预警中的重要性。

[0053] 具体的，获取用于评估各监控维度的实时数据权重的预设多准则决策分析规则，基于获取到的预设多准则决策分析规则，对各监控维度的实时数据在整体风险预警中的重要性进行计算，将计算结果作为各监控维度的实时数据的预警权重。

[0054] S104、基于各监控维度的实时数据的风险变化率以及预警权重确定风险预警等级，并根据风险预警等级进行安全生产风险预警。

[0055] 在本发明实施例中，风险预警等级可以理解为一种风险的分类标准，示例的，风险预警等级可以按照重大风险、较大风险、一般风险和低风险四个分类标准进行设定，或，按照高风险、中风险和低风险三个分类标准进行设定。

[0056] 安全生产风险预警可以理解为基于风险预警等级对潜在风险进行综合分析并采取相应措施的过程，基于不同的预警等级相应的采取不同预警措施。

[0057] 具体的，获取各监控维度的实时数据的风险变化率以及预警权重，计算该实时数据的风险变化率与预警权重乘积，得到一个具体的数值，基于该具体的数值和预设的风险等级对实时数据的风险等级进行划分，得到各监控维度实时数据的风险预警等级，根据预警风险等级对潜在的风险进行综合分析并采取相应措施，即根据预警风险等级进行安全生产风险预警。

[0058] 示例的，实时数据的风险变化率的范围为[0‑100％]，将实时数据的风险变化率映射到整数范围内，即将[0‑100％]映射到[0‑100]区间内，得到风险变化率的映射值0‑100；可以理解的是，同一监控维度实时数据的预警权重之和等于1；将风险等级分为重大风险、较大风险、一般风险和低风险四类，分别对应的等级值为[0‑25]、[26‑50]、[51‑75]、[76‑
100]。基于获取到各监控维度的实时数据的风险变化率以及预警权重确定风险预警等级的方法可以包括：将同一监控维度的各个映射值与预警权重相乘，得到一个具体的数值，可以将这个具体的数值定义为风险值，将风险值的大小与上述的四个等级值对应，得到风险预警等级。

[0059] 本发明实施例，在指定时间内，对具有潜在危险的工业生产危险源进行不同监控维度的最新数据进行采集，获得工业生产危险源在不同监控维度的实时数据，将实时数据值与用于判断实时数据是否处于正常范围的预设监控阈值进行比较，得到实时数据相对于预设监控阈值的变化程度，将该变化程度作为各监控维度的风险变化率，获取用于评估实时数据权重的预设多准则决策分析规则，基于获取到的预设多准则决策分析规则，对各监控维度的实时数据在整体风险预警中的重要性进行计算，将计算结果作为各监控维度的实时数据的预警权重，计算各监控维度下的实时数据的风险变化率与预警权重的乘积，得到一个具体的数值，基于该具体的数值和预设的风险等级对实时数据的风险等级进行划分，得到各监控维度实时数据的风险预警等级，根据预警风险等级对潜在的风险进行综合分析并采取相应措施，即根据预警风险等级进行安全生产风险预警。在本发明实施例中，实时获取工业生产危险源在不同监控维度的实时数据为后续确定风险预警等级和及时的进行安全生产风险预警提供了全面的数据支持，将实时数据与预设监控阈值进行比较得到实时数据的风险变化率，基于预设多准则决策分析规则对实时数据的预警权重进行计算，通过基于实时数据的风险变化率和预警权重两个方面确定风险预警等级确保了风险预警的准确率，通过基于风险预警等级对潜在的风险进行综合的分析和判断，基于不同的预警等级采取不同相应的预警措施，使得企业能够制定相应的应对策略，提升了安全生产风险的管理效能。

[0060] 实施例二

[0061] 图2为本发明实施例提供的另一种安全生产风险预警方法流程图，本发明实施例在上述实施例方式的基础上，提供了另一种安全生产风险预警方法。如图2所示，该方法包括：

[0062] S201、采集工业生产危险源的存储区风险维度数据、装置区风险维度数据、泄露风险维度数据、报警管理维度数据作为实时数据。

[0063] 在本发明实施例中，存储区风险维度数据可以理解为一种涵盖存储区关键特征的数据，用于评估存储区的潜在风险，其中，存储区风险维度数据至少包括：存储区域温度特征数据、存储区压力特征数据、存储区流量特征数据以及存储区液位特征数据。

[0064] 装置区风险维度数据一种涵盖装置区关键特征的数据，用于评估装置区的潜在风险，其中，装置区风险维度数据至少包括：装置区转速特征数据、装置区电流特征数据、装置区功率特征数据以及装置区振动监测数据。

[0065] 泄露风险维度数据可以理解为一系列气体特征参数，用于评估和预测工业生产中气体泄露风险，其中，泄露风险维度数据至少包括：气象预警数据、有毒气体参数特征数据和可燃气体参数特征数据。

[0066] 报警管理维度数据可以理解为一系列数据指标，用于评估工业生产中各种报警系统潜在的风险，其中的，报警管理维度数据至少包括：扰动报警率、重复报警次数、总报警次数、销警时长以及最大报警时长。

[0067] 具体的，在指定时间内，对存储区风险维度数据、装置区风险维度数据、泄露风险维度数据和报警管理维度数据进行实时采集，将采集到的存储区风险维度数据、装置区风险维度数据、泄露风险维度数据和报警管理维度数据作为工业生产危险源的实时数据。

[0068] S202、提取针对各监控维度的预设监控阈值，其中，预设监控阈值至少包括至少两个阈值取值。

[0069] 在本发明实施例中，阈值取值是指预设监控阈值的具体数值，示例的，预设监控阈值的阈值取值可以包括：实时数据的下下限值或实时数据的上上限值，其中，下下限值可以理解为实时数据可以接受的最低极限值，上上限值可以理解为实时数据可以接受的最高极限值。

[0070] 具体的，根据行业标准或监控对象的指定需求，设定预设监控阈值，针对各监控维度，提取各监控维度实时数据对应的预设监控阈值，其中，各监控维度实时数据对应的预设监控阈值的阈值取值至少包括：两个阈值取值，预设监控阈值的阈值取值用于后续的实时数据风险变化率的计算。

[0071] S203、针对各监控维度，将实时数据与预设监控阈值进行比较，得到风险变化率。

[0072] 具体的，实时获取工业生产危险源各监控维度的实时数据，针对各监控维度，提取出的各监控维度实时数据的预设监控阈值，将获取到的实时数据与预设监控阈值进行比较，得到比较结果，基于该比较结果确定实时数据的风险变化率。

[0073] 示例的，基于该比较结果确定实时数据的风险变化率的方式可以包括：实时获取到的实时数据为存储区域温度特征数据，设定存储区域温度特征数据对应的预设监控阈值的阈值取值分别为：下下限值5摄氏度和上上限值50摄氏度。将采集到的存储区域温度特征数据与下下限值以及上上限值进行比较，若采集到的存储区域温度特征数据低于下下限值，则比较的结果为低低报，若采集到的存储区域温度特征数据高于上上限值，则比较的结果为高高报，每出现一次低低报或高高报，存储区域温度特征数据的等风险变化率就上升5％，以此累加得到存储区域温度特征数据的风险变化率，可以理解的是，风险变化率最高值为100％，风险变化率累加之和超100％时，按100％赋值。

[0074] S204、按照实时数据的监控维度确定层次结构，其中，层次结构至少包括一级指标以及二级指标。

[0075] 在本发明实施例中，层次结构可以理解为一种组织结构形式，示例的，层次结构至少包括：一级指标以及二级指标。

[0076] 一级指标可以理解为实时数据的风险类别，示例的，一级指标可以包括：储存区数据或装置区数据。

[0077] 二级指标可以理解为对一级指标进一步细化后的指标，示例的，二级指标可以包括：储存区温度数据或储存区压力数据。

[0078] 具体的，获取工业危险源的不同监控维度下实时数据，基于各监控维度，确定实时数据的一级指标以及二级指标，基于确定出的实时数据的一级指标以及二级指标构建实时数据的层次结构，在层次结构中，一级指标位于顶层，二级指标位于下一层，二级指标与相应的一级指标相连。

[0079] S205、依据层次结构针对相同层次的二级指标相对于对应的一级指标的重要性，构建判断矩阵。

[0080] 在本发明实施例中，判断矩阵可以理解为一个方阵，判断矩阵的构建旨在量化同一层次中不同元素相对于其上一层元素的相对重要性。

[0081] 具体的，针对不同监控维度的实时数据确定不同的层次结构，依据层次结构，列出在同一层次结构中的实时数据的所有二级指标，将上述所有二级指标进行两两比较，得到同一层次结构中的实时数据的比较结果，根据比较结果构建同一层次结构中的实时数据的判断矩阵。

[0082] S206、针对判断矩阵进行几何平均处理，确定初始预警权重。

[0083] 在本发明实施例中，几何平均处理可以理解为一种数据处理方法，用于确定判断矩阵中各元素的初始权重，几何平均处理考虑所有元素的相对重要性，并给出一个相对均衡的权重分配，可避免极端值对确定初始预警权重产生影响。

[0084] 初始预警权重可以理解为一个的初始数值，反映了二级指标相对于一级指标的相对重要性。

[0085] 具体的，依据层次结构构建实时数据的判断矩阵，基于判断矩阵利用几何平均处理方法对判断矩阵中的所有元素进行几何平均处理，基于几何平均处理的结果确定初始预警权重。

[0086] 示例的，对判断矩阵进行几何平均处理的方法步骤可以包括：计算判断矩阵中每一行元素的乘积，基于每一行元素的乘积，计算每个乘积的方根，将得到的方根进行归一化处理，得到初始预警权重。

[0087] S207、对判断矩阵进行一致性校验，若校验通过，则将初始预警权重作为预警权重，若校验不通过，则调整判断矩阵后重新计算初始预警权重。

[0088] 在本发明实施例中，一致性校验是指一种检查方法，用于确保判断矩阵中所有元素在逻辑上保持一致。

[0089] 具体的，依据层次结构构建实时数据的判断矩阵，对判断矩阵进行一致性校验，若判断矩阵的一致性校验通过，则将基于几何平均处理得到的初始预警权重作为预警权重，若判断矩阵未通过一致性校验，则重新调整判断矩阵，重新计算判断矩阵的初始预警权重。

[0090] 示例的，对判断矩阵进行一致性校验的方法可以包括：计算判断矩阵的一致性比例，获取判断矩阵的一致性比例阈值，将判断矩阵的一致性比例与一致性比例阈值进行比较，若判断矩阵的一致性比例低于一致性比例阈值，则说明判断矩阵通过一致性校验，则将通过对判断矩阵进行几何平均处理确定出的初始预警权重作为预警权重，若一致性比例高于一致性比例阈值，则说明判断矩阵未通过一致性校验，则重新构建判断矩阵，重新对判断矩阵进行几何平均处理，重新计算初始预警权重。

[0091] 可以理解的是，上述步骤S204、步骤S205、步骤S206、步骤S207为利用层次分析法计算实时数据权重的步骤。

[0092] S208、基于各监控维度的风险变化率以及预警权重确定风险预警等级，并根据风险预警等级进行安全生产风险预警。

[0093] 进一步的，计算实时数据预警权重的方法步骤还可以替换为利用熵权法计算权重的步骤：针对各监控维度的实时数据进行标准化处理，得到标准指标数据，其中，标准化处理包括极差标准化以及Z‑score标准化中至少之一；针对各标准指标数据确定信息熵值，并依据信息熵值确定预警权重。

[0094] 在本发明实施例中，标准化处理可以理解为一种数据处理方法，用于将不同量纲的数据转换为统一量纲数据，示例的，标准化处理至少包括：极差标准化和Z‑score标准化。

[0095] 标准指标数据是指经标准化处理后的实时数据，将实时数据转换为统一的尺度，使得不同监控维度的实时数据之间可以进行有效的比较和分析。

[0096] 信息熵值可以理解为一个数据参数，用于衡量各标准指标数据中所包含的不确定性，其中，信息熵值取值越高表示实时数据的不确定性越大。

[0097] 具体的，对各监控维度的实时数据进行标准化处理，其中，标准化处理的方法至少包括：极差标准化和Z‑score标准化，得到经过标准化处理的实时数据，将上述经过标准化处理的实时数据作为标准指标数据，针对各标准指标数据，计算用于衡量各标准指标数据中所包含的不确定性的信息熵值，依据各标准指标数据的信息熵值计算各标准指标数据对应的实时数据的预警权重。

[0098] 可以理解的是，还可以通过层次分析法以及熵权法共同确定预警权重，可以将利用层次分析法计算出的初始预警权重定义为第一预警权重，以及将利用熵权法计算出的初始预警权重定义为第二初预警权重，可以将第一预警权重和第二预警权重确定的组合权重作为预警权重，该组合权重可以包括第一预警权重以及第二预警权重的加权和或加权平均值等。

[0099] 本发明实施例，在指定时间内，对存储区风险维度数据、装置区风险维度数据、泄露风险维度数据和报警管理维度数据进行实时采集，将采集到的存储区风险维度数据、装置区风险维度数据、泄露风险维度数据和报警管理维度数据作为实时数据，针对各监控维度，提取各监控维度实时数据对应的预设监控阈值，其中，各监控维度实时数据对应的预设监控阈值的阈值取值至少包括两个阈值取值，将实时采集获取的各监控维度的实时数据与提取出的预设监控阈值进行比较，得到比较结果，基于该比较结果确定实时数据的风险变化率，基于各监控维度，确定实时数据的一级指标以及二级指标，基于确定出的实时数据的一级指标以及二级指标构建实时数据的层次结构，依据层次结构，列出在同一层次结构中的实时数据的所有二级指标，将上述所有二级指标进行两两比较，得到同一层次结构中的实时数据的比较结果，根据比较结果构建同一层次结构中的实时数据的判断矩阵，基于判断矩阵利用几何平均处理方法对判断矩阵中的所有元素进行几何平均处理，基于几何平均处理的结果确定初始预警权重，对判断矩阵进行一致性校验，若判断矩阵的一致性校验通过，则将基于几何平均处理得到的初始预警权重作为预警权重，若判断矩阵未通过一致性校验，则重新调整判断矩阵，重新计算判断矩阵的初始预警权重，对各监控维度的实时数据进行标准化处理，其中，标准化处理的方法至少包括：极差标准化和Z‑score标准化，基于各监控维度的风险变化率以及预警权重确定风险预警等级，并根据风险预警等级进行安全生产风险预警。本发明实施例中，通过将采集到的存储区风险维度数据、装置区风险维度数据、泄露风险维度数据和报警管理维度数据作为实时数据，确保了获取实时数据的全面性；将各监控维度的实时数据与预设监控阈值进行比较，基于比较结果确定实时数据的风险变化率，通过实时数据与预设监控阈值即时比较，使得系统能够迅速识别出异常情况，及时更新风险变化率，缩短了风险识别的时间，提高了预警的及时性；通过构建实时数据判断矩阵的方式确定实时数据的预警权重，可动态调整预警权重，使得风险预警的准确性提高。

[0100] 在上述实施例的基础上，获取工业生产危险源不同监控维度的实时数据，包括：通过云服务器或边缘计算盒子读取工业生产危险源的实时数据；其中，工业生产危险源包括mysql数据库、oracle数据库、mongodb数据库中至少之一。

[0101] 在本发明实施例中，云服务器可以理解为一个基于互联网或云计算技术的远程服务平台，云服务器的用途可以包括：实时工业生产危险源状态或对工业生产危险源进行远程控制。

[0102] 边缘计算盒子可以理解为一种基于边缘计算和人工智能技术的智能设备，用于处理和分析各种复杂数据。

[0103] mysql数据库是一种关系型数据库管理系统，mysql数据库使用SQL语言进行数据管理，mysql数据库具有高性能、可扩展性和易用性等特点，适合存储和管理结构化数据。oracle数据库也是一种关系型数据库管理系统，oracle数据库提供了强大的数据管理和查询功能,Oracle数据库具有高度的可靠性、安全性和可扩展性，适合处理大规模的数据存储和复杂的事务处理。mongodb数据库是一种非关系型数据库，mongodb数据库使用文档来存储数据,mongodb数据库具有灵活性高、扩展性强和易于使用等特点，适合存储和管理半结构化或非结构化数据。

[0104] 具体的，工业生产危险源中的不同监控维度的实时数据可储存在云服务器或边缘计算盒子，其中，工业生产危险源至少包括：mysql数据库、oracle数据库和mongodb数据库，可通过从云服务器或边缘计算盒子中提取工业生产危险源中的不同监控维度的实时数据的方式获取不同监控维度的实时数据。

[0105] 实施例三

[0106] 图3为本发明实施例提供的另一种安全生产风险预警方法流程图，本发明实施例在上述实施例方式的基础上，提供了另一种安全生产风险预警方法。如图3所示，该方法包括：

[0107] S301、采集工业生产危险源的存储区风险维度数据、装置区风险维度数据、泄露风险维度数据、报警管理维度数据作为实时数据。

[0108] S302、提取针对各监控维度的预设监控阈值，其中，预设监控阈值至少包括至少两个阈值取值。

[0109] S303、针对每个监控维度，确定实时数据是否满足对应预设监控阈值。

[0110] 具体的，针对每个监控维度，将每个监控维度的实时数据与预设监控阈值进行比较，判断各监控维度的实时数据是否满足预设监控阈值，根据实时数据是否满足对应预设监控阈值的结果计算实时数据的风险变化率。

[0111] S304、统计各监控维度下，满足预设监控阈值的实时数据的实时数据数量、持续时间长度以及预设监控阈值的阈值取值。

[0112] 在本发明实施例中，实时数据数量可以理解为满足预设监控阈值的实时数据的个数，示例的，实时数据数量可以包括：5个或1个。

[0113] 持续时间长度可以理解为实时数据连续满足预设监控阈值的时间长度，示例的，持续时间长度可以包括：5分钟或10分钟。

[0114] 具体的，基于各监控维度下的实时数据，将各监控维度下的实时数据与预设监控阈值进行比较，得到比较结果，基于比较结果，统计比较结果中的满足预设监控阈值的实时数据的数量、实时数据连续满足预设监控阈值的时间长度以及满足实时数据预设监控阈值对应的预设监控阈值的阈值取值。

[0115] S305、分别统计实时数据数量、持续时间长度以及预设监控阈值分别对应的变化率取值，将各变化率取值之和作为对应预设监控阈值的风险变化率。

[0116] 在本发明实施例中，变化率取值可以理解为一种具体的数值，用于量化各监控维度实时数据的风险变化率。

[0117] 具体的，基于统计出的实时数据数量、持续时间长度以及预设监控阈值的阈值取值，分别计算实时数据数量、持续时间长度以及预设监控阈值对应的变化率取值，将实时数据数量对应的变化率取值、持续时间长度对应的变化率取值以及预设监控阈值对应的变化率取值进行相加求和操作，将相加求和的结果作为对应预设监控阈值的风险变化率。

[0118] S306、按照实时数据的监控维度确定层次结构，其中，层次结构至少包括一级指标以及二级指标。

[0119] S307依据层次结构针对相同层次的二级指标相对于对应的一级指标的重要性，构建判断矩阵。

[0120] S308、针对判断矩阵进行几何平均处理，确定初始预警权重。

[0121] S309、对判断矩阵进行一致性校验，若校验通过，则将初始预警权重作为预警权重，若校验不通过，则调整判断矩阵后重新计算初始预警权重。

[0122] S310、基于各监控维度的风险变化率以及预警权重确定风险预警等级，并根据风险预警等级进行安全生产风险预警。

[0123] 本发明实施例，采集工业生产危险源的存储区风险维度数据、装置区风险维度数据、泄露风险维度数据、报警管理维度数据作为实时数据，提取针对各监控维度的预设监控阈值，其中，预设监控阈值至少包括至少两个阈值取值，针对每个监控维度，将每个监控维度的实时数据与预设监控阈值进行比较，判断各监控维度的实时数据是否满足预设监控阈值，基于比较结果，统计比较结果中的满足预设监控阈值的实时数据的数量、实时数据连续满足预设监控阈值的时间长度以及满足实时数据预设监控阈值的阈值取值，基于统计出的实时数据数量、持续时间长度以及预设监控阈值的阈值取值，分别计算实时数据数量、持续时间长度以及预设监控阈值对应的变化率取值，将实时数据数量对应的变化率取值、持续时间长度对应的变化率取值以及预设监控阈值对应的变化率取值进行相加求和操作，将相加求和的结果作为对应预设监控阈值的风险变化率，按照实时数据的监控维度确定层次结构，其中，层次结构至少包括一级指标以及二级指标，依据层次结构针对相同层次的二级指标相对于对应的一级指标的重要性，构建判断矩阵，对判断矩阵进行几何平均处理，确定初始预警权重，对判断矩阵进行一致性校验，若校验通过，则将初始预警权重作为预警权重，若校验不通过，则调整判断矩阵后重新计算初始预警权重，基于各监控维度的风险变化率以及预警权重确定风险预警等级，并根据风险预警等级进行安全生产风险预警。在本发明实施例中，通过将实时数据与预设监控阈值进行比较，能够及时发现各监控维度的实时数据是否偏离正常范围，为风险预警提供基础，通过计算实时数据数量、持续时间长度和预设监控阈值的阈值取值计算对应的变化率取值之和确定实时数据的风险变化率，从多个维度计算实时数据的风险变化率，提高了风险预警的准确性。

[0124] 实施例四

[0125] 本发明实施例在上述实施例方式的基础上，提供了2016年至2023年生产事故数量柱状图，一种风险等级的分类标准图、另一种安全生产风险预警方法流程图、一种数据层次级别说明图、一种风险预警模型设计流程图、一种安全生产风险预警模型框架图、一种前端界面展示图、一种预警等级及预警时间展示图和一种预警情况展示图。

[0126] 如图4所示，直观展示了2016年至2023年生产事故数量的变化情况，图中的X轴为从2016年到2023年，表示每年的时间线。图中的Y轴为事故数量，数量范围为从0到160。图中的柱状图表示相应年份的事故总数量，图中的折线图及数据点直观显示了事故数量的变化趋势，在数据点上方标注了具体的事故数量。从图4中可以看出，2016年至2019年，事故数量始终保持在较高水平，分别为158,162,158，在2020年出现明显下降，数量为148，2021年是最低点，降至121，在2022年和2023年数量略有回升，分别为123和144。整体来看，事故数量在2021年达到最低点后又有上升趋势，反映了降低生产风险，遏制重大乃至特别重大事故的发生依然是生产的本质需求。

[0127] 如图5所示，详细描述了一种风险等级的分类标准，将风险等级分为重大风险、较大风险、一般风险和低风险4个风险级别，将重大风险描述为不可接受风险，需要启动高级别预控，立即全面行动，直到风险消除或降低至安全范围，将较大风险描述为不期望风险，启动中等级别预控，进行局部行动，直到风险消除或降低至安全范围，将一般风险描述为有限接受风险，实施部分限制作业，低级别预控，同时执行控制措施下生产，在一定成本下消除风险，将低风险描述为可接受风险，可以常规作业，常规预控，通过现场应对，结合警场和关注条件下进行生产作业。每个风险等级对应的预警颜色可分别用红色、橙色、黄色和蓝色的表征。在研究针对于生产风险预警等级划分的方法时，风险预警的实施原则即为匹配理论，所谓匹配理论是指风险级别与风险预警等级相互匹配，风险等级与风险预控措施相互匹配，即寻求与资源的最优化匹配组合。

[0128] 如图6所示，详细描述了另一种安全生产风险预警方法，针对不同类型的重大危险源，主要采集工艺和气体两大类指标，其中，工艺和气体两大类指标至少包括：存储区风险维度数据至少包括存储区域温度特征数据、存储区压力特征数据、存储区流量特征数据以及存储区液位特征数据；装置区风险维度数据至少包括装置区转速特征数据、装置区电流特征数据、装置区功率特征数据以及装置区振动监测数据；泄露风险维度数据至少包括气象预警数据、有毒气体参数特征数据和可燃气体参数特征数据；报警管理维度数据至少包括扰动报警率、重复报警次数、总报警次数、销警时长以及最大报警时长，将实时采集的指标作为实时数据输入到风险预警模型中，风险预警模型实时检测实时数据是否输入至风险预警模型中，并对实时数据进行处理，得到实时数据的报警情况，根据工艺、气体特征计算实时数据的风险变化率。基于采集的实时数据，确定实时数据的层次级别，如图7所示。其中，趋向性为“+”时，该指标与风险值成正相关，趋向性为“‑”时，该指标与风险值成负相关，整体模型的输出风险值越大，风险级别越高。示例的，计算存储区温度特征的风险变化率的方法可以包括：每分钟将所有温度实时数据与相应阈值进行对比，数量上，每增加一个温度类型报警指标，风险变化率上升5％；时长上，任何温度类型报警指标每延长10分钟风险变化率上升5％；报警类型上，任何温度类型报警指标每次高高报或低低报，风险变化率上升10％；持续对风险变化率进行动态累加计算，最高不超过100％，后续实施数据的风险变化率以此类推。

[0129] 通过层次分析法(Analytic Hierarchy Process，AHP)计算实时数据的权重，利用基于采集到的实时数据，构建实时数据的判断矩阵，采用9级标度法判断同级指标相对上级指标的重要性，构建判断矩阵U：

[0130]

[0131] 式中，Ui,j表示第i个指标相对于第j个指标的重要性的评价结果。

[0132] 计算判断矩阵中各元素的权重，采用几何平均法确定元素第一权重的计算公式：对判断矩阵的一致性进行检验，若一致性比例CR＜0.1，
则通过一致性检验，否则重新调整判断矩阵，计算CR的公式为CR＝CI/RI，其中，式中：λmax为判断矩阵的最大特征值，RI为随机性指标，n代表了n个实时数据。

[0133] 利用熵权法计算实时数据的权重，构造n个评价对象，m个评价构成的初始矩阵X为：

[0134]

[0135] 式中：xnm为指标m第n个对象的原始数据。

[0136] 对初始矩阵X进行标准化处理得到标准化矩阵：

[0137]

[0138] 将矩阵R标准化后记为Z，Z中各元素为计算各元素的信息熵其中，Pij的定义为：计算每个元素的第二
权重

[0139] 通过层次分析法和熵权法计算指标权重分别为wi和wj，组合权重计算公式如下：

[0140] W＝λwi+(1‑λ)wj

[0141] 基于上式建立目标优化综合权重系数函数如下式，使得函数偏差的平方和求得λ，将λ代入上式中，得到实时数据的组合权重。

[0142] 通过风险变化率和组合权重计算实时数据的风险值，基于风险值，风险预警模型输出相应的风险级别，风险预警模型检测风险级别是否正常输出，若正常输出则进一步输出风险原因以及处置建议。

[0143] 一般情况下，风险预警模型通过与mysql、oracle、mongodb等数据库进行输入输出的数据交换，并视具体情况将模型部署至云服务器或者边缘计算盒子，模型通过服务器的内部指令自动化的实现周期性运行。

[0144] 如图8所示，详细描述了一种风险预警模型设计流程图，读取重大危险源企业的历史和当前报警数据，分别通过罐区、库区类型重大危险源的报警数据得出多个存储区风险指数，取多个存储区风险指数的最大值作为企业级存储区风险指数；通过装置区类型重大危险源的报警数据得出多个装置区风险指数，取多个装置区风险指数的最大值作为企业级装置区风险指数；通过装置区和存储区重大危险源的报警数据得出多个泄露风险指数，取多个泄露风险指数的最大值作为企业级泄露风险指数；通过各重大危险源的报警数据得出多个报警管理指数，取多个报警管理指数的最大值作为企业级报警管理指数；取企业级存储区风险指数、装置区风险指数、泄露风险指数和报警管理指数的最大值作为企业的风险值；对企业的安全生产风险给出风险与原因以及处置建议。

[0145] 如图9所示，详细描述了一种安全生产风险预警模型框架图，安全生产风险预警模型包括数据库模型服务器和后端服务器两部分，其中，在数据库模型服务器部分，数据库作为模型算法的中介，负责储存模型算的输入数据和输出数据；在前后端服务器部分，模型的输出数据与云端平台连接，可通过前端展示页面进行输出数据的展示。

[0146] 如图10所示，在前端界面可直接进行重大危险源预警等级、预警时间等信息的查询，并根据预警等级、预警状态、产生原因等信息，自动推送给相关企业管理人员进行处置，根据模型反馈原因的不同，管理人员可根据以下的处置建议进行风险降级，直至降至低风险。若存储区风险指数高，则根据预警消息，追查对应报警重大危险源存储区设备未消警工艺数据，并进行检查处置；若装置区风险指数高，则根据预警消息，追查对应报警重大危险源装置区设备未消警工艺数据，并进行检查处置；若泄漏风险指数高，则根据预警消息，追查对应报警重大危险源气体监测未消警数据，并进行检查处置；若报警管理指数高，则对存储区报警、装置区报警、泄漏报警信息进行即时处置，消除报警，从而降低报警管理指数。

[0147] 如图11所示，在前端界面的预警详情界面中可以观察到指定区域的风险预警模型输出的风险等级为一般风险，预警等级为黄色预警，触发黄色预警的起始时间为2024年10月30号上午10时10分5秒。

[0148] 如图12所示，可以看出企业的预警情况为：实时风险研判为较大风险，企业风险值为52，风险的构成为存储区风险指数为52，装置区风险指数为0，泄露区风险指数为0，报警管理指数为11，相应的风险原因为3#罐区的存储区风险指数较高。

[0149] 实施例五

[0150] 图13为本发明实施例提供的一种安全生产风险预警装置的结构示意图。如图13所示，该装置包括：

[0151] 数据获取模块401，用于获取工业生产危险源不同监控维度的实时数据；

[0152] 变化率获取模块402，根据预设监控阈值以及实时数据确定各监控维度的风险变化率；

[0153] 权重获取模块403，用于基于预设多准则决策分析规则确定各监控维度的实时数据的预警权重；

[0154] 预警执行模块404，用于基于各监控维度的风险变化率以及预警权重确定风险预警等级，并根据风险预警等级进行安全生产风险预警。

[0155] 本发明实施例，在指定时间内，对具有潜在危险的工业生产危险源进行不同监控维度的最新数据进行采集，获得工业生产危险源在不同监控维度的实时数据，将实时数据值与用于判断实时数据是否处于正常范围的预设监控阈值进行比较，得到实时数据相对于预设监控阈值的变化程度，将该变化程度作为各监控维度的风险变化率，获取用于评估实时数据权重的预设多准则决策分析规则，基于获取到的预设多准则决策分析规则，对各监控维度的实时数据在整体风险预警中的重要性进行计算，将计算结果作为各监控维度的实时数据的预警权重，计算各监控维度下的实时数据的风险变化率与预警权重的乘积，得到一个具体的数值，基于该具体的数值和预设的风险等级对实时数据的风险等级进行划分，得到各监控维度实时数据的风险预警等级，根据预警风险等级对潜在的风险进行综合分析并采取相应措施，即根据预警风险等级进行安全生产风险预警。在本发明实施例中，实时获取工业生产危险源在不同监控维度的实时数据为后续确定风险预警等级和及时的进行安全生产风险预警提供了全面的数据支持，将实时数据与预设监控阈值进行比较得到实时数据的风险变化率，基于预设多准则决策分析规则对实时数据的预警权重进行计算，通过基于实时数据的风险变化率和预警权重两个方面确定风险预警等级确保了风险预警的准确率，通过基于风险预警等级对潜在的风险进行综合的分析和判断，基于不同的预警等级采取不同相应的预警措施，使得企业能够制定相应的应对策略，提升了安全生产风险的管理效能。

[0156] 在上述实施例的基础上，本发明实施例获取工业生产危险源不同监控维度的实时数据，包括：通过云服务器或边缘计算盒子读取工业生产危险源的实时数据；其中，工业生产危险源包括mysql数据库、oracle数据库、mongodb数据库中至少之一。

[0157] 在上述实施例的基础上，本发明实施例变化率获取模块402还包括：阈值提取子模块，用于提取针对各监控维度的预设监控阈值，其中，预设监控阈值至少包括至少两个阈值取值；风险变化率获取子模块，用于针对各监控维度，将实时数据与预设监控阈值进行比较，得到风险变化率。

[0158] 在上述实施例的基础上，本发明实施例权重获取模块403还包括：层次结构确定子模块，用于预设多准则决策分析规则包括层次分析法，按照实时数据的监控维度确定层次结构，其中，层次结构至少包括一级指标以及二级指标；判断矩阵构建子模块，用于依据层次结构针对相同层次的二级指标相对于对应的一级指标的重要性，构建判断矩阵；初始预警权重确定子模块，用于针对判断矩阵进行几何平均处理，确定初始预警权重；判断矩阵校验子模块，用于对判断矩阵进行一致性校验，若校验通过，则将初始预警权重作为预警权重，若校验不通过，则调整判断矩阵后重新计算初始预警权重。

[0159] 在上述实施例的基础上，本发明实施例权重获取模块403还包括：标准化处理子模块，用于针对各监控维度的实时数据进行标准化处理，得到标准指标数据，其中，标准化处理包括极差标准化以及Z‑score标准化中至少之一；信息熵值确定子模块，用于针对各标准指标数据确定信息熵值，并依据信息熵值确定预警权重。

[0160] 在上述实施例的基础上，本发明实施例数据获取模块401具体用于：采集工业生产危险源的存储区风险维度数据、装置区风险维度数据、泄露风险维度数据、报警管理维度数据作为实时数据；其中，存储区风险维度数据至少包括存储区域温度特征数据、存储区压力特征数据、存储区流量特征数据以及存储区液位特征数据；装置区风险维度数据至少包括装置区转速特征数据、装置区电流特征数据、装置区功率特征数据以及装置区振动监测数据；泄露风险维度数据至少包括气象预警数据、有毒气体参数特征数据和可燃气体参数特征数据；报警管理维度数据至少包括扰动报警率、重复报警次数、总报警次数、销警时长以及最大报警时长。

[0161] 在上述实施例的基础上，本发明实施例风险变化率获取子模块具体用于：针对每个监控维度，确定实时数据是否满足对应预设监控阈值；统计各监控维度下，满足预设监控阈值的实时数据的实时数据数量、持续时间长度以及预设监控阈值的阈值取值；分别统计实时数据数量、持续时间长度以及预设监控阈值分别对应的变化率取值，将各变化率取值之和作为对应预设监控阈值的风险变化率。

[0162] 实施例六

[0163] 图14示出了可以用来实施本发明的实施例的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本发明实施例所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明实施例的实现。

[0164] 如图14所示，电子设备包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(Read‑Only Memory，ROM)12、随机访问存储器(Random Access Memory，RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在ROM12中的计算机程序或者从存储单元18加载到RAM13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(Input/Output，I/O)接口15也连接至总线14。

[0165] 电子设备中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

[0166] 处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元、图形处理单元、各种专用的人工智能计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如，安全生产风险预警方法。

[0167] 在一些实施例中，安全生产风险预警方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行安全生产风险预警方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为安全生产风险预警方法。

[0168] 本发明实施例中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列、专用集成电路、专用标准产品、芯片上系统的系统、负载可编程逻辑设备、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

[0169] 用于实施本发明实施例的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

[0170] 在本发明实施例的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read‑Only Memory，EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(Compact Disc Read‑Only Memory，CD‑ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

[0171] 为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，阴极射线管或者液晶显示器监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括：声输入、语音输入或者、触觉输入)来接收来自用户的输入。

[0172] 可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网、广域网、区块链网络和互联网。

[0173] 计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端‑服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与虚拟专用服务器服务中，存在的管理难度大，业务扩展性弱的缺陷。

[0174] 应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

[0175] 上述具体实施方式，并不构成对本发明实施例保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

查看完整全部详细技术资料

当前第1页第1页第2页第3页