应用D-S证据理论评估增量配电项目投资风险的方法

万文轩， 徐文渊， 裴剑， 朱陶之， 陶元， 向黎

(1. 国网武汉供电公司， 湖北 武汉 430061； 2. 湖北华中电力科技开发有限责任公司， 湖北 武汉 430061)

0 引言

配电增网项目作为国家输配电技术革新中重要的项目，在未来的持续发展中大大方便了用户的使用。随着用户需求量的增多，增量配电业务范围迅速发展，国家电网公司及其各级公司以及南方电网公司以及其各级公司将面临着巨大挑战[1]。在增量配电项目发展的过程中，参与配电网的单位或者企业就需要一种评估投资风险的方法，在满足用户需求的情况下能够最大化降低成本和风险[2-4]。

在现有技术中，由于增量配电业务属于新兴项目，很多投资者面临很多未知数，现有技术中，文献[6]通过蒙特卡洛法的增量配电网全寿命周期投资风险评估方法对项目进行评估，虽然该方法能够考虑在全寿命周期评估项目的利润和收益，但是实用性较差[5-6]。文献[7]引入风险价值来量化投资风险，考虑用电量、运维费率等不确定因素[7]，但是对投资者应用到的技术水平、用户体验方面仍旧存在一些不足。

1 投资风险评估模型的构建

针对上述技术的不足，本研究构建了基于改进型D-S证据理论模型的风险投资架构模型，基于层次分析法(Analytic Hierarchy Process,AHP)[8-10]实现投资风险因素的分层分析，利用不同因素的权重，提高了增量配电项目投资评估的准确度。

本研究的改进点在于，在传统改进型D-S证据理论模型技术方案的基础上融入了大数据融合技术，通过大数据融合技术实现了多种投资风险项目的计算和处理，使得多种不同的增量配电项目数据能够按照用户的需求重新排列，以提高用户查找数据的速度。 本研究设计的投资风险评估模型如图1所示。

图1 投资风险评估模型架构示意图

下面对各部分进行说明。

本研究的数学模型包括指标层、准则层和目标层。本研究的目标层是增量配电项目投资风险评估输出。准则层包括内部风险评估和外部风险评估。指标层包括管理水平、技术程度、网络资源利用率、服务器中断、技术人员流动、国家政策、电力用户体验、设备运行环境或者户外异物等，描述评价增量配电网项目中存在的风险，如表1所示。

表1 增量配电网项目投资风险评估指标体系

2 项目投资风险评估模型

2.1 模糊综合评价方法

在对增量项目投资风险数据进行评价时，通过模糊综合评价能够反映影响增量项目运营状况，假设对增量项目运营的电力企业的月份的运行状况进行评价时，将其运行状况的数据集合记作为C={C1,C2,…,Cm} ；然后将评价目标用数据集合O={O1,O2,…,Om} 来表示；所有增量项目投资风险数据类型评价指标可以组成评价指标集U，然后再按n个无法再分目标的评价指标划分成n个子集，则有数据集合U={U1,U2,…,Un}，该数据集合满足以下条件。

在数据集合中，假设排序为i的子集U中，存在ni个数据评价指标，这些评价指标的特征值如式(1)。

ixj= [ix1,ix2，…,ixn]T

(1)

在上述数据集合Ui为排序i的数据集合中，有ni个评价指标的特征的数据集合。则在m个月份，增量项目运营评价指标的特征值可以用矩阵序列表示如式(2)。

(2)

如果需要进一步进入隶属度，则可以将上述的特征值进行隶属度矩阵转换，转换后为式(3)。

(3)

式中，ikj表示为隶属度，该隶属度是增量项目用电公司在某个月份运营状况Cj时，其第i个目标中的第k个指标，式(3)中，存在0≤ikj≤1，其中irk和irj可以分别表示单个指标评价和ni个评价指标对应的Cj的单个月份评价，用数据集合表示为式(4)、式(5)。

irk=(irk1,i,…,irkm)

(4)

irj=(ir1j,i,…,irmj)

(5)

在上述计算过程中，假设增量项目运营数据集合Ur的ni个评价指标的权系数集合可以为式(6)。

iA～=(ia1,ia2,…,iak)

(6)

iB～=iA～°iR～=(ib1,ib2,…,ibm)

(7)

式中，ibj表示为Ui数据集合中Cj个样本的模糊综合评价结果。通过这种算法，能够将影响增量项目投资风险数据的多个因素化为不同的层次和子集，使得用户能够直观地从不同的层次、子集以及阶层读取数据信息，有利于对多种不同的数据进行综合评价，便于数据处理。

2.2 评估方法

通过上述算法实现数据的一级处理，然后进行二级处理，实现增量配电网投资风险评估。结合上述处理方法，对评估方法进行以下说明。

2.2.1 指标权重的确定

层次分析法确定指标权重的步骤分为建立层次结构模型、构造判断矩阵、计算指标权重系数、一致性检验等，其中层次模型已经确定。

(1) 判断矩阵构造，如式(8)。

A=(aij)n×n

(8)

(2) 计算指标权重系数，计算判断矩阵A的每一行指标的乘积Mi,如式(9)。

(9)

其中，n表示为矩阵阶数。针对式(9)，求解出各行Mi的n次方根值，如式(10)。

(10)

将向量归一化，如式(11)。

(11)

式中，wi即为所求的各个指标的权重系数值。

(3) 一致性检验，定义一致性指标，如式(12)。

(12)

当CI=0，有完全的一致性；当CI接近于0，有满意的一致性；当CI越大，不一致性越严重。

定义一致性比率，如式(13)。

(13)

通过上述的一致性比率，进行以下判断，如式(14)。

(14)

在判断满意度时，要预先设置判断矩阵A容许范围，当计算出的值在容许范围内时，则表示用户满意度尚可，当计算出的值不在容许范围内时，则表示用户不满意。

2.2.2 评估等级划分

增量配电项目受多种因素的影响，在进行项目评估时，为了量化地评估风险等级，本研究将风险评估划分为5个不同的等级，如表2所示。

表2 风险等级划分示意表

通过表2可以看出，SR取值不同，则表示不同风险等级。SR取值情况根据用户收集的评估参数有关。

2.2.3 改进型D-S证据理论模型的构建

在评价具体增量项目时，要引用投资风险评估指标赋权指数，应用该指数对项目风险存在的基本概率应用一定的分配函数，当改进型D-S证据理论模型的各项参数或者改进型D-S证据理论模型构建完毕之后，再启动MATLAB仿真程序，最终实现增量配电项目的风险评估。在具体应用过程中，涉及到几个与改进型D-S证据理论模型相关的概念，能够辅助提高增量项目风险评估的精度。这些参数包括对增量配电项目投资风险不定问题输出结果数据概率的辨别框、对增量配电项目投资风险具有一定概率的基本概率分配函数、作为增量配电项目投资给出概率估计的似然函数、作为增量配电项目投资风险评估的信任函数等。下面对上述函数逐一说明。

在辨别框这个参数中，为了计算的方便，本研究用字母Θ表示，假设本研究在投资风险评估模型中用Ri表示风险等级，则有式(15)。

Θ={R1,R2,…，Ri,θ}

(15)

式中，θ表示增量配电项目风险因素的不确定度，比如政策风险等。

用m(A)表示基本概率分配函数，该函数的值域区间为[0,1]，用该函数表示增量配电项目风险评估证据支持或排斥的深度，该值域m(A)>0的情况下，存在式(16)。

(16)

式中，A表示为辨别框中任意数量的子集数量。在该函数中，Θ表示增量配电项目投资风险评估中的辨别框，可以表示为式(17)。

(17)

其中，Bel为信任函数。

增量配电项目投资风险评估中的似然函数的辨别框Θ可以为式(18)。

Bel:2Θ→[0，1]

(18)

并且满足式(19)。

Pl(A)=1-Bel(A)

(19)

其中，Pl为似然函数。

通过上述函数公式，增量配电项目投资基于D-S证据理论的评估方程可以计算为式(20)。

(20)

式中，m1(变量为Ai)，m2(变量为Bj)均为基本概率分配函数，如式(21)。

(21)

式中，K值大小和排斥强度成正比，在K>1情况下，m1的取值和m2的取值互相排异，这种情况下，数据信息难以实现融合。

当增量配电项目投资风险评估模型中的数据信息融合后，可以计算出投资风险评估模型架构中的指标层、准则层等各指标所处投资风险评估所处不同等级的几率，继而计算出整个系统所处投资风险评估模型的误差评估几率。

增量配电项目投资风险评估模型中指标层、准则层所处不同等级的几率的表达式为式(22)

(22)

增量配电项目投资风险评估模型中的专家可信度如式(23)。

(23)

整个系统模型的风险概率可以为式(24)。

(24)

基于式(24)，再充分考虑算法模型的最大隶属值，可以输出增量配电项目投资风险的程度，使得用户能够快速通过数据模型计算评估数值。

3 算例分析

基于上述理论分析，下面以具体实施例进行分析。将影响增量配电项目投资风险的各个数据信息输入至层次分析法中的评估模型。通过以下方法进行风险评估。

首先设置层次分析法中的基本可信度分配。其中Θ表示增量配电项目投资风险评估中的不确定度，根据层次分析法设置权值和基本可信度分配表，如表3所示。

表3 权重和基本可信度相关参数设置表

利用式(22)—式(24)进行计算各层之间的参数值，然后启动MATLAB程序，对上述数据信息进行模拟仿真。通过层次分析法和合成后的计算结果通过以下表格表示，其中指标层中融合后的数据可信度，如表4所示。

表4 通过层次分析法进行数据融合后的可信度

其中通过层次分析法合成后的准则层的可信度，如表5所示。

表5 通过层次分析法进行数据融合后的可信度数据表

然后计算增量配电网项目存在的综合风险，如式(25)。

m(X)={m(x1),m(x2),m(x3),m(x4),m(x5)}=

{0.1,0.3,0.5,0.7,0.9}

(25)

通过上述计算，增量配电项目风险存在的风险值可以为式(26)。

R=0.1×0+0.3×0.034 4+0.5×0.466 9+

0.7×0.479 6+0.9×0.019 1=0.596 7

(26)

因此通过上述计算，增量配电项目在比较低的风险时，置信度数输出为0；增量配电项目在很低风险时，置信度数输出值为0.034 4；增量配电项目在中低风险时，置信度数输出值为0.466 9； 增量配电项目在高风险时，置信度数输出值为0.479 6；增量配电项目在很高风险时，置信度数输出值为0.019 1。

下面对采用改进型D-S证据理论模型和未采用改进型D-S证据理论模型的方法分别进行对比分析，对比示意图如图2所示。

图2 改进型D-S证据理论模型对比曲线示意图

在图2中，假设在100秒的时间内，分别应用上述层次分析法的方法和未应用层次分析法的方法对增量配电项目的风险性进行评估。图2中的实线表示应用本研究的方法进行项目风险评估，图2中的虚线表示采用人工的方法进行的项目评估。通过100秒的测试，发现本研究方法具有的准确率呈陡增趋势，平均正确率大于90%。

4 总结

本研究针对当前的增量配电项目存在各种运营风险的问题，提出了新型的计算方案。通过应用改进型D-S证据理论模型分析出增量配电项目运行过程中存在的风险。通过算例分析，本研究的方法准确度较高。但是本研究的方法在应用过程中也会存在其他风险。这需要进一步的探索和研究。本研究的技术方案为下一步技术的研究奠定技术基础。