董華珊， 侯學(xué)良

(華北電力大學(xué) 工程技術(shù)與管理研究所， 北京 102206)

據(jù)統(tǒng)計，截至2021年底，中國光伏發(fā)電建設(shè)累計并網(wǎng)容量達30 598.7萬kW[1]，已成為全球光伏發(fā)電安裝量增長最快的國家。為實現(xiàn)“雙碳”目標(biāo)，國家發(fā)改委和國家能源局在《能源生產(chǎn)和消費革命戰(zhàn)略(2016—2040)》中明確指出：到2030年，國內(nèi)非化石能源發(fā)電要占總發(fā)電量的50%；到2050年，要占總量的70%～80%。由此可見，今后一段時期，中國將迎來光伏發(fā)電工程的建設(shè)新高峰。

然而，從工程項目管理角度來看，由于在光伏工程項目施工過程中，時常受到項目內(nèi)外各種風(fēng)險因素的干擾，會給項目質(zhì)量、進度、成本等建設(shè)目標(biāo)的順利實現(xiàn)帶來一定的阻礙和約束，這意味著對其風(fēng)險管理的成敗將決定項目運作成功與否。因此，如何對光伏項目施工中可能出現(xiàn)的各種風(fēng)險進行預(yù)測、分析和評估并針對性管理，以達到控制風(fēng)險、降低成本、提高效益的目的，已成為當(dāng)前工程項目管理領(lǐng)域亟待解決的重要課題。

1 研究現(xiàn)狀

隨著工程項目管理理論的不斷完善，工程項目管理中的風(fēng)險管理體系也逐漸成熟。光伏發(fā)電項目具有資源依賴性、資金密集性、技術(shù)密集性、社會公用性等基本特征，因此做好項目的風(fēng)險評價管控至關(guān)重要，不容忽視。馮鶴等根據(jù)電氣-幾何模型，深入研究并網(wǎng)光伏發(fā)電系統(tǒng)的損害來源、損害類型以及損失程度影響因素，并提出了并網(wǎng)光伏發(fā)電系統(tǒng)雷電災(zāi)害風(fēng)險評估的定量解決方法[2]。楊有民和孫冠男通過對光伏發(fā)電項目風(fēng)險特征和風(fēng)險類型的分析，探討了構(gòu)建基于層次分析法、模糊綜合評價法以及專家評價法的光伏發(fā)電項目風(fēng)險評價指標(biāo)體系的具體措施步驟[3]。何寧波在充分考慮分布式光伏發(fā)電項目整體實際情況的基礎(chǔ)上，利用層次分析法確定指標(biāo)權(quán)重，并運用物元可拓理論來獲得各評價等級的關(guān)聯(lián)度，最終建立了基于層次分析法(analytic hierarchy process，AHP)的物元可拓項目風(fēng)險評價模型[4]。汪順旭將風(fēng)險管理理論和光伏電站建設(shè)項目相結(jié)合，通過專家調(diào)查法和層次分析法來對風(fēng)險因素進行識別，并應(yīng)用模糊評價法來對光伏電站建設(shè)項目中存在的不確定因素進行預(yù)想推論，并針對事故隱患提出應(yīng)對措施[5]。

綜合上述學(xué)者們對光伏發(fā)電項目風(fēng)險評估的研究，不難發(fā)現(xiàn)存在一些局限性。大多數(shù)學(xué)者普遍關(guān)注對光伏發(fā)電項目進行全生命周期風(fēng)險評價，通過建立風(fēng)險評價指標(biāo)和評估模型來進行整體性風(fēng)險評估。如董博和楊小兵應(yīng)用模糊層次分析法來確定大型光伏發(fā)電項目投資、建設(shè)、運營、回購等階段的主要風(fēng)險因素及其風(fēng)險等級，但未深入分析相關(guān)風(fēng)險因素之間的轉(zhuǎn)化關(guān)聯(lián)影響[6]；楊彥等對光伏發(fā)電項目從籌備到實施到運營的全過程涉及的風(fēng)險單元進行識別，并采用ANP-TOPSIS組合的方法來建立光伏發(fā)電項目的整體風(fēng)險評估模型，但其評估的不確定性較強[7]?；蚴怯捎谄涓咄顿Y特點而更側(cè)重投資風(fēng)險評價，如成健等從政策變動、發(fā)電效益、投資權(quán)益等角度對光伏發(fā)電項目投資過程中面臨的主要障礙和風(fēng)險進行分析并提出相應(yīng)策略[8]；強麗娟運用問卷調(diào)查法和因子分析法來對光伏電站風(fēng)險評價指標(biāo)進行確認，結(jié)合AHP和熵權(quán)法來對指標(biāo)進行量化，并基于模糊綜合評價法來構(gòu)建光伏電站項目投標(biāo)報價風(fēng)險的評價模型[9]。

目前對于光伏發(fā)電項目施工階段風(fēng)險的研究尚不豐富，但其施工風(fēng)險管理卻在工程項目管理中占據(jù)非常重要的地位，因此需探索新方法來對光伏發(fā)電項目的施工風(fēng)險進行科學(xué)有效的評估，以便采取針對性管控措施來降低風(fēng)險、提高效益。

2 光伏發(fā)電項目施工風(fēng)險評估研究思路

光伏發(fā)電項目施工階段具有工期短、交叉作業(yè)多、作業(yè)面廣等特點，不確定性和復(fù)雜性[10]是施工風(fēng)險的主要來源。作為在不確定知識的表達和推理領(lǐng)域最行之有效的模型，貝葉斯網(wǎng)絡(luò)在表達和分析不確定性和概率性問題上有獨特優(yōu)勢，符合光伏發(fā)電項目施工風(fēng)險復(fù)雜多變的特征，故本文將貝葉斯網(wǎng)絡(luò)應(yīng)用于光伏發(fā)電項目施工風(fēng)險評估領(lǐng)域。

2.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)(Bayesian network，BN)，又稱信念網(wǎng)絡(luò)，適用于不確定知識的表達和推理決策，可用由節(jié)點及連接節(jié)點的有向邊構(gòu)成的有向無環(huán)圖(directed acyclic graph，DAG)來表示，節(jié)點表示隨機變量，有向邊表示變量之間的條件依賴，用條件概率表(conditional probability tables，CPT)表示其關(guān)系強度(即聯(lián)合概率分布)。因此，BN可寫為

G={(L，E)，P}

(1)

其中：L為網(wǎng)絡(luò)節(jié)點；E為有向無環(huán)圖；P為節(jié)點的條件概率分布。

條件概率P表示變量之間的依賴關(guān)系，可用貝葉斯定理來計算，其Bayes公式為

(2)

式中：P(Xi)、P(Xj)為先驗概率，可通過統(tǒng)計數(shù)據(jù)或經(jīng)驗知識獲得；P(Xi|Y)為后驗概率，即在Y發(fā)生的條件下Xi發(fā)生的概率；P(Y|Xi)、P(Y|Xj)均為條件概率。

由上可見，貝葉斯網(wǎng)絡(luò)可將先驗概率(即對事物已有的認知)和條件概率(即得到的新證據(jù))有效融合，推演得到后驗概率(即事物的發(fā)展規(guī)律)，使得對變量的統(tǒng)計推斷更合理。

構(gòu)建BN模型，需要特定網(wǎng)絡(luò)結(jié)構(gòu)的先驗概率和后驗概率作為網(wǎng)絡(luò)參數(shù)來進行運算[11]。在數(shù)據(jù)充分的情況下，可通過直接建模來確定其網(wǎng)絡(luò)參數(shù)，如采用極大似然估計[12]、隨機近似蒙特卡羅方法(SAMC)[13]等。但這些方法都需要大量的數(shù)據(jù)樣本，且研究主要以β分布和二項分布為主，具有一定的局限性。但由于國內(nèi)光伏發(fā)電項目缺少較為完備的風(fēng)險案例數(shù)據(jù)庫，可用有效數(shù)據(jù)較少，而Leaky Noisy-or Gate模型在有效數(shù)據(jù)不充分的情況下可依據(jù)專家知識和歷史經(jīng)驗來確定BN參數(shù)[14]，故本文采用Leaky Noisy-or Gate來計算BN參數(shù)。

2.2 Leaky Noisy-or Gate擴展模型

由于實際項目中還會存在一些其他的未知因素會影響節(jié)點Y，故Henrion提出了遺漏概率(leak probability)概念,繼而又提出Leaky Noisy-or Gate擴展模型，其定義如下。

假設(shè)Y(子節(jié)點)有2個相互獨立的父節(jié)點：Xi和Xall(即Xi以外的其他因素合并為Xall)，Pi和Pall是其連接概率；將所有未知因素合為一個因素XL，其連接概率為PL，則有

P(Y|Xi)=Pi+Pall-PiPall

(3)

(4)

由式(3)和式(4)聯(lián)立，可得

(5)

根據(jù)式(5)獲得父節(jié)點連接概率Pi后，再結(jié)合不確定因素XL及其連接概率PL(可由風(fēng)險歷史分布函數(shù)確定)，從而得出節(jié)點Y的條件概率為

(6)

綜上，基于Leaky Noisy-or Gate和貝葉斯網(wǎng)絡(luò)來對光伏項目施工風(fēng)險進行評估，其具體步驟如下：

1)采用德爾菲法對施工中存在的主要風(fēng)險因素進行識別和分類，并確定其先驗概率。

2)通過專家評議確認風(fēng)險因素之間的因果層級關(guān)系并排序，構(gòu)建貝葉斯網(wǎng)絡(luò)模型。

3)根據(jù)先驗概率來確定模型中各子節(jié)點與其父節(jié)點之間的連接概率。

4)利用Leaky Noisy-or Gate模型計算可得到整個貝葉斯網(wǎng)絡(luò)的CPT[15]。

5)采用專業(yè)分析工具Netica對施工風(fēng)險貝葉斯網(wǎng)絡(luò)模型進行仿真分析評估。

3 實例分析

以光伏發(fā)電項目施工階段的典型風(fēng)險因素作為研究對象，依靠專家確定節(jié)點及節(jié)點間關(guān)系，構(gòu)建貝葉斯網(wǎng)絡(luò)模型結(jié)構(gòu)，通過仿真分析，并與項目實際風(fēng)險因素情況進行結(jié)論比較，以驗證所建評估模型的合理性和有效性。

3.1 項目概況及其風(fēng)險因素識別與分類

以Z項目為例，其為200 MWp大型地面集中式光伏復(fù)合項目，總占地面積8 020畝(1 畝=666.7 m2)，總投資77 878.84萬元，運營期25年。場區(qū)位于騰格里沙漠地帶邊緣，地勢總體起伏較大且沙化嚴重；施工期為2020年10月15日至12月30日，有效工期不足3個月，日均氣溫-5～-10 ℃。

在了解Z項目實際情況后，通過分析中國近年來光伏發(fā)電項目施工中存在的風(fēng)險因素，以現(xiàn)場采訪和問卷調(diào)查的方式，對建設(shè)、監(jiān)理、設(shè)計、施工等相關(guān)單位管理人員及主要工作人員進行了施工風(fēng)險因素調(diào)查。共計發(fā)出239份調(diào)查表，實際回收227份，其中有效調(diào)查表的數(shù)量為214份，總有效率為89.5%，滿足要求。對有效調(diào)查表進行整理匯總分析，篩選出施工階段存在的10種主要風(fēng)險因素，且這些風(fēng)險因素之間存在較好的相互獨立性，風(fēng)險因素及符號見表1。

表1 施工階段主要風(fēng)險因素及符號

通過參考國內(nèi)外風(fēng)險因素分析實例并考慮光伏發(fā)電項目施工風(fēng)險特點，邀請48名專家對這些風(fēng)險因素進行分類，同時對有效樣本數(shù)據(jù)進行相關(guān)統(tǒng)計分析，獲得各個風(fēng)險因素的先驗概率，見表2。

表2 施工階段風(fēng)險因素及其先驗概率

為了更好地反映光伏發(fā)電項目施工風(fēng)險發(fā)生的可能性大小(概率)，經(jīng)專家組評議，可將其風(fēng)險概率等級劃分為5個等級，見表3。

表3 風(fēng)險概率等級評價標(biāo)準(zhǔn)

3.2 貝葉斯網(wǎng)絡(luò)模型建立

在以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)模型的研究中，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)是進行施工風(fēng)險預(yù)判的基礎(chǔ)。即將光伏發(fā)電項目整體施工風(fēng)險作為目標(biāo)層，3類具體風(fēng)險作為準(zhǔn)則層，細化風(fēng)險因素作為指標(biāo)層，各層存在隸屬關(guān)系，經(jīng)專家群決策對各層指標(biāo)進行排序，直至形成完整的基于施工風(fēng)險的貝葉斯網(wǎng)絡(luò)節(jié)點結(jié)構(gòu)(圖1)。結(jié)合客觀數(shù)據(jù)與專家知識，分析網(wǎng)絡(luò)節(jié)點變量間因果關(guān)系并進行邏輯推理，最終構(gòu)建Z項目施工風(fēng)險貝葉斯網(wǎng)絡(luò)模型(圖2)。

圖1 Z項目施工風(fēng)險貝葉斯網(wǎng)絡(luò)節(jié)點結(jié)構(gòu)

圖2 Z項目施工風(fēng)險貝葉斯網(wǎng)絡(luò)模型

3.3 貝葉斯網(wǎng)絡(luò)參數(shù)確定

由表2中的先驗概率可確定各子節(jié)點與其父節(jié)點之間的連接概率；再利用Leaky Noisy-or Gate模型計算得到CPT。限于篇幅，以安全風(fēng)險X2為例，其CPT見表4。

表4 安全風(fēng)險X2的CPT(1：發(fā)生；0：不發(fā)生)

3.4 基于貝葉斯網(wǎng)絡(luò)模型的施工風(fēng)險評估分析

常用BN分析工具較多，有GeNle[16-17]、Netica[18]、MATLAB的BNT工具箱[19]等。

Netica是一款專業(yè)高效的貝葉斯網(wǎng)絡(luò)搭建與仿真分析工具，可通過自動學(xué)習(xí)樣本數(shù)據(jù)來計算先驗概率，得出節(jié)點對結(jié)果的影響程度[11]，故擬采用Netica對案例進行仿真分析，來實現(xiàn)對施工風(fēng)險事件有效預(yù)測與診斷。

利用Netica軟件創(chuàng)建貝葉斯網(wǎng)絡(luò)，輸入各節(jié)點參數(shù)進行學(xué)習(xí)后，可得到光伏發(fā)電項目施工階段主要風(fēng)險因素的概率分布，可實現(xiàn)基于BN的風(fēng)險預(yù)測，定性分析出各風(fēng)險因素與事故之間的因果關(guān)系。為進一步定量判斷出施工階段的致因風(fēng)險鏈，利用BN的逆向推理來進行敏感性分析和關(guān)鍵性分析，可有效識別關(guān)鍵性風(fēng)險因素、規(guī)避敏感性風(fēng)險因素，從而降低施工階段的風(fēng)險概率，為項目管理決策提供更科學(xué)地依據(jù)和參考。

3.4.1 基于BN的風(fēng)險預(yù)測

將收集到的數(shù)據(jù)(先驗概率)進行規(guī)范化處理，導(dǎo)入Netica中并與網(wǎng)絡(luò)節(jié)點進行匹配，當(dāng)所有節(jié)點都匹配成功后進行參數(shù)學(xué)習(xí)，最后更新貝葉斯網(wǎng)絡(luò)圖，即可得到風(fēng)險預(yù)測的結(jié)果。輸入各節(jié)點參數(shù)并更新網(wǎng)絡(luò)后，可自動得到E發(fā)生的概率為49.2%，不發(fā)生的概率為50.8%，如圖3所示。根據(jù)表3可判斷出該項目施工風(fēng)險水平為中等(Ⅲ)，總體處于可控狀態(tài)，符合工程實際情況。

根據(jù)聯(lián)合概率計算，可得到E在兩種狀態(tài)下的概率為

P(E=1)=∑X1，X2，X3P(X1，X2，X3，

E=1)=0.492；

P(E=0)=1-P(E=1)=0.508。

計算結(jié)果與軟件仿真結(jié)果一致，說明Netica對貝葉斯網(wǎng)絡(luò)的施工風(fēng)險預(yù)測具有合理性。

3.4.2 基于BN的敏感性分析

敏感性分析是通過分析、測算項目中的不確定性因素對目標(biāo)的影響程度，進而衡量判斷項目承受風(fēng)險的能力。Netica可通過計算相關(guān)節(jié)點后驗概率的方差來確定其敏感程度，詳見表5。

表5 風(fēng)險事件E的敏感性分析結(jié)果

圖3 基于BN的風(fēng)險預(yù)測

由表5可知，對于施工風(fēng)險事故發(fā)生(E)的敏感性：管理風(fēng)險>安全風(fēng)險>質(zhì)量風(fēng)險；風(fēng)險因素中，Y9>Y8>Y10>Y5>Y3>Y4>Y6>Y2>Y7>Y1。從整體上看，管理風(fēng)險X3最為敏感，即影響最大，其中風(fēng)險因素Y9的敏感性最高，其他2個也較敏感；質(zhì)量風(fēng)險X1的敏感性最低，其原因是Y1和Y2的敏感性很低，被這兩個變量弱化。

3.4.3 基于BN的關(guān)鍵性分析

后驗概率可用來判定各個風(fēng)險因素對風(fēng)險事件的影響程度，即導(dǎo)致風(fēng)險事故發(fā)生的關(guān)鍵節(jié)點。施工風(fēng)險事件發(fā)生時，所觀測到的后驗概率≥0.6的風(fēng)險因素稱為關(guān)鍵性風(fēng)險[20]。

假定發(fā)生施工風(fēng)險事故，即E=1，基于已構(gòu)建的貝葉斯網(wǎng)絡(luò)可計算出各個風(fēng)險因素的后驗概率，并逆向推斷出導(dǎo)致風(fēng)險事件發(fā)生最可能的致因組合(關(guān)鍵性風(fēng)險因素)，該結(jié)果可對項目管理人員進行相應(yīng)故障診斷提供幫助，以便及時采取防范或補救措施，防止風(fēng)險升級、事故擴大。診斷結(jié)果如圖4和圖5所示。

圖4 基于BN的關(guān)鍵性分析

圖5 E=1時，各風(fēng)險因素的后驗概率

由圖4可知，引起施工風(fēng)險事件發(fā)生的事故致因中：在準(zhǔn)則層，管理風(fēng)險(X3)的觸發(fā)概率最大，為0.616；而在指標(biāo)層，材料設(shè)備質(zhì)量不合格(Y1)影響最大，為0.602。該診斷表明：即當(dāng)材料設(shè)備質(zhì)量存在隱患且現(xiàn)場管理工作不到位(如未落實進場驗收制度等)，將導(dǎo)致不合格材料設(shè)備被用于施工過程，極大提高了施工風(fēng)險事件的發(fā)生概率，具有邏輯意義。

由圖5可知，材料設(shè)備質(zhì)量不合格(Y1)為關(guān)鍵性風(fēng)險，需重點監(jiān)控、管理。

4 結(jié)論

基于214份調(diào)查問卷和實例，運用貝葉斯網(wǎng)絡(luò)理論，建立了光伏發(fā)電項目施工風(fēng)險評估模型，并利用專業(yè)分析工具Netica進行仿真分析，實現(xiàn)了對施工風(fēng)險的有效預(yù)判和診斷，并進一步識別出了關(guān)鍵性風(fēng)險和敏感性風(fēng)險，得到以下結(jié)論：

1)在理論知識和實際案例的基礎(chǔ)上，本文建立了基于Leaky Noisy-or Gate和貝葉斯網(wǎng)絡(luò)的光伏項目施工風(fēng)險評估模型，可對施工風(fēng)險事故發(fā)生概率進行有效預(yù)測并進一步識別出對其敏感性較高的風(fēng)險因素，以便管理者及時采取針對性預(yù)防措施。

2)運用貝葉斯網(wǎng)絡(luò)優(yōu)越的推理能力，可對導(dǎo)致施工風(fēng)險事件發(fā)生的各個風(fēng)險因素進行診斷并得出關(guān)鍵性風(fēng)險因素，有助于項目管理人員及時防范或規(guī)避風(fēng)險，為項目決策提供科學(xué)依據(jù)。

3)Z項目施工風(fēng)險事件發(fā)生概率為0.492，其施工風(fēng)險水平為中等(Ⅲ)。經(jīng)仿真分析，其關(guān)鍵性風(fēng)險為材料設(shè)備質(zhì)量不合格；敏感性風(fēng)險為施工方案不詳細合理、進度管控不到位。針對識別出的關(guān)鍵性風(fēng)險和敏感性風(fēng)險，項目管理人員可提前制定針對性的風(fēng)險管控措施，以避免風(fēng)險程度升級或潛在損失擴大，有效降低風(fēng)險治理成本，提高項目效益。經(jīng)專家評判，仿真結(jié)果與工程項目實際情況高度匹配，該方法具有一定的工程應(yīng)用價值。