کنفرانس منطقه ای سیرد

صفحه اصلی / همایش بهداشت حرفه ای، ایمنی و محیط زیست (بهام) منطقه شمال غرب کشور

پیش‌بینی و مدل‌سازی ریسک‌های ایمنی در شرکت‌های توزیع نیروی برق با استفاده از یادگیری ماشین و تحلیل داده‌های کلان

نویسندگان :

حامد قبادی الام¹ امیر حسین لطفی² علی سهرابی بیدار³ توحید احمدی فرد⁴ محمد همراهی⁵

1- شرکت توزیع نیروی برق استان همدان 2- شرکت توزیع نیروی برق استان همدان 3- شرکت توزیع نیروی برق استان همدان 4- شرکت توزیع نیروی برق استان همدان 5- شرکت توزیع نیروی برق استان همدان

کلمات کلیدی :

ایمنی برق،شرکت توزیع نیروی برق،پیش‌بینی حوادث،یادگیری ماشین،تحلیل داده‌های کلان،مدیریت ریسک،بهام HSE،هوش مصنوعی

چکیده :

چکیده — صنعت توزیع نیروی برق به عنوان یکی از زیرساخت‌های حیاتی کشور، با مجموعه‌ای از ریسک‌های ایمنی پیچیده و منحصربه‌فرد برای کارکنان عملیاتی خود، به ویژه سیمبانان و تکنسین‌ها، همراه است. خطراتی نظیر کار در ارتفاع، برق‌گرفتگی، سقوط اشیاء، شرایط جوی نامساعد و فرسودگی تجهیزات، همواره ایمنی نیروی انسانی را تهدید می‌کند. رویکردهای سنتی مدیریت بهام (HSE) که عمدتاً بر اساس تحلیل حوادث رخ‌داده و شاخص‌های پس‌نگر Lagging Indicators عمل می‌کنند، برای پیشگیری فعالانه از این حوادث کافی نیستند. این چالش، ضرورت حرکت به سوی پارادایم نوین ایمنی پیش‌بین (Predictive Safety) را در شرکت‌های توزیع برق بیش از پیش آشکار می‌سازد. فناوری‌های نوظهور هوش مصنوعی، به‌ویژه یادگیری ماشین (Machine Learning) و تحلیل داده‌های کلان (Big Data)، ابزارهای قدرتمندی برای تحقق این هدف فراهم آورده‌اند. این مقاله یک چارچوب مفهومی برای پیش‌بینی هوشمند ریسک‌های ایمنی در عملیات شرکت‌های توزیع نیروی برق، با نگاهی ویژه به شرایطی مشابه شرکت توزیع نیروی برق استان همدان، ارائه می‌دهد. چارچوب پیشنهادی بر تجمیع و تحلیل داده‌های متنوعی از منابع اطلاعاتی موجود استوار است؛ از جمله: گزارش‌های حوادث و شبه‌حوادث، سوابق بازرسی‌های ایمنی خطوط و پست‌ها، داده‌های تعمیر و نگهداری تجهیزات (مانند سن و نوع ترانسفورماتورها و مقره‌ها)، داده‌های جغرافیایی (GIS)، اطلاعات شرایط آب‌وهوایی (دما، باد، رطوبت) و داده‌های مرتبط با نیروی انسانی (مانند سابقه کار و دوره‌های آموزشی). در این مدل، با استفاده از الگوریتم‌های یادگیری ماشین، به خصوص تکنیک‌های پردازش زبان طبیعی (NLP) برای تحلیل گزارش‌های متنی و الگوریتم‌های طبقه‌بندی مانند جنگل تصادفی (Random Forest) و تقویت گرادیان (Gradient Boosting)، الگوهای پنهان منجر به حوادث شناسایی می‌شوند. خروجی نهایی این سیستم، یک مدل پیش‌بین است که می‌تواند با تحلیل ترکیبی از عوامل، احتمال وقوع یک حادثه (مثلاً سقوط از پایه یا برق‌گرفتگی) را در یک مأموریت کاری خاص پیش‌بینی کند. این اطلاعات به مدیران ایمنی و سرپرستان تیم‌های عملیاتی اجازه می‌دهد تا اقدامات پیشگیرانه و هدفمند، مانند تخصیص تجهیزات حفاظتی ویژه، بازبینی دستور کار، یا به تعویق انداختن عملیات در شرایط پرخطر را اتخاذ نمایند. پیاده‌سازی چنین سیستمی، گامی استراتژیک در جهت کاهش حوادث، حفاظت از سرمایه‌های انسانی و ارتقاء فرهنگ ایمنی از یک حالت واکنشی به یک رویکرد داده‌محور و پیشگیرانه در صنعت توزیع نیروی برق خواهد بود.