基于三角模糊數的風電場建設風險評價模型

程亮

(中國水利電力物資上海公司，上海市 200063)

基于三角模糊數的風電場建設風險評價模型

程亮

(中國水利電力物資上海公司，上海市 200063)

針對風電場建設單位在風電場建設風險評價中偏好使用傳統(tǒng)工具且評價效果受主觀偏好、信息不全面影響的現(xiàn)狀，結合層次分析法(analytic hierarchy process，AHP)、模糊綜合評判(fuzzy synthetic evaluation，F(xiàn)SE)構建了基于三角模糊數的模糊層次風險評價模型。為提高風險評價的準確性，利用FSE擴大信息量、使用兩兩比較判斷矩陣計算風險因素排序權重，并采用三角模糊數刻畫人類思維的模糊性。實例應用的結果證明,該模型層次分明、操作簡單的特點使其在風電場建設的風險評價實踐中具有可行性。

風電場；層次分析法(AHP)；三角模糊數；風險評價

0 引 言

從2011年開始，我國風電發(fā)展進入轉型期，之前幾年快速發(fā)展帶來的速度與效益的矛盾逐漸顯現(xiàn)。隨著清潔發(fā)展機制(clean development mechanism，CDM)收益的降低、建設地點向內陸和海上等施工難度較高的地區(qū)擴張、電網限電越來越頻繁等情況的出現(xiàn)，風電場的盈利水平也將日趨微薄，控制風險將成風電場建設成敗的關鍵。目前，我國風電場建設一般只通過可研報告中對項目的敏感性分析進行項目風險評價，不能全面客觀地反映建設風險發(fā)生概率和風險損失對項目的影響。此外，由于風電專業(yè)人才稀缺，在項目建設過程中人為因素對風險水平的影響有時甚至超過了外界環(huán)境因素對風險水平影響。

我國的風險管理雖然起步較歐美國家晚，但在涉及國計民生的大型水利電力工程領域的風險管理實踐仍然取得了一定的成果，Monte-Carlo模擬[1]、IRM解釋結構模型[2]、風險元傳遞及BP神經網絡[3]等先進的風險管理方法都取得了較好的效果。風電場作為新型可再生發(fā)電項目，相對于大型水利電力項目而言，周期較短、前期投資較低，建設單位對風險管理不夠重視，缺乏行業(yè)統(tǒng)一建立的風險資料庫，很難通過概率統(tǒng)計對風電場風險進行分析評價[4]。因此，風電場建設風險的相關文獻中偏好采用如LEC分析法[5]、風險評估矩陣[6]、德爾菲法等依托于專家經驗的工具，無法反映風電場建設風險因素的復雜性、不確定性，而專家的主觀偏好和信息不全面等問題也會影響結果的可靠性。在其他工程建設領域的風險評價實踐中，為克服這些問題做出了積極的研究，如文獻[7-9]把層次分析法(analytic hierarchy process，AHP)擴展為F-AHP并和模糊綜合評判(fuzzy synthetic evaluation，F(xiàn)SE)結合使用，對風險因素按層次分解，利用兩兩比較模糊互補矩陣量化風險因素，降低評價過程中受到的主觀影響，提高風險評價的系統(tǒng)性、可靠性；文獻[10]以三角模糊數刻畫風險因素的不確定性及人類思維的模糊性，計算風險因素的排序權重。本文利用上述的研究成果，將其引入風電場建設風險評價實踐中，提出基于三角模糊數的模糊層次分析評價模型，供建設單位參考。

1 風險評價的理論基礎

1.1 風電場建設風險的定義

風電場建設工程是一項周期長、投資大、控制環(huán)節(jié)多的綜合性社會活動，本文將其中存在的逆向選擇風險、道德風險及能力風險[11]統(tǒng)稱為風電場建設風險。風險包含發(fā)生的不確定性及其引起的后果，每個事件的風險應該定義為不確定性和后果的函數[12]

R=f(P,L)

(1)

式中：R為風險；P為發(fā)生概率(不確定性)；L為風險損失(產生的后果)。

1.2 層次模型的評分標準

因為考慮到人的思維存在主觀偏好以及語言的模糊性，克服傳統(tǒng)AHP中比例標尺1到9離散刻度的不足之處，本模型采用表1所示比例標度[13]為三角模糊數(lij, mij, sij)賦值，其中l(wèi)ij, mij, sij分別表示最悲觀值、最可能的值、最樂觀的值。

表10.1到0.9比例標度

Tab.1Proportionalscalingfrom0.1to0.9

1.3 三角模糊數互補判斷矩陣

定義1對于任意實數i和j，假設判斷矩陣A=(aij)n×n，其中aij=(lij, mij, sij)，aji=(lji, mji, sji)為三角模糊數，且lij≤mij≤sij。若矩陣A滿足以下條件[14]：(1)lii=mii=sii=0.5；(2)當i≠j，lij+ sji=mij+ mji= sij+ lji。稱A是基于三角模糊數的互補判斷矩陣。矩陣中的元素aij表示xi與xj的相對關系。

1.4 三角模糊數的期望值

考慮到語言的不確定性和人類思維的模糊性，本模型使用期望值E統(tǒng)計三角模糊數，即將元素i和元素j重要性比較判斷的結果用三角模糊數的下界l、中值 m、上界s及其模糊概率p來描述。

以中值m為界，分等概率情況考慮[15]。根據l與m的偏離程度，確定結果是m的可能性是l的N倍；同理，根據m與s的偏離程度，確定結果是m的可能性是s的M倍，則l,m,s的模糊概率分別為

(2)

在本文中，經過與專家的探討，在風電場中認為M=N=1。則三角模糊數的期望值為

E=pll+pmm+pss=l/4+m/2+s/4

(3)

1.5 模糊互補判斷矩陣的一致性檢驗

在實際決策中采用加性一致性矩陣會較為簡單、直觀，也便于調整[16]。

定義2設模糊互補判斷矩陣A=(aij)n×n和B=(bij)n×n，考慮到矩陣A和B中有n個aii-bii=0，定義A和B的相容性指標為

(4)

定義3設ω=[w1,w2,…,wn]T為模糊互補判斷矩陣A=(aij)n×n的排序向量，定義矩陣C=(cij)n×n =(α(wi-wj)+0.5)n×n為A的特征矩陣，其中

(5)

考慮到存在n個aii-wii=0，則A和C的相容性指標為

(6)

為了方便計算、簡化工作量，在本文中取α=(n-1)/2。

由此可見，模糊互補矩陣A的不一致程度越高，則I(A,C)>0的程度越大。在實際決策中，因為人思維的局限性，完全一致的矩陣幾乎不可能得到，我們對一致性設定一個期望值ε，作為接受矩陣A為一致性的指標。當I(A,C)<ε認可矩陣是具有一致性。風電場的風險分析是多因素復雜項目，通過計算機模擬，取ε=0.1[17]。本文采用三角模糊數的期望值Eij作為元素aij。

2 風電場建設風險評價模型的構建

2.1 建設風險評價指標層次模型

根據風險的特性，將風電場的建設風險粗分為外部和內部風險二大類，每一類由2級風險構成，其中外部風險參考文獻[18]中的分類包含了政策經濟風險、社會與環(huán)境風險、技術與管理(甲方不可控、乙方或第三方占優(yōu)勢的)風險3個方面的一級風險；項目內部風險由項目單位內部管理形成的(甲方可控或甲方占優(yōu)勢)風險。經過專家研討并結合風電場建設方面的歷史資料文獻，將這些4類一級風險進一步細分為若干二級風險因素。

最終，形成如圖1的風險層次模型。其中，總目標層為風電場建設風險，控制層為風險的發(fā)生概率P及風險損失L；一級指標層分為一級風險指元素集Ui構成，與控制層具有交錯關系；二級指標層為分解后的風險因素(*僅適用于與海上風電項目)。

圖1 風電場建設風險評價指標模型

2.2 風電場建設風險評價步驟

根據本文對風險的定義1，以發(fā)生概率P和風險損失L這2個特征為目標對所有的風險元素進行評判，本文假設特征P及L為平行關系(權重都為0.5)。假設有m個二級指標元素，將數據進行歸一化處理后，按照假設的權重得到建設風險的單因素模糊判斷矩陣R=(rij)m×5。

2.2.1 確定F-AHP的權重向量

(7)

式中，用簡單平均的方式統(tǒng)計了專家的偏好

(8)

按照同樣的方法進行一致性檢驗，并得到該元素集子準則層的權重向量Wii=[wi1,wi2,…,wij]T。

(2)構造一級判斷矩陣及其一致性檢驗。由k位專家分別以P及L為準則對元素集Ui進行重要度的兩兩比較，按照上一步驟相同的方法和規(guī)則分別構建一級指標層比較判斷矩陣ALq和APq，并根據式(6)逐一建立特征矩陣CLq和CPq且進行一致性檢驗，最終分別由式(8)得到一級指標層模糊綜合評價矩陣AP及AL。對AP及AL也應逐一通過建立特征矩陣CL和CP進行一致性檢驗。本文假設特征P和L屬于平行關系，因此將AP及AL得到的權重向量WP及WL按照權重0.5合成為一級指標層的排序向量WLP=[w1LP,w2LP,…,wnLP]T。

(3)確定總排序權重向量。假設共有m個二級指標因素，將二級指標層和一級指標層當元素排序權重向量合成得到F-AHP的總排序向量為

(9)

(4)合成評價結果。將總排序權重向量ω與單因素模糊判斷矩陣R采用M(+,·)模糊算子[19]進行合成，得到模糊評價集B′。選擇一種評價指標處理方法對項目的風險等級給出最終的評價。

3 應用實例

3.1 風電場概況

某風電場擬裝機容量45 MW，擬安裝15臺1 000 kW和20臺1 500 kW風電機組。場區(qū)屬于豫西丘陵區(qū)，北臨黃河，南部有秦嶺支脈，地形呈現(xiàn)東南高西北低。場區(qū)屬于暖溫帶大陸性季風氣候，冬春季易發(fā)生大風，屬于較明顯的內陸山地風場。本次風險評價共由5位專家對各因素進行比較，并通過算術平均數統(tǒng)計專家的偏好。

3.2 風險評價結果

3.2.1 建立風險元素集

一級風險指標元素集：P=L={U1,U2,U3,U4}={政策經濟風險，社會與環(huán)境風險，技術與管理風險，項目內部風險}。

二級風險指標元素集：U1={u11,u12,u13,u14}={政府支持，電價批復，法律法規(guī)，融資匯率}；U2={u21,u22,u23,u24,*u25}={當地民生，氣候因素，自然災害，地質條件}；U3={u31,u32,u33,u34}={電網限電，施工組織，運行維護，風能資源}；U4={u41,u42,u43,u44}={CDM開發(fā)障礙，風機選型，合同管理，項目團隊}。

3.2.2 建立風險評語集

V={v1,v2,v3,v4,v5}={高風險，較高風險，中等風險，較低風險，低風險}。

3.2.3 建立單因素模糊評判矩陣

將5位專家的統(tǒng)計結果經過歸一化處理后，假設條件P及L之間不存在優(yōu)先關系，將上述條件P及L的模糊關系合成，得到本模型的單因素模糊評判矩陣

3.2.4 確定F-AHP的權重向量

(1)二級指標權重計算。

表2～5是以一級風險因素為準則進行兩兩比較判斷并進行一致性檢驗的過程，并分別得到各準則的二級指標權重Wii。

表2 以U1為準則的兩兩比較判斷矩陣

注：相容性指標I11=0.047<0.1

表3 以U2為準則的兩兩比較判斷矩陣

注：相容性指標I22=0.02<0.1

表4 以U3為準則的兩兩比較判斷矩陣

注：相容性指標I33=0.043<0.1

表5 以U4為準則的兩兩比較判斷矩陣

注：相容性指標I44=0.009<0.1

(2)一級指標權重計算。

表6、7是以P及L為準則進行兩兩比較判斷并進行一致性檢驗的過程，分別得到一級指標權重WP和WL。

表6 以P為準則的兩兩比較判斷矩陣

注：相容性指標IP=0.014<0.1

表7 以L為準則的兩兩比較判斷矩陣

注：相容性指標IL=0.018<0.1

假設條件P及L為平行關系，將2個向量取算數平均值合成得到一級指標層的權重向量：WLP=[0.238,0.258,0.275,0.229]。

(3)層次模型總排序權重ω計算。

將上述2步驟得到的權重向量合成推求總排序權重ω，計算過程見表8。

3.2.5 合成評價結果

B′=ω·R=[0.166, 0.312, 0.352, 0.085, 0.084]將層次模型的總排序權重向量ω與單因素模糊判斷矩陣R按照M(+,·)模糊算子進行合成對模糊評價集B′按照最大隸屬度原則進行處理：最大值為0.352，對應評語集V的v3中等風險。

表8 總排序權重計算

4 結 論

(1)將模糊集引入AHP判斷矩陣構造過程中，使得AHP擴展為F-AHP，克服經典AHP不能完全反映人類思維的問題，利用三角模糊數刻畫了復雜巨系統(tǒng)決策問題中人主觀思維判斷過程的模糊性，擴大信息量，使數學模型的量化過程能更精確地趨于實際。

(2)FSE與F-AHP的結合，將識別出的風險元素構建為更加直觀的遞階層次結構，便于決策者全面掌握風險信息；將綜合評判中簡單權重賦值升級為通過具有層次結構的兩兩比較判斷矩陣計算出權重，經過一致性檢驗的比較結果更加客觀準確，降低了主觀偏好和信息不全面帶來的弊端。

[1]駱珣，賈建容.基于蒙特卡洛模擬的火電建設項目投資風險估計[J].北京工商大學學報：自然科學版，2006，24 (3):66-68.

[2]程鴻群，汪程程.火電建設項目投資風險結構模型[J].武漢大學學報：工學版，2012，45(S):318-321.

[3]王素花.1000 MW級火電項目前期風險元傳遞模型[J].電力建設，2014，34 (11):125-128.

[4]孔昭東，周宏勝，劉錦國，等.大型風電工程建設項目風險管理模式探討[J].內蒙古電力技術，2008，26 (4):30-32.

[5]鄒炅，章顯亮，黃善平，等.基于風險評估矩陣的風電項目風險管理研究[J].中國電力，2012，45 (9):56-75.

[6]吳啟仁，鄭主平，孫向東.風電場建設風險管理[J].水利水電技術，2009，40 (9):18-21.

[7]李雅妹，張曉梅，張蒙.基于模糊綜合評價模型的項目風險評估 [J].今日湖北，2011(2):22.

[8]姬東朝，宋筆鋒，喻天翔.基于模糊層次分析法的決策方法及其應用[J].火力與指揮控制，2007，32 (11):38-41.

[9]朱明明.基于模糊層次分析法的工程項目風險評估[J].科技管理研究，2010(20):214-217.

[10]韓喜雙，劉仁輝，張勁強.三角模糊數的工程項目風險識別[J].哈爾濱工業(yè)大學學報，2008，40 (10):1617- 1620.

[11]時現(xiàn)，毛曄，許長青，等.工程項目控制：理論·實務·案例[M].大連：大連出版社，2013:30-31.

[12]王穎.項目風險管理[M].北京：電子工業(yè)出版社，2012:1-23.

[13]張吉軍.模糊層次分析法(AHP) [J].模糊系統(tǒng)與數學， 2000，14(2):80-88.

[14]楊靜，邱菀華.模糊互補判斷矩陣一致性檢驗和改進方法 [J].系統(tǒng)管理學報，2010，19(1):14-18.

[15]李華，肖鈺.基于三角模糊數的判斷矩陣的改進及其應用[J].模糊系統(tǒng)與數學，2003，17(2):60-64.

[16]姜艷萍，樊治平.互補判斷矩陣一致性改進方法[J].東北大學學報，2003，24(11) :98-101.

[17]公彥德，曾雪蘭，吉建華.模糊互補判斷矩陣的一致性檢驗及調整方法[C]//2005中國控制與決策學術年會論文集(下).沈陽：東北大學出版社，2005:1966-1968.

[18]李俊峰.2012年中國風電發(fā)展報告[R].北京：中國環(huán)境科學出版社，2012:23-38.

[19]孫亞勝. 模糊網絡分析在海上風電項目風險評價中的應用[D].大連：大連理工大學，2008.

(編輯：蔣毅恒)

ConstructionRiskEvacuationModelofWindFarmBasedonTriangularFuzzyNumber

CHENG Liang

(China National Water Resource & Electric Power Materials & Equipment Shanghai Co., Ltd., Shanghai 200063, China)

Aiming at the current condition, which most of wind farm investors prefer using traditional tools for risk evaluation, and the evaluation results are usually affected by subjective preferences and incomplete information, this paper integrated AHP (analytic hierarchy process) and FSE (fuzzy synthetic evaluation) to establish the F-AHP model of risk evaluation based on triangular fuzzy number. To improve the accuracy of risk evaluation, this paper used FSE to enlarge the volume of information, utilized pairwise comparison judgment matrix to calculate the rank weights of risk indexes, and also used triangular fuzzy number to describe the fuzzy nature of human thinking. Application result shows that the model is feasible in the practice of construction risk evaluation for wind farm because of its clear structure and simple opration.

wind farm; analytic hierarchy process(AHP); triangular fuzzy number; risk evaluation

TM 614

： A

： 1000-7229(2014)09-0103-06

10.3969/j.issn.1000-7229.2014.09.019

2014-03-07

：2014-04-03

程亮(1981)，男，管理學碩士，工程師，工程建設項目管理，E-mail：ballackcl@126.com。