基于蒙特卡洛方法的電力信息項目建設(shè)風(fēng)險評估方法

王筠, 胡聰, 王偉, 項旭, 李志鵬

(國網(wǎng)安徽電力信通分公司， 安徽， 合肥 230000)

0 引言

隨著信息技術(shù)的不斷進(jìn)步，數(shù)字孿生、人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等新型信息技術(shù)得到了蓬勃發(fā)展[1]，并在電力信息領(lǐng)域得到了廣泛的應(yīng)用[2-3]。電網(wǎng)公司為推進(jìn)中國特色能源互聯(lián)網(wǎng)企業(yè)戰(zhàn)略，啟動了大量的電力信息項目建設(shè)[4]，參與電力信息項目建設(shè)的廠商也逐年增多，項目建設(shè)的風(fēng)險管控也日趨重要[5-6]。由于電力信息項目的建設(shè)廠商技術(shù)能力參差不齊，造成了電力信息項目建設(shè)風(fēng)險日益增加[7-8]，因此，亟需開展電力信息項目建設(shè)的風(fēng)險評估。

國內(nèi)外大量學(xué)者對電力信息項目的風(fēng)險評估做了大量研究。文獻(xiàn)[9]提出了一種定性和定量相結(jié)合的電力信息項目風(fēng)險評估模型，提高了評估的準(zhǔn)確性。文獻(xiàn)[10]提出了一種基于專家和層次法結(jié)合的電力項目風(fēng)險評估模型，通過對風(fēng)險點進(jìn)行溯源，實現(xiàn)對電力信息項目的風(fēng)險評估。文獻(xiàn)[11]提出了一種基于趨勢預(yù)測的電力信息項目風(fēng)險評估方法，通過對電力信息項目風(fēng)險變化特征進(jìn)行分析，實現(xiàn)對電力信息項目的風(fēng)險評估。文獻(xiàn)[12]提出了一種基于項目建設(shè)全生命周期的電力項目風(fēng)險評估方法，通過對風(fēng)險分析、預(yù)測、監(jiān)控和應(yīng)對，實現(xiàn)對電力項目風(fēng)險的評估。文獻(xiàn)[13]提出了一種基于風(fēng)險預(yù)測的電力信息項目風(fēng)險評估方法，通過對電力信息項目中的風(fēng)險進(jìn)行分解及狀態(tài)預(yù)測，實現(xiàn)對電力信息項目的風(fēng)險評估。由此可見，電力信息項目風(fēng)險評估方法多樣，且取得了一定的成績，但還存在著風(fēng)險辨識能力低、控制措施不強的問題。

為了解決電力信息項目建設(shè)中存在的風(fēng)險辨識不足、控制措施不強的問題，文中提出了一種基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法。首先，對電力信息項目建設(shè)過程中的風(fēng)險進(jìn)行辨識，并形成典型的項目風(fēng)險集;然后，采用蒙特卡洛算法分析信息項目建設(shè)風(fēng)險發(fā)生的概率和產(chǎn)生的后果,并對電力信息項目承受該風(fēng)險的能力進(jìn)行分析;最后，提供風(fēng)險防范建議。

1 電力信息項目風(fēng)險評估框架

本文所述的電力信息項目建設(shè)風(fēng)險評估方法框架如圖1所示。該框架分為電力信息項目建設(shè)風(fēng)險辨識、項目風(fēng)險發(fā)生概率及風(fēng)險后果分析、項目承受風(fēng)險能力分析和風(fēng)險消除建議分析等4部分。

圖1 電力信息項目風(fēng)險評估框架圖

由圖1可見，在電力項目建設(shè)風(fēng)險辨識環(huán)節(jié)，首先提取電力信息項目的運行特征數(shù)據(jù);然后對電力信息項目建設(shè)的風(fēng)險類型、重要級別等風(fēng)險點信息進(jìn)行識別;在此基礎(chǔ)上，建立電力信息項目建設(shè)風(fēng)險集。在項目風(fēng)險發(fā)生概率及風(fēng)險后果分析環(huán)節(jié)，通過蒙特卡洛算法分析電力信息項目建設(shè)風(fēng)險發(fā)生的概率和電力信息項目建設(shè)風(fēng)險發(fā)生后，對項目帶來的后果。在項目承受風(fēng)險能力分析，分析電力信息項目的風(fēng)險對風(fēng)險的承受能力。在風(fēng)險消除建議分析環(huán)節(jié)，向電力信息項目提出風(fēng)險消除的建議方法。

2 電力信息項目風(fēng)險評估建模

2.1 電力信息項目建設(shè)風(fēng)險辨識

(1) 項目建設(shè)運行數(shù)據(jù)提取

在電力信息項目建設(shè)的過程中，主要包括了項目建設(shè)的進(jìn)度風(fēng)險、質(zhì)量風(fēng)險、數(shù)據(jù)風(fēng)險、集成風(fēng)險等[14]，如表1所示。本文對上述電力信息項目中的運行特征數(shù)據(jù)進(jìn)行提取。

(2) 項目建設(shè)風(fēng)險識別

在提取電力信息項目中的運行特征數(shù)據(jù)后，采用深度置信網(wǎng)絡(luò)(depp belief networks, DBN)[15]對上述運行特征數(shù)據(jù)進(jìn)行風(fēng)險識別，獲得電力信息項目建設(shè)的風(fēng)險類型、重要級別等風(fēng)險點信息。

DBN是一種神經(jīng)網(wǎng)絡(luò)，由許多個受限玻爾茲曼機神經(jīng)元構(gòu)成，通過顯層網(wǎng)絡(luò)輸入訓(xùn)練數(shù)據(jù)，通過隱層網(wǎng)絡(luò)進(jìn)行電力信息項目的風(fēng)險特征識別。

設(shè)電力信息項目提取了na個運行特征數(shù)據(jù)，運行特征為k，運行特征的權(quán)重數(shù)據(jù)為φ，則電力信息項目風(fēng)險識別的顯層網(wǎng)絡(luò)聯(lián)合分布概率Ja為

Ja=(k1φ1|k2φ2,……,|knaφna)

(1)

表1 電力信息項目建設(shè)運行數(shù)據(jù)提取表

在隱層網(wǎng)絡(luò)輸出電力信息項目建設(shè)風(fēng)險識別時，設(shè)置電力信息項目建設(shè)偏置函數(shù)為?，隱層網(wǎng)絡(luò)輸出的電力信息項目的風(fēng)險特征識別值為ga：

ga=log(Ja)+?

(2)

由此，可獲得電力信息項目建設(shè)風(fēng)險的風(fēng)險類型、重要級別等風(fēng)險點信息。

(3) 構(gòu)建項目建設(shè)風(fēng)險集

在進(jìn)行電力信息項目建設(shè)的風(fēng)險識別后，將不同類型的電力信息項目建設(shè)風(fēng)險點進(jìn)行分類和分級，并以此建立電力信息項目建設(shè)的風(fēng)險集，如圖2所示。項目風(fēng)險集主要分集成風(fēng)險、數(shù)據(jù)風(fēng)險、質(zhì)量風(fēng)險、進(jìn)度風(fēng)險、成本風(fēng)險等5部分。

表2 項目風(fēng)險集表

2.2 項目風(fēng)險發(fā)生概率及風(fēng)險后果分析

蒙特卡洛算法是一種以概率統(tǒng)計理論為依據(jù)的數(shù)值統(tǒng)計方法。通過隨機數(shù)來解決計算的問題，可以較好地應(yīng)用于電力信息項目建設(shè)風(fēng)險評估中。

本文通過蒙特卡洛算法分析電力信息項目建設(shè)風(fēng)險發(fā)生的概率和電力信息項目建設(shè)風(fēng)險發(fā)生后對項目帶來的后果。

設(shè)電力信息項目建設(shè)風(fēng)險有隨機的變量nb個，電力信息項目建設(shè)風(fēng)險的隨機值Ri為

Ri=(R1,R2,…,Rnb)

(3)

設(shè)電力信息項目建設(shè)風(fēng)險概率的密度函數(shù)為ERi，功能函數(shù)Ba為

Ba=ERi(R1,R2,…,Rnb)

(4)

計算電力信息項目風(fēng)險評估的概率值Da：

Da=1×Ba+(1-Ba)

(5)

設(shè)期望的概率風(fēng)險為Sa，計算方差為Za：

Za=Sa(1-Da)

(6)

在完成電力信息項目風(fēng)險分析發(fā)生的概率分析后，通過專家評估分析其對電力信息帶來的后果，風(fēng)險概率計算偽代碼如下。

算法 求風(fēng)險概率點輸入:項目進(jìn)度、質(zhì)量、成本、數(shù)據(jù)、集成 閾值 輸出:存在風(fēng)險function BINSEG( ) if thenSTOPelseif thenrisk_data = risk_data.loc([:, ['timestampe','risk_host','srcip']])daily_risk_data = risk_data[risk_data.module=='risk' BINSEG( ) BINSEG ( )else STOPend if end if end function

通過將項目進(jìn)度、質(zhì)量、成本、數(shù)據(jù)、集成風(fēng)險與閾值進(jìn)行比較，對于越限的數(shù)據(jù)進(jìn)行風(fēng)險提醒。

2.3 項目承受風(fēng)險能力分析

在完成電力信息項目風(fēng)險的概率分析與帶來的后果分析后，分析電力信息項目的風(fēng)險對風(fēng)險的承受能力，項目承受風(fēng)險能力如表3所示。

2.4 風(fēng)險消除建議分析

在完成電力信息項目承受風(fēng)險能力評估后，從電力信息項目的不同類型、發(fā)生概率等因素提供風(fēng)險消除建議，使用最小的代價，保障電力信息項目建設(shè)的正常運轉(zhuǎn)，風(fēng)險消除建議如表4所示。

表3 項目承受風(fēng)險能力分級表

表4 風(fēng)險消除建議表

3 電力信息項目風(fēng)險評估仿真流程

本文所提的基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估仿真流程如圖2所示。

圖2 電力信息項目風(fēng)險評估仿真流程圖

步驟1 對電力信息項目建設(shè)的風(fēng)險類型、重要級別等風(fēng)險點信息進(jìn)行識別，并建立電力信息項目建設(shè)風(fēng)險集。

步驟2 分析電力信息項目建設(shè)風(fēng)險發(fā)生的概率和對項目帶來的后果。

步驟3 分析電力信息項目的風(fēng)險對風(fēng)險的承受能力。

步驟4 向電力信息項目輸出風(fēng)險消除的建議方法。

4 算例分析

為驗證本文所提基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法的有效性，在某省的電力信息項目建設(shè)中進(jìn)行實例驗證。采用的計算機軟件操作系統(tǒng)為Windows Server 2016，處理器Intel 至強16核2.4 G，內(nèi)存32 G。

試驗的數(shù)據(jù)來源為信息建設(shè)項目監(jiān)控系統(tǒng)，數(shù)據(jù)類型為信息項目風(fēng)險評估中的進(jìn)度、質(zhì)量、成本、數(shù)據(jù)、集成風(fēng)險數(shù)據(jù)。

文獻(xiàn)[11]的趨勢預(yù)測法是一種行業(yè)內(nèi)優(yōu)秀的信息項目評估方法，具有計算快、準(zhǔn)確率高的特點，因此，選用該方法與本文所提方法進(jìn)行試驗對比。

(1) 風(fēng)險評估模型評估耗時

電力信息項目建設(shè)風(fēng)險評估的耗時是模型運行效率的核心指標(biāo)。模型運行耗時越短，模型的性能就越高。

為驗證本文所提基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法的模型評估耗時，選擇10、20、30、40、50、80、100、150、200個電力信息項目，比對本文所提方法與趨勢預(yù)測方法的模型運行耗時，運行結(jié)果如表5所示。

表5 風(fēng)險評估模型耗時表

由表5可見，本文所提基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法的模型評估耗時短于趨勢預(yù)測方法。

(2) 風(fēng)險評估準(zhǔn)確率

電力信息項目建設(shè)風(fēng)險預(yù)測準(zhǔn)確率是風(fēng)險評估的核心指標(biāo)，本文將風(fēng)險評估結(jié)果與手工比對數(shù)據(jù)進(jìn)行對比，兩者一致，則為準(zhǔn)確，其比值為準(zhǔn)確率。

為驗證本文所提基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法的模型評估主準(zhǔn)確率，選擇60、80、100、120、160、200個電力信息項目，比對本文所提的基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法與趨勢預(yù)測法的準(zhǔn)確率，其結(jié)果如圖3所示。

圖3 電力信息項目風(fēng)險預(yù)測準(zhǔn)確率對比圖

由圖3可見，本文所提于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法評估準(zhǔn)確率高于趨勢預(yù)測法。

5 總結(jié)

為了解決電力信息項目建設(shè)中存在的風(fēng)險辨識不足、控制措施不強的問題，本文提出了一種基于蒙特卡洛的電力信息項目建設(shè)風(fēng)險評估方法。首先對電力信息項目建設(shè)過程的風(fēng)險進(jìn)行全域辨識，并對風(fēng)險發(fā)生的概率和產(chǎn)生后果進(jìn)行預(yù)估;在項目風(fēng)險評估的基礎(chǔ)上，提供風(fēng)險防范建議;最后在某省應(yīng)用文中所提方法，其結(jié)果驗證了所提方法的有效性。

下一步，將結(jié)合電力信息項目的規(guī)劃階段的特征信息，對本文的風(fēng)險評估做進(jìn)一步完善。