一线巡礼我身边的中国石油青年 | 阎红巧：以青春激情“巧”护油气行业本质安全|中国石油_新浪财经

作者 | 刘志坚齐乐

编辑 | 张惠清

阎红巧在调试机泵设备异常监测试验设备

“唯有不断归零，才能超越自我。”这是中国石油安全环保技术研究院阎红巧的座右铭。作为设备设施完整性技术创新团队的核心技术骨干和项目负责人，正是凭着这种信念、激情和担当，她在短短9年内，参与科研及信息化建设项目13个，发表专业学术论文14篇，获授权发明专利6项，用青春智慧为我国油气行业安全生产保驾护航。

构建风险预警模型，保障企业安全平稳运行

重大危险源风险预警模型是中国石油统建信息化项目《危险化学品重大危险源泄漏监测预警系统》的核心组件。然而“由于重大危险源类型多，涉及专业公司多，不同专业公司管理重点和数据基础差异大，预警模型构建难度大。”阎红巧带领团队深入基层调研，仅用15天便走访了8家遍布全国的典型重大危险源企业，深夜启程、日夜兼程，摸清各类重大危险源的风险管控痛点，经过反复调研、推理，提出重大危险源预警指标体系。

一个难题解决，多个难题接踵而至，如何建立科学的预警模型呢？面对多种模型构建方法，阎红巧秉持“博采众长，择善而从”原则，分析不同模型构建方法的优缺点，虚心求教国内外专家。不少资深专家劝她，“工期如此紧，最好用最少的指标建模”。但是，阎红巧认为预警指标不全面会降低预警准确率，她不甘心，继续研究最权威的英文技术资料，通过对预警指标变换、替代，最终建立了包含50余项风险变量的重大危险源预警模型，模型能够全面、系统地描绘风险。

完成模型建立又向目标迈出坚实一步，如何精准管控重大危险源动态风险，是发挥模型作用的最后一道关。“传统方法一般是，将所有重大危险源的风险值进行等间隔划分。”阎红巧通过深入思考，认为这并不科学。于是，她将历史数据带入预警模型，求解各重大危险源的风险分布，通过求解，发现大部分重大危险源的风险量化值集中在一个风险区间，意味着大部分重大危险源均属同一个风险等级，这就难以精准分级管理。为此，她通过分析海量数据，重新确定了重大危险源风险分级方法，为开展重大危险源靶向管理提供了科学依据。最终，她按时高质量完成重大危险源模型构建工作，为危险化学品重大危险源泄漏监测预警系统提供了分析中枢，为工业互联网+危化安全生产建设提供了技术支撑。

创新安全管理文本大数据技术，助力安全监管水平提升

HSE信息系统，犹如中国石油安全生产“晴雨表”。自2009年启用至今，它已汇聚了约1.2亿条文本数据，这些数据涵盖了事故调查报告、监督检查记录、体系审核记录等。而阎红巧的工作，便是对这些海量数据进行分析和处理，为油气安全环保战略决策提供数据支撑。

过去，阎红巧依靠人工阅读报告文本，从中提取关键信息，判断哪些环节、哪些过程和设备设施容易发生事故，从而有的放矢地开展事故防范工作。但是，人工逐字逐句阅读提取信息，既费时又费力，特别是面对数万、上千万的安全检查类记录，采用人工分析的方式几乎不现实。此外，专业性强也是一个挑战，油气产业链长，安全管理贯穿上中下游全产业链，若无专业背景，很难准确提取出关键信息。

“这些问题限制了数据价值的发挥，而欧洲国家也才开始探索安全管理数据分析手段，要想攻克这一难关实属不易。”阎红巧深知，如果仅收集数据而不发挥数据价值，缺乏对管理的反馈和提升，本质上就是管理的内耗。她设想研发一款自动挖掘石油石化领域HSE文本信息的工具来解决当前所遇到的问题。经过大量技术调研，阎红巧发现构建领域词库是实现这一目标的关键。有了领域词库，计算机便具备了石油石化行业的基因，能够解读领域文本。

忽如一夜春风来，“沉睡”数据似花开。阎红巧带领团队对“沉睡”近20年的海量文本数据进行了为期3年的持续攻关，原创石油石化领域词库构建方法，建成了包含14万个词汇的领域词库。研发的定制化石油石化领域语义识别模型赋予计算机“文本阅读理解”能力，替代安全管理人员阅读各类文本数据、提取风险信息、进行多维度风险量化分析。如今，只要打开“安全管理文本大数据分析系统”，点击“生成智能报告”按钮，只需5秒钟，便可生成图文并茂的分析报告。

“与传统的人工数据分析方式相比，计算机分析效率提升近4000倍，更重要的是将安全管理人员从繁杂的数据分析工作中解脱出来。”目前，基于这一创新成果研发的大数据分析产品已应用于油气田企业“安眼工程”。

勇挑设备“数实融合创新”重担，筑牢本质安全生产防线

在贯彻落实习近平总书记关于网络强国的重要思想和数字中国战略部署的征程中，建设“数智中国石油”的使命庄严而伟大。设备“数实融合创新”，如同一座巍峨的山峰，等待着勇者去攀登。阎红巧毅然挑起了这艰难的重担，构建设备健康度监测预警大模型。为了获取足够的异常数据样本，她深入各站场DCS系统数据库，在那片数据海洋中奋力追寻。站场DCS数据仅保存半年，她边收集边分析，有时一天能获得1-2组样本，更多时候奔波数日却一无所获。整整两个月，她不是在站场间穿梭，就是在导数据、分析数据，最终获取了46组异常数据样本。

阎红巧在调试装置风险预警模型测试工况

然而，难题接踵而至。基于46组数据样本所构建的预警模型适用范围有限，如何建立适用性更强的设备健康度预警大模型？国内外亦无成熟案例可借鉴。项目陷入泥沼，举步维艰。在最困难的时候，她始终坚信一句话：“办法总比困难多。”她寻找着46组异常样本的共性特征，她翻阅着工艺、设备、高等流体力学等多门学科书籍，尝试着用综合知识去阐释共性特征。结合机理和数据驱动建模方法，通过对模型进一步修正，终于获得了准确率高达90%以上的设备健康度预警大模型，预警大模型研发成果验收同年便成功落地应用，保障了设备运行过程本质安全。