电力建设企业承（分）包商安全施工能力评估研究

杨迎 柏永昊 郑龙志

中文摘要：为了适应我国电力体制的深化改革与发展下的社会需求，提升电力建设工程质量与安全水平，本文结合电力建设工程实际，通过对电力建设工程施工流程进行概述，分析安全施工现存问题，论述对电力建设企业承（分）包商安全施工能力进行评估的必要性，采用基于层次分析法（AHP）的模糊综合评价法对电力建设企业承（分）包商安全施工能力进行评估，并采用BP模型进行印证，为电力建设企业承（分）包商安全施工能力评估提供了参考与启发。

关键词：电力建设工程;承（分）包商;层次分析法;模糊综合评价法;BP神经网络

1 前言

经过长期发展，我国已成为世界上最大的能源生产国和消费国。当前能源安全形势严峻复杂，我国面临能源需求压力较大、能源供给制约较多、能源生产和消费对生态环境损害较严重、能源技术水平总体落后等挑战，新形势对电力建设提出了新要求和新挑战，如何能兼顾质量与安全水平，加快电力工程的建设，是电力建设企业迫待解决的问题。

本文拟结合电力建设工程施工特点，利用基于AHP的模糊综合评价法建立电力建设企业承（分）包商安全施工能力评估体系，结合BP模型加以印证，对电力建设行业的健康发展具有重要意义。

2 电力建设企业承（分）包商安全施工概述

电力建设工程施工具有规模大、涉及面广及技术复杂、易受外部环境影响等诸多特点，专业化分工的趋势日益显著，施工承（分）包已成为十分普遍的施工组织形式，包括专业分包与劳务分包。随着承（分）包这种施工组织形式的普遍化，承（分）包商安全施工问题不可小觑，根据国家能源局官网发布的2015～2019年国家电力安全生产情况，全国电力行业累计发生人身伤亡事故224起，其中触电、高处坠落、机械伤害等类型事故频发，有必要对电力建设企业承（分）包商安全施工能力进行评估。

3 评估方法

3.1  基于AHP的模糊综合评价法

层次分析法基本思想是根据问题的性质把总目标分解为多个准则与目标、多个层次，每一个层次具有多个指标，采用定性指标模糊量化法，得到每一个层次的权重。计算出所有层次中的评价指标的权重并进行排序，为多方案、多指标、多目标的决策提供优化思路。

3.2  BP神经网络

BP神经网络具有容错能力强、计算快、图像简单易懂等优点，建立BP模型并训练，将其模拟结果印证电力建设企业承（分）包商安全施工能力评估的结果，确保评估结果的准确性。

4 承（分）包商安全施工评估指标体系构建

4.1 评估指标

根据国家能源局综合司《关于开展电力建设工程施工现场安全专项监管工作的通知》（国能综通安全〔2019〕52号），结合实际情况，选取电力建设企业承（分）包商安全施工评估指标：基本情况（企业资质、人员配置、人员资质）、人员保障（合同及协议、保险与体检）、安全管理（安全生产责任制、教育培训、安全费用投入、两票制）、设备管理（设备配置、定期试验），构建统一的电力建设企业承（分）包商安全指标体系分类标准参考值。

采用模糊数学法，依照表1中的参考值，得出风险等级的分级区间如表2所示。

4.2 基于层次分析法（AHP）的体系构建

收集并处理8位专家的打分结果，算出其权重的平均值，得出第一层指标、第二层指标的权重层次总排序如表3所示。

对层次总排序进行一致性校验如下：

由上述可知，该指标体系通过一致性检验符合要求。

4.3 基于模糊综合评价法的评估模型的构建

为了提高评价结果的科学性，邀请8位有着多年工作经验并从事相关工作的专家填写调查问卷，定性指标分为很高、较高、一般、较低、很低五个等级。对某电力建设企业承（分）包商安全施工能力评价指标体系中的二级指标的施工风险水平进行单因素评价，根据评价结果建立评判矩阵。

依照评价等级划分原则，风险评价各等级的分值见表4。

基于AHP的模糊综合法评估结果和表2的风险等级区间，可见某电力建设企业承（分）包商施工风险等级为Ⅲ级，风险水平为一般。

5 BP神经网络风险评价模型建立及应用

5.1 BP模型的构建及训练

利用Matlab中的Traingd函数进行训练，将训练次数设置为1100次，学习速率设置为0.002，目标误差设置为0.0001。结合评价指标标准，生成21组数据，进行归一化处理后输入。由图2可见训练效果较好。

5.2 模型应用

利用训练好的BP模型对基于AHP的模糊综合评价法评估结果进行验证，对各评估指标风险水平进行评分，将数据归一化处理后输入到训练好的BP模型中，运行后得到某电力建设企业承（分）包商施工风险水平总评分为67.69，与基于AHP的模糊综合评价法评估结果的误差为1.94%，说明评估结果准确。

6 结论

本文将理论与实际相结合，从新形势下电力建设企业承（分）包商施工实际出发，结合安全管理相关理论，运用基于AHP的模糊综合评价法，构建电力建设企业承（分）包商安全施工能力评估体系，并通过BP模型验证。

1.根据国家相关文件与电力建设工程实际情况，将理论与实际相结合，选取兼具代表性与可行性的，能衡量电力建设企业承（分）包商安全施工能力的评估指标。

2.将基于AHP的模糊综合评价法和BP模型结合，降低专家打分的主观性带来的误差，可提高评分的准确性。

3.得到指标的风险等级后，需重视风险等級较高的指标，以期对电力建设企业承（分）包商安全施工能力有更加准确的认识，了解症结所在，有针对性地进行控制。对电力建设企业承（分）包商安全施工能力进行科学评估，从短期来看，能促使电力建设企业选取到安全施工能力强的承（分）包商，确保工程项目能如期、高质、安全完成。从长期来看，可强化承（分）包商安全意识，提高承（分）包商整体安全施工水平，有效化解新形势下的重大矛盾并推动电力建设项目安全建设水平稳步提升。

参考文献

[1]马丽丽，王芳，李梨榕.基于AHP-BP人工神经网络的型号装备可靠性设计质量评价方法研究[J].电子质量，2018（06）：19-22+35.

[2]赵群.基于AHP与BP神经网络的辽宁省农村水利现代化评价[J].黑龙江水利科技，2018，46（09）：186-190.

[3]万舟，汤超，许有才.基于AHP与PSO-BP神经网络的电梯安全评价研究[J].计算机与数字工程，2015，43（09）：1561-1565+1598.

[4]张艺聪.基于BP神经网络的郑州农业灌溉用水预测[J].科学技术创新，2021（02）：96-98.

[5]王清.基于神经网络的网络安全态势预测模型研究[J].科技风，2021（02）：83-84.

[6]张启龙，王立威.基于遗传算法优化BP神经网络模型的风电功率预测[J].电子测试，2021（01）：41-43.

[7]武平.基于BP神经网络的EPC项目招标风险评价研究[D].扬州大学，2019.

[8]徐涛.基于AHP法与BP法的小城镇污水处理工艺评价方法研究[D].西华大学，2019.

[9]马科.灰色模型和BP神经在闸坝调度管理评估中的应用[D].中国科学技术大学，2017.

[10]李小刚.基于层次分析模糊模型与BP神经网络的凤台县耕地地力评价研究[D].安徽农业大学，2015.

[11]马丽仪，张露凡，杨宜，范蓓.基于模糊神经网络方法的信息系统安全风险评价研究[J].中国安全科学学报，2012，22（05）：164-169.

（湖北安源安全环保科技有限公司，湖北 武汉 430040）