電網(wǎng)數(shù)字化戰(zhàn)略中風(fēng)險(xiǎn)的結(jié)構(gòu)性遞展分析：基于多站融合項(xiàng)目運(yùn)營

張晨，孫軼愷，崔維維，劉平闊*

（1．國網(wǎng)能源研究院有限公司，北京市 昌平區(qū) 102209；2．國網(wǎng)浙江省電力有限公司經(jīng)濟(jì)技術(shù)研究院，浙江省 杭州市 310020；3．上海電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，上海市 楊浦區(qū) 200090）

0 引言

電網(wǎng)數(shù)字化轉(zhuǎn)型成為當(dāng)前發(fā)展的一種新業(yè)態(tài)，是將數(shù)字化、智能化、互聯(lián)網(wǎng)化應(yīng)用于傳統(tǒng)電網(wǎng)，以增強(qiáng)電網(wǎng)的靈活性、開放性、交互性、經(jīng)濟(jì)性、共享性的過程，因此，傳統(tǒng)單一變電站的資源價(jià)值已不能滿足電網(wǎng)數(shù)字化轉(zhuǎn)型過程中用戶的需求[1]。充分發(fā)揮變電站站址富余資源價(jià)值，探索對外提供公共服務(wù)的新業(yè)態(tài)，培養(yǎng)新的業(yè)務(wù)增長點(diǎn)，進(jìn)行多站融合項(xiàng)目的建設(shè)將成為必然趨勢。多站融合項(xiàng)目是以變電站資源為核心，實(shí)現(xiàn)多類需求交叉融合發(fā)展，優(yōu)化能源類業(yè)務(wù)、發(fā)展信息類業(yè)務(wù)、開拓租賃類業(yè)務(wù)，將各類資源優(yōu)化整合，實(shí)現(xiàn)能源和信息的互聯(lián)互通、平等共享、供需平衡、優(yōu)化互動，以優(yōu)化電網(wǎng)運(yùn)行和業(yè)務(wù)能力水平為目標(biāo)，優(yōu)化能源配置，提升綜合服務(wù)水平，最終構(gòu)建包括物理形態(tài)、數(shù)字形態(tài)和產(chǎn)業(yè)形態(tài)的共享平臺[2]。在此背景下，建設(shè)實(shí)現(xiàn)資源優(yōu)化分配、增強(qiáng)信息共享、保障運(yùn)作可靠、實(shí)現(xiàn)運(yùn)營和運(yùn)維管理、提高經(jīng)濟(jì)和社會效益的多站融合服務(wù)至關(guān)重要。多站融合充分應(yīng)用了“大-云-物-移-智-鏈”等技術(shù)，以實(shí)現(xiàn)多站融合項(xiàng)目所涉及的各環(huán)節(jié)互聯(lián)互通，提高了數(shù)據(jù)采集、應(yīng)用的能力。然而，隨著云計(jì)算、SDN（sofeware defind network, 軟件定義網(wǎng)絡(luò)）、NFV（network functions virtualization, 網(wǎng)絡(luò)功能虛擬化）、5G等新技術(shù)的引入對傳統(tǒng)的單個站運(yùn)營安全造成了巨大的沖擊，存在傳統(tǒng)風(fēng)險(xiǎn)、新增風(fēng)險(xiǎn)等多方面風(fēng)險(xiǎn)隱患[3]。因此，有必要就電網(wǎng)數(shù)字化風(fēng)險(xiǎn)評估開展研究，其中多站融合成為了數(shù)字化過程的“排頭兵”項(xiàng)目。通過對多站融合運(yùn)營風(fēng)險(xiǎn)源以及風(fēng)險(xiǎn)指標(biāo)的分析，確定在不同場景業(yè)務(wù)下各類風(fēng)險(xiǎn)指標(biāo)的重要程度，明確進(jìn)行風(fēng)險(xiǎn)規(guī)避時決策側(cè)重點(diǎn)[4]，從而保證多站融合系統(tǒng)的安全、高效、可靠運(yùn)行，為在多站融合的經(jīng)濟(jì)運(yùn)行和價(jià)值最大化打下基礎(chǔ)。

諸多學(xué)者對多站融合項(xiàng)目的建成與運(yùn)營進(jìn)行了深入探討，其整合現(xiàn)有的通信、電力等資源，實(shí)現(xiàn)資源利用最大化，相對于單站運(yùn)營，多站運(yùn)營更具有優(yōu)越性[5-6]，能夠?qū)崿F(xiàn)“電力資源、電力業(yè)務(wù)、通信數(shù)據(jù)”三者合一。多站融合等形式的綜合能源服務(wù)已成為當(dāng)前國家能源戰(zhàn)略和能源企業(yè)發(fā)展的新焦點(diǎn)[7-9]。多站融合系統(tǒng)的復(fù)雜性和各種不確定性的相互作用，使得維持系統(tǒng)正常運(yùn)行變得困難[10-13]，即多站融合系統(tǒng)的復(fù)雜性和智能化的快速發(fā)展導(dǎo)致了潛在運(yùn)營風(fēng)險(xiǎn)增加[14-19]。確保多站融合的優(yōu)勢以及效益最大化的前提是保證多站融合安全穩(wěn)定運(yùn)行，那么，風(fēng)險(xiǎn)與安全研究以反映風(fēng)險(xiǎn)波動在操作階段避免重大事故就至關(guān)重要[20-21]。進(jìn)行多站融合風(fēng)險(xiǎn)管理評估就是控制多站融合運(yùn)營過程中可能出現(xiàn)的風(fēng)險(xiǎn)，用盡可能低的成本降低多站運(yùn)營風(fēng)險(xiǎn)[22-23]。

在進(jìn)行風(fēng)險(xiǎn)管理之前要明確風(fēng)險(xiǎn)的衍生源與風(fēng)險(xiǎn)指標(biāo)為風(fēng)險(xiǎn)的量化評估打下基礎(chǔ)[24]。關(guān)于變電站類風(fēng)險(xiǎn)分析中，變電站在項(xiàng)目建設(shè)階段多存在項(xiàng)目的安全、質(zhì)量、進(jìn)度風(fēng)險(xiǎn)，以及自然風(fēng)險(xiǎn)等。在變電站運(yùn)行維護(hù)階段多存在技術(shù)、人員、外力等方面因素引發(fā)的風(fēng)險(xiǎn)[25-28]。

本文就基于變電站基礎(chǔ)的多站融合項(xiàng)目運(yùn)營中可能出現(xiàn)的風(fēng)險(xiǎn)衍生源進(jìn)行分析，定義存在的風(fēng)險(xiǎn)指標(biāo)，以及對定義的風(fēng)險(xiǎn)指標(biāo)進(jìn)行結(jié)構(gòu)性分析。為此，利用卡方自動交互檢測法（chi-squared automatic interaction detector, CHAID）的決策樹分類原理，聚焦多站融合項(xiàng)目風(fēng)險(xiǎn)的結(jié)構(gòu)性遞展過程，著力分析三方面問題：①在多站融合的項(xiàng)目安全運(yùn)營過程中風(fēng)險(xiǎn)指標(biāo)及體系的建立；②分析風(fēng)險(xiǎn)指標(biāo)體系，研究其風(fēng)險(xiǎn)遞展進(jìn)程；③明確在多業(yè)務(wù)場景下風(fēng)險(xiǎn)指標(biāo)的重要程度，并提出決策側(cè)重點(diǎn)。本文旨在從理論上建立完善的多站融合風(fēng)險(xiǎn)指標(biāo)體系，在應(yīng)用上為多站融合風(fēng)險(xiǎn)管控提供較為全面的風(fēng)險(xiǎn)狀況參考。

1 研究方法

1.1 風(fēng)險(xiǎn)指標(biāo)體系構(gòu)建

風(fēng)險(xiǎn)指標(biāo)體系的建立以多站融合項(xiàng)目的經(jīng)濟(jì)增加值[29]（economic value add，EVA）作為多站融合運(yùn)營風(fēng)險(xiǎn)評估的起點(diǎn)，對其進(jìn)行價(jià)值型績效分解，如圖1 （a）所示分解出三大類價(jià)值驅(qū)動因素[30]：運(yùn)營利潤率、資產(chǎn)利用率、運(yùn)營性現(xiàn)金流。將風(fēng)險(xiǎn)因子與三類價(jià)值驅(qū)動因素結(jié)合，分析出九大績效杠桿[31-32]，如圖1 （b）所示。

進(jìn)而，在原有變電站風(fēng)險(xiǎn)源分析的基礎(chǔ)上，根據(jù)多站融合的實(shí)際運(yùn)營情況和指標(biāo)確定標(biāo)準(zhǔn)，并結(jié)合多站運(yùn)營、電力市場、5G相關(guān)運(yùn)營管理者的意見，得到其風(fēng)險(xiǎn)管理涉及充換電站、5G基站、分布式能源站、數(shù)據(jù)中心站、儲能電站、北斗基站等融合運(yùn)營中各環(huán)節(jié)協(xié)調(diào)發(fā)展的風(fēng)險(xiǎn)衍生源[33-34]。從定性角度對十大風(fēng)險(xiǎn)源進(jìn)行分析將風(fēng)險(xiǎn)指標(biāo)定性分為11個指標(biāo)，如圖1 （c）所示：R1信息傳遞風(fēng)險(xiǎn)、R2技術(shù)可靠性風(fēng)險(xiǎn)、R3區(qū)位選址風(fēng)險(xiǎn)、R4績效偏差風(fēng)險(xiǎn)、R5財(cái)務(wù)風(fēng)險(xiǎn)、R6部門文化差異風(fēng)險(xiǎn)、R7經(jīng)濟(jì)周期風(fēng)險(xiǎn)、R8制度規(guī)范風(fēng)險(xiǎn)、R9需求風(fēng)險(xiǎn)、R10政策風(fēng)險(xiǎn)、R11意外災(zāi)難。關(guān)于風(fēng)險(xiǎn)指標(biāo)定義的具體解釋，詳見附錄A。

根據(jù)多站融合項(xiàng)目的投資建設(shè)期、項(xiàng)目運(yùn)營期以及收益期等不同時期的不同特點(diǎn)，從3個維度對11個風(fēng)險(xiǎn)指標(biāo)進(jìn)行分類：政策風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、運(yùn)營風(fēng)險(xiǎn)。其中運(yùn)營風(fēng)險(xiǎn)包括 R1、R2、R3、R4和R5，政策風(fēng)險(xiǎn)包括 R8、R10，市場風(fēng)險(xiǎn)包括R6、R7、R9、R11。從內(nèi)生和外源兩個層次對11個風(fēng)險(xiǎn)指標(biāo)進(jìn)行分類：內(nèi)生風(fēng)險(xiǎn)（R1、R2、R3、R4、R5、R6和R7）和外源風(fēng)險(xiǎn)（R8、R9、R10和R11）。

1.2 風(fēng)險(xiǎn)遞展

多站融合的物理形態(tài)呈現(xiàn)出“變電站→能源站→多業(yè)務(wù)站”的技術(shù)協(xié)同與功能延展過程；在綜合能源站、光伏發(fā)電站、儲能站（充換電站）的基礎(chǔ)上，科學(xué)整合數(shù)據(jù)中心站、5G基站、北斗地基增強(qiáng)系統(tǒng)站等優(yōu)勢資源與“新基建”設(shè)施，形成多領(lǐng)域、多業(yè)務(wù)的邏輯融合、結(jié)構(gòu)集成、優(yōu)勢互補(bǔ)、數(shù)據(jù)貫通，成為實(shí)現(xiàn)電網(wǎng)數(shù)字化與電網(wǎng)高質(zhì)量發(fā)展的前沿領(lǐng)域和關(guān)鍵一環(huán)。

多站融合運(yùn)營項(xiàng)目呈現(xiàn)“多方位、多層級、多環(huán)節(jié)”的特點(diǎn)，其運(yùn)營環(huán)節(jié)的各個方面相互依存，任何一個環(huán)節(jié)出現(xiàn)風(fēng)險(xiǎn)都會波及其他環(huán)節(jié)，因此需要進(jìn)行風(fēng)險(xiǎn)遞展分析。本文進(jìn)行的風(fēng)險(xiǎn)遞展分析主要是針對各個環(huán)節(jié)之間、各個風(fēng)險(xiǎn)因素之間對多站融合運(yùn)營項(xiàng)目的影響，在運(yùn)營管理中根據(jù)多站融合運(yùn)營的特點(diǎn)對其運(yùn)營風(fēng)險(xiǎn)的重要程度進(jìn)行優(yōu)先排序，以供決策者做出最優(yōu)決策。本文采用數(shù)據(jù)挖掘（data mining，DM）方法對風(fēng)險(xiǎn)結(jié)構(gòu)性遞展過程進(jìn)行分析。

數(shù)據(jù)挖掘模型的功能優(yōu)勢在于通過預(yù)測未來趨勢及行為，做出前攝的、基于知識的決策?；诙嗾救诤线\(yùn)營階段的大量數(shù)據(jù)，本文通過數(shù)據(jù)挖掘模型對其進(jìn)行處理，分析預(yù)測出未來的風(fēng)險(xiǎn)趨勢以及風(fēng)險(xiǎn)側(cè)重點(diǎn)，為風(fēng)險(xiǎn)管控與決策提供理論依據(jù)[35-37]。

數(shù)據(jù)分析中的分類和預(yù)測是兩種不同的形式，是指對現(xiàn)有數(shù)據(jù)處理顯示未來趨勢的模型。當(dāng)輸出具有離散性，則為分類；當(dāng)輸出具有某種連續(xù)性，則為預(yù)測[38]。本文中11類風(fēng)險(xiǎn)指標(biāo)屬于離散變量，因此本文研究的問題為分類。

數(shù)據(jù)分類問題通常采用統(tǒng)計(jì)、距離、決策樹或者神經(jīng)網(wǎng)絡(luò)等方法解決，由于本文所分析問題中風(fēng)險(xiǎn)類別較多、所要求的風(fēng)險(xiǎn)狀況分析較為復(fù)雜，因此本文采用易于分析且結(jié)果表達(dá)直觀的決策樹算法[39-40]。

1.2.1 CHAID算法

本文采用卡方自動交互檢測（CHAID）方法對風(fēng)險(xiǎn)結(jié)構(gòu)性遞展過程進(jìn)行分析。CHAID算法是一種用于數(shù)據(jù)集分類的靈敏且直觀的決策樹技術(shù)，它細(xì)分屬性變量和因變量之間的關(guān)系。本文使用CHAID算法，能夠確保風(fēng)險(xiǎn)變量分類的準(zhǔn)確性高，可以清晰地顯示哪些字段比較重要，即生成清晰的規(guī)則[41]。模型運(yùn)行結(jié)果為一個樹狀圖，頂端是所有樣本觀測值的合集，接著分成兩個或兩個以上的子集，即能從多個風(fēng)險(xiǎn)變量中自動搜索出產(chǎn)生最大差異的風(fēng)險(xiǎn)變量，從而達(dá)到對風(fēng)險(xiǎn)指標(biāo)分類的作用。

1.2.2 CHAID算法步驟

1）定類/定距變量屬性的判定。

①若本文處理變量屬性為定類，則需找到在多個分類的標(biāo)準(zhǔn)級別下合并影響不明顯的變量。

②若本文處理變量屬性為定距，則根據(jù)輸出變量的種類不同，采用不同的檢驗(yàn)方法，即分類變量采用卡方檢驗(yàn)，數(shù)值變量采用F檢驗(yàn)。

2）已判定分支變量的確定和分隔值的選擇。

①按照步驟1）中計(jì)算出各個變量的卡方檢測統(tǒng)計(jì)量和P值。根據(jù)P值的大小來確定變量的關(guān)聯(lián)程度，選擇與目標(biāo)變量關(guān)系最為密切的作為最佳分支變量，其他變量作為其子分支節(jié)點(diǎn)。

②重復(fù)上述操作，直至滿足收斂。

1.2.3 CHAID算法公式

擬合優(yōu)度檢驗(yàn)，即檢驗(yàn)?zāi)Ｐ蛯颖居^測值的擬合程度。在檢驗(yàn)過程中，實(shí)際觀測數(shù)與理論觀測數(shù)關(guān)系為

fe越大，即fe≥5，說明檢驗(yàn)結(jié)果越好，擬合程度越高。

當(dāng)樣本容量較小時，利用似然比檢驗(yàn)對數(shù)據(jù)的分類處理更為通用和穩(wěn)健，因此，本文中考慮使用似然比檢驗(yàn)。似然比的計(jì)算公式為

式中：RLR為似然比；L1為復(fù)雜模型中的最大似然估計(jì)值；L2為簡單模型中的最大似然估計(jì)值。

樣本的聯(lián)合分布函數(shù)為似然函數(shù)

式中：θ為待估參數(shù)；x1、x2、…、xn均為來自總體樣本x的觀察值。

提升度用以反映CHAID模型中的收益 （%）；提升度越高，說明模型的 “收益”越好。提升度的計(jì)算公式為

式中：Llift為提升度；為模型特定樣本空間輸出值是t類的概率；為所有樣本空間內(nèi)輸出值是t類的概率。

2 數(shù)據(jù)及分析

2.1 實(shí)驗(yàn)數(shù)據(jù)處理

2.1.1 數(shù)據(jù)采集

第一，將各個指標(biāo)的含義進(jìn)行簡潔的定義與解釋。

第二，將第一步中定義的研究變量與多站融合項(xiàng)目的工作人員、運(yùn)營管理方面學(xué)者以及風(fēng)險(xiǎn)評估方面的專家等進(jìn)行溝通討論，對問卷中變量以及對變量的解釋進(jìn)行修改和完善。

第三，組織部分專業(yè)人士進(jìn)行預(yù)問卷調(diào)查，修正部分內(nèi)容。

第四，以各種不同的形式正式發(fā)布調(diào)查問卷。

第五，定期回收，檢查質(zhì)量，對已回收問卷進(jìn)行處理。

問卷將政府部門、教育及科研機(jī)構(gòu)、電力企業(yè)、多站相關(guān)企業(yè)等的相關(guān)工作人員設(shè)為答卷人的選擇范圍。

問卷分為五部分：調(diào)查目的說明、問卷說明、答卷人背景的信息調(diào)查、對多站融合運(yùn)營風(fēng)險(xiǎn)指標(biāo)的解釋、答謝語。其中，問卷主體內(nèi)容包含兩部分：第一部分即答卷人背景信息的調(diào)查；第二部分是針對影響多站融合運(yùn)營項(xiàng)目的風(fēng)險(xiǎn)指標(biāo)進(jìn)行調(diào)查（即將指標(biāo)影響程度分為一般重要、稍微重要、比較重要、非常重要、極其重要五個層次進(jìn)行打分）。

2.1.2 統(tǒng)計(jì)性描述

本次問卷調(diào)查回收周期為3個月 （2020年8月至2020年11月），實(shí)際共發(fā)放問卷500份（為了保證問卷的分析結(jié)果準(zhǔn)確，樣本容量應(yīng)在300份以上[27-28]），實(shí)際收回問卷416份，其中有效率為82.45%。對問卷數(shù)據(jù)進(jìn)行分析、處理如表1和表2所示。

表1 信度分析Table 1 Trust level analysis

表2 效度分析Table 2 Validity analysis

信度分析用于研究數(shù)據(jù)的回答可靠準(zhǔn)確性。

第一，分析表1中的α系數(shù)，若α≥0.8，即說明該問卷屬于高信度；若0.7 ≤α＜ 0.8，則說明該問卷屬于較高信度；若P=0.000＜0.05，則說明該問卷屬于低信度；若KMO值小于0.6，則說明該問卷屬于低信度。

第二，若CITC值小于0.3，可考慮將該項(xiàng)進(jìn)行刪除；

第三，若“ 項(xiàng)已刪除的α系數(shù)”的值明顯高于α的值時，說明可以將該項(xiàng)刪除后對其他各項(xiàng)重新進(jìn)行分析。

第四，對分析進(jìn)行總結(jié)。

如表1所示α=0.833＞0.8，因此，可以說明該問卷調(diào)查中的研究數(shù)據(jù)的信度好。且刪除任意項(xiàng)的“項(xiàng)已刪除的α系數(shù)”，結(jié)果不會有顯著的提高，因此，說明問卷中的各項(xiàng)不需要做刪除處理。

上述各項(xiàng)中的CITC的值均滿足大于0.4的條件，因此，說明各項(xiàng)間相關(guān)性良好，也可說明該問卷的信度高，可用于進(jìn)一步分析。

效度研究用于分析研究項(xiàng)是否合理有效。

第一，分析表2中的KMO值，若KMO值不小于0.8，說明該問卷效性高；若KMO取值[0.7, 0.8)，說明該問卷效性較高；若KMO取值[0.6, 0.7)，說明該問卷效性一般；若KMO值小于0.6，說明該問卷效性較低。

第二，效度分析要求需要通過Bartlett檢驗(yàn)（對應(yīng)p值需小于0.05）。

第三，若僅兩個分析項(xiàng)，則KMO值均為0.5。

從表2中得KMO值為0.893，大于0.8，即該問卷效度高。

調(diào)查對象情況如表3所示。

表3 調(diào)查對象個人信息表N=343Table 3 Personal information form N=343

續(xù)表

2.2 數(shù)據(jù)分析

2.2.1 數(shù)據(jù)預(yù)處理

卡方檢驗(yàn)統(tǒng)計(jì)結(jié)果如表4所示。

表4 卡方檢驗(yàn)統(tǒng)計(jì)Table 4 Card side inspection statistics

若總例數(shù)不少于40，最小理論頻數(shù)大于5，則滿足卡方檢驗(yàn)條件，選擇卡方值（pearson chi-square）和對應(yīng)的P值（即Sig）。若P≤0.05，即說明差異具有統(tǒng)計(jì)學(xué)意義；反之，P＞0.05，即說明差異無統(tǒng)計(jì)學(xué)意義。

從表4可以看出：P=0.000＜0.05，差異有統(tǒng)計(jì)學(xué)意義。

2.2.2 CHAID決策樹構(gòu)建

1）模型建立與執(zhí)行結(jié)果。

本文采用Clementine軟件完成分類建模過程。

①將數(shù)據(jù)導(dǎo)入數(shù)據(jù)流，選擇“分類”節(jié)點(diǎn)對其進(jìn)行預(yù)處理。由于本文采用的是主觀數(shù)據(jù)，考慮到數(shù)據(jù)的主觀影響以及分類的清晰度，僅將風(fēng)險(xiǎn)分為不存在“0”以及存在“1”，即調(diào)查問卷中指標(biāo)影響程度中一般重要、稍微重要兩個層次歸為不存在類別，比較重要、非常重要、極其重要三個層次歸為存在類別。

②選擇“CHAID”模型節(jié)點(diǎn)，進(jìn)行建模。

③模型的“專家”選項(xiàng)中，卡方用于類別目標(biāo)選擇“似然比”，其他“字段”、“成本”、“注釋”保持原始設(shè)置不變。

④形成完整的數(shù)據(jù)流，輸出模型，生成決策樹。

CHAID決策樹結(jié)果如圖2所示。

由圖2可得，多站融合運(yùn)營風(fēng)險(xiǎn)的決策樹結(jié)構(gòu)呈多分支走向，圖2和表5用不同的方式展現(xiàn)了多站融合運(yùn)營的風(fēng)險(xiǎn)診斷。其中，各個分支節(jié)點(diǎn)P≤0.025，即具有較強(qiáng)的相關(guān)性。由圖2的分支走向可得，當(dāng)多站融合項(xiàng)目運(yùn)營過程中不存在“部門文化差異風(fēng)險(xiǎn)”時，決策者應(yīng)優(yōu)先考慮運(yùn)營風(fēng)險(xiǎn)體系中的“信息傳遞風(fēng)險(xiǎn)”，該指標(biāo)數(shù)n=70，占樣本總數(shù)的20.408%（P=0.000）； 當(dāng)多站融合項(xiàng)目運(yùn)營過程中存在“部門文化差異風(fēng)險(xiǎn)”時，項(xiàng)目決策者應(yīng)優(yōu)先考慮運(yùn)營風(fēng)險(xiǎn)體系中的“意外災(zāi)難”，該指標(biāo)數(shù)n=273，占樣本總數(shù)的79.592%（P=0.000）。其他的風(fēng)險(xiǎn)遞增決策過程以此類推。

由圖2可知，根據(jù)多站融合運(yùn)營決策樹分支的去向和發(fā)展以及CHAID模型分析層次，可得到?jīng)Q策樹14個分支去向，即多站融合運(yùn)營項(xiàng)目的主要風(fēng)險(xiǎn)狀況分為14種，進(jìn)一步分析可得如下結(jié)論。

首先，決策樹的起始風(fēng)險(xiǎn)為“部門文化差異風(fēng)險(xiǎn)”，即說明“部門文化差異風(fēng)險(xiǎn)”的存在與否對風(fēng)險(xiǎn)狀況的走向影響最為深遠(yuǎn)，因此“部門文化差異風(fēng)險(xiǎn)”成為融合的最大不確定性因素；

其次，“信息傳遞風(fēng)險(xiǎn)”和“意外災(zāi)難風(fēng)險(xiǎn)”位于風(fēng)險(xiǎn)決策樹的第二層級，在分析“部門文化差異風(fēng)險(xiǎn)”后需要根據(jù)概率權(quán)衡“信息傳遞風(fēng)險(xiǎn)”和“意外災(zāi)難風(fēng)險(xiǎn)”以進(jìn)一步分析風(fēng)險(xiǎn)狀況；

最后，在風(fēng)險(xiǎn)決策樹低端的“財(cái)務(wù)風(fēng)險(xiǎn)”、“經(jīng)濟(jì)周期風(fēng)險(xiǎn)”、“政策風(fēng)險(xiǎn)”和“制度規(guī)范風(fēng)險(xiǎn)”，相對于而言對風(fēng)險(xiǎn)狀況的影響較小、易于管控。

將圖2中的14種分支去向用表格的形式來表示，見表5。通過表5對風(fēng)險(xiǎn)狀況的展示，可清楚的看出CHAID模型將定義的11個風(fēng)險(xiǎn)指標(biāo)進(jìn)一步篩選出10個較重要的影響多站融合運(yùn)營風(fēng)險(xiǎn)管理的風(fēng)險(xiǎn)指標(biāo)。表5中的14種風(fēng)險(xiǎn)狀況為具體多站融合項(xiàng)目的風(fēng)險(xiǎn)識別提供參考，使運(yùn)營項(xiàng)目有目標(biāo)有側(cè)重點(diǎn)地進(jìn)行風(fēng)險(xiǎn)管控，以降低項(xiàng)目存在的風(fēng)險(xiǎn)隱患，提高其運(yùn)營可靠性。

表5 多站融合的風(fēng)險(xiǎn)狀況Table 5 Risk conditions for multi-station fusion

2）模型收益評價(jià)。

表6和表7中，給出模型的收益評價(jià)數(shù)據(jù)。其中，各個主要節(jié)點(diǎn)的收益評價(jià)用“指數(shù)（%）”的值來表示，“指數(shù)（%）”的數(shù)值越大，則說明上述CHAID模型的收益越好。

表6 訓(xùn)練樣本各節(jié)點(diǎn)的收益數(shù)據(jù)Table 6 Train the revenue data for each node of the sample

表7 訓(xùn)練樣本累積的收益數(shù)據(jù)Table 7 Revenue data accumulated from the training sample

最后，由clementine軟件CHAID模型預(yù)測結(jié)果可得，其多站融合運(yùn)營決策樹的錯誤率為0.335，標(biāo)準(zhǔn)誤差為0.072，錯誤率及標(biāo)準(zhǔn)誤差都在可接受范圍內(nèi)，因此分析過程合理。

3 結(jié)論及建議

3.1 研究結(jié)論

第一，為針對性研究電網(wǎng)數(shù)字化的風(fēng)險(xiǎn)管控問題，本文以多站融合運(yùn)營項(xiàng)目為例，建立了多站運(yùn)營的風(fēng)險(xiǎn)指標(biāo)體系，為分析確定風(fēng)險(xiǎn)源及風(fēng)險(xiǎn)指標(biāo)的遞展關(guān)系提供理論框架；進(jìn)而，為多站融合在各場景下的風(fēng)險(xiǎn)指標(biāo)屬性進(jìn)行分類，由運(yùn)營風(fēng)險(xiǎn)決策樹的分支去向可得，“部門文化差異風(fēng)險(xiǎn)”、“信息傳遞風(fēng)險(xiǎn)”和“意外災(zāi)難風(fēng)險(xiǎn)”屬于表象風(fēng)險(xiǎn)，“績效偏差風(fēng)險(xiǎn)”和“區(qū)位選址風(fēng)險(xiǎn)”屬于潛在風(fēng)險(xiǎn)，為進(jìn)一步風(fēng)險(xiǎn)規(guī)避提供了決策側(cè)重點(diǎn)。

第二，本文將多站融合的運(yùn)營風(fēng)險(xiǎn)遞展通過過程性維度進(jìn)行遞展分析可得，在項(xiàng)目導(dǎo)入期，“部門文化差異風(fēng)險(xiǎn)”成為融合的最大不確定性因素，其次需要根據(jù)概率權(quán)衡“信息傳遞風(fēng)險(xiǎn)”和“意外災(zāi)難風(fēng)險(xiǎn)”，而常規(guī)意義的“財(cái)務(wù)風(fēng)險(xiǎn)”、“經(jīng)濟(jì)周期風(fēng)險(xiǎn)”、“政策風(fēng)險(xiǎn)”和“制度規(guī)范風(fēng)險(xiǎn)”等風(fēng)險(xiǎn)處于可控范圍。

第三，本文得出的14類風(fēng)險(xiǎn)狀況可用于多站融合導(dǎo)入期、建設(shè)期、運(yùn)維期的風(fēng)險(xiǎn)識別，在未來的研究中，以本文所建立的風(fēng)險(xiǎn)指標(biāo)體系以及風(fēng)險(xiǎn)狀況為指導(dǎo)，可對多站融合項(xiàng)目進(jìn)行風(fēng)險(xiǎn)管控，提高項(xiàng)目運(yùn)營可靠性；隨著多站融合試點(diǎn)的不斷擴(kuò)大建設(shè)，可根據(jù)實(shí)際出現(xiàn)的安全隱患對本文的風(fēng)險(xiǎn)指標(biāo)及風(fēng)險(xiǎn)狀況進(jìn)行修正，以更好地應(yīng)用于實(shí)踐。

3.2 政策建議

當(dāng)前，作為中國能源戰(zhàn)略和能源企業(yè)發(fā)展的新焦點(diǎn)的多站融合項(xiàng)目的興起，迫切需要解決多站融合運(yùn)營的安全穩(wěn)定運(yùn)行問題。因此，本文總結(jié)以下政策建議。

首先，穩(wěn)步建設(shè)多站融合試點(diǎn)運(yùn)營、推進(jìn)電網(wǎng)數(shù)字化轉(zhuǎn)型，完善相關(guān)電力政策法規(guī)。從而，從源頭解決部分風(fēng)險(xiǎn)衍生源，在多站融合項(xiàng)目啟動、投運(yùn)或經(jīng)營之前，在選址、建設(shè)方面規(guī)避致命性風(fēng)險(xiǎn)因素，在多站聯(lián)動、站址規(guī)模、投資成本等方面實(shí)現(xiàn)多站融合項(xiàng)目運(yùn)營安全。

其次，推進(jìn)具有區(qū)域地方特色的多站融合運(yùn)營風(fēng)險(xiǎn)理論體系研究，尤其是涉及針對各個不同的多站融合項(xiàng)目的運(yùn)營場景下的風(fēng)險(xiǎn)遞展途徑進(jìn)行明確，從而改進(jìn)相關(guān)政策制度、指定應(yīng)對風(fēng)險(xiǎn)有效策略以及加強(qiáng)風(fēng)險(xiǎn)監(jiān)管的機(jī)制等關(guān)鍵問題的研究，使之成為多站融合風(fēng)險(xiǎn)管控的有力支持和有效機(jī)制。

最后，穩(wěn)步推進(jìn)技術(shù)革新，充分利用電力企業(yè)在多站融合運(yùn)營項(xiàng)目中的牽頭、引導(dǎo)作用，從而形成規(guī)范、穩(wěn)定、安全運(yùn)營環(huán)境和行之有效的政策支持框架，促進(jìn)多站融合的發(fā)展。

附錄A 多站融合項(xiàng)目運(yùn)營風(fēng)險(xiǎn)指標(biāo)的重要性評價(jià)

多站融合風(fēng)險(xiǎn)指標(biāo) 風(fēng)險(xiǎn)對于多站融合項(xiàng)目運(yùn)營的重要程度指標(biāo)的名稱及其說明 一般 稍微 比較 非常 極其R1信息傳遞風(fēng)險(xiǎn) 1 2 3 4 5說明：對多站融合中的實(shí)時監(jiān)測與反饋的要求更高，各環(huán)節(jié)傳遞信息發(fā)生信息錯誤的機(jī)會增多。R2技術(shù)可靠性風(fēng)險(xiǎn) 1 2 3 4 5說明：多站融合運(yùn)營后技術(shù)本身的先進(jìn)性、可靠性、實(shí)用性、可得性與預(yù)期方案發(fā)生較大變化，達(dá)不到預(yù)期的效果，而導(dǎo)致?lián)p失的風(fēng)險(xiǎn)。R3區(qū)位選址風(fēng)險(xiǎn) 1 2 3 4 5說明：部分站選址局限性問題突出，區(qū)域因素影響的不確定性。R4績效偏差風(fēng)險(xiǎn) 1 2 3 4 5說明：多站融合運(yùn)營過程中項(xiàng)目績效總收益較原站績效收益總和有下降的風(fēng)險(xiǎn)，從而造成損失的風(fēng)險(xiǎn)。R5財(cái)務(wù)風(fēng)險(xiǎn) 1 2 3 4 5說明：數(shù)據(jù)中心等需要統(tǒng)一運(yùn)營的業(yè)務(wù)需要重點(diǎn)防范分散運(yùn)營而失去合力的情況，從而造成品牌不強(qiáng)、市場能力薄弱、運(yùn)營成本過高的情況。R6部門文化差異風(fēng)險(xiǎn) 1 2 3 4 5說明：多站原有的運(yùn)營方式、運(yùn)營理念、制度等在融合過程中存在沖突的可能性增大。

多站融合風(fēng)險(xiǎn)指標(biāo) 風(fēng)險(xiǎn)對于多站融合項(xiàng)目運(yùn)營的重要程度指標(biāo)的名稱及其說明 一般 稍微 比較 非常 極其R7經(jīng)濟(jì)周期風(fēng)險(xiǎn) 1 2 3 4 5說明：外部市場競爭激烈，在整體服務(wù)體系、營銷管理上要具備外部競爭的能力，需要關(guān)注投資與收益不匹配的問題。R8制度規(guī)范風(fēng)險(xiǎn) 1 2 3 4 5說明：數(shù)據(jù)中心類指南或規(guī)范，現(xiàn)行內(nèi)容不適用多站融合，與多站融合場景存在一定沖突。R9需求風(fēng)險(xiǎn) 1 2 3 4 5說明：多站融合業(yè)務(wù)的多樣化同原站單一業(yè)務(wù)比較需求的不確定性增大，使損失的風(fēng)險(xiǎn)加大。R10政策風(fēng)險(xiǎn) 1 2 3 4 5說明：國家的制度、法律在逐漸完善的過程中，規(guī)制、制度、法律法規(guī)的調(diào)整、修訂的不確定性。R11意外災(zāi)難 1 2 3 4 5說明：地震、火災(zāi)、公共衛(wèi)生安全、政治的動蕩、意外的戰(zhàn)爭、氣候變化、環(huán)境惡化等指標(biāo)補(bǔ)充及重要度1 2 3 4 5