崔威，李曉英，郭宜薇

(1.河海大學(xué)水利水電學(xué)院，南京 210098；2.長江水利委員會長江科學(xué)院，武漢 430014)

隨著我國水利設(shè)施建設(shè)的快速發(fā)展，大量的水電站已投入運行，以水電為主的清潔能源逐步成為環(huán)境保護(hù)和社會發(fā)展的重要因素。

水電站運行的安全性一直是社會及國家關(guān)注的重點，也是當(dāng)前水電站研究的核心問題。長期以來，對于水電站風(fēng)險的研究大多集中在水電站建設(shè)上，而對于水電站的風(fēng)險評價則較少。面對大多數(shù)水電站安全形勢問題[1]，準(zhǔn)確評價其風(fēng)險水平成為保障水電站安全運行的首要問題。

我國的風(fēng)險分析研究起步較晚，對于水電站風(fēng)險評價的概念和研究也還處于初步階段。針對水電站風(fēng)險評價開展的研究有：李玉峰等[2]提出利用風(fēng)險矩陣對項目風(fēng)險進(jìn)行分級評價，以烏東德水電站為例研究水電站建設(shè)運行過程各類風(fēng)險因素；周志炎[3]采用層次分析法對小水電工程項目管理中的風(fēng)險因素進(jìn)行分類評價；李耀昌[4]將層次分析法與系統(tǒng)動力學(xué)相結(jié)合，分析并預(yù)測集控式水電站群運行中的各類風(fēng)險；焦峰[5]通過構(gòu)建多層次模糊綜合評價模型，對祥和水電站風(fēng)險進(jìn)行評價。在以往的研究中，水電站風(fēng)險評價通常使用單一的賦權(quán)法，如：層次分析法[6-7]、專家打分法、德爾菲法等主觀賦權(quán)法，其主觀隨意性較強(qiáng)，工程應(yīng)用中有一定的局限性；或TOPSIS法[8]、熵權(quán)法[9]等客觀賦權(quán)法，其過度依賴客觀數(shù)據(jù)，計算結(jié)果往往不令人滿意。

針對單一賦權(quán)法的缺點，博弈論組合賦權(quán)法能夠?qū)崿F(xiàn)主觀與客觀的統(tǒng)一，在一定程度上提高賦權(quán)決策的科學(xué)合理性[10-12]。本文收集整理近10年開都河流域上兩座串聯(lián)水電站各類事故賠案，篩選出風(fēng)險分析的典型事故資料，分析影響電站安全的主要風(fēng)險因素，并引入博弈論組合模型將模糊層次分析法(fuzzy analytic hierarchy process,FAHP)確定的主觀權(quán)重和CRITIC(criteria importance through intercriteria correlation)法確定的客觀權(quán)重進(jìn)行組合賦權(quán)，分析各風(fēng)險因子損失金額與風(fēng)險等級的隸屬函數(shù)，建立水電站風(fēng)險模糊綜合評價模型，根據(jù)評價結(jié)果確定水電站風(fēng)險等級。

1 風(fēng)險因素分析與風(fēng)險指標(biāo)體系建立

我國水電站大多位于偏遠(yuǎn)地區(qū)，影響安全的風(fēng)險因素較為復(fù)雜。在評價其風(fēng)險等級時，需將其評價主體定性分析，充分考慮隨機(jī)性和模糊性，動態(tài)分析辨識水電站風(fēng)險[13]。

水電站風(fēng)險是風(fēng)險事故發(fā)生概率和風(fēng)險損失的結(jié)合，本文采用事故致因理論[14]對收集的50例電站典型事故資料進(jìn)行分析，總結(jié)各類事故發(fā)生的原理，確定水電站主要風(fēng)險因素為自然環(huán)境風(fēng)險、電力運行風(fēng)險和建筑與設(shè)備風(fēng)險。

1.1 自然環(huán)境風(fēng)險

自然環(huán)境因素是指電站本身和周邊環(huán)境中的自然因素導(dǎo)致的事故，主要包括暴雨洪水、凍脹、雷擊、大風(fēng)、泥石流等。盡管水電站對洪水等風(fēng)險有相關(guān)的防護(hù)標(biāo)準(zhǔn)，但自然環(huán)境因素對電站安全的影響主要為次生災(zāi)害影響，其事故大多是這些因素造成電站運行故障等原因引發(fā)的次生損失。

1.2 電力運行風(fēng)險

電力運行風(fēng)險因素包括電力設(shè)備風(fēng)險和運行維護(hù)作業(yè)風(fēng)險。電力設(shè)備風(fēng)險是指電站廠房內(nèi)部各類電氣設(shè)備的安全問題，包括電流沖擊、過電壓、感應(yīng)電等。運行維護(hù)作業(yè)是水電站日常生產(chǎn)的工作形態(tài)，電站生產(chǎn)工作中的超負(fù)荷運行和人員誤操作等因素是導(dǎo)致機(jī)器設(shè)備損壞造成經(jīng)濟(jì)損失的重要風(fēng)險因素。電力運行風(fēng)險是影響水電站安全的重要部分，且電力運行風(fēng)險更多地涉及日常工作，在實際運行中易于管理，分析其風(fēng)險因素并確定風(fēng)險等級可為后期采取風(fēng)控措施提供指導(dǎo)。

1.3 建筑與設(shè)備風(fēng)險

建筑與設(shè)備是水電站的重要組成部分，承擔(dān)著生產(chǎn)發(fā)電的任務(wù)，任何的建筑和設(shè)備異常都會影響電站安全。水電站是一個復(fù)雜的系統(tǒng)，設(shè)備種類繁多，將其進(jìn)行分類評價，其風(fēng)險包括設(shè)備故障、工藝缺陷和工程質(zhì)量等問題，集中體現(xiàn)在電站內(nèi)部設(shè)備和大壩的建筑質(zhì)量安全方面。同時該風(fēng)險除了對電站本身安全產(chǎn)生直接威脅外，也會間接影響電站的生產(chǎn)運行，造成營業(yè)中斷損失。因而將其作為風(fēng)險識別的重要內(nèi)容，分析其對電站安全的影響程度，能有效提高風(fēng)險評價的準(zhǔn)確性。根據(jù)以上分析，建立水電站風(fēng)險因素指標(biāo)體系，見表1。

表1 水電站風(fēng)險因素指標(biāo)體系

2 模糊風(fēng)險評價模型建立

2.1 確定模糊關(guān)系矩陣

建立因素集。模糊分析的首要步驟是建立因素集[15]，將評價對象根據(jù)風(fēng)險識別分解成若干個評價要素，建立評價對象的因素集

U=(u1,u2,…,um)

(1)

式中：ui(i=1,2,…,m)為準(zhǔn)則層上第i個風(fēng)險因素，其又分解為對應(yīng)的指標(biāo)層因素。

建立評價集。以水利部頒布的導(dǎo)則[16]為基礎(chǔ)，從風(fēng)險分析的角度出發(fā)，根據(jù)工程實際情況，確立水電站風(fēng)險評價等級[17]。根據(jù)模糊評價對水電站風(fēng)險等級進(jìn)行分類表述，建立評價集

V=(v1,v2,v3,v4,v5)

(2)

式中：v1為極低風(fēng)險;v2為低風(fēng)險;v3為一般風(fēng)險;v4為高風(fēng)險;v5為極高風(fēng)險。

電站事故主要通過損失金額反映其嚴(yán)重程度，因此需要根據(jù)各指標(biāo)造成的事故損失金額劃分其風(fēng)險度區(qū)間，即損失金額越大，風(fēng)險度越大，電站風(fēng)險等級就越高。

進(jìn)行單因素評價，建立模糊關(guān)系矩陣。運用模糊數(shù)學(xué)進(jìn)行單因素評價時，一般采用隸屬度函數(shù)分析判斷因素，隸屬度函數(shù)在不同程度上受到主觀判斷和客觀數(shù)據(jù)的影響，其合理與否決定最終評價結(jié)果的有效性。常見的隸屬度函數(shù)有三角形分布、梯形分布、拋物型分布、正態(tài)型分布、Cauchy型分布和嶺型分布等[18]。前面分析的各風(fēng)險指標(biāo)與風(fēng)險等級基本成正比的關(guān)系，以事故損失金額為判斷依據(jù)，采用梯形分布函數(shù)確定隸屬度，其表達(dá)式如下:

偏小型

(3)

中間型

(4)

偏大型

(5)

則該指標(biāo)對應(yīng)的隸屬度值ri為

ri=(ri1,ri2,ri3,ri4,ri5)

(6)

式中：rij(j=1～5)為第i個元素對應(yīng)不同評價等級的隸屬度函數(shù)，其等級依次為極低風(fēng)險、低風(fēng)險、一般風(fēng)險、高風(fēng)險和極高風(fēng)險；ai(i=1～4)分別為對應(yīng)風(fēng)險等級的賠償標(biāo)準(zhǔn)；x為損失金額，萬元。

依據(jù)損失金額，將因素集中各指標(biāo)代入對應(yīng)的隸屬度函數(shù)中，計算其隸屬度，得到單因素評判矩陣為

2.2 計算組合權(quán)重

2.2.1模糊層次分析法確定主觀權(quán)重

為反映不同因素對于評價目標(biāo)的重要程度，需對各因素賦予相應(yīng)的權(quán)數(shù)建立因素權(quán)重集。傳統(tǒng)的層次分析法依靠專家在一定準(zhǔn)則下根據(jù)主觀經(jīng)驗通過兩兩比較的方式確定各指標(biāo)的相對重要性形成判斷矩陣，主觀隨意性較強(qiáng)，且難以保證判斷矩陣的一致性[19]。引入模糊層次分析法將模糊一致矩陣與層次分析法相結(jié)合，在保留傳統(tǒng)AHP法的優(yōu)點時，保證了判斷矩陣的一致性，使其更符合決策判斷[20]，其計算過程如下:

構(gòu)建風(fēng)險指標(biāo)模糊互補(bǔ)矩陣。參考相關(guān)規(guī)范[21]和已有研究[22-23]，結(jié)合工程實際情況，將水電站風(fēng)險的發(fā)生概率進(jìn)行分級，見表2。將選取的n個水電站風(fēng)險評價指標(biāo)進(jìn)行風(fēng)險概率等級評分，將指標(biāo)評分結(jié)果兩兩比較，以0.1～0.9標(biāo)度的模糊關(guān)系隸屬度將模糊關(guān)系定量化，見表3，得到模糊判斷矩陣為

表2 風(fēng)險概率等級標(biāo)準(zhǔn)

式中：矩陣A=(aij)n×n，由表3中模糊關(guān)系隸屬度可知aij滿足0≤aij≤1且aij+aji=1，由文獻(xiàn)[21]可知矩陣A為模糊互補(bǔ)矩陣。

表3 風(fēng)險指標(biāo)模糊關(guān)系標(biāo)度值

(9)

得到矩陣B=(bij)n×n，其中各元素滿足bij=bik-bjk+0.5，根據(jù)文獻(xiàn)[21]可知矩陣B為模糊一致矩陣，無須進(jìn)行一致性檢驗。

計算風(fēng)險指標(biāo)主觀權(quán)重。將風(fēng)險指標(biāo)模糊一致判斷矩陣B代入傳統(tǒng)AHP法，計算模糊層次分析法的主觀權(quán)重α=(α1,α2,…,αn)，即

(10)

2.2.2CRITIC法確定客觀權(quán)重

CRITIC法是通過計算指標(biāo)的變異性和沖突性來綜合衡量指標(biāo)權(quán)重的客觀賦權(quán)法[24]。指標(biāo)的變異性通過標(biāo)準(zhǔn)差的大小來反應(yīng)，標(biāo)準(zhǔn)差越大，樣本指標(biāo)的取值差異越大，其權(quán)重越高；指標(biāo)間的沖突性通過指標(biāo)之間的相關(guān)性來表示，指標(biāo)之間的相關(guān)系數(shù)越大，其沖突性越小，說明指標(biāo)所提供的重復(fù)信息多，相應(yīng)的權(quán)重就越小。其主要步驟[25]如下:

建立原始樣本數(shù)據(jù)矩陣X=(xij)m×n，其中xij為第i個對象的第j個指標(biāo)取值，并將其按下式變換得到標(biāo)準(zhǔn)化矩陣X*

(11)

計算各指標(biāo)的變異系數(shù)

(12)

計算指標(biāo)的獨立性系數(shù)

(13)

式中：rkj為第k個和第j個指標(biāo)之間的相關(guān)性系數(shù)。

計算指標(biāo)的綜合性系數(shù)

Cj=νjηj,j=1,2,…,n

(14)

計算指標(biāo)權(quán)重βj，并得到客觀權(quán)重β=(β1,β2,…，βn)。

(15)

2.2.3基于博弈論的組合賦權(quán)法

基于博弈論的組合賦權(quán)法以納什均衡為目標(biāo)，協(xié)調(diào)主、客觀權(quán)重之間沖突，尋找權(quán)重間的一致和妥協(xié)，其過程是一個相互比較、相互協(xié)調(diào)的集成。水電站風(fēng)險主要體現(xiàn)在風(fēng)險發(fā)生概率和損失金額方面，兩者權(quán)重分別由FAHP法和CRITIC法計算，博弈論組合賦權(quán)法可以綜合考慮各指標(biāo)之間的固有信息，減少單一賦權(quán)法的片面性從而提高指標(biāo)賦權(quán)的合理性。其賦權(quán)步驟[20]如下。

使用FAHP法和CRITIC法兩種方法分別計算風(fēng)險指標(biāo)權(quán)重，基本權(quán)重集Wk={ωk1,ωk2,…,ωkn}(k=1,2,…,L),其中n為風(fēng)險指標(biāo)數(shù)量，L為確定權(quán)重方法個數(shù)，本文取值為2。設(shè)λ={λ1,λ2,…,λL)為線性組合系數(shù)，則組合權(quán)重為

(16)

根據(jù)博弈論思想，以Wi與Wk的離差最小為目標(biāo)，對線性組合系數(shù)進(jìn)行優(yōu)化，其對策模型為

(17)

根據(jù)矩陣微分性質(zhì)，確定上式最優(yōu)化的一階導(dǎo)數(shù)條件的線性微分方程組為

(18)

(19)

2.3 建立博弈論組合賦權(quán)的風(fēng)險評價模型

(20)

D=W*R=

(21)

根據(jù)最大隸屬度原則，以計算結(jié)果判斷水電站風(fēng)險等級。

3 案例分析

3.1 工程概況

本文研究的兩座串聯(lián)水電站位于開都河流域，電站類型為壩后式，所在區(qū)域的水文、氣候和地質(zhì)等條件相近。電站自2010年以來實行了運營項目保險統(tǒng)一安排，對各類風(fēng)險事故進(jìn)行保險理賠，降低了一定的損失。然而由于電站出險數(shù)和賠償金額長期處于高位導(dǎo)致保險費率逐年提高，水電站經(jīng)濟(jì)負(fù)擔(dān)增加，同時也對電站安全運行帶來極大挑戰(zhàn)。本研究旨在通過分析水電站事故賠案資料，探索水電站出險的深層次原因，評價電站風(fēng)險等級，進(jìn)而指導(dǎo)電站提高風(fēng)險管理水平。整理得到2010—2019年的水電站50例典型事故資料見表4。

表4 2010—2019年水電站典型事故資料

3.2 因素集建立及模糊關(guān)系矩陣確定

根據(jù)收集的50例水電站事故資料，結(jié)合水電站運行的實際情況，按照表1所示的風(fēng)險指標(biāo)進(jìn)行評價。根據(jù)確定的隸屬度函數(shù)可得自然環(huán)境風(fēng)險、電力運行風(fēng)險和建筑與設(shè)備風(fēng)險的單因素評判矩陣R1～R3

3.3 風(fēng)險因素組合權(quán)重計算

由于水電站風(fēng)險發(fā)生的概率受諸多因素影響，利用統(tǒng)計分析的年數(shù)和各風(fēng)險因素事故發(fā)生次數(shù)，計算各風(fēng)險因素的年發(fā)生概率，再由評估專家和電站人員依照風(fēng)險概率等級標(biāo)準(zhǔn)對各因素指標(biāo)進(jìn)行評分。將各指標(biāo)的評分結(jié)果兩兩進(jìn)行對比，判斷指標(biāo)間的相對重要性，得到模糊判斷矩陣。準(zhǔn)則層因素和自然環(huán)境風(fēng)險指標(biāo)、電力運行風(fēng)險指標(biāo)、建筑與設(shè)備風(fēng)險指標(biāo)對應(yīng)的模糊判斷矩陣A0～A3依次為

表5 水電站風(fēng)險因素權(quán)重值

結(jié)合事故資料和指標(biāo)層權(quán)重計算結(jié)果分析:在自然環(huán)境風(fēng)險中，暴雨洪水和泥石流的權(quán)重相對較高，而不同點在于暴雨洪水的發(fā)生概率高，使得其主觀權(quán)重較大；泥石流則因為平均損失金額高，其客觀權(quán)重明顯較大。對于電力運行風(fēng)險，電流沖擊與過電壓的權(quán)重較高，特別是組合系數(shù)更大的主觀權(quán)重中，從表4的數(shù)據(jù)可知原因是在各指標(biāo)損失金額普遍較低的情況下，事故發(fā)生概率越大的風(fēng)險越嚴(yán)重。在建筑與設(shè)備風(fēng)險中，盡管工程質(zhì)量問題的平均事故經(jīng)濟(jì)損失超過設(shè)備故障事故經(jīng)濟(jì)損失，但由于其發(fā)生頻次僅有2次，且單次損失金額差距較大，其在組合權(quán)重計算中權(quán)重值小于設(shè)備故障。通過對該電站詳細(xì)事故資料的分析，工程質(zhì)量問題主要發(fā)生于運行期初，后期工程質(zhì)量問題鮮有發(fā)生，但設(shè)備故障引起的事故卻每年都會出現(xiàn)。

3.4 基于組合賦權(quán)的風(fēng)險評價

表6 水電站風(fēng)險評價結(jié)果

根據(jù)最大隸屬度原則，可得該梯級水電站的風(fēng)險級別為低風(fēng)險。

3.5 評價結(jié)果分析

按最大隸屬度原則分析評價結(jié)果，可知該梯級水電站風(fēng)險等級整體為低風(fēng)險，對比歷史事故賠案，其在運行期內(nèi)事故發(fā)生的概率和損失處于低位，因此評價結(jié)果與實際情況一致。從準(zhǔn)則層模糊評價結(jié)果來看：自然環(huán)境風(fēng)險對低風(fēng)險的隸屬度較高，實際上該類風(fēng)險的發(fā)生概率高且事故損失金額分布較廣，導(dǎo)致其對于各風(fēng)險等級的隸屬度相對平均，而損失較小的事故占比大，因此該風(fēng)險指標(biāo)為低風(fēng)險；電力運行風(fēng)險發(fā)生概率不高且損失金額相對較少，整體處于低風(fēng)險；對于建筑與設(shè)備風(fēng)險，盡管其個別事故損失金額很高，但事故發(fā)生頻率較低，因此對一般風(fēng)險的隸屬度較高。

對目標(biāo)層的評價結(jié)果顯示，一般風(fēng)險隸屬度值僅次于極低風(fēng)險和低風(fēng)險值，表明水電站在一定程度上具有風(fēng)險增高的趨勢。如果不采取有針對性的風(fēng)控措施，該梯級水電站的風(fēng)險等級將會進(jìn)一步提高。

4 結(jié) 論

通過分析收集的水電站50例典型事故資料，根據(jù)事故致因理論確定影響水電站安全的風(fēng)險因素，選取自然環(huán)境、電力運行和建筑與設(shè)備3個主要風(fēng)險因素及對應(yīng)的13個評價指標(biāo)，建立了水電站風(fēng)險因素指標(biāo)體系。

依托模糊矩陣，采用FAHP法計算主觀權(quán)重；以損失金額為基礎(chǔ)，利用CRITIC法計算客觀權(quán)重。采用博弈論組合賦權(quán)得到組合權(quán)重用于水電站風(fēng)險評價。權(quán)重分析結(jié)果顯示，暴雨洪水和設(shè)備故障兩個風(fēng)險指標(biāo)最為重要，是影響水電站安全的主要風(fēng)險。

根據(jù)統(tǒng)計數(shù)據(jù)和模糊語言進(jìn)行風(fēng)險等級劃分，基于事故賠償金額建立隸屬度函數(shù)，結(jié)合權(quán)重結(jié)果對水電站進(jìn)行模糊綜合評價，結(jié)果顯示水電站風(fēng)險整體處于低風(fēng)險狀態(tài)，與事故賠案實際情況相符，表明模型的可靠性和實用性。