基于云模型可能性測度的引水灌溉工程調度風險評估

陳海濤，全 磊，王文川，陳曉楠，段春青

(1. 華北水利水電大學水利學院，鄭州 450045；2.河南機電職業學院電氣工程學院，鄭州 451191；3.南水北調中線干線工程建設管理局，北京 100038；4.北京市郊區水務事務中心，北京 100195)

1 研究背景

干旱缺水日益形勢嚴峻以及水資源時空分配不均勻，已成為制約世界眾多國家社會經濟發展的瓶頸。我國是嚴重干旱缺水的國家之一，人均水資源占有量僅為世界平均水平的1/4，且水資源時空分布極不均勻。長江流域及長江以南地區，國土面積約占全國的36.5%，水資源量卻占全國水資源總量的81%，而占國土面積63.5%的長江以北地區，水資源量僅占全國的19%，尤其是黃淮海地區長期遭受干旱，水資源短缺與經濟社會發展和生態保護之間矛盾日益突出[1,2]。興建引水工程是實現水資源合理配置，有效緩解嚴重缺水區域的水資源供需矛盾的重要措施。干旱對作物產量影響最大，中國的農業生產及糧食安全也日趨受到威脅。為緩解旱災對農業的沖擊，保障糧食安全，國內興建了許多大型灌區和引水灌溉工程，如石河子灌區、寧夏引黃灌區、引灤入津工程、萬家寨引水工程等[3]。引水工程大多以明渠輸水形式，處于開放環境中，運行工況復雜，涉及風險源多，對調度要求很高。輸水調度是引水灌溉工程運行中最為核心業務，也是興建工程的基本目的，進行輸水調度風險評估研究對實現安全供水有著重要意義。

引水灌溉工程運行中涉及各類風險很多，筆者總結為五大方面：一是自然災害風險，如干旱、洪水、地震等；二是工程事故風險，如高填方段決口、深挖方段滑坡、供電線路斷電、機電設備故障導致閘門啟閉失效、自動化控制失效等；三是水質污染風險，水體因故受到污染，如裝載危險品的車輛墜渠，污染源泄漏；四是社會事件風險，如人為破壞工程、恐怖襲擊、社會人員非法入渠溺亡、車輛墜渠等；五是人為事故風險，因工作人員失職引發事故，如調度失誤、閘門操作失誤，巡查失職等。因此，引水灌溉工程運行風險系統是極其復雜大系統，本文僅針對最為核心業務輸水調度方面進行風險評估研究。

目前風險評估已廣泛應用于國內外各個領域和行業[4,5]，但對大型引水工程的運行風險相關成果不多，馮平等[6-8]對長距離輸水工程綜合水毀風險、防洪風險，以及輸水沿線水文系統風險進行研究；穆杰[9]對長距離輸水工程水質污染事件風險及預警進行研究；李丹等[10]基于模糊相似理論建立了長距離輸水工程風險評估體系。對于引水灌溉工程調度風險評估，尚未見到有關文獻進行系統研究。此外，對于工程運行風險評估，無法通過多次破壞性試驗進行統計分析，即概率風險難以適用，需應用模糊風險進行量化評估，分析風險源發生可能性和后果。我國李德毅院士[11,12]綜合考慮模糊性和隨機性，提出了用于定性與定量相互不確定轉換的云模型，利用超熵對模糊隸屬度的隨機性進行描述，已應用于防洪、電力等領域的風險評估中。

綜上所述，本文針對目前引水工程調度風險研究的空缺，通過深入實踐調研調度運行管理模式，選擇確定引水工程調度方面的風險因子，建立輸水調度風險評估指標體系。在此基礎上，將云理論和可能性測度理論結合，提出基于云模型可能性測度風險評估方法，應用于引水灌溉工程調度風險評估，以期為安全平穩高效輸水提供決策支撐。

2 調度風險評估指標體系建立

建立風險評估指標體系是實施風險量化分析的前提。通過對引水灌溉工程調度業務深入分析，將輸水調度風險劃分為調度制度風險、調度人員風險、調度技術風險、調度協調風險四方面。對各調度風險源進一步細化，得出各類具體風險因子，如圖1所示。

圖1 調度風險評估指標體系圖Fig.1 System frame of dispatching risk evaluation

2.1 調度制度風險

調度制度風險指由于未建立、健全調度工作相關的標準和細則，未明晰具體工作內容，未明確詳細工作流程，未制定相關獎懲機制，導致調度管理混亂，調度職責不清，調度人員懈怠，從而引發調度事故，造成后果。

制度風險源主要涉及調度生產的工作內容、工作流程、調度紀律、調度生產場所管理、調度檢查考核等方面，具體風險因子分析如下：

(1)工作內容不明確。輸水調度工作主要包括水情數據的采集和上報、調度指令的下達和反饋、調度實時監控、調度臺帳管理、突發事件應急調度響應以及相關信息報送等。如果工作內容不清晰，崗位職責不明確，將導致推諉扯皮、疏漏百出，影響供水安全。

(2)工作流程不清楚。輸水調度主要業務流程包括交接班流程、水情采集上報流程、指令下達反饋流程、調度監控工作流程、報警響應流程、臺帳存檔流程、故障報送流程、應急調度響應流程以及有關信息報送流程等。如果工作流程不清晰、不具體，將導致效率低、質量差、錯誤多，影響調度效率和安全。

(3)調度紀律不嚴格。輸水調度責任重大，調度人員的責任心是保障安全調度的首要前提，必須嚴格調度紀律，對調度人員提出明確行為要求和明令禁止事項。“無規矩不成方圓”，如果沒有調度紀律嚴格約束，無法保證安全輸水運行。

(4)調度生產場所管理不嚴。調度生產場所是安全重地，必須嚴格規范管理，嚴禁閑雜人員進入，明確調度生產場所設施設備管理要求，以及制定人員進出規定，對調度人員、檢查人員、維護人員、物業人員等不同人員的進出提出明確要求。如果調度生產場所管理不嚴格，易影響調度人員正常工作或造成重要設施損壞等，影響調度安全。

(5)檢查考核機制不健全。建立并完善檢查考核機制，督促調度人員遵照制度和標準嚴格執行，規范行為，保障安全，并通過獎勤罰懶，調動人員積極性。如果沒有健全的檢查機制，所有制度將無法落于實處，導致執行不到位。如果沒有合理的賞罰機制，也將難以調度員工的積極性，導致員工工作懈怠。

2.2 調度人員風險

調度人員風險指由于調度人員數量不足或素質不高，不能滿足調度工作的需要，導致調度安全事故，造成后果。人員風險源主要涉及調度人員的數量和調度人員的素質方面，具體風險因子分析如下：

(1)專職調度人員數量不足。輸水調度要求全天候不間斷監控，并相機調度操作，當值人員精神高度集中，工作強度大。如果調度人員數量不足，將導致輪班頻次高或連續工作時間長，易造成人員疲勞，影響調度安全。如果調度人員不固定，將不能很好地掌握和熟悉運行工況，不利于調度運行。

(2)調度人員素質不高。調度人員不僅需具備高度責任心外，而且需具備過硬業務素質，熟悉各項業務流程，掌握相關調度技術，正確下達指令并準確執行。尤其發生突發事件時，能及時做出正確有效的調度響應。如果調度人員素質不高，將難以勝任安全調度和應急調度等工作。

2.3 調度技術風險

調度技術風險指由于輸水調度技術支撐薄弱，導致調度策略制定不合理，調度不符合實際，從而引起調度事故，造成后果。調度技術風險源主要涉及輸水調度策略的制定和自動化系統的支撐方面，具體風險因子分析如下：

(1)調度策略不合理。長距離輸水工程運行工況復雜，調度技術難度大，應編制科學、可行的調度策略、方案以及應急預案，以保證平穩調度運行和有效應急響應。如果日常輸水調度策略、專項輸水調度方案、應急調度預案等技術文件不健全或不正確，將難以指導實際生產，甚至造成調度事故。

(2)自動化系統不完善。引水灌溉工程調度難度大，面臨工況復雜，水情、工情信息量大，需結合實際，充分借助自動化系統的支撐，提高調度效率和安全性。如果沒有自動化系統的有力支撐，工作效率將十分低下，分析計算手段落后，難以實現安全、高效、平穩調度。

2.4 調度協調風險

調度協調風險指由于調度機構與內部其他部門或外部相關單位輸水調度協調機制不健全而引起的后果。調度協調風險源主要涉及內部協調和外部協調方面，具體風險因子分析如下：

(1)內部協調機制不健全。輸水調度涉及多個方面，如土建工程、機電金結、供電系統、水質保護等。輸水調度職能部門需和相關部門建立完善的溝通機制，保障供水安全平穩。在突發事件時，能夠及時溝通協商，采取有效調度措施，最大限度降低影響。如果內部溝通協調不暢，將影響輸水安全，特別是突發事件時難以及時有效應對。

(2)外部協調機制不完善。水源方、受水方、輸水方三方構成輸水調度大系統，彼此協同運作。尤其突發事件時，需要緊急采取減少輸水流量、減少或中斷分水，啟用退水閘退水等應急措施，更需有關方面緊急溝通聯系，共同有效應對。如果外部協調機制不暢，將影響輸水效率，甚至供水安全。

3 基于云模型和可能性測度的風險評估模型

3.1 云模型理論

云模型是一種實現定性與定量相互發生不確定性轉換的數學模型[13,14]。該模型綜合考慮信息的模糊性和隨機性，可以在一定程度上解決現有方法在信息集結過程中丟失問題，能夠實現有效的評估。

(1)

則稱x在論域U上的分布稱為正態云(圖2)。

圖2 一維正態云圖Fig.2 Map of normal cloud with one dimension

云模型通過正向云發生器和逆向云發生器實現定性概念和定量值的相互轉化。正向云發生器根據描述定性概念的三個數字特征(Ex,En,He)得到定量值的一次隨機實現，具體步驟如下：

步驟3：利用公式(1)計算確定程度μ(x)，稱x為具有確定度μ的一個云滴。

逆向云發生器根據大量的云滴的數值，還原計算出對應的定性概念的三個特征參數，具體步驟如下：

步驟1：設n組樣本xi,i=1,2,…,n，按下列公式分別計算均值，一階樣本絕對值中心矩，以及樣本方差。

(2)

(3)

(4)

步驟2：按下式分別計算三個特征參數。

(5)

(6)

(7)

3.2 可能性測度和模糊積分

模糊測度和模糊積分是模糊數學的一個基本理論。1974年日本學者管野道夫提出了模糊測度和模糊積分理論，1978年查得提出可能性理論，建立了模糊測度和模糊積分的理論框架。目前，可能性理論與計算計推理技術、專家系統結合，廣泛應用于綜合評判、群體決策等方面[15]，主要定義和定理如下：

(1)可能性測度。設X為論域，∧是X上的備域，給定∧上的集函數，若映射∏：∧→[0,1]滿足：

①∏Φ=0；② 對于任意指標集T，有：

∏(YAl)=∨∏(Al)l∈T

(8)

則稱∏為∧上的可能性測度，對于A∈∏，∏(A)稱為事件A關于∏的可能度，稱(X,∧,∏)為模糊場。

③ 若∏滿足∏(X)=1，則稱∏是正則的。

(3)模糊積分。設X為論域，若∏是備域∧上的可能性測度，h是X上的∧可測函數，則：

(9)

稱為h在X上關于∏的模糊積分。

(10)

3.3 云模型可能性測度風險評估

結合云理論和可能性測度理論提出了云模型可能性測度風險評估模型，利用云模型描述風險因子重要性和被評價對象的單因素風險程度，并通過模糊積分綜合計算出被評價對象的整體風險程度，具體如下：

(1)確定風險評價因子權重。設n個評價者，m個評價指標，對于每個評價者采用層次分析法[16]計算得出各評價指標權重值，所有評價者評價得出的權重值組成矩陣：

根據權重矩陣的各列元素，分別利用逆向云發生器算法，計算得出m個評價指標的云模型。

(2)確定單因素風險評價的程度。設n個評價者針對每個評價指標，對被評價對象進行風險程度評估。按區間[0,1]進行評判，數值越大表示風險越高，得出單因素評判矩陣：

根據評分矩陣的各列元素，分別利用逆向云發生器算法，計算得出針對m個評價指標的風險大小的云模型。

(3)根據上述建立的權重和單因素風險程度的云模型，利用正向云發生器，隨機生成各指標權重并進行規一化處理，同時生成各因素的風險程度，通過模糊積分計算得出綜合風險程度。

風險等級劃分5個等級，[0,0.2)為微小風險，[0.2,0.4)為較小風險，[0.4,0.6)為一般風險，[0.6,0.8)為較大風險，[0.8,1.0]為重大風險。

4 計算實例

以某引水灌溉工程為例驗證本文建立的模型有效性。該工程以明渠為主，向北方重要城市供水，已建立了相關制度和標準，并借助自動化系統實現沿線水情采集等基本功能，根據本文建立的評價指標體系和風險評估模型對該工程輸水調度風險進行評估。通過選取各級調度相關崗位干部員工20人，針對建立調度風險評估因子，進行指標權重確定和風險程度分析，具體如下：

步驟1：針對每個評判者利用層次分析法確定指標的權重。對于每個評判者，針對4中風險源，11個風險因子，逐層分析各層指標的相對重要性。對于兩個指標Bi和Bj，根據評價者的判斷，給出1～9之間的整數。本次取1，3，5，7，9作為等級標度，其意義為：1表示Bi和Bj同等重要；3表示 較 重要一點；5表示Bi較Bj重要得多；7表示Bi較Bj更重要；9表示Bi較Bj極端重要。根據層次分析法的步驟建立評判矩陣，求解其最大特征根及對應的特征向量，通過一致性判斷后，將歸一化后的正規向量作為權重向量。根據20名評價者評價結果，得出20組指標權重向量，即每個指標對應20組權重數據。

步驟2：利用逆向云發生器算法，對每個風險因子權重生成云模型。以第1個風險因子“工作內容不明確”為例，其20組權重值為：

[0.175 9, 0.167 4, 0.171 2, 0.181 0, 0.151 2, 0.098 0, 0.110 4, 0.127 0, 0.089 0, 0.086 6, 0.110 3, 0.109 4, 0.110 2, 0.111 6, 0.111 1, 0.110 3, 0.111 7, 0.109 4, 0.114 4, 0.105 9]T，經計算，該指標權重的云模型三個數字特征分別為0.123 1,0.029 5,0.004 2。同理得出所有風險因子的云模型數字特征，如表1所示。

步驟3：根據每個風險因子對引水灌溉工程調度運行現狀情況進行評判，以0.1為最小單位按區間[0,1]進行量化打分，風險越小，取值越小。根據20名評價者評價結果，得出20組單因素風險向量，即每個指標對應20組風險程度數據。

步驟4：利用逆向云發生器算法，計算單因素指標的風險評估云模型數字特征。以第1個風險因子“工作內容不明確”為例，其20組風險評價值為：

表1 風險因子權重云模型數字特征Tab.1 Number characters of risk factors cloud model

[0.2, 0.2, 0.3, 0.1, 0.3, 0.5, 0.6, 0.4, 0.3, 0.2, 0.7, 0.7, 0.6, 0.8, 0.6, 0.3, 0.2, 0.3, 0.4, 0.2]T，經計算，云模型三個數字特征分別為0.3950,0.2187,0.0723。同理得出所有單因素評價風險程度的云模型數字特征，如表2所示。

表2 單因素風險程度云模型數字特征Tab.2 Number characters of risk extent cloud model

步驟5：根據各風險因子權重和風險程度的云模型，利用正向云發生器，隨機生成指標權重和單因素風險程度，并將權重指標歸一化處理后，本文進行5次隨機試驗，結果如表3、表4所示。

步驟6：利用可能性測度和模糊積分，分別計算出5次隨機試驗得出的綜合風險程度。以第一次生成的數據為例，對其風險程度進行由大到小排序得到向量為：

[0.607 8, 0.577 3, 0.518 5, 0.472 2, 0.391 1, 0.386 5, 0.377 0, 0.359 6, 0.335 5, 0.213 1, 0.180 4]T相應的權重向量調整為：

[0.186 6, 0.071 4, 0.048 0, 0.149 1, 0.149 1, 0.021 9, 0.070 8, 0.030 7, 0.099 3, 0.092 3, 0.080 8]T

相應的可能性測度誘導模糊集由權重向量元素累加得到：

[0.186 6,0.258 0,0.306 0,0.455 2,0.604 3,0.626 2,0.696 9,0.727 6,0.826 9,0.919 2,1.000 0]T

將調整后的風險程度向量和可能性測度向量進行取小取大運算，得出綜合風險程度為0.455 2。同理，計算出其他4次隨機試驗的結果，如表5所示。

表3 輸水調度風險因子權重Tab.3 Weights of risk factors for water dispatch

表4 輸水調度單因素風險程度Tab.4 Risk extent for water dispatch

表5 輸水調度綜合風險程度Tab.5 Integrated risk extent for water dispatch

根據上述計算結果，對該引水灌溉工程輸水風險進行分析：

(1)從表1中的權重分析中，可以看到第6個指標和第7個指標的權重期望值最大，說明評價者們非常重視調度人員風險因素，安全輸水首先依賴于調度人員的責任心和能力，因此調度人員的數量和人員的素質是影響輸水調度安全首要問題。

(2)從表2中的風險程度分析中，可以看出評價者普遍認為第5個指標和第6個指標風險程度期望值高，說明該輸水工程在調度場所的規范化上，以及調度人員的數量和素質方面存在一定隱患。

(3)通過綜合評判，該工程整體調度風險的平均程度為0.472 3。說明整體風險程度處于一般風險水平，整體調度運行良好，但也存在隱患，需針對具體風險源，及時進行整改。該輸水工程主要應增配專職調度人員，努力保持調度隊伍的穩定性，加強業務培訓和演練，提高調度人員的素質和能力。另外，對調度生產場所加強規范管理，明確進入要求，提升生產環境。

(4)利用云模型結合可能性測度進行綜合分析，充分考慮了群評價決策中的模糊性和隨機性，綜合結果與實際相符較好。每次試驗評價結果隨機，但必處于一定的范圍內。本文進行了5次隨機試驗，但結果均為“一般風險”等級，評價結果穩定，每次結果的不同體現出評價中的隨機性。

5 結 語

本文在深入分析引水灌溉工程調度風險因素的基礎上，建立了輸水調度風險評估指標體系，從調度制度、調度人員、調度技術以及調度協調四個方面，構建出11調度風險因子。在此基礎上，提出了基于云模型可能性測度的風險評估方法，充分考慮多人多指標評估中的模糊性和隨機性，利用云模型實現概念的定性與定量的不確定轉換，并利用可能性測度和模糊積分理論實現綜合評判。通過長距離輸水調度工程實例，驗證模型的有效性，結果表明，本文建立的調度風險評估指標能夠較全面地反映引水灌溉工程調度風險，評估方法建議，便于操作，評價結果合理，有較強的實際應用價值和推廣意義。