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。     

轧机垂直系统动力学参数辨识

 针对轧机垂直系统动力学参数可信度不足等问题，提出一种基于实测数据的改进粒子群算法辨识轧机垂直系统动力学参数的方法。首先,将轧机垂直系统刚度和阻尼考虑成达芬振子和范德波尔振子，构建轧机垂直系统非线性动力学模型，并对粒子群算法进行改进；然后，通过数值仿真算例辨识得到系统在感染噪声和不含噪声时的动力学参数，验证了该算法的有效性；最后，以现场某轧机垂直系统为研究对象，基于现场实测数据，应用该算法进行辨识，得到了轧机垂直系统动力学参数估计，通过实测位移、速度和加速度信号分别与辨识后的位移、速度和加速度信号进行对比，证明该方法辨识轧机垂直系统动力学参数结果可靠，具有一定的工程应用价值。