基于SPA-云模型的水利工程运营风险态势评估

2019-11-28胡文佳郑霞忠

中国农村水利水电 2019年11期

江新，李炜，胡文佳，陈瑶，郑霞忠

(1.三峡大学水利与环境学院，湖北宜昌 443002；2.三峡大学湖北省水电工程施工与管理重点实验室，湖北宜昌 443002)

0 引言

水利工程具有发电、防洪、航运、灌溉、促进经济社会发展等综合效益，20世纪中后期清洁能源逐渐成为发展主流，水电作为主要发展的绿色能源逐渐改变了电力组成结构[1]。水利行业属于资金密集型产业，如何在其运营阶段进行有效、持续地管理对水利发展具有重要参考价值[2]。

运营风险分析与评价是水利工程正常运营的重要内容，已经成为国内外研究的热点。如Al-Jawad JY等[3]运用两个非环境模型和两个流入情景评估方法改善水库运营经济效益；张红艳等[4]为保证水利工程质量，从水利工程风险特点研究，提出科学合理的水利工程安全管理对策；江新等[5]运用BP神经网络对水利工程地下洞室群进行网络训练实现风险预警；李耀昌[6]通过系统动力学和集控式水电站群运营维护系统的结合，建立集控式水电站群运营维护安全水平体系模型，优化了安全投入方案，使运营维护均衡发展；Ding等[7]分析了不同汛限水位可利用条件，对汛期洪水优化协调控制，解决了洪水资源可利用性难题；吴胜文等[8]采用熵权理论减轻主观人为赋权随机性，通过计算各指标信息量的大小来确定指标权重，构建了基于熵权的大坝运营风险集对分析评价模型。

针对以上情况，本文拟对水利工程运营风险态势展开研究。考虑现有成果缺乏从系统角度分析与评价水利工程项目运营风险水平与发展趋势[9]，笔者将通过考虑评价指标因素存在的相互关联性以及定性、定量指标所描述的不确定性和随机性特点[10]，借鉴不确定层次分析法AHP和集对理论确定权重精确值，综合考虑了水利工程运营过程中风险的不确定性问题；再运用云模型将定性问题转化为定量问题，将运营过程中存在的风险定量化考量，从而达到分析和预警水利工程运营风险的目的。

1 集对分析与云模型

1.1 集对分析原理及方法

集对分析(SPA)[11]是对确定不确定性系统中的两个有关联的集合构造集对，是用联系数统一处理不确定因素的系统理论和方法，该理论具有客观性和系统性,从同异反角度研究两个集合的不确定性。

针对水利工程运营风险状态问题，建立水利工程运营风险态势集对，即水利工程运营风险状态集合A与运营过程中极大可能产生的风险状态B构成集对风险态势H=(A，B)的联系度表达如下：

μA～B=a+bi+cj

(1)

式中：a为同一度；b为差异度；c为对立度；a，b，c属于[0，1]，a，b，c满足归一化条件，有a+b+c=1；i为差异度系数，i∈[-1，1]；j为对立度系数，规定j=-1。

1.2 云模型理论

云模型[12]是在概率论和模糊数学的基础上以“云滴”形式展现的模型，对模糊性、不确定性及二者关系进行了描述，是能将定性概念与定量数据之间相互转换的有效工具，能直观反映水利工程运营风险的程度，达到预警效果。

云由3个数字特征表达，即期望Ex、熵En和超熵He，三者将模糊性与不确定性的定性概念转化为定量的数据。而逆向云发生器可以通过统计得到的“云滴”反向计算出以上3个数字特征。本文通过逆向云生成水利工程运营风险的3个数字特征，再由正向云发生器将这3个云的数字特征产生云滴。

2 水利工程运营风险评估模型创建

只有水利工程在安全状态下持续正常运营才能保证水利工程发挥出最大的综合效益。因此，对水利工程项目运营过程中所产生的各种风险隐患和风险因素进行全面管控，是保证水利工程正常运营的重要条件。

2.1 建立水利项目运营风险评估指标体系

经过文献检索和走访调查相关水利工程事故现场并参阅了部分典型水利工程事故调查报告，收集了2007-2015年比较典型的国内水利工程运营过程中产生的风险事故实际情况，具体统计分析见表1。

表1 水利工程运营风险事故统计表Tab.1 Water conservancy project operation risk accident statistics table

水利工程运营风险涉及很多影响因素，参考表1中水利工程运营过程中风险事故发生后暴露出的问题，梳理出水利工程运营风险主要从人员风险、经营管理风险、运营环境风险和项目自身风险等4个方面来综合考虑，且各个因素影响程度均不相同，只有综合考虑各种因素，才能够反映水利工程运营过程中整体安全状态，建立水利项目运营风险层次结构图，如图1。

2.2 不确定AHP确定指标权重

水利工程运营风险指标权重是水利工程运营评估的重点。不确定AHP通过采用权重区间，能更好地反映和优化专家在指标权重主观判断过程中存在的区间模糊性倾向。

2.2.1 区间对数判断矩阵

为满足复杂问题中的模糊性和不确定性，削弱传统层次分析法的主观性，引入不确定层次分析法，将专家判断以一个区间数表示，较传统的层次分析法更符合工程实际。对水利工程运营风险因素相互比较，采用1～9级标度法[13]，构造专家评定风险因素间相对重要程度区间数，之后将专家意见进行综合，形成水利工程运营风险因素区间数判断矩阵。

(2)

图1 水利工程运营风险指标体系Fig.1 Hydropower project operation risk index system

2.2.2 计算权重区间

(3)

(4)

(5)

(6)

则权重向量为：

W=[kw-，mw+]

(7)

2.2.3 集对分析确定权重精确值

由于权重W在[0，1]之间，根据集对分析理论，划分同异反权重区间[0，kw-)，[kw-，mw+)，和[mw+，1]，这3个区间分别对应“不重要程度”、“不确定程度”和“重要程度”。则W与区间[0，1]组成的集对分析表达式为

μj=aj+bji+cjj

(8)

式中：aj=kw-，bj=mw+，c=1-aj-bj。

分别计算重要度区间相对权重Pj和不确定性相对权重Qj，有：

(9)

(10)

3 云模型风险评估

在水利工程运营风险指标标准云确定之前，要先建立风险指标集。根据水利工程运营特点及风险评价值，对水利工程运营风险进行客观科学评估，首先要解决风险评估过程中的模糊性和不确定性问题。笔者通过期望Ex，熵En和超熵He等3个数字特征，从定性中确定定量的规律和范围，同时也能把精确定量数值定性描述，达到定量定性之间的相互映射。因此，建立水利工程运营风险云模型对处理系统中的模糊性和不确定性是非常有必要的。

3.1 确定风险评估等级

建立风险等级S={S1，S2，…，Sp}，p为水利工程运营风险等级个数。邀请多位长期从事维护水利工程运营的技术和管理专家对风险指标进行评价，评价值在[0，1]之间。假设定性语言值数域为[xmin，xmax]，采用正态云描述定性语言值[15],如下：

(11)

式中：xmax，xmin分别表示对应的上下限；η为常数，在应用中可取为0.005。

3.2 指标层云模型

对专家重要性语言评价值Xij(xi1j，xi2j，…，xiMj)进行处理，运用逆向云得到M个评估云模型Cim(Exim，Enim，Heim)，其中m=1，2，…，M；Exim是Cim期望，指云滴在论域空间的期望值；Enim是Cim的熵，指定性概念的不确定性度量；Heim是Cim超熵，指云滴凝聚程度，由熵的模糊性和随机性决定[16]。计算公式为：

(12)

式中：xk为训练样本值；n为训练样本个数。

根据样本均值求熵En：

(13)

根据样本方差和熵求超熵He：

(14)

由Ex、En和He这3个指标将数据进行模糊性和随机性关联。

3.3 云集成方法

(15)

3.4 云相似度计算

为厘清水利工程运营风险综合云所属等级程度，需计算综合云和等级云模型相似度。由于不同的云模型有不同的相似度计算方法，传统云模型相似度计算方法其针对性并不适用于所有形态的云模型判定。因此为解决综合云风险等级判定问题，需要对云模型相似度计算法提出改进以适用于本文综合云模型。

将正向正太云产生的云滴当作集合，将综合云与等级云组成集对，引入集对理论，通过集对分析判定综合云隶属度的风险等级。类似于正态分布，不同云滴对定性概念的贡献度不同，将云模型的重要贡献、相对重要贡献和小概率贡献分别以集对分析中的“同”、“异”、“反”区间来表示。统计处于3个集对区间的云滴数，即可得集对特性同一度、差异度和对立度。则综合云与等级云的相似度由集对势表述，相似度最大的集对势对应的等级云即为水利工程运营风险的等级。

表2 基于3En原则的集对分析Tab.2 Set pair analysis based on 3En principle

4 案例分析

国内某地梯级流域内有己建、在建大、中小型水电站22座，大坝27座。部分已建工程运营时间较久，存在一定的安全隐患和缺陷，急需对水利工程运营风险进行风险评估，限于篇幅，以坐落于该流域已运营W水利工程为例。

4.1 确定风险警素权重区间

针对W水利工程运营风险因素，邀请人力资源管理、经营管理、水工监测、运行管理和机电检修管理等相关领域10名专家，采用德尔菲法[13]形式，通过1～9级标度法进行风险因素间两两重要程度比较打分，经过5次反复循环对风险因素重要性程度形成专家较一致意见，并通过对专家意见规范化处理后得到区间判断矩阵，限于篇幅，以一级指标A2为例，其判断矩阵如下：

依据式(3)～式(4)，计算得到二级指标因素A21、A22、A23和A24的权重区间为w+=w-=(0.469，0.303 3，0.173 3，0.054 3)，根据式(5)、式(6)计算D+，D-，分别得到k=0.889 5，m=1.100 1，则权重向量为：kw-=(0.417 2，0.269 8，0.154 2，0.048 3)；mw+=(0.515 9，0.333 4，0.190 6，0.059 7)。由此可得各指标权重区间范围：w1=[0.417 2，0.515 9]，w2=[0.269 8,0.333 4]，w3=[0.154 2，0.190 6]，w4=[0.048 3，0.059 7]。

4.2 确定权重精确值

将权重区间与区间[0，1]组成集对，由式(8)计算得到μ1=0.417 2+0.098 7i+0.484 1j；μ2=0.269 8+0.063 6i+0.666 6j；μ3=0.154 2+0.036 4i+0.809 4j；μ4=0.048 3+0.011 4i+0.940 3j。再由式(9)、(10)计算可得Pj=[0.469 1，0.303 3，0.173 3，0.054 3]、Qj=[0.237 8，0.247 1，0.254 3，0.260 9]和二级指标因素A21、A22、A23和A24的精确权值WU2=[0.455 9，0.306 2，0.180 1，0.057 9]。同理可计算出U1、U3和U4的指标体系权重值WU1=[0.334 8，0.423 7，0.241 5]、WU2=[0.455 9，0.306 2，0.180 1，0.057 9]、WU3=[0.658 5，0.225 4，0.116 1]和WU4=[0.644 5，0.125 3，0.23]。

4.3 确定评估等级

根据风险值区间和上式(11)可得风险等级评语云模型见表3。运用matlab编程可得标准评语云模型对应如图2。

表3 危险等级评估云模型Tab.3 Hazard level assessment cloud model

4.4 指标层云模型

由10位不同专业类别的专家对该工程风险指标各因素进行评判，得出指标的n种风险状态值。通过向这些专家发放调查问卷，对该水利工程运营风险状态进行定量评价，根据专家评分意见得到该水利工程运营风险状态值，并进行标准化处理，限于篇幅，这里以一级指标A2下的二级指标A21、A22、A23和A24为例，得到评价结果如表4。

图2 风险指标评价标准云Fig.2 Risk indicator evaluation standard cloud

表4 运营风险指标规范化值Tab.4 Operational risk indicator normalization value

将专家评价规范化值带入式(12)～(14)，计算A21、A22、A23和A24的指标层云模型C21(Ex21，En21，He21)、C22(Ex22，En22，He22)、C23(Ex23，En23，He23)和C24(Ex24，En24，He24)为C21(0.517，0.094，0.037)、C22(0.847，0.06，0.011)、C23(0.817，0.058，0.012)和C24(0.737，0.074，0.015)。同理，可分别得到其他指标风险因素云模型，见表5。

表5 指标层云模型Tab.5 Indicator layer cloud model

4.5 综合云模型

通过不确定AHP所得权重和指标云模型，由式(15)可得各一级指标的综合云模型，具体计算以A1为例。将A1下的二级指标权重和C11、C12、C13带入式(15)，得到A1的综合云模型C1(0.837 1，0.062，0.035 4)。同理，可得一级指标对应的A1、A2、A3和A4的综合云模型为C1(0.837 1，0.062，0.035 4)，C2(0.684 9，0.072 1，0.043 1)，C3(0.722 7，0.048，0.027 7)和C4(0.722 1，0.092 0，0.053 9)，通过MATLAB绘制综合云图如图3～图6。

图3 A1综合云与评价标准云对比图Fig3 A1 integrated cloud and evaluation standard cloud comparison chart

图4 A2综合云与评价标准云对比图Fig.4 A2 integrated cloud and evaluation standard cloud comparison chart

图5 A3综合云与评价标准云对比图Fig.5 A3 integrated cloud and evaluation standard cloud comparison chart

图6 A4综合云与评价标准云对比图Fig.6 A4 integrated cloud and evaluation standard cloud comparison chart

4.6 模型评估结果

通过综合云模型和等级云模型图3～图6的比较，可以清楚地看到一级指标云模型主要风险区间，利于对风险进行管控。运用“3En”规则采用MATLAB计算改进云相似度得到一级指标综合云和标准云相似度分别为δ1(0，0，0.031，0.592 8，0.376 2)、δ2(0，0，0.103，0.889，0.008)、δ3(0，0，0.005 7，0.958 4，0.035 9)和δ4(0，0，0.075，0.858，0.067)。从结果看出W水利工程运营期一级风险因素综合云和Ⅳ级标准云相似度最大，所以W水利工程运营风险评估等级为Ⅳ较高风险；且一级指标人员风险部分趋向于Ⅴ级高风险。

根据评估结果显示，该水利工程经过长时间运营积累的微小安全缺陷慢慢得到蓄积，由于人员意识愈渐疏忽及管理措施没有及时跟进，导致这些微小安全缺陷逐渐发展为高烈度的安全隐患，为防止安全事故发生，建议采取针对性的管控措施，根据工作人员的技术特长，在关键岗位上进行合理安排，还要加强日常巡视、检测管理和应急处置方面的培训和模拟训练，尽快提升人员素质和应变、应急处置能力。运用上述方法得出的风险评估结果与W水利工程后续风险演化情况基本吻合，佐证了该评估方法的有效性和及时性，在相关工程安全领域也有借鉴和推广应用价值。