基于蒙特卡洛方法的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法

王筠, 胡聰, 王偉, 項(xiàng)旭, 李志鵬

(國網(wǎng)安徽電力信通分公司， 安徽， 合肥 230000)

0 引言

隨著信息技術(shù)的不斷進(jìn)步，數(shù)字孿生、人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等新型信息技術(shù)得到了蓬勃發(fā)展[1]，并在電力信息領(lǐng)域得到了廣泛的應(yīng)用[2-3]。電網(wǎng)公司為推進(jìn)中國特色能源互聯(lián)網(wǎng)企業(yè)戰(zhàn)略，啟動(dòng)了大量的電力信息項(xiàng)目建設(shè)[4]，參與電力信息項(xiàng)目建設(shè)的廠商也逐年增多，項(xiàng)目建設(shè)的風(fēng)險(xiǎn)管控也日趨重要[5-6]。由于電力信息項(xiàng)目的建設(shè)廠商技術(shù)能力參差不齊，造成了電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)日益增加[7-8]，因此，亟需開展電力信息項(xiàng)目建設(shè)的風(fēng)險(xiǎn)評估。

國內(nèi)外大量學(xué)者對電力信息項(xiàng)目的風(fēng)險(xiǎn)評估做了大量研究。文獻(xiàn)[9]提出了一種定性和定量相結(jié)合的電力信息項(xiàng)目風(fēng)險(xiǎn)評估模型，提高了評估的準(zhǔn)確性。文獻(xiàn)[10]提出了一種基于專家和層次法結(jié)合的電力項(xiàng)目風(fēng)險(xiǎn)評估模型，通過對風(fēng)險(xiǎn)點(diǎn)進(jìn)行溯源，實(shí)現(xiàn)對電力信息項(xiàng)目的風(fēng)險(xiǎn)評估。文獻(xiàn)[11]提出了一種基于趨勢預(yù)測的電力信息項(xiàng)目風(fēng)險(xiǎn)評估方法，通過對電力信息項(xiàng)目風(fēng)險(xiǎn)變化特征進(jìn)行分析，實(shí)現(xiàn)對電力信息項(xiàng)目的風(fēng)險(xiǎn)評估。文獻(xiàn)[12]提出了一種基于項(xiàng)目建設(shè)全生命周期的電力項(xiàng)目風(fēng)險(xiǎn)評估方法，通過對風(fēng)險(xiǎn)分析、預(yù)測、監(jiān)控和應(yīng)對，實(shí)現(xiàn)對電力項(xiàng)目風(fēng)險(xiǎn)的評估。文獻(xiàn)[13]提出了一種基于風(fēng)險(xiǎn)預(yù)測的電力信息項(xiàng)目風(fēng)險(xiǎn)評估方法，通過對電力信息項(xiàng)目中的風(fēng)險(xiǎn)進(jìn)行分解及狀態(tài)預(yù)測，實(shí)現(xiàn)對電力信息項(xiàng)目的風(fēng)險(xiǎn)評估。由此可見，電力信息項(xiàng)目風(fēng)險(xiǎn)評估方法多樣，且取得了一定的成績，但還存在著風(fēng)險(xiǎn)辨識(shí)能力低、控制措施不強(qiáng)的問題。

為了解決電力信息項(xiàng)目建設(shè)中存在的風(fēng)險(xiǎn)辨識(shí)不足、控制措施不強(qiáng)的問題，文中提出了一種基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法。首先，對電力信息項(xiàng)目建設(shè)過程中的風(fēng)險(xiǎn)進(jìn)行辨識(shí)，并形成典型的項(xiàng)目風(fēng)險(xiǎn)集;然后，采用蒙特卡洛算法分析信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)發(fā)生的概率和產(chǎn)生的后果,并對電力信息項(xiàng)目承受該風(fēng)險(xiǎn)的能力進(jìn)行分析;最后，提供風(fēng)險(xiǎn)防范建議。

1 電力信息項(xiàng)目風(fēng)險(xiǎn)評估框架

本文所述的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法框架如圖1所示。該框架分為電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)辨識(shí)、項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率及風(fēng)險(xiǎn)后果分析、項(xiàng)目承受風(fēng)險(xiǎn)能力分析和風(fēng)險(xiǎn)消除建議分析等4部分。

圖1 電力信息項(xiàng)目風(fēng)險(xiǎn)評估框架圖

由圖1可見，在電力項(xiàng)目建設(shè)風(fēng)險(xiǎn)辨識(shí)環(huán)節(jié)，首先提取電力信息項(xiàng)目的運(yùn)行特征數(shù)據(jù);然后對電力信息項(xiàng)目建設(shè)的風(fēng)險(xiǎn)類型、重要級別等風(fēng)險(xiǎn)點(diǎn)信息進(jìn)行識(shí)別;在此基礎(chǔ)上，建立電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)集。在項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率及風(fēng)險(xiǎn)后果分析環(huán)節(jié)，通過蒙特卡洛算法分析電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)發(fā)生的概率和電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)發(fā)生后，對項(xiàng)目帶來的后果。在項(xiàng)目承受風(fēng)險(xiǎn)能力分析，分析電力信息項(xiàng)目的風(fēng)險(xiǎn)對風(fēng)險(xiǎn)的承受能力。在風(fēng)險(xiǎn)消除建議分析環(huán)節(jié)，向電力信息項(xiàng)目提出風(fēng)險(xiǎn)消除的建議方法。

2 電力信息項(xiàng)目風(fēng)險(xiǎn)評估建模

2.1 電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)辨識(shí)

(1) 項(xiàng)目建設(shè)運(yùn)行數(shù)據(jù)提取

在電力信息項(xiàng)目建設(shè)的過程中，主要包括了項(xiàng)目建設(shè)的進(jìn)度風(fēng)險(xiǎn)、質(zhì)量風(fēng)險(xiǎn)、數(shù)據(jù)風(fēng)險(xiǎn)、集成風(fēng)險(xiǎn)等[14]，如表1所示。本文對上述電力信息項(xiàng)目中的運(yùn)行特征數(shù)據(jù)進(jìn)行提取。

(2) 項(xiàng)目建設(shè)風(fēng)險(xiǎn)識(shí)別

在提取電力信息項(xiàng)目中的運(yùn)行特征數(shù)據(jù)后，采用深度置信網(wǎng)絡(luò)(depp belief networks, DBN)[15]對上述運(yùn)行特征數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)識(shí)別，獲得電力信息項(xiàng)目建設(shè)的風(fēng)險(xiǎn)類型、重要級別等風(fēng)險(xiǎn)點(diǎn)信息。

DBN是一種神經(jīng)網(wǎng)絡(luò)，由許多個(gè)受限玻爾茲曼機(jī)神經(jīng)元構(gòu)成，通過顯層網(wǎng)絡(luò)輸入訓(xùn)練數(shù)據(jù)，通過隱層網(wǎng)絡(luò)進(jìn)行電力信息項(xiàng)目的風(fēng)險(xiǎn)特征識(shí)別。

設(shè)電力信息項(xiàng)目提取了na個(gè)運(yùn)行特征數(shù)據(jù)，運(yùn)行特征為k，運(yùn)行特征的權(quán)重?cái)?shù)據(jù)為φ，則電力信息項(xiàng)目風(fēng)險(xiǎn)識(shí)別的顯層網(wǎng)絡(luò)聯(lián)合分布概率Ja為

Ja=(k1φ1|k2φ2,……,|knaφna)

(1)

表1 電力信息項(xiàng)目建設(shè)運(yùn)行數(shù)據(jù)提取表

在隱層網(wǎng)絡(luò)輸出電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)識(shí)別時(shí)，設(shè)置電力信息項(xiàng)目建設(shè)偏置函數(shù)為?，隱層網(wǎng)絡(luò)輸出的電力信息項(xiàng)目的風(fēng)險(xiǎn)特征識(shí)別值為ga：

ga=log(Ja)+?

(2)

由此，可獲得電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)的風(fēng)險(xiǎn)類型、重要級別等風(fēng)險(xiǎn)點(diǎn)信息。

(3) 構(gòu)建項(xiàng)目建設(shè)風(fēng)險(xiǎn)集

在進(jìn)行電力信息項(xiàng)目建設(shè)的風(fēng)險(xiǎn)識(shí)別后，將不同類型的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)點(diǎn)進(jìn)行分類和分級，并以此建立電力信息項(xiàng)目建設(shè)的風(fēng)險(xiǎn)集，如圖2所示。項(xiàng)目風(fēng)險(xiǎn)集主要分集成風(fēng)險(xiǎn)、數(shù)據(jù)風(fēng)險(xiǎn)、質(zhì)量風(fēng)險(xiǎn)、進(jìn)度風(fēng)險(xiǎn)、成本風(fēng)險(xiǎn)等5部分。

表2 項(xiàng)目風(fēng)險(xiǎn)集表

2.2 項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率及風(fēng)險(xiǎn)后果分析

蒙特卡洛算法是一種以概率統(tǒng)計(jì)理論為依據(jù)的數(shù)值統(tǒng)計(jì)方法。通過隨機(jī)數(shù)來解決計(jì)算的問題，可以較好地應(yīng)用于電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估中。

本文通過蒙特卡洛算法分析電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)發(fā)生的概率和電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)發(fā)生后對項(xiàng)目帶來的后果。

設(shè)電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)有隨機(jī)的變量nb個(gè)，電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)的隨機(jī)值Ri為

Ri=(R1,R2,…,Rnb)

(3)

設(shè)電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)概率的密度函數(shù)為ERi，功能函數(shù)Ba為

Ba=ERi(R1,R2,…,Rnb)

(4)

計(jì)算電力信息項(xiàng)目風(fēng)險(xiǎn)評估的概率值Da：

Da=1×Ba+(1-Ba)

(5)

設(shè)期望的概率風(fēng)險(xiǎn)為Sa，計(jì)算方差為Za：

Za=Sa(1-Da)

(6)

在完成電力信息項(xiàng)目風(fēng)險(xiǎn)分析發(fā)生的概率分析后，通過專家評估分析其對電力信息帶來的后果，風(fēng)險(xiǎn)概率計(jì)算偽代碼如下。

算法 求風(fēng)險(xiǎn)概率點(diǎn)輸入:項(xiàng)目進(jìn)度、質(zhì)量、成本、數(shù)據(jù)、集成 閾值 輸出:存在風(fēng)險(xiǎn)function BINSEG( ) if thenSTOPelseif thenrisk_data = risk_data.loc([:, ['timestampe','risk_host','srcip']])daily_risk_data = risk_data[risk_data.module=='risk' BINSEG( ) BINSEG ( )else STOPend if end if end function

通過將項(xiàng)目進(jìn)度、質(zhì)量、成本、數(shù)據(jù)、集成風(fēng)險(xiǎn)與閾值進(jìn)行比較，對于越限的數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)提醒。

2.3 項(xiàng)目承受風(fēng)險(xiǎn)能力分析

在完成電力信息項(xiàng)目風(fēng)險(xiǎn)的概率分析與帶來的后果分析后，分析電力信息項(xiàng)目的風(fēng)險(xiǎn)對風(fēng)險(xiǎn)的承受能力，項(xiàng)目承受風(fēng)險(xiǎn)能力如表3所示。

2.4 風(fēng)險(xiǎn)消除建議分析

在完成電力信息項(xiàng)目承受風(fēng)險(xiǎn)能力評估后，從電力信息項(xiàng)目的不同類型、發(fā)生概率等因素提供風(fēng)險(xiǎn)消除建議，使用最小的代價(jià)，保障電力信息項(xiàng)目建設(shè)的正常運(yùn)轉(zhuǎn)，風(fēng)險(xiǎn)消除建議如表4所示。

表3 項(xiàng)目承受風(fēng)險(xiǎn)能力分級表

表4 風(fēng)險(xiǎn)消除建議表

3 電力信息項(xiàng)目風(fēng)險(xiǎn)評估仿真流程

本文所提的基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估仿真流程如圖2所示。

圖2 電力信息項(xiàng)目風(fēng)險(xiǎn)評估仿真流程圖

步驟1 對電力信息項(xiàng)目建設(shè)的風(fēng)險(xiǎn)類型、重要級別等風(fēng)險(xiǎn)點(diǎn)信息進(jìn)行識(shí)別，并建立電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)集。

步驟2 分析電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)發(fā)生的概率和對項(xiàng)目帶來的后果。

步驟3 分析電力信息項(xiàng)目的風(fēng)險(xiǎn)對風(fēng)險(xiǎn)的承受能力。

步驟4 向電力信息項(xiàng)目輸出風(fēng)險(xiǎn)消除的建議方法。

4 算例分析

為驗(yàn)證本文所提基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法的有效性，在某省的電力信息項(xiàng)目建設(shè)中進(jìn)行實(shí)例驗(yàn)證。采用的計(jì)算機(jī)軟件操作系統(tǒng)為Windows Server 2016，處理器Intel 至強(qiáng)16核2.4 G，內(nèi)存32 G。

試驗(yàn)的數(shù)據(jù)來源為信息建設(shè)項(xiàng)目監(jiān)控系統(tǒng)，數(shù)據(jù)類型為信息項(xiàng)目風(fēng)險(xiǎn)評估中的進(jìn)度、質(zhì)量、成本、數(shù)據(jù)、集成風(fēng)險(xiǎn)數(shù)據(jù)。

文獻(xiàn)[11]的趨勢預(yù)測法是一種行業(yè)內(nèi)優(yōu)秀的信息項(xiàng)目評估方法，具有計(jì)算快、準(zhǔn)確率高的特點(diǎn)，因此，選用該方法與本文所提方法進(jìn)行試驗(yàn)對比。

(1) 風(fēng)險(xiǎn)評估模型評估耗時(shí)

電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估的耗時(shí)是模型運(yùn)行效率的核心指標(biāo)。模型運(yùn)行耗時(shí)越短，模型的性能就越高。

為驗(yàn)證本文所提基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法的模型評估耗時(shí)，選擇10、20、30、40、50、80、100、150、200個(gè)電力信息項(xiàng)目，比對本文所提方法與趨勢預(yù)測方法的模型運(yùn)行耗時(shí)，運(yùn)行結(jié)果如表5所示。

表5 風(fēng)險(xiǎn)評估模型耗時(shí)表

由表5可見，本文所提基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法的模型評估耗時(shí)短于趨勢預(yù)測方法。

(2) 風(fēng)險(xiǎn)評估準(zhǔn)確率

電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)預(yù)測準(zhǔn)確率是風(fēng)險(xiǎn)評估的核心指標(biāo)，本文將風(fēng)險(xiǎn)評估結(jié)果與手工比對數(shù)據(jù)進(jìn)行對比，兩者一致，則為準(zhǔn)確，其比值為準(zhǔn)確率。

為驗(yàn)證本文所提基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法的模型評估主準(zhǔn)確率，選擇60、80、100、120、160、200個(gè)電力信息項(xiàng)目，比對本文所提的基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法與趨勢預(yù)測法的準(zhǔn)確率，其結(jié)果如圖3所示。

圖3 電力信息項(xiàng)目風(fēng)險(xiǎn)預(yù)測準(zhǔn)確率對比圖

由圖3可見，本文所提于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法評估準(zhǔn)確率高于趨勢預(yù)測法。

5 總結(jié)

為了解決電力信息項(xiàng)目建設(shè)中存在的風(fēng)險(xiǎn)辨識(shí)不足、控制措施不強(qiáng)的問題，本文提出了一種基于蒙特卡洛的電力信息項(xiàng)目建設(shè)風(fēng)險(xiǎn)評估方法。首先對電力信息項(xiàng)目建設(shè)過程的風(fēng)險(xiǎn)進(jìn)行全域辨識(shí)，并對風(fēng)險(xiǎn)發(fā)生的概率和產(chǎn)生后果進(jìn)行預(yù)估;在項(xiàng)目風(fēng)險(xiǎn)評估的基礎(chǔ)上，提供風(fēng)險(xiǎn)防范建議;最后在某省應(yīng)用文中所提方法，其結(jié)果驗(yàn)證了所提方法的有效性。

下一步，將結(jié)合電力信息項(xiàng)目的規(guī)劃階段的特征信息，對本文的風(fēng)險(xiǎn)評估做進(jìn)一步完善。