危害与可操作性研究在长北项目井丛设计的应用

危害与可操作性分析(HAZOP)是一种危害识别方法,它可以对工程设计进行较为全面的风险评估,找出系统中设备、装置、管道工艺参数的偏离以及故障或者误操作引起的潜在风险,分析偏离、故障产生的原因,根据后果、原因和已设计的保护措施,修改和完善安全设计和操作管理。本文介绍了长北项目井丛危害与可操作性分析(HAZOP)过程,分析了HAZOP分析在天然气开发过程完善安全设计和操作管理的优势。     

永定河上游张家口地区水污染物排放负荷与贡献

运用源强系数法,估算永定河上游张家口地区不同来源水污染物的排放负荷,并评估不同污染源的贡献。结果表明:(1)永定河上游张家口地区COD排放负荷为97 533.43t/a;氨氮排放负荷为10 596.73t/a;总磷排放负荷为1 389.11t/a。(2)COD主要来自畜禽养殖业和城镇生活污水,分别占总排放负荷的53.66%和31.41%;氨氮主要来自城镇和农村生活污水,分别占总排放负荷的40.15%和27.04%;总磷主要来自畜禽养殖业和城镇生活污水,分别占总排放负荷的28.99%和26.54%。(3)从空间上看,宣化区COD、氨氮、总磷排放负荷均为最大,宣化区是永定河上游张家口地区水污染的主要贡献区。     

基于源网荷互动的分布式能源消纳方法

分布式能源发电的不确定性给电网公司消纳新能源带来了极大的挑战，电力物联网全域感知技术为分布式能源消纳提供了有效的数据支撑，故提出了一种基于源网荷互动的分布式能源消纳方法，构建了分布式能源总功率预测方法，采用自回归移动平均算法对新能源发电功率进行预测，并建立分布式能源发电波动影响因子，分析新能源发电波动对电网带来的影响。根据源网荷的互动情况，采用离群点自趋优算法，实现新能源机组有功功率精准控制，有效推动分布式能源的消纳。仿真验证表明：采用离群点自趋优的新能源机组控制算法能根据电网运行情况，自动调控分布式能源、电网资源，实现分布式能源最大化消纳，有效提高了园区分布式能源的经济运行水平。     

基于模糊聚类关联分析法的煤与瓦斯突出程度分析

运用模糊聚类分析方法对煤与瓦斯突出的样本集合进行分类,建立了不同突出程度的模糊模式.用关联分析确定待分析样本与模式的关联程度,以此预测预报样本的煤与瓦斯突出危险程度.实例分析表明,与模糊聚类分类后、将模式与待预报样本组成新样本集合进行聚类分析并以此分类结果进行预报的方法相比,这种预报方法不仅可靠程度高,而且能定量描述待报样本与模式的亲和程度.     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。     

基于BERT-BILSTM-CRF模型的电力行业事故文本智能分析*

为解决电力行业事故报告文本较长、语义复杂,难以进行有效文本识别问题,提出1种以BERT作为底层的预训练模型,并设计1种双重注意力机制编码器,结合BILSTM-CRF深度挖掘事故文本语义特征,从而实现文本智能分析。首先构建电力词典,通过对BERT预训练,进行BIO标注,然后引入BILSTM-CRF模型实现对文本标签智能分类,最后将该模型与现行其他4种深度学习模型进行对比。研究结果表明:该模型智能识别精确率、召回率及F1值(查准率)均达到约97%,较其他4种模型中效果最好的模型分别提高0.02,0.03,0.02。研究结果可为电力行业事故报告文本分析提供1种新思路。     

基于数据挖掘的施工危险识别注意投入与分配研究*

为分析施工情境中危险识别注意资源动态投入分配规律,基于动态时间规整算法,挖掘危险识别注视轨迹序列,以表征注意资源投入分配变化,并采用k-means聚类、注视熵、Needleman-Wunsch全局序列对齐算法和统计等方法,深入挖掘注意资源在危险目标中投入和分配等时空变化规律。研究结果表明:当事人危险识别各阶段注意资源呈现从显著目标到高危目标的投入变化趋势,危险识别注意资源分配随情境复杂因素呈现零散、均匀的空间特征,分配无序程度提高。