基于風險熵的增益配電網投資風險評估模型設計

史雷， 王瑩， 魏聯濱， 王彬， 李朝陽

(國網天津市電力公司 發展策劃部， 天津 300000)

0 引言

隨著大型配電網施工建設的快速推進和發展，配電網的投資額度越來越大，特別是在大規模的增益配電網投資中，需要投入大量的人力和財力，需要進行有效的風險防控，研究增益配電網投資風險評估方法，結合財務風險決策和大數據分析的方法進行配電網投資風險預測，提高增益配電網投資風險評估和決策水平[1]。因此，在配電網的施工建設和發展設計規劃中，需要進行增益配電網投資風險評估，構建增益配電網投資評估模型，結合對增益配電網投資過程的可靠性控制和風險評估，進行增益配電網投資風險評價和決策，提高風險評估能力，相關的增益配電網投資風險評估方法研究受到人們的極大關注。文獻[2]針對決策樹的歸納功能研究基于決策樹算法提取智能變電站的專家系統規則方法，通過專家系統的運維規則促進變電站運行的自動學習。文獻[3]以梯度提升樹為基礎研究出一種變電站并行負荷預測方法，該方法可以快速且準確的預測電力負荷，加強在集群處理大數據方面的效率。本文提出基于風險熵特征提取的增益配電網投資風險評估算法，首先進行了投資風險評估的相關大數據分析，然后進行投資風險評估的熵特征提取，根據熵權分布進行風險評估模型的優化設計，最后進行仿真測試分析，得出有效性結論。

1 配電網投資風險信息變量分析及樣本參數提取

1.1 增益配電網投資風險信息變量分析

對增益配電網投資風險評估是建立在配電網投資風險因素的約束特征量分析基礎上，采用大數據信息融合方法，進行增益配電網投資風險因素管理和自適應參數調節，為了實現增益配電網投資風險評估，首先構建增益配電網投資風險評估的統計分析模型，采用大數據特征采樣方法進行增益配電網投資風險評估統的信息采樣和建模，構建增益配電網投資風險評估的解釋變量和控制變量，以投資方的財務支出J以及現金流為約束對象K，建立風險數據評估參數模型，得到增益配電網投資風險P的特征分布函數為P(ni)={pk|prkj=1,k=1,2,…,m}(ni代表不同的特征)，在內控視角下進行財務風險和經營風險評估，得到增益配電網投資風險評估特征分布集，構建全方位的風險評估模型，結合增益配電網投資風險評估的統計信息進行參數估計[4]，得到風險評價的模糊度函數，如式(1)。

(1)

式中，W為風險評估的統計信息，m表示配電網參數總和，引入風險評估的內部控制因素，進行增益配電網投資風險評估的回歸分析，得到回歸分析模型，如式(2)。

(2)

式中，p為增益配電網投資風險評估的解釋變量維數，n(t)為干擾項，a(θi)為內部控制因素函數分析資本結構與投資方資金水平的相關性關系，構建增益配電網投資風險評估的關聯函數，如式(3)。

(3)

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

(4)

式中，kμ(t)表示增益配電網投資風險評估的特征分解尺度；ΔTm(t)表示融資額度的量化特征集；w為自適應權重；kμ(t)為統計特征分布量化集，表示為配電網資本回報水平。

根據上述分析，建立增益配電網投資風險大數據分析模型，采用統計量化分析的方法進行增益配電網投資風險評估的約束參數分析[5]，得到增益配電網投資風險信息更新規則，如式(5)。

(5)

1.2 樣本參數提取

(6)

當i∈I，j?I時，得到增益配電網投資風險評估的熵權融合模型，如式(7)。

(7)

(8)

式中，Xmax，Xmin分別為風險熵分布的最大評估閾值和最小閾值。將投資風險水平分為高、中、低三組，得到配電網投資風險評估的統計分析模型，如式(9)。

(9)

根據樣本數據分析結果進行模糊特征調度，進行增益配電網投資風險評估的綜合調度和模糊決策，提高電網投資風險的準確評估能力。

2 風險評估模型優化設計

2.1 配電網風險評估決策

在上述建立增益配電網投資風險大數據分析模型，并采用統計量化分析的方法進行增益配電網投資風險評估的約束參數分析的基礎上，進行增益配電網投資風險評估算法的優化設計，本文提出基于風險熵特征提取的增益配電網投資風險評估算法。采用輸出穩定性增益評估和模糊決策的方法進行配電網風險評估的優化決策和評估[7-8]，得到風險條件轉移概率表示，如式(10)。

(10)

配電網投資風險評估的狀態組合為λ=(X,O,A,B,π)，其中，X為增益配電網投資風險評估的隱含狀態，X={xi,i=1,2,3,…,N}；O為配電網投資風險評估的模型觀測狀態，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)

結合模糊綜合決策和博弈控制方法進行增益配電網投資風險集構造，分析配電網投資風險評估的熵，采用自適應尋優算法[9]，得到風險評估的狀態特征分布函數,如式(12)。

(12)

采用自適應的機器學習算法進行增益配電網投資風險評估的自適應尋優，得到配電網投資風險的量化評估特征分布滿足i∈I，由此構建配電網風險評估決策模型，根據模糊決策結果進行風險評估的量化分析和統計學建模[10]。

2.2 配電網投資風險評估尋優

建立增益配電網投資風險評估的專家系統分析模型，采用自適應學習算法[11]，得到增益配電網投資風險評估的樣本集，如式(13)。

(13)

式中，pj(t)為第t次迭代后增益配電網投資風險評估的模糊規則集，pg(t)表示配電網投資風險評估自適應參數，a1與a2表示兩個最優評估效果，給出增益配電網投資風險評估的模糊聚斂控制函數，如式(14)。

(14)

式中，Hi表示模糊函數參數，Si表示聚斂函數參數，Vi表示投資控制概率，在投資不足的顯著性水平度上，配電網投資的盈利特征為Mh，在融資風險加大的情況下，得到增益配電網投資風險評估的有限數據集，如式(15)。

X={x1,x2,…,xn}?Rs

(15)

式中，增益配電網投資風險評估樣本集中含有n個樣本，樣本xi，i=1,2,…,n，結合風險熵調度，得到風險熵增益，如式(16)。

(16)

式中，e(t)為風險熵增益影響因子，則資本回報率的估計結果，如式(17)。

(17)

綜上分析，進行增益配電網投資風險量化評估，提高配電網的投資風險管控能力[12]。

3 實驗測試分析

采用SPSS 17.0軟件和Matlab仿真工具進行增益配電網投資風險評估分析，對增益配電網投資風險評估數據的采樣長度為1 024，統計周期內投資增長的關聯系數為0.48，風險決策關聯系數為0.48，訓練集規模為500，風險評估的描述性統計分析結果，如表1所示。

表1 描述性統計分析結果

根據上述描述性統計分析結果，采用統計量化分析的方法進行增益配電網投資風險評估的約束參數分析，得到配電網投資風險評估的統計分布，如圖1所示。

圖1 配電網投資風險評估的統計分布

根據圖1的統計信息，采用輸出穩定性增益評估和模糊決策的方法進行配電網風險評估的優化決策和評估，得到增益配電網投資風險評估輸出，如圖2所示。

分析圖2得知，采用本文方法能有效實現配電網投資風險評估，與文獻[2]、文獻[3]對比測試風險評估的準確度水平，如圖3所示。

圖2 配電網投資風險評估輸出

圖3 配電網投資風險評估的準確性對比

分析圖3得知，采用本文方法能有效實現增益配電網投資風險評估，評估的置信度水平較高。

為實現此投標企業的最優增益配電網報價，優化供電分區以及增益配電網分配相關增益因素，獲取增益配電網工程投資風險的需求要素，分別利用本文算法和文獻[2]、文獻[3]方法對某增益配電網工程造價風險進行評估，將兩個項目實際的工程各風險指標與單個造價累計報價結果相對比，如圖4所示。

圖4 增益配電網工程造價風險評估對比結果

由圖4可知，使用本文方法的工程累計報價在各個工程風險指標中都低于其他兩種方法，主要因為本文方法所構建的增益配電網投資風險評估的專家系統分析模型，計算出此投標企業的最優報價，獲取優化供電分區以及增益配電網相關分配因素，精準的風險評估降低多余的工程耗費，減少了工程造價累計報價，相對應的，以上對比結果證明了增益配電網投資風險評估模型能夠進行投資風險的有效評估。

4 總結

研究增益配電網投資風險評估方法，結合財務風險決策和大數據分析的方法進行配電網投資風險預測，提高增益配電網投資風險評估和決策水平。本文提出基于風險熵特征提取的增益配電網投資風險評估算法，結合多元逐步回歸分析方法進行配電網投資風險評估的綜合性決策，根據樣本數據分析結果進行模糊特征調度，進行增益配電網投資風險評估的綜合調度和模糊決策，建立增益配電網投資風險評估的專家系統分析模型，采用最大似然估計和模糊多參數約束控制的方法實現配電網投資風險評估模型的優化設計。分析得知，本文方法進行配電網投資風險評估的準確性較高，置信度水平較好。