基于TOPSIS和灰色關聯度的電網企業運營項目風險衡量模型

丁智華， 黃鑫， 林可堯

(國網福建省電力有限公司，福建，福州 350001)

0 引言

電網企業越來越重視運營項目風險衡量工作，通過風險衡量結果找出潛在風險，為企業升級與轉型提供更加可靠的發展戰略[1]。因此，文獻[2]提出了一個基于rSYR指標的風險衡量模型，結合企業運營項目存在的問題，分析這些問題在項目中的風險貢獻度，同時為了避免項目規模效應，還對該指標進行了標準化處理，加強模型的衡量效果。文獻[3]基于穩健極端值模型，刻畫企業的項目風險類別，優化風險衡量模型。

但是以上方法的風險衡量模型的衡量步驟相對單一，無法對風險類型進行細分，由此，引入TOPSIS和灰色關聯度方法，對電網企業運營項目風險衡量模型的構建過程進行詳細描述。其中，灰色關聯度是對象變化關聯的度量結果；TOPSIS是technique for order preference by similarity to ideal solution的簡稱，譯成中文為逼近理想解的排序方法，該方法通過計算有限的評價指標與理想解，對評價數據進行最優排序。

1 電網企業運營項目風險衡量模型

1.1 度量電網企業運營項目風險元

風險指標是實際結果與預期結果之間的衡量指標，因此建立衡量模型，需要將風險作為衡量指標[4]，此時，為了使構建的模型能夠有效衡量運營項目風險，引入風險元的基本內涵，并度量電網企業運營項目風險元。

現階段，電網企業運營項目風險元即運營項目中存在的主要問題包括：項目立項時，可行性報告編制質量不高，缺乏深度，導致項目范圍不清、清單不實、概算不實；需求報送，物資或服務供應商報送不及時、不準確，且不確定材料影響實施進度；過程管控方面，施工管理單位落實協調、跟蹤等管理職責不到位，項目節點經濟核算不一致，成本信息不對稱，技術方案不落實，經常變更或簽證導致預算失控；驗收收尾中存在一些隱蔽環節，驗收不夠詳細，甚至計劃少，容易出現廉政風險。

(1)

模糊風險元的度量公式為

(2)

式中,G表示歸一化常數,W(fi)表示論域W中，映射范圍fi為[0,1]的模糊函數。灰色風險元的度量公式為

(3)

(4)

1.2 基于TOPSIS和灰色關聯度設置風險衡量

根據TOPSIS和灰色關聯度基本定義，設置模型衡量電網企業運營項目風險衡量的一般步驟。規范風險指標，利用熵權法確定風險指標的權重，以此構建指標矩陣：

(5)

對4個風險元指標進行評價，對應的指標統一用uij表示。鑒于風險元指標之間的差異性較大，因此規范化處理上述公式，得到無量綱化指標矩陣：

(6)

熵權法確定風險指標權重，第j個指標的熵值為

(7)

式中,hi表示熵值,gij表示第j類風險元中第i種方案的比重。因此根據上述計算，得到第j個指標的熵權為qj，指標權重為qi[8]。在整個項目的執行過程中，包括供貨與設備提供進度、規范文件編制、廠家收資、交付施工閱紙進度等都屬于關鍵點，此類細微之處也存在難點，因此，需要將指標權重規范化即與規范化的矩陣相乘，在每一個環節保證項目的執行力，得到加權標準化矩陣C，然后根據正理想解和負理想解，確定樣本數據的歐氏距離和灰色關聯度。下列公式為理想解的計算結果：

(8)

(9)

根據上述計算結果，得到正理想解和負理想解之間的灰色關聯度[9]。其中兩個理想解的灰色關聯系數，計算公式為

(10)

(11)

(12)

依據貼近度Ti對風險元指標進行排序，Ti值越大說明樣本越貼近正理想樣本,越小則越貼近負理想樣本。通過TOPSIS和灰色關聯度，設置模型衡量步驟。

1.3 構建風險衡量模型

根據風險元度量結果可知，目前的風險雖然主要分為4個大類，但從企業自身的角度來說，運營項目風險指標可以分為內部風險和外部風險。表1介紹了目前幾種常見的風險因素[11]。

表1 常見的企業運營項目風險因素

表1中風險程度的數值，是權數與標準得分之間的比值。根據表1中的多項企業運營項目風險因素，結合基于TOPSIS和灰色關聯度的風險衡量步驟，建立風險衡量模型，該模型具有二維屬性，如圖1所示。

圖1 模型的二維屬性示意圖

根據圖1中的數據可知:橫坐標表示模型滿足衡量預期和不滿足預期，其中原點左側為不滿足區間，右側為滿足區間；縱坐標表示風險指標衡量結果的真實程度，其中上部表示衡量結果可信，下部表示衡量結果不可信。將度量的指標和設置的衡量步驟，與設計的模型衡量結構之間建立連接，至此在TOPSIS和灰色關聯度的應用下[12]，建立電網企業運營項目風險衡量模型。

2 仿真實驗

以某電力公司提出的工程進度計劃與其合同草案為數據來源，以中標后簽訂的中標通知書和合同為準則，以安全建設協議和廉政協議聲明為基礎，對工程施工進度、安全控制、質量保證、合理造價等全過程進行控制，從而使變電站電網企業項目的存在和實施具有一定的權威性和普遍價值意義，可以應用到本次仿真實驗當中。

將此次設計的風險衡量模型作為實驗組，以文獻[2]方法(傳統模型1)和文獻[3]方法(傳統模型2)作為對照組，根據建立的仿真測試平臺，對比分析本文方法風險指標衡量效果。

2.1 構造加權標準化矩陣

此次設計模型過程中，根據風險元度量結果，計算風險指標權重。下列公式是根據式(7)得到的加權標準化矩陣C的計算結果：

(13)

根據上述計算結果，按照式(8)得到同一屬性指標的正理想解和負理想解；然后根據式(9)計算理想解的歐氏距離；最后根據式(10)，得到正理想解和負理想解的灰色關聯度系數，從而獲得灰色關聯度。在上述計算分析基礎上，無量綱化處理歐氏距離和灰色關聯度，利用式(11)計算正理想解和負理想解的接近程度，最后根據式(12)計算相對貼近度，對風險指標進行排序優選。實驗組完成上述步驟后建立風險衡量模型。為了保證此次設計的模型可以投入實驗測試，設置了5類分辨系數，評價加權標準化矩陣的熵權二級指標，結果如圖2所示。

圖2 二級指標價值評估結果

根據圖2中的測試結果可知，依據式(13)，對風險元指標進行排序，貼近度越大越說明樣本越貼近正理想樣本,越小則越貼近負理想樣本，其中:從可靠性方面來看，E組的二級指標評估值最優；從經濟性角度來看，同樣是E組的二級指標評估值最優；從技術監督的角度來看，D組的評估值最優；從運行小指標來看，E組有更好的評估結果。綜合上述測試結果，將分辨系數φ的值設置為與E組一致的值。其他兩種傳統方法也按照自身的設計步驟，建設衡量矩陣。比較3個不同的風險衡量模型，獲取電網企業運營項目風險的衡量效果。

2.2 風險衡量效果測試

利用設置好的仿真測試平臺模擬多組電網企業運營項目風險指標，以文中設計模型為實驗組，圖3為仿真結果以及3個測試組對風險指標的衡量結果。

(a)文中設計模型

根據圖3可知，此次設計的模型，其風險指標衡量結果與仿真測試平臺的仿真數據高度近似，最高可達0.59，相似度最高為98%，而兩個傳統模型的風險衡量結果卻與仿真數據之間存在較大差異，可見此次設計的模型衡量風險的能力更強。

2.3 風險類型識別效果測試

保持基本測試條件不變，利用3個測試組，識別仿真空間中虛擬的風險數據，并對風險類型進行定位區分。測試結果如圖4所示。

(a)文中設計模型

圖4中，此次設計的模型將風險類型進行準確分類，而兩個傳統模型的風險分類效果并不理想，因此其風險程度衡量結果，可能會偏離仿真數據，貼近負理想樣本。可見TOPSIS和灰色關聯度應用下，本文設計模型的識別能力得到提升。

3 總結

在參考傳統設計方法的基礎上，將TOPSIS和灰色關聯度方法與衡量模型相結合，實現了模型整體性能的優化。但根據此次設計過程可知，由于TOPSIS和灰色關聯度方法的計算步驟較為復雜，因此在設置模型的衡量步驟時操作較為困難，很容易出現計算錯誤的情況。因此今后的研究任務中，可以對TOPSIS和灰色關聯度方法進行計算步驟優化，使整個設計過程更加簡潔便利，提高整體工作效率。