国网江苏省电力有限公司徐州供电分公司 魏 东

1 引言

随着社会的不断发展和进步，电力工程在我国的经济建设和社会生活中扮演着重要角色。由于电力工程现场的复杂性和危险性，安全管理一直是一个极为严峻的问题，为了提高电力工程现场的安全性和管理效率，采用先进的技术手段进行管理和监控已成为必然的趋势。

2 KanBIM 与物联网技术

为了保障电力设备的安全和稳定运行，需要运用多种技术手段对电力工程进行管理和优化。本文提出的基于KanBIM 和物联网的电力工程现场安全行为识别方法，涉及了多种技术和方法，将分别介绍KanBIM 技术、物联网技术和电力工程现场安全行为识别方法的基本原理和应用场景。

2.1 KanBIM 技术及其应用

KanBIM 技术是一种基于建筑信息模型（BIM）的协作平台，可以实现多方之间的协同设计和数据共享[1]。在电力工程中，KanBIM 技术可以用于电力设备的三维建模和协同设计，实现对电力设备的管理和维护。KanBIM 技术可以将电力设备的三维模型与相关的数据进行整合，实现对电力设备的维护和管理。同时，KanBIM 技术还可以与其他技术相结合，如人工智能、大数据等，实现对电力设备的自动化管理和优化[2]。

2.2 物联网技术及其应用

物联网技术是一种将物理设备和网络连接起来，实现设备之间互相通信和协作的技术。在电力工程中，物联网技术可以用于电力设备的实时监测和远程控制，实现对电力设备的智能化管理和优化。通过将感知设备和传感器与互联网相连接，可以实现数据的实时收集和传输，对电力设备的状态进行实时监测。物联网技术还可以与其他技术相结合，如云计算、区块链等，实现对电力设备的更加高效和安全的管理。

2.3 电力工程现场安全行为识别方法

电力工程现场安全行为识别方法是指通过技术手段，对电力工程现场施工人员的行为进行实时监测和识别，以保障施工人员的安全。目前，常用的电力工程现场安全行为识别方法有基于视频图像处理技术、基于传感器技术和基于机器学习技术等。基于视频图像处理技术的电力工程现场安全行为识别方法，通过对现场施工人员的视频图像进行分析和处理，实现对施工人员的行为进行监测和识别。基于传感器技术的电力工程现场安全行为识别方法，通过在电力工程现场布置传感器，实现对施工人员的行为进行监测和识别。基于机器学习技术的电力工程现场安全行为识别方法，通过对现场施工人员的数据进行特征提取和模型训练，实现对施工人员的行为进行监测和识别。本文提出的基于KanBIM 和物联网的电力工程现场安全行为识别方法，通过结合KanBIM 技术和物联网技术，实现了对电力工程现场施工人员的行为进行实时监测和识别，具有较高的实用价值[3]。

3 基于KanBIM 和物联网的电力工程现场安全行为识别方法设计

本文所提出的基于KanBIM 和物联网的电力工程现场安全行为识别方法，采用了分布式系统架构，包括安全监测子系统、数据采集子系统、数据传输子系统、数据处理子系统和行为识别子系统等5个子系统。通过物联网技术，采集电力工程现场的传感器数据，包括高清摄像头数据、声音数据、温度数据、湿度数据等。数据传输子系统负责将采集到的数据传输至数据处理子系统。利用机器学习和数据挖掘技术，对传感器数据进行预处理、特征提取和行为识别，实现对施工人员的行为进行实时监测和识别，最后将识别结果反馈至安全监测子系统，通过KanBIM技术实现对施工人员的实时监测和管理。

3.1 设计思路

所提出的基于KanBIM 和物联网的电力工程现场安全行为识别方法结合了建筑信息模型管理技术、物联网数据采集技术和数据处理算法。通过Kan-BIM 技术实现对建筑信息模型的在线协同管理和任务分配，物联网设备可以采集电力工程现场人员、设备、环境等信息，数据处理算法可以对这些数据进行分析和判断，以实现对电力工程现场安全行为的识别和管理[4]。

3.2 系统模块设计

3.2.1 建筑信息模型管理模块

建筑信息模型管理模块（Building Information Model，BIM）是整个系统的核心模块，负责对电力工程现场的建筑信息模型进行管理和维护。该模块采用BIM 技术，可以实现对建筑信息模型的可视化管理和协同编辑，方便多人协同作业。BIM是一种基于Web 的建筑信息模型管理系统，可以实现建筑信息模型的可视化管理和协同编辑，并且可以在不同的设备和平台上进行访问和编辑。该模块还可以实现对建筑信息模型的数据分析和可视化展示，如可以用来记录建筑物各个细节，像墙壁、屋顶、楼梯等，同时还可以将电力设备与建筑物对应起来，从而方便跟踪监测。该模块可以通过软件平台实现，如Autodesk BIM 360等。BIM 可以实现对电力工程现场的建筑信息进行实时监测和管理，提高电力工程现场的安全性和效率。

3.2.2 物联网数据采集模块

物联网数据采集模块（Internet of Things Data Collection Module，ITM）主要负责采集电力工程现场的传感器数据，包括高清摄像头数据、声音数据、温度数据、湿度数据等。ITM 采用物联网技术，将各种传感器和设备通过互联网进行连接和管理，实现对物理世界的实时监测和控制。ITM可以将采集到的传感器数据上传到云端或本地服务器，以供后续的数据处理和分析。同时，该模块还可以对采集到的数据进行预处理和存储，以便后续的数据分析和处理。ITM 可以实现对电力工程现场的实时监测和控制，从而提高电力工程现场的安全性和效率。在电力工程现场中，可以使用各种传感器来监测环境、设备运行状态和人员行为等信息。如温度传感器可以监测电力设备的温度情况，烟雾传感器可以监测电力设备周围的烟雾情况，视频监控摄像头可以监测工作人员的行为等。

3.2.3 数据处理和算法模块

数据处理和算法模块（Data Processing And Algorithm Module，DAM）是整个系统的核心模块之一，主要负责对采集到的传感器数据进行预处理、特征提取和行为识别，实现对施工人员的行为进行实时监测和识别。具体需要对采集到的图像和视频数据进行预处理和特征提取，然后利用分类算法对工作人员的安全行为进行分类和识别。

在预处理方面，可以进行图像去噪、图像增强、灰度处理等操作，以便提高图像质量和提取更有用的特征。在特征提取方面，可以使用常见的图像特征提取算法，如Haar 特征、HOG 特征、LBP特征等。在分类算法方面，可以使用各种机器学习和深度学习算法来实现电力工程现场的安全行为识别。如可以使用支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest）、卷积神经网络（Convolutional Neural Network，CNN）等算法来实现分类和识别。通过该模块能够实现对电力工程现场的自动化监测和管理，从而提高安全性和稳定性。

3.3 系统实现流程

安全识别系统结构如图1所示。

图1 安全识别系统结构

在任务管理阶段，首先由管理员通过KanBIM系统发布任务并将任务分配给相应的人员。经过任务的确认和接受，相关人员开始在电力工程现场进行工作。同时，由物联网设备定期采集数据并将其上传至云端或本地服务器。经过数据预处理和特征提取，对数据进行分类、聚类和预测等操作，识别出电力工程现场的安全行为。

4 试验与结果分析

4.1 试验环境和数据

本文在试验中采用了基于KanBIM 和物联网的电力工程现场安全行为识别方法。试验环境为某电力工程现场，使用了多种传感器和监控设备进行数据采集。采集到的数据包括环境数据、设备运行状态数据和人员行为数据等。采集到的数据被上传至云端服务器进行处理和分析。

4.2 安全行为识别试验结果分析

采用支持向量机（SVM）、随机森林（Random Forest）和卷积神经网络（CNN）三种分类算法对电力工程现场的安全行为进行分类和识别。在试验过程中，针对电力工程现场涉及的7种安全行为进行了分类和识别，包括佩戴安全帽、穿着安全鞋、佩戴防护手套、使用安全带、使用绝缘工具、使用梯子和使用防护眼镜。试验数据共涉及20个场景，每个场景持续时间10min。采用K 折交叉验证的方法，将20个场景随机分成了10份，其中9份用于训练，1份用于测试，这一过程重复了10次。

使用三种分类算法SVM、Random Forest 和CNN 进行比对，并使用LBP、Haar 和HOG 三种特征提取算法进行了试验。具体试验结果详见表1。

表1 特征提取算法进行了试验结果

从表中可以看出，卷积神经网络结合LBP 特征提取算法的效果最优，准确率达到了91.2%，随机森林和SVM 的效果稍差。同时，在特征提取算法方面，LBP 的效果最佳，其次是Haar 和HOG。还对不同场景下的分类效果进行了分析。试验结果表明，各种算法的分类效果存在差异，但总体上均能够达到较高的准确率，说明所提出的方法在电力工程现场的安全行为识别方面具有良好的适应性和可行性。

基于KanBIM 和物联网的电力工程现场安全行为识别方法能够有效地对电力工程现场的安全行为进行分类和识别，具备较高的准确性和稳定性。该方法还具有较强的适应性和扩展性，可为电力工程现场等复杂环境下的安全监管提供重要参考。

4.3 系统性能评估

基于KanBIM 和物联网的电力工程现场安全行为识别方法的系统性能进行了评估。试验结果表明，该方法能够对电力工程现场的安全行为进行高效准确的识别，其准确率达到了90.3%。

5 结语

本文提出了一种基于KanBIM 和物联网的电力工程现场安全行为识别方法，该方法实现了对电力工程现场施工人员的行为进行实时监测和识别。通过试验验证，该方法可以准确地对电力工程现场施工人员的安全行为进行识别，具有一定的实用价值。未来，可以进一步完善该方法的算法和工程实现，提高其识别精度和实用性，推广应用到更多的电力工程现场中，为保障施工人员的安全提供更加有效的技术手段。