基于风险熵的增益配电网投资风险评估模型设计

史雷， 王莹， 魏联滨， 王彬， 李朝阳

(国网天津市电力公司 发展策划部， 天津 300000)

0 引言

随着大型配电网施工建设的快速推进和发展，配电网的投资额度越来越大，特别是在大规模的增益配电网投资中，需要投入大量的人力和财力，需要进行有效的风险防控，研究增益配电网投资风险评估方法，结合财务风险决策和大数据分析的方法进行配电网投资风险预测，提高增益配电网投资风险评估和决策水平[1]。因此，在配电网的施工建设和发展设计规划中，需要进行增益配电网投资风险评估，构建增益配电网投资评估模型，结合对增益配电网投资过程的可靠性控制和风险评估，进行增益配电网投资风险评价和决策，提高风险评估能力，相关的增益配电网投资风险评估方法研究受到人们的极大关注。文献[2]针对决策树的归纳功能研究基于决策树算法提取智能变电站的专家系统规则方法，通过专家系统的运维规则促进变电站运行的自动学习。文献[3]以梯度提升树为基础研究出一种变电站并行负荷预测方法，该方法可以快速且准确的预测电力负荷，加强在集群处理大数据方面的效率。本文提出基于风险熵特征提取的增益配电网投资风险评估算法，首先进行了投资风险评估的相关大数据分析，然后进行投资风险评估的熵特征提取，根据熵权分布进行风险评估模型的优化设计，最后进行仿真测试分析，得出有效性结论。

1 配电网投资风险信息变量分析及样本参数提取

1.1 增益配电网投资风险信息变量分析

对增益配电网投资风险评估是建立在配电网投资风险因素的约束特征量分析基础上，采用大数据信息融合方法，进行增益配电网投资风险因素管理和自适应参数调节，为了实现增益配电网投资风险评估，首先构建增益配电网投资风险评估的统计分析模型，采用大数据特征采样方法进行增益配电网投资风险评估统的信息采样和建模，构建增益配电网投资风险评估的解释变量和控制变量，以投资方的财务支出J以及现金流为约束对象K，建立风险数据评估参数模型，得到增益配电网投资风险P的特征分布函数为P(ni)={pk|prkj=1,k=1,2,…,m}(ni代表不同的特征)，在内控视角下进行财务风险和经营风险评估，得到增益配电网投资风险评估特征分布集，构建全方位的风险评估模型，结合增益配电网投资风险评估的统计信息进行参数估计[4]，得到风险评价的模糊度函数，如式(1)。

(1)

式中，W为风险评估的统计信息，m表示配电网参数总和，引入风险评估的内部控制因素，进行增益配电网投资风险评估的回归分析，得到回归分析模型，如式(2)。

(2)

式中，p为增益配电网投资风险评估的解释变量维数，n(t)为干扰项，a(θi)为内部控制因素函数分析资本结构与投资方资金水平的相关性关系，构建增益配电网投资风险评估的关联函数，如式(3)。

(3)

G(t)=min{G1(t)+G2(t)}=

(4)

式中，kμ(t)表示增益配电网投资风险评估的特征分解尺度；ΔTm(t)表示融资额度的量化特征集；w为自适应权重；kμ(t)为统计特征分布量化集，表示为配电网资本回报水平。

根据上述分析，建立增益配电网投资风险大数据分析模型，采用统计量化分析的方法进行增益配电网投资风险评估的约束参数分析[5]，得到增益配电网投资风险信息更新规则，如式(5)。

(5)

1.2 样本参数提取

(6)

当i∈I，j∉I时，得到增益配电网投资风险评估的熵权融合模型，如式(7)。

(7)

(8)

式中，Xmax，Xmin分别为风险熵分布的最大评估阈值和最小阈值。将投资风险水平分为高、中、低三组，得到配电网投资风险评估的统计分析模型，如式(9)。

(9)

根据样本数据分析结果进行模糊特征调度，进行增益配电网投资风险评估的综合调度和模糊决策，提高电网投资风险的准确评估能力。

2 风险评估模型优化设计

2.1 配电网风险评估决策

在上述建立增益配电网投资风险大数据分析模型，并采用统计量化分析的方法进行增益配电网投资风险评估的约束参数分析的基础上，进行增益配电网投资风险评估算法的优化设计，本文提出基于风险熵特征提取的增益配电网投资风险评估算法。采用输出稳定性增益评估和模糊决策的方法进行配电网风险评估的优化决策和评估[7-8]，得到风险条件转移概率表示，如式(10)。

(10)

配电网投资风险评估的状态组合为λ=(X,O,A,B,π)，其中，X为增益配电网投资风险评估的隐含状态，X={xi,i=1,2,3,…,N}；O为配电网投资风险评估的模型观测状态，O={oj,j=1,2,3,…,m}，如式(11)。

maxF(X)=(F1(X),F2(X),…,Fn(X))

s.t.gj(X)≤0 (j=1，2，…，p)

hk(X)=0 (k=1，2，…，p)

(11)

结合模糊综合决策和博弈控制方法进行增益配电网投资风险集构造，分析配电网投资风险评估的熵，采用自适应寻优算法[9]，得到风险评估的状态特征分布函数,如式(12)。

(12)

采用自适应的机器学习算法进行增益配电网投资风险评估的自适应寻优，得到配电网投资风险的量化评估特征分布满足i∈I，由此构建配电网风险评估决策模型，根据模糊决策结果进行风险评估的量化分析和统计学建模[10]。

2.2 配电网投资风险评估寻优

建立增益配电网投资风险评估的专家系统分析模型，采用自适应学习算法[11]，得到增益配电网投资风险评估的样本集，如式(13)。

(13)

式中，pj(t)为第t次迭代后增益配电网投资风险评估的模糊规则集，pg(t)表示配电网投资风险评估自适应参数，a1与a2表示两个最优评估效果，给出增益配电网投资风险评估的模糊聚敛控制函数，如式(14)。

(14)

式中，Hi表示模糊函数参数，Si表示聚敛函数参数，Vi表示投资控制概率，在投资不足的显著性水平度上，配电网投资的盈利特征为Mh，在融资风险加大的情况下，得到增益配电网投资风险评估的有限数据集，如式(15)。

X={x1,x2,…,xn}⊂Rs

(15)

式中，增益配电网投资风险评估样本集中含有n个样本，样本xi，i=1,2,…,n，结合风险熵调度，得到风险熵增益，如式(16)。

(16)

式中，e(t)为风险熵增益影响因子，则资本回报率的估计结果，如式(17)。

(17)

综上分析，进行增益配电网投资风险量化评估，提高配电网的投资风险管控能力[12]。

3 实验测试分析

采用SPSS 17.0软件和Matlab仿真工具进行增益配电网投资风险评估分析，对增益配电网投资风险评估数据的采样长度为1 024，统计周期内投资增长的关联系数为0.48，风险决策关联系数为0.48，训练集规模为500，风险评估的描述性统计分析结果，如表1所示。

表1 描述性统计分析结果

根据上述描述性统计分析结果，采用统计量化分析的方法进行增益配电网投资风险评估的约束参数分析，得到配电网投资风险评估的统计分布，如图1所示。

图1 配电网投资风险评估的统计分布

根据图1的统计信息，采用输出稳定性增益评估和模糊决策的方法进行配电网风险评估的优化决策和评估，得到增益配电网投资风险评估输出，如图2所示。

分析图2得知，采用本文方法能有效实现配电网投资风险评估，与文献[2]、文献[3]对比测试风险评估的准确度水平，如图3所示。

图2 配电网投资风险评估输出

图3 配电网投资风险评估的准确性对比

分析图3得知，采用本文方法能有效实现增益配电网投资风险评估，评估的置信度水平较高。

为实现此投标企业的最优增益配电网报价，优化供电分区以及增益配电网分配相关增益因素，获取增益配电网工程投资风险的需求要素，分别利用本文算法和文献[2]、文献[3]方法对某增益配电网工程造价风险进行评估，将两个项目实际的工程各风险指标与单个造价累计报价结果相对比，如图4所示。

图4 增益配电网工程造价风险评估对比结果

由图4可知，使用本文方法的工程累计报价在各个工程风险指标中都低于其他两种方法，主要因为本文方法所构建的增益配电网投资风险评估的专家系统分析模型，计算出此投标企业的最优报价，获取优化供电分区以及增益配电网相关分配因素，精准的风险评估降低多余的工程耗费，减少了工程造价累计报价，相对应的，以上对比结果证明了增益配电网投资风险评估模型能够进行投资风险的有效评估。

4 总结

研究增益配电网投资风险评估方法，结合财务风险决策和大数据分析的方法进行配电网投资风险预测，提高增益配电网投资风险评估和决策水平。本文提出基于风险熵特征提取的增益配电网投资风险评估算法，结合多元逐步回归分析方法进行配电网投资风险评估的综合性决策，根据样本数据分析结果进行模糊特征调度，进行增益配电网投资风险评估的综合调度和模糊决策，建立增益配电网投资风险评估的专家系统分析模型，采用最大似然估计和模糊多参数约束控制的方法实现配电网投资风险评估模型的优化设计。分析得知，本文方法进行配电网投资风险评估的准确性较高，置信度水平较好。