给安全管理开“药方”

"从原先上岗拿起设备就干,到现在上岗拿着安全辨识卡对环境、设备是否存在隐患先排查后确认,再操作,虽然麻烦点儿,但更安全了。"从七月份开始,陕西中能煤田有限公司,针对安全管理中暴露出的问题,开出了以"四字诀"为要素的"药方",为公司全面推行岗位安全精细化管理把脉定向。提起这项工作党委书记、董事长党亚明认为,这对实现安全管理从随意化向规范化转变,由经验型向科学型转变,由粗放型管理向精细化管理转变,是最有效的途径。     

化工厂生产安全中的危险能量辨识与隔离方法研究

若是化工厂出现安全事故,将会对工作人员、化工生产环境、化工厂的经济财产产生严重威胁,因此安全问题已经成为化工领域热议的主要内容。相关工作人员通过辨识化工厂生产的危险能量,及时对存在危险的因素隔离处理,可以在一定程度上避免化工安全事故的出现。首先分析危险能量辨识与隔离对化工厂生产安全的重要意义,其次探讨危险能量辨识与隔离的主要步骤,最后研究做好后续优化更新工作,以期对相关研究具有一定的参考价值。     

新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

基于JHA的供热系统危险源辨识

安全生产是供热企业生存发展的根本。根据供热系统的运行特征、工艺特点,采用JHA方法针对供热系统中的3个关键环节热源(锅炉房)、换热站和热网中的各操作节点开展危险源辨识,分析产生危害的原因和可能造成的后果,探讨供热行业进行较为系统的危险源辨识的途径,以期降低供热企业安全事故风险。通过辨识,确定了供热系统各作业环节可能存在的危险源,明确了各危险源的代码及名称,指出了各危险源可能造成的事故和伤害,为供热企业开展危险源辨识提供了指导。