基于蒙特卡洛方法的电力信息项目建设风险评估方法

王筠, 胡聪, 王伟, 项旭, 李志鹏

(国网安徽电力信通分公司， 安徽， 合肥 230000)

0 引言

随着信息技术的不断进步，数字孪生、人工智能、大数据、物联网等新型信息技术得到了蓬勃发展[1]，并在电力信息领域得到了广泛的应用[2-3]。电网公司为推进中国特色能源互联网企业战略，启动了大量的电力信息项目建设[4]，参与电力信息项目建设的厂商也逐年增多，项目建设的风险管控也日趋重要[5-6]。由于电力信息项目的建设厂商技术能力参差不齐，造成了电力信息项目建设风险日益增加[7-8]，因此，亟需开展电力信息项目建设的风险评估。

国内外大量学者对电力信息项目的风险评估做了大量研究。文献[9]提出了一种定性和定量相结合的电力信息项目风险评估模型，提高了评估的准确性。文献[10]提出了一种基于专家和层次法结合的电力项目风险评估模型，通过对风险点进行溯源，实现对电力信息项目的风险评估。文献[11]提出了一种基于趋势预测的电力信息项目风险评估方法，通过对电力信息项目风险变化特征进行分析，实现对电力信息项目的风险评估。文献[12]提出了一种基于项目建设全生命周期的电力项目风险评估方法，通过对风险分析、预测、监控和应对，实现对电力项目风险的评估。文献[13]提出了一种基于风险预测的电力信息项目风险评估方法，通过对电力信息项目中的风险进行分解及状态预测，实现对电力信息项目的风险评估。由此可见，电力信息项目风险评估方法多样，且取得了一定的成绩，但还存在着风险辨识能力低、控制措施不强的问题。

为了解决电力信息项目建设中存在的风险辨识不足、控制措施不强的问题，文中提出了一种基于蒙特卡洛的电力信息项目建设风险评估方法。首先，对电力信息项目建设过程中的风险进行辨识，并形成典型的项目风险集;然后，采用蒙特卡洛算法分析信息项目建设风险发生的概率和产生的后果,并对电力信息项目承受该风险的能力进行分析;最后，提供风险防范建议。

1 电力信息项目风险评估框架

本文所述的电力信息项目建设风险评估方法框架如图1所示。该框架分为电力信息项目建设风险辨识、项目风险发生概率及风险后果分析、项目承受风险能力分析和风险消除建议分析等4部分。

图1 电力信息项目风险评估框架图

由图1可见，在电力项目建设风险辨识环节，首先提取电力信息项目的运行特征数据;然后对电力信息项目建设的风险类型、重要级别等风险点信息进行识别;在此基础上，建立电力信息项目建设风险集。在项目风险发生概率及风险后果分析环节，通过蒙特卡洛算法分析电力信息项目建设风险发生的概率和电力信息项目建设风险发生后，对项目带来的后果。在项目承受风险能力分析，分析电力信息项目的风险对风险的承受能力。在风险消除建议分析环节，向电力信息项目提出风险消除的建议方法。

2 电力信息项目风险评估建模

2.1 电力信息项目建设风险辨识

(1) 项目建设运行数据提取

在电力信息项目建设的过程中，主要包括了项目建设的进度风险、质量风险、数据风险、集成风险等[14]，如表1所示。本文对上述电力信息项目中的运行特征数据进行提取。

(2) 项目建设风险识别

在提取电力信息项目中的运行特征数据后，采用深度置信网络(depp belief networks, DBN)[15]对上述运行特征数据进行风险识别，获得电力信息项目建设的风险类型、重要级别等风险点信息。

DBN是一种神经网络，由许多个受限玻尔兹曼机神经元构成，通过显层网络输入训练数据，通过隐层网络进行电力信息项目的风险特征识别。

设电力信息项目提取了na个运行特征数据，运行特征为k，运行特征的权重数据为φ，则电力信息项目风险识别的显层网络联合分布概率Ja为

Ja=(k1φ1|k2φ2,……,|knaφna)

(1)

表1 电力信息项目建设运行数据提取表

在隐层网络输出电力信息项目建设风险识别时，设置电力信息项目建设偏置函数为ћ，隐层网络输出的电力信息项目的风险特征识别值为ga：

ga=log(Ja)+ћ

(2)

由此，可获得电力信息项目建设风险的风险类型、重要级别等风险点信息。

(3) 构建项目建设风险集

在进行电力信息项目建设的风险识别后，将不同类型的电力信息项目建设风险点进行分类和分级，并以此建立电力信息项目建设的风险集，如图2所示。项目风险集主要分集成风险、数据风险、质量风险、进度风险、成本风险等5部分。

表2 项目风险集表

2.2 项目风险发生概率及风险后果分析

蒙特卡洛算法是一种以概率统计理论为依据的数值统计方法。通过随机数来解决计算的问题，可以较好地应用于电力信息项目建设风险评估中。

本文通过蒙特卡洛算法分析电力信息项目建设风险发生的概率和电力信息项目建设风险发生后对项目带来的后果。

设电力信息项目建设风险有随机的变量nb个，电力信息项目建设风险的随机值Ri为

Ri=(R1,R2,…,Rnb)

(3)

设电力信息项目建设风险概率的密度函数为ERi，功能函数Ba为

Ba=ERi(R1,R2,…,Rnb)

(4)

计算电力信息项目风险评估的概率值Da：

Da=1×Ba+(1-Ba)

(5)

设期望的概率风险为Sa，计算方差为Za：

Za=Sa(1-Da)

(6)

在完成电力信息项目风险分析发生的概率分析后，通过专家评估分析其对电力信息带来的后果，风险概率计算伪代码如下。

算法 求风险概率点输入:项目进度、质量、成本、数据、集成 阈值 输出:存在风险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

通过将项目进度、质量、成本、数据、集成风险与阈值进行比较，对于越限的数据进行风险提醒。

2.3 项目承受风险能力分析

在完成电力信息项目风险的概率分析与带来的后果分析后，分析电力信息项目的风险对风险的承受能力，项目承受风险能力如表3所示。

2.4 风险消除建议分析

在完成电力信息项目承受风险能力评估后，从电力信息项目的不同类型、发生概率等因素提供风险消除建议，使用最小的代价，保障电力信息项目建设的正常运转，风险消除建议如表4所示。

表3 项目承受风险能力分级表

表4 风险消除建议表

3 电力信息项目风险评估仿真流程

本文所提的基于蒙特卡洛的电力信息项目建设风险评估仿真流程如图2所示。

图2 电力信息项目风险评估仿真流程图

步骤1 对电力信息项目建设的风险类型、重要级别等风险点信息进行识别，并建立电力信息项目建设风险集。

步骤2 分析电力信息项目建设风险发生的概率和对项目带来的后果。

步骤3 分析电力信息项目的风险对风险的承受能力。

步骤4 向电力信息项目输出风险消除的建议方法。

4 算例分析

为验证本文所提基于蒙特卡洛的电力信息项目建设风险评估方法的有效性，在某省的电力信息项目建设中进行实例验证。采用的计算机软件操作系统为Windows Server 2016，处理器Intel 至强16核2.4 G，内存32 G。

试验的数据来源为信息建设项目监控系统，数据类型为信息项目风险评估中的进度、质量、成本、数据、集成风险数据。

文献[11]的趋势预测法是一种行业内优秀的信息项目评估方法，具有计算快、准确率高的特点，因此，选用该方法与本文所提方法进行试验对比。

(1) 风险评估模型评估耗时

电力信息项目建设风险评估的耗时是模型运行效率的核心指标。模型运行耗时越短，模型的性能就越高。

为验证本文所提基于蒙特卡洛的电力信息项目建设风险评估方法的模型评估耗时，选择10、20、30、40、50、80、100、150、200个电力信息项目，比对本文所提方法与趋势预测方法的模型运行耗时，运行结果如表5所示。

表5 风险评估模型耗时表

由表5可见，本文所提基于蒙特卡洛的电力信息项目建设风险评估方法的模型评估耗时短于趋势预测方法。

(2) 风险评估准确率

电力信息项目建设风险预测准确率是风险评估的核心指标，本文将风险评估结果与手工比对数据进行对比，两者一致，则为准确，其比值为准确率。

为验证本文所提基于蒙特卡洛的电力信息项目建设风险评估方法的模型评估主准确率，选择60、80、100、120、160、200个电力信息项目，比对本文所提的基于蒙特卡洛的电力信息项目建设风险评估方法与趋势预测法的准确率，其结果如图3所示。

图3 电力信息项目风险预测准确率对比图

由图3可见，本文所提于蒙特卡洛的电力信息项目建设风险评估方法评估准确率高于趋势预测法。

5 总结

为了解决电力信息项目建设中存在的风险辨识不足、控制措施不强的问题，本文提出了一种基于蒙特卡洛的电力信息项目建设风险评估方法。首先对电力信息项目建设过程的风险进行全域辨识，并对风险发生的概率和产生后果进行预估;在项目风险评估的基础上，提供风险防范建议;最后在某省应用文中所提方法，其结果验证了所提方法的有效性。

下一步，将结合电力信息项目的规划阶段的特征信息，对本文的风险评估做进一步完善。