計及多維隱患因素的輸變電設(shè)備中長期故障率建模方法

馬江泓 馬龍濤 范 越

計及多維隱患因素的輸變電設(shè)備中長期故障率建模方法

馬江泓 馬龍濤 范 越

（國家電網(wǎng)有限公司西北分部，西安 710048）

隨著新能源并網(wǎng)比例的不斷提高，電網(wǎng)裝備水平和管理模式快速發(fā)展，電網(wǎng)的風(fēng)險管理面臨新的不確定因素挑戰(zhàn)。本文提出一種計及多維隱患因素的輸變電設(shè)備中長期故障率建模方法。該方法首先運用頭腦風(fēng)暴法匯總相關(guān)業(yè)務(wù)部門對不同類型設(shè)備風(fēng)險隱患因素的經(jīng)驗化篩選結(jié)果，完成設(shè)備風(fēng)險隱患因素的識別，再按照不同的維度對隱患因素進行歸類，在對每一個維度的故障頻度進行單獨建模后，經(jīng)加權(quán)得到設(shè)備的中長期故障率。通過西北電網(wǎng)750kV罐式斷路器的風(fēng)險評估案例分析，展示了所提方法的實際應(yīng)用效果。

電網(wǎng)風(fēng)險；設(shè)備風(fēng)險；頭腦風(fēng)暴法；嚴(yán)重度；故障頻度

0 引言

受新能源并網(wǎng)和設(shè)備升級換代等內(nèi)外部不可控因素的干擾，電力系統(tǒng)運行管理長期面臨各類系統(tǒng)風(fēng)險。電力系統(tǒng)風(fēng)險評估理論研究已開展多年[1-6]，設(shè)備故障率是系統(tǒng)風(fēng)險評估的基本參數(shù)，與設(shè)備隱患因素密切相關(guān)，揭示其內(nèi)在聯(lián)系是系統(tǒng)風(fēng)險研究普遍關(guān)心的熱點問題，對提高系統(tǒng)風(fēng)險管理水平至關(guān)重要[7]。

電網(wǎng)中的電力設(shè)備受負(fù)荷波動、網(wǎng)絡(luò)運行方式及隨機故障的影響，運行工況較為復(fù)雜，尤其對輸電線、變壓器和開關(guān)等輸變電設(shè)備而言，導(dǎo)致其故障停運的隱患因素繁多。現(xiàn)階段，對輸變電設(shè)備停運建模的研究主要集中在模型結(jié)構(gòu)、數(shù)據(jù)處理及協(xié)變量選取三個方面。在模型結(jié)構(gòu)選取方面，楊才明等[8]根據(jù)架空線路故障機理，提出多因素驅(qū)動的架空線路故障率模型（multi-drive-proportional hazard model, MDPHM），以設(shè)備老化、健康狀態(tài)、負(fù)載率和天氣狀況作為協(xié)變量，利用Levenberg-Marquardt方法進行模型參數(shù)估計。鹿鳴明等[9]基于比例風(fēng)險模型（proportional hazard model, PHM）提出一種綜合考慮老化和設(shè)備狀態(tài)的故障率模型，采用極大似然估計方法對參數(shù)進行估計。Alvehag K等[10]結(jié)合季節(jié)變化規(guī)律和惡劣天氣（大風(fēng)、閃電）的隨機強度，提出一種基于非齊次泊松過程的架空線路可靠性模型。Zhou Y等[11]提出一種基于泊松回歸模型和貝葉斯網(wǎng)絡(luò)的與配電架空線路天氣相關(guān)的故障率模型。Moradkhani A等[12]提出一種基于多項式和諧波模型的泊松回歸模型來刻畫架空線的故障率，并利用累積計數(shù)過程展示了故障數(shù)據(jù)的非單調(diào)性。

除模型結(jié)構(gòu)的選取外，設(shè)備故障率采用何種方法建模還與所能獲取的故障數(shù)據(jù)樣本和故障影響因素密切相關(guān)。近年來，人們對于故障數(shù)據(jù)充分條件下的電力設(shè)備停運隱患因素相依的故障率模型已開展了相關(guān)研究，如溫度相依的輸電線路老化失效模型[13]，基于歷史故障信息的配電網(wǎng)設(shè)備故障概率模型[14]，以及考慮山火條件下的架空輸電線路停運概率模型[15]和冰凍災(zāi)害條件下的架空輸電線路風(fēng)險評估模型[16]等。此外，研究人員Clavijo-Blanco J A 等[17]對配電網(wǎng)不同電壓等級的線路故障進行統(tǒng)計分析，并估算出線路故障率。Jaech A等[18]提出一種故障線路停電時長預(yù)測方法，該方法借助自然語言處理方法對實時回傳的檢修報告進行加工處理，從而實現(xiàn)對停電時長Gamma分布參數(shù)的實時修正。除以上基于充足故障樣本的研究外，基于刪失和截斷故障數(shù)據(jù)的架空線故障率建模問題也引起了關(guān)注。Moradkhani A等[19]為了克服數(shù)據(jù)缺失和組件異質(zhì)性問題，提出一種基于分層貝葉斯泊松回歸（hierar- chical Bayesian Poisson regression, HBPR）方法，并通過信息偏差準(zhǔn)則（deriance information criterion, DIC）和模型檢查程序比較了可交換層次貝葉斯模型（exchangeable hierarchical Bayesian model, EHBM）和HBPR的擬合優(yōu)度，得出HBPR估計的故障率準(zhǔn)確度優(yōu)于EHBM的結(jié)論。Wang Yue等[20]考慮天氣-故障關(guān)聯(lián)信息缺失的問題，提出一種計及不明因素作用的故障率模型，并提出一種雙層聚類方法，基于不完整數(shù)據(jù)進行模型參數(shù)估計。

目前，現(xiàn)有的電力設(shè)備故障率建模方法未能充分考慮不同性質(zhì)電力設(shè)備隱患因素的影響，因此本文結(jié)合西北電網(wǎng)多年運行實踐，提出一種計及多維隱患因素的輸變電設(shè)備中長期故障率建模方法。該方法運用頭腦風(fēng)暴法（brain storming）以“自下而上”的方式收集設(shè)備故障的主要隱患因素，并建立設(shè)備故障率的量化評價方法。與現(xiàn)有的電網(wǎng)設(shè)備故障率建模方法相比，所提方法將設(shè)備故障率依照不同的設(shè)備類型進行不同維度建模，其優(yōu)勢在于，分維度建模能夠?qū)⑿再|(zhì)相似的單一隱患因素合并，在緩解數(shù)據(jù)樣本稀有性的同時，也能從不同側(cè)面量化設(shè)備故障率，有利于精準(zhǔn)落實職能部門的設(shè)備風(fēng)險管控責(zé)任。在建模方法方面，將設(shè)備故障的客觀數(shù)據(jù)統(tǒng)計與專家經(jīng)驗進行結(jié)合，從而形成不同類電網(wǎng)設(shè)備故障率的歸一化模型表達(dá)。這種方式以客觀故障統(tǒng)計為核心，引入專家經(jīng)驗的修正，彌補因數(shù)據(jù)缺失而難以察覺的設(shè)備停運相關(guān)性影響，以期形成一套對工程實踐具有現(xiàn)實指導(dǎo)意義的設(shè)備故障率實用建模方法。

1 設(shè)備中長期風(fēng)險評估基本框架

1.1 設(shè)備分類

本文定義的電網(wǎng)運行中長期風(fēng)險是指在較長時間跨度（一般為半年或一年）內(nèi)可能影響電網(wǎng)安全運行的因素、事件或狀態(tài)發(fā)生的可能性及后果的組合。在對電網(wǎng)設(shè)備中長期風(fēng)險的研究中，本文將電網(wǎng)主設(shè)備分為線圈類設(shè)備、開關(guān)類設(shè)備、輸電設(shè)備、直流一次設(shè)備、站用交直流系統(tǒng)和二次系統(tǒng)。其中，各類主設(shè)備所包含的常見設(shè)備見表1。采用這種設(shè)備分類方式開展設(shè)備中長期風(fēng)險評估，能夠保證不同類設(shè)備風(fēng)險管理的獨立性，有利于落實不同設(shè)備管理部門的責(zé)任，提升設(shè)備風(fēng)險管理的組織性和條理性。

表1 主設(shè)備分類

1.2 隱患因素篩選

對于設(shè)備的中長期風(fēng)險評估，本文將隱患因素（hazard factors）定義為可能誘發(fā)設(shè)備故障的各種原因構(gòu)成的集合。設(shè)備風(fēng)險隱患因素可以分為多個維度，如設(shè)備固有屬性、環(huán)境條件、運行履歷（如不良工況、在線監(jiān)測、例行試驗等）。為了實現(xiàn)對主設(shè)備隱患因素的全面篩選，本文提出采用頭腦風(fēng)暴法建立隱患因素信息庫。

頭腦風(fēng)暴法又稱智力激勵法、腦力激蕩法、專家會議決策法，是由美國創(chuàng)造學(xué)家阿歷克斯·奧斯本于1939年首次提出的一種激發(fā)創(chuàng)造性思維的方法。運用該方法進行風(fēng)險隱患因素篩選的主要步驟如下：

1）建立臨時工作組，召開周期性集中會議，對設(shè)備的故障因素各抒己見，建立設(shè)備風(fēng)險隱患因素信息庫。工作組成員宜從本單位業(yè)務(wù)部門、第三方監(jiān)管部門、科研院所及大專院校廣泛聘請業(yè)務(wù)能力強、電網(wǎng)規(guī)劃運行經(jīng)驗豐富、代表不同主體利益且無上下級領(lǐng)導(dǎo)關(guān)系的人員構(gòu)成，人員數(shù)量不少于20人。會議氣氛要保持自由、平等、民主，保證信息庫的客觀公正。

2）發(fā)布原始誘因信息庫，通過辦公自動化系統(tǒng)開展加密問卷調(diào)查，在確保電網(wǎng)信息安全的前提下，廣泛征集一線生產(chǎn)部門的反饋信息，并反饋給臨時工作組，對設(shè)備風(fēng)險原始誘因信息庫進行修正。

3）迭代步驟1）和步驟2）直到無重大修改意見。本文定義重大修改意見為同一批問卷出現(xiàn)兩次（含）以上的相同意見。

依照步驟1）～3），本文得到的電網(wǎng)主設(shè)備特殊隱患因素的詳細(xì)分類如圖1所示。

2 故障率模型

2.1 多維特性故障率

為反映多維隱患因素對設(shè)備風(fēng)險的影響，本文定義電網(wǎng)設(shè)備多維特性故障率EFR為

式中：BFR為基礎(chǔ)故障率（base failure rate），是指同電壓等級同類設(shè)備群體中，故障累計次數(shù)與扣除計劃停運時間后的總投運年限之比，其數(shù)值代表該類設(shè)備故障發(fā)生頻次的統(tǒng)計均值，需根據(jù)累計歷史數(shù)據(jù)進行滾動更新；HCC為隱患因素修正系數(shù)（hazard correction coefficient），綜合反映設(shè)備故障的可觀性（detectability）及隱患因素對單臺設(shè)備差異化的影響。

2.2 基礎(chǔ)故障率

電網(wǎng)每類主設(shè)備的風(fēng)險隱患因素不同，某些隱患因素實際所誘發(fā)的設(shè)備故障可能具有稀有性，難以建立單個隱患因素與設(shè)備故障率的關(guān)聯(lián)模型。為克服單一隱患因素設(shè)備故障稀少造成的建模困難，并建立不同類主設(shè)備故障率的統(tǒng)一計算模型，本文提出對隱患因素分維度進行歸類，如設(shè)備固有屬性、環(huán)境條件及運行履歷等，從而可分別統(tǒng)計不同隱患因素維度下的基礎(chǔ)故障率BFRsd，再對單維度基礎(chǔ)故障率進行加權(quán)即得到設(shè)備的基礎(chǔ)故障率BFR。

設(shè)同電壓等級的某類設(shè)備某維度過去年（扣除計劃停運時間）內(nèi)發(fā)生故障跳閘的總次數(shù)為，該類設(shè)備該統(tǒng)計維度的總數(shù)量為臺，則該類設(shè)備的單維度基礎(chǔ)故障率BFRsd為

對于同一電壓級總維護長度為的輸電線路，單維度基礎(chǔ)故障率BFRsd的計算方法為

根據(jù)式（2）和式（3），某主設(shè)備個維度的綜合基礎(chǔ)故障率BFR為

2.3 隱患因素修正系數(shù)

經(jīng)長期摸索實踐，本文定義設(shè)備故障率隱患因素修正系數(shù)HCC為

HCC的計算流程如下：

2.4 隱患因素嚴(yán)重度

1）線性計算法

其中

或

2）數(shù)量統(tǒng)計法

對于無明確性能指標(biāo)但易于統(tǒng)計發(fā)生數(shù)量的隱患因素，如直流一次設(shè)備的接頭異常發(fā)熱、鳥害跳閘和二次系統(tǒng)的通道運行情況等，可以根據(jù)經(jīng)驗設(shè)定其單次分值，累計計算其隱患嚴(yán)重程度分值，但不得超過其基值，即

3）條件賦值法

4）專有公式法

對于與工況履歷相關(guān)的隱患因素，如“變壓器本體累計短路電流”，其嚴(yán)重程度分值可按式（11）計算。

5）縱橫比分析賦值法

6）顯著性差異分析賦值法

2.5 多維故障率權(quán)重參數(shù)估計

表2 k值與n的關(guān)系

對式（12）取對數(shù)可得

3 案例分析

本文以西北電網(wǎng)投運的LW13—800/Y5000—50 SF6罐式斷路器為例，說明采用本文方法計算斷路器故障率的過程，其他輸變電設(shè)備的故障率計算過程類似。此類型斷路器被廣泛應(yīng)用于西北五省電網(wǎng)中，是西北電網(wǎng)750kV網(wǎng)架的主要開關(guān)類設(shè)備，其誤跳和拒動均對西北五省主網(wǎng)運行有較大影響，有必要從多個維度對其故障率進行建模分析。

3.1 設(shè)備基礎(chǔ)故障率

選取與該斷路器同型號的西北五省750kV斷路器，故障記錄統(tǒng)計時間從2008年1月—2021年12月，包含跳閘、拒動及非計劃停運（非停）。開關(guān)類設(shè)備的基礎(chǔ)故障率統(tǒng)計維度包括生產(chǎn)廠家、投運年限和額定短路開斷電流。這三個維度分別對應(yīng)設(shè)備品控質(zhì)量、服役時長及參數(shù)規(guī)格，對設(shè)備故障率進行評估，具有不同的指導(dǎo)意義。

1）生產(chǎn)廠家維度

從生產(chǎn)廠家的維度度量統(tǒng)計設(shè)備故障率可用于動態(tài)評估產(chǎn)品質(zhì)量，為設(shè)備質(zhì)量監(jiān)控和入網(wǎng)遴選提供客觀依據(jù)。2008年1月—2021年12月期間西北電網(wǎng)投運的750kV罐式斷路器生產(chǎn)廠家共計10家，各生產(chǎn)廠家每年新投運斷路器數(shù)量統(tǒng)計見表3。據(jù)此，依據(jù)式（2）計算斷路器生產(chǎn)廠家維度的基礎(chǔ)故障率見表4，如河南某有限公司的斷路器，誤跳的故障率為8/190/13=0.003 2次/(臺?年)，該維度的合計故障率為0.004 0次/(臺?年)。

表3 西北電網(wǎng)各生產(chǎn)廠家每年新投運750kV罐式斷路器數(shù)量統(tǒng)計 單位：臺

表4 西北五省750kV罐式斷路器生產(chǎn)廠家維度基礎(chǔ)故障率 單位：次/(臺·年)

2）投運年限維度

設(shè)備的投運年限是判斷設(shè)備進入老化狀態(tài)的重要依據(jù)，體現(xiàn)設(shè)備服役時長對本地設(shè)備老化的影響。2008年1月—2021年12月西北五省750kV罐式斷路器故障次數(shù)統(tǒng)計見表5。根據(jù)表5，按照式（2）計算得到斷路器投運年限維度的基礎(chǔ)故障率見表6，可以看到，客觀統(tǒng)計的故障率總體變化規(guī)律符合浴盆曲線，即故障頻發(fā)多見于投運早期，如新斷路器投運后1年內(nèi)的跳閘概率稍大，達(dá)到0.478次/(臺?年)；隨著投運年限的增加，初期的跳閘故障率迅速下降；之后隨投運時間增加，跳閘概率緩慢上升，當(dāng)投運時間達(dá)到12～13年時未見任何故障，說明此時已進入設(shè)備穩(wěn)定運行期。

3）額定短路開斷電流維度

額定短路開斷電流是斷路器設(shè)備的核心參數(shù)，該參數(shù)與其他一系列跟電網(wǎng)運行相關(guān)的重要參數(shù)密切關(guān)聯(lián)，因而很大程度上影響設(shè)備的制造工藝和規(guī)格。額定短路開斷電流分別為50kA和63kA時，斷路器歷年投運臺數(shù)與跳閘統(tǒng)計見表7。據(jù)此計算的斷路器額定短路開斷電流維度的基礎(chǔ)故障率見表8，該維度下的合計故障率為0.008 25次/(臺?年)。

表5 2008年1月—2021年12月西北五省750kV罐式斷路器故障次數(shù)統(tǒng)計 單位：次

表6 西北五省750kV罐式斷路器投運年限維度基礎(chǔ)故障率 單位：次/(臺·年)

表7 不同額定短路開斷電流的750kV罐式斷路器歷年投運臺數(shù)與跳閘統(tǒng)計 單位：臺

表8 西北五省750kV罐式斷路器額定短路開斷電流維度基礎(chǔ)故障率 單位：次/(臺?年)

3.2 隱患因素修正系數(shù)

斷路器各個維度下的風(fēng)險隱患因素較多，以下分別舉例說明若干不同性質(zhì)隱患因素的HCC貢獻(xiàn)值計算過程。

其他隱患因素嚴(yán)重程度分值見表9，根據(jù)式（5）可計算得到該斷路器的HCC值為1.92。

表9 某750kV罐式斷路器隱患嚴(yán)重程度分值

（續(xù)表9）

3.3 基礎(chǔ)故障率的權(quán)重

根據(jù)表7得到750kV罐式斷路器原始故障統(tǒng)計曲線如圖2所示，將相應(yīng)數(shù)據(jù)代入式（14）后，通過調(diào)用Ipopt求解權(quán)重，再代入式（4）和式（1），得到750kV罐式斷路器多維隱患因素故障率如圖3所示?？梢钥吹?，故障率估計值的總體趨勢與原始故障統(tǒng)計數(shù)據(jù)良好吻合，說明所提建模方法符合實際。

圖2 750kV罐式斷路器原始故障統(tǒng)計曲線

圖3 750kV罐式斷路器多維隱患因素故障率

4 結(jié)論

本文提出了一種計及多維隱患因素的輸變電設(shè)備中長期故障率建模方法。該方法首先運用頭腦風(fēng)暴法建立不同類設(shè)備隱患因素信息庫，提出設(shè)備故障率按隱患因素的不同維度進行加權(quán)，每個維度的故障率由基礎(chǔ)統(tǒng)計故障率經(jīng)隱患因素特性系數(shù)修正得到，并提出采用極大似然估計得到不同維度隱患因素故障率的權(quán)重。最后，通過西北電網(wǎng)750kV罐式斷路器故障率的案例分析，說明了本文所提方法對于故障率的估計符合實際故障統(tǒng)計規(guī)律。

[1] 丁茂生, 孫維佳, 蔡星浦, 等. 電力系統(tǒng)極端事件的風(fēng)險評估與防范[J]. 中國電力, 2020, 53(1): 32-39, 65.

[2] 王申華, 何湘威, 方小方, 等. 基于泛在電力物聯(lián)網(wǎng)多源信息的電網(wǎng)動態(tài)風(fēng)險評估系統(tǒng)[J]. 中國電力, 2019, 52(12): 10-19.

[3] 朱道俊, 張文鋒, 李國彬. 基于熵權(quán)和TOPSIS法的山區(qū)35kV架空線路雷擊風(fēng)險評估[J]. 電氣技術(shù), 2022, 23(8): 23-30.

[4] 陳劍平, 石恒初, 游昊, 等. 雙母線接線主變失靈保護整定風(fēng)險及防范措施[J]. 電氣技術(shù), 2020, 21(6): 127-131.

[5] 楊帥, 南東亮, 楊飛, 等. 基于移動運維平臺的二次設(shè)備風(fēng)險隱患評價系統(tǒng)[J]. 電氣技術(shù), 2020, 21(9): 66-69, 76.

[6] 張沛, 田佳鑫, 謝樺. 計及多個風(fēng)場預(yù)測誤差的電力系統(tǒng)風(fēng)險快速計算方法[J]. 電工技術(shù)學(xué)報, 2021, 36(9): 1876-1887.

[7] 譚波, 劉丙財, 陳永德, 等. 基于風(fēng)險評估的輸電設(shè)備差異化運維策略[J]. 中國電力, 2016, 49(增刊1): 21-26, 30.

[8] 楊才明, 項中明, 謝棟, 等. 多因素驅(qū)動架空線路故障率模型[J]. 電力系統(tǒng)保護與控制, 2018, 46(12): 9-15.

[9] 鹿鳴明, 王逸飛, 郭創(chuàng)新, 等. 一種基于PHM考慮老化和設(shè)備狀態(tài)的油浸式變壓器故障率模型[J]. 電力系統(tǒng)保護與控制, 2014, 42(18): 66-71.

[10] ALVEHAG K, SO De R L. A reliability model for distribution systems incorporating seasonal variations in severe weather[J]. IEEE Transactions on Power Delivery, 2011, 26(2): 910-919.

[11] ZHOU Y, PAHWA A, YANG S S. Modeling weather- related failures of overhead distribution lines[J]. IEEE Transactions on Power Systems, 2006, 21(4): 1683- 1690.

[12] MORADKHANI A, RAHIMKHANI M. Determining the pattern of MV overhead line failure rate using Poisson regression[C]//2015 20th Conference on Electrical Power Distribution Networks Conference (EPDC), Zahedan, Iran, 2015: 143-149.

[13] 何劍, 程林, 孫元章, 等. 條件相依的輸變電設(shè)備短期可靠性模型[J]. 中國電機工程學(xué)報, 2009, 29(7): 39-46.

[14] 王輝, 郝麗麗, 黃梅, 等. 基于歷史故障信息的配電網(wǎng)設(shè)備故障概率建模[J]. 電力自動化設(shè)備, 2020, 40(3): 76-84.

[15] 宋嘉婧, 郭創(chuàng)新, 張金江, 等. 山火條件下的架空輸電線路停運概率模型[J]. 電網(wǎng)技術(shù), 2013, 37(1): 100-105.

[16] 楊洪朝. 架空輸電線路冰凍災(zāi)害風(fēng)險評估系統(tǒng)研究及應(yīng)用[D]. 長沙: 湖南大學(xué), 2012.

[17] CLAVIJO-BLANCO J A, ROSENDO-MACIAS J A. Failure rates in distribution networks: estimation methodology and application[J]. Electric Power Systems Research, 2020, 185: 106398.

[18] JAECH A, ZHANG Baosen, OSTENDORF M, et al. Real-time prediction of the duration of distribution system outages[J]. IEEE Transactions on Power Systems, 2019, 34(1): 773-781.

[19] MORADKHANI A, HAGHIFAM M R, MOHAMMADZADEH M. Failure rate estimation of overhead electric distribution lines considering data deficiency and population variability[J]. International Transactions on Electrical Energy Systems, 2015, 25(8): 1452-1465.

[20] WANG Yue, CHEN Lu, YAO Meng, et al. Evaluating weather influences on transmission line failure rate based on scarce fault records via a bi-layer clustering technique[J]. IET Generation, Transmission & Distri- bution, 2019, 13(23): 5305-5312.

Mid- and long-term risk assessment of power equipment accounting for multi-dimensional hazard factors

MA Jianghong MA Longtao FAN Yue

(Northwest China Grid Co., Ltd, Xi’an 710048)

Power grid equipment and management mode are evolving fast to adapt for the ever-increasing portfolios of renewable energy in power generation. Power grid risk management is facing continuous challenge of new stochastic factors. This paper proposes a mid- and long-term failure rate model of power transmission equipment accounting for multi-dimensional hazard factors. Firstly, the proposed method employs the brain storming to summarize empirical equipment-related hazards factors which are provided by professional equipment management departments. Such a process can be regarded as the hazard factor identification. The summarized hazards factors are classified into various categories with distinct dimension sense. For each category or dimension, an independent failure frequency indicator is defined, which is then weighted to result in the so-called multi-dimensional failure rate (EFR). Case study on risk assessment of the Northwest 750kV tank circuit breakers is conducted to demonstrate a practical application of the proposed method.

power grid risk; component risk; brain storming; severity; failure frequency

2022-11-28

2023-01-10

馬江泓（1972—），男，工學(xué)學(xué)士，高級工程師，先后從事設(shè)備技術(shù)監(jiān)督、檢修，安全管理工作。