基于云模型可能性测度的引水灌溉工程调度风险评估

陈海涛，全 磊，王文川，陈晓楠，段春青

(1. 华北水利水电大学水利学院，郑州 450045；2.河南机电职业学院电气工程学院，郑州 451191；3.南水北调中线干线工程建设管理局，北京 100038；4.北京市郊区水务事务中心，北京 100195)

1 研究背景

干旱缺水日益形势严峻以及水资源时空分配不均匀，已成为制约世界众多国家社会经济发展的瓶颈。我国是严重干旱缺水的国家之一，人均水资源占有量仅为世界平均水平的1/4，且水资源时空分布极不均匀。长江流域及长江以南地区，国土面积约占全国的36.5%，水资源量却占全国水资源总量的81%，而占国土面积63.5%的长江以北地区，水资源量仅占全国的19%，尤其是黄淮海地区长期遭受干旱，水资源短缺与经济社会发展和生态保护之间矛盾日益突出[1,2]。兴建引水工程是实现水资源合理配置，有效缓解严重缺水区域的水资源供需矛盾的重要措施。干旱对作物产量影响最大，中国的农业生产及粮食安全也日趋受到威胁。为缓解旱灾对农业的冲击，保障粮食安全，国内兴建了许多大型灌区和引水灌溉工程，如石河子灌区、宁夏引黄灌区、引滦入津工程、万家寨引水工程等[3]。引水工程大多以明渠输水形式，处于开放环境中，运行工况复杂，涉及风险源多，对调度要求很高。输水调度是引水灌溉工程运行中最为核心业务，也是兴建工程的基本目的，进行输水调度风险评估研究对实现安全供水有着重要意义。

引水灌溉工程运行中涉及各类风险很多，笔者总结为五大方面：一是自然灾害风险，如干旱、洪水、地震等；二是工程事故风险，如高填方段决口、深挖方段滑坡、供电线路断电、机电设备故障导致闸门启闭失效、自动化控制失效等；三是水质污染风险，水体因故受到污染，如装载危险品的车辆坠渠，污染源泄漏；四是社会事件风险，如人为破坏工程、恐怖袭击、社会人员非法入渠溺亡、车辆坠渠等；五是人为事故风险，因工作人员失职引发事故，如调度失误、闸门操作失误，巡查失职等。因此，引水灌溉工程运行风险系统是极其复杂大系统，本文仅针对最为核心业务输水调度方面进行风险评估研究。

目前风险评估已广泛应用于国内外各个领域和行业[4,5]，但对大型引水工程的运行风险相关成果不多，冯平等[6-8]对长距离输水工程综合水毁风险、防洪风险，以及输水沿线水文系统风险进行研究；穆杰[9]对长距离输水工程水质污染事件风险及预警进行研究；李丹等[10]基于模糊相似理论建立了长距离输水工程风险评估体系。对于引水灌溉工程调度风险评估，尚未见到有关文献进行系统研究。此外，对于工程运行风险评估，无法通过多次破坏性试验进行统计分析，即概率风险难以适用，需应用模糊风险进行量化评估，分析风险源发生可能性和后果。我国李德毅院士[11,12]综合考虑模糊性和随机性，提出了用于定性与定量相互不确定转换的云模型，利用超熵对模糊隶属度的随机性进行描述，已应用于防洪、电力等领域的风险评估中。

综上所述，本文针对目前引水工程调度风险研究的空缺，通过深入实践调研调度运行管理模式，选择确定引水工程调度方面的风险因子，建立输水调度风险评估指标体系。在此基础上，将云理论和可能性测度理论结合，提出基于云模型可能性测度风险评估方法，应用于引水灌溉工程调度风险评估，以期为安全平稳高效输水提供决策支撑。

2 调度风险评估指标体系建立

建立风险评估指标体系是实施风险量化分析的前提。通过对引水灌溉工程调度业务深入分析，将输水调度风险划分为调度制度风险、调度人员风险、调度技术风险、调度协调风险四方面。对各调度风险源进一步细化，得出各类具体风险因子，如图1所示。

图1 调度风险评估指标体系图Fig.1 System frame of dispatching risk evaluation

2.1 调度制度风险

调度制度风险指由于未建立、健全调度工作相关的标准和细则，未明晰具体工作内容，未明确详细工作流程，未制定相关奖惩机制，导致调度管理混乱，调度职责不清，调度人员懈怠，从而引发调度事故，造成后果。

制度风险源主要涉及调度生产的工作内容、工作流程、调度纪律、调度生产场所管理、调度检查考核等方面，具体风险因子分析如下：

(1)工作内容不明确。输水调度工作主要包括水情数据的采集和上报、调度指令的下达和反馈、调度实时监控、调度台帐管理、突发事件应急调度响应以及相关信息报送等。如果工作内容不清晰，岗位职责不明确，将导致推诿扯皮、疏漏百出，影响供水安全。

(2)工作流程不清楚。输水调度主要业务流程包括交接班流程、水情采集上报流程、指令下达反馈流程、调度监控工作流程、报警响应流程、台帐存档流程、故障报送流程、应急调度响应流程以及有关信息报送流程等。如果工作流程不清晰、不具体，将导致效率低、质量差、错误多，影响调度效率和安全。

(3)调度纪律不严格。输水调度责任重大，调度人员的责任心是保障安全调度的首要前提，必须严格调度纪律，对调度人员提出明确行为要求和明令禁止事项。“无规矩不成方圆”，如果没有调度纪律严格约束，无法保证安全输水运行。

(4)调度生产场所管理不严。调度生产场所是安全重地，必须严格规范管理，严禁闲杂人员进入，明确调度生产场所设施设备管理要求，以及制定人员进出规定，对调度人员、检查人员、维护人员、物业人员等不同人员的进出提出明确要求。如果调度生产场所管理不严格，易影响调度人员正常工作或造成重要设施损坏等，影响调度安全。

(5)检查考核机制不健全。建立并完善检查考核机制，督促调度人员遵照制度和标准严格执行，规范行为，保障安全，并通过奖勤罚懒，调动人员积极性。如果没有健全的检查机制，所有制度将无法落于实处，导致执行不到位。如果没有合理的赏罚机制，也将难以调度员工的积极性，导致员工工作懈怠。

2.2 调度人员风险

调度人员风险指由于调度人员数量不足或素质不高，不能满足调度工作的需要，导致调度安全事故，造成后果。人员风险源主要涉及调度人员的数量和调度人员的素质方面，具体风险因子分析如下：

(1)专职调度人员数量不足。输水调度要求全天候不间断监控，并相机调度操作，当值人员精神高度集中，工作强度大。如果调度人员数量不足，将导致轮班频次高或连续工作时间长，易造成人员疲劳，影响调度安全。如果调度人员不固定，将不能很好地掌握和熟悉运行工况，不利于调度运行。

(2)调度人员素质不高。调度人员不仅需具备高度责任心外，而且需具备过硬业务素质，熟悉各项业务流程，掌握相关调度技术，正确下达指令并准确执行。尤其发生突发事件时，能及时做出正确有效的调度响应。如果调度人员素质不高，将难以胜任安全调度和应急调度等工作。

2.3 调度技术风险

调度技术风险指由于输水调度技术支撑薄弱，导致调度策略制定不合理，调度不符合实际，从而引起调度事故，造成后果。调度技术风险源主要涉及输水调度策略的制定和自动化系统的支撑方面，具体风险因子分析如下：

(1)调度策略不合理。长距离输水工程运行工况复杂，调度技术难度大，应编制科学、可行的调度策略、方案以及应急预案，以保证平稳调度运行和有效应急响应。如果日常输水调度策略、专项输水调度方案、应急调度预案等技术文件不健全或不正确，将难以指导实际生产，甚至造成调度事故。

(2)自动化系统不完善。引水灌溉工程调度难度大，面临工况复杂，水情、工情信息量大，需结合实际，充分借助自动化系统的支撑，提高调度效率和安全性。如果没有自动化系统的有力支撑，工作效率将十分低下，分析计算手段落后，难以实现安全、高效、平稳调度。

2.4 调度协调风险

调度协调风险指由于调度机构与内部其他部门或外部相关单位输水调度协调机制不健全而引起的后果。调度协调风险源主要涉及内部协调和外部协调方面，具体风险因子分析如下：

(1)内部协调机制不健全。输水调度涉及多个方面，如土建工程、机电金结、供电系统、水质保护等。输水调度职能部门需和相关部门建立完善的沟通机制，保障供水安全平稳。在突发事件时，能够及时沟通协商，采取有效调度措施，最大限度降低影响。如果内部沟通协调不畅，将影响输水安全，特别是突发事件时难以及时有效应对。

(2)外部协调机制不完善。水源方、受水方、输水方三方构成输水调度大系统，彼此协同运作。尤其突发事件时，需要紧急采取减少输水流量、减少或中断分水，启用退水闸退水等应急措施，更需有关方面紧急沟通联系，共同有效应对。如果外部协调机制不畅，将影响输水效率，甚至供水安全。

3 基于云模型和可能性测度的风险评估模型

3.1 云模型理论

云模型是一种实现定性与定量相互发生不确定性转换的数学模型[13,14]。该模型综合考虑信息的模糊性和随机性，可以在一定程度上解决现有方法在信息集结过程中丢失问题，能够实现有效的评估。

(1)

则称x在论域U上的分布称为正态云(图2)。

图2 一维正态云图Fig.2 Map of normal cloud with one dimension

云模型通过正向云发生器和逆向云发生器实现定性概念和定量值的相互转化。正向云发生器根据描述定性概念的三个数字特征(Ex,En,He)得到定量值的一次随机实现，具体步骤如下：

步骤3：利用公式(1)计算确定程度μ(x)，称x为具有确定度μ的一个云滴。

逆向云发生器根据大量的云滴的数值，还原计算出对应的定性概念的三个特征参数，具体步骤如下：

步骤1：设n组样本xi,i=1,2,…,n，按下列公式分别计算均值，一阶样本绝对值中心矩，以及样本方差。

(2)

(3)

(4)

步骤2：按下式分别计算三个特征参数。

(5)

(6)

(7)

3.2 可能性测度和模糊积分

模糊测度和模糊积分是模糊数学的一个基本理论。1974年日本学者管野道夫提出了模糊测度和模糊积分理论，1978年查得提出可能性理论，建立了模糊测度和模糊积分的理论框架。目前，可能性理论与计算计推理技术、专家系统结合，广泛应用于综合评判、群体决策等方面[15]，主要定义和定理如下：

(1)可能性测度。设X为论域，∧是X上的备域，给定∧上的集函数，若映射∏：∧→[0,1]满足：

①∏Φ=0；② 对于任意指标集T，有：

∏(YAl)=∨∏(Al)l∈T

(8)

则称∏为∧上的可能性测度，对于A∈∏，∏(A)称为事件A关于∏的可能度，称(X,∧,∏)为模糊场。

③ 若∏满足∏(X)=1，则称∏是正则的。

(3)模糊积分。设X为论域，若∏是备域∧上的可能性测度，h是X上的∧可测函数，则：

(9)

称为h在X上关于∏的模糊积分。

(10)

3.3 云模型可能性测度风险评估

结合云理论和可能性测度理论提出了云模型可能性测度风险评估模型，利用云模型描述风险因子重要性和被评价对象的单因素风险程度，并通过模糊积分综合计算出被评价对象的整体风险程度，具体如下：

(1)确定风险评价因子权重。设n个评价者，m个评价指标，对于每个评价者采用层次分析法[16]计算得出各评价指标权重值，所有评价者评价得出的权重值组成矩阵：

根据权重矩阵的各列元素，分别利用逆向云发生器算法，计算得出m个评价指标的云模型。

(2)确定单因素风险评价的程度。设n个评价者针对每个评价指标，对被评价对象进行风险程度评估。按区间[0,1]进行评判，数值越大表示风险越高，得出单因素评判矩阵：

根据评分矩阵的各列元素，分别利用逆向云发生器算法，计算得出针对m个评价指标的风险大小的云模型。

(3)根据上述建立的权重和单因素风险程度的云模型，利用正向云发生器，随机生成各指标权重并进行规一化处理，同时生成各因素的风险程度，通过模糊积分计算得出综合风险程度。

风险等级划分5个等级，[0,0.2)为微小风险，[0.2,0.4)为较小风险，[0.4,0.6)为一般风险，[0.6,0.8)为较大风险，[0.8,1.0]为重大风险。

4 计算实例

以某引水灌溉工程为例验证本文建立的模型有效性。该工程以明渠为主，向北方重要城市供水，已建立了相关制度和标准，并借助自动化系统实现沿线水情采集等基本功能，根据本文建立的评价指标体系和风险评估模型对该工程输水调度风险进行评估。通过选取各级调度相关岗位干部员工20人，针对建立调度风险评估因子，进行指标权重确定和风险程度分析，具体如下：

步骤1：针对每个评判者利用层次分析法确定指标的权重。对于每个评判者，针对4中风险源，11个风险因子，逐层分析各层指标的相对重要性。对于两个指标Bi和Bj，根据评价者的判断，给出1～9之间的整数。本次取1，3，5，7，9作为等级标度，其意义为：1表示Bi和Bj同等重要；3表示 较 重要一点；5表示Bi较Bj重要得多；7表示Bi较Bj更重要；9表示Bi较Bj极端重要。根据层次分析法的步骤建立评判矩阵，求解其最大特征根及对应的特征向量，通过一致性判断后，将归一化后的正规向量作为权重向量。根据20名评价者评价结果，得出20组指标权重向量，即每个指标对应20组权重数据。

步骤2：利用逆向云发生器算法，对每个风险因子权重生成云模型。以第1个风险因子“工作内容不明确”为例，其20组权重值为：

[0.175 9, 0.167 4, 0.171 2, 0.181 0, 0.151 2, 0.098 0, 0.110 4, 0.127 0, 0.089 0, 0.086 6, 0.110 3, 0.109 4, 0.110 2, 0.111 6, 0.111 1, 0.110 3, 0.111 7, 0.109 4, 0.114 4, 0.105 9]T，经计算，该指标权重的云模型三个数字特征分别为0.123 1,0.029 5,0.004 2。同理得出所有风险因子的云模型数字特征，如表1所示。

步骤3：根据每个风险因子对引水灌溉工程调度运行现状情况进行评判，以0.1为最小单位按区间[0,1]进行量化打分，风险越小，取值越小。根据20名评价者评价结果，得出20组单因素风险向量，即每个指标对应20组风险程度数据。

步骤4：利用逆向云发生器算法，计算单因素指标的风险评估云模型数字特征。以第1个风险因子“工作内容不明确”为例，其20组风险评价值为：

表1 风险因子权重云模型数字特征Tab.1 Number characters of risk factors cloud model

[0.2, 0.2, 0.3, 0.1, 0.3, 0.5, 0.6, 0.4, 0.3, 0.2, 0.7, 0.7, 0.6, 0.8, 0.6, 0.3, 0.2, 0.3, 0.4, 0.2]T，经计算，云模型三个数字特征分别为0.3950,0.2187,0.0723。同理得出所有单因素评价风险程度的云模型数字特征，如表2所示。

表2 单因素风险程度云模型数字特征Tab.2 Number characters of risk extent cloud model

步骤5：根据各风险因子权重和风险程度的云模型，利用正向云发生器，随机生成指标权重和单因素风险程度，并将权重指标归一化处理后，本文进行5次随机试验，结果如表3、表4所示。

步骤6：利用可能性测度和模糊积分，分别计算出5次随机试验得出的综合风险程度。以第一次生成的数据为例，对其风险程度进行由大到小排序得到向量为：

[0.607 8, 0.577 3, 0.518 5, 0.472 2, 0.391 1, 0.386 5, 0.377 0, 0.359 6, 0.335 5, 0.213 1, 0.180 4]T相应的权重向量调整为：

[0.186 6, 0.071 4, 0.048 0, 0.149 1, 0.149 1, 0.021 9, 0.070 8, 0.030 7, 0.099 3, 0.092 3, 0.080 8]T

相应的可能性测度诱导模糊集由权重向量元素累加得到：

[0.186 6,0.258 0,0.306 0,0.455 2,0.604 3,0.626 2,0.696 9,0.727 6,0.826 9,0.919 2,1.000 0]T

将调整后的风险程度向量和可能性测度向量进行取小取大运算，得出综合风险程度为0.455 2。同理，计算出其他4次随机试验的结果，如表5所示。

表3 输水调度风险因子权重Tab.3 Weights of risk factors for water dispatch

表4 输水调度单因素风险程度Tab.4 Risk extent for water dispatch

表5 输水调度综合风险程度Tab.5 Integrated risk extent for water dispatch

根据上述计算结果，对该引水灌溉工程输水风险进行分析：

(1)从表1中的权重分析中，可以看到第6个指标和第7个指标的权重期望值最大，说明评价者们非常重视调度人员风险因素，安全输水首先依赖于调度人员的责任心和能力，因此调度人员的数量和人员的素质是影响输水调度安全首要问题。

(2)从表2中的风险程度分析中，可以看出评价者普遍认为第5个指标和第6个指标风险程度期望值高，说明该输水工程在调度场所的规范化上，以及调度人员的数量和素质方面存在一定隐患。

(3)通过综合评判，该工程整体调度风险的平均程度为0.472 3。说明整体风险程度处于一般风险水平，整体调度运行良好，但也存在隐患，需针对具体风险源，及时进行整改。该输水工程主要应增配专职调度人员，努力保持调度队伍的稳定性，加强业务培训和演练，提高调度人员的素质和能力。另外，对调度生产场所加强规范管理，明确进入要求，提升生产环境。

(4)利用云模型结合可能性测度进行综合分析，充分考虑了群评价决策中的模糊性和随机性，综合结果与实际相符较好。每次试验评价结果随机，但必处于一定的范围内。本文进行了5次随机试验，但结果均为“一般风险”等级，评价结果稳定，每次结果的不同体现出评价中的随机性。

5 结 语

本文在深入分析引水灌溉工程调度风险因素的基础上，建立了输水调度风险评估指标体系，从调度制度、调度人员、调度技术以及调度协调四个方面，构建出11调度风险因子。在此基础上，提出了基于云模型可能性测度的风险评估方法，充分考虑多人多指标评估中的模糊性和随机性，利用云模型实现概念的定性与定量的不确定转换，并利用可能性测度和模糊积分理论实现综合评判。通过长距离输水调度工程实例，验证模型的有效性，结果表明，本文建立的调度风险评估指标能够较全面地反映引水灌溉工程调度风险，评估方法建议，便于操作，评价结果合理，有较强的实际应用价值和推广意义。