大型流域工程建設風險智能管控指標體系研究與應用

鞠 琳

（中國電建集團成都勘測設計研究院有限公司，四川 成都 611130）

1 研究背景

大型流域工程建設風險種類繁多，尤其是近年來，大型流域水電開發面臨復雜的自然條件、多元的社會環境和利益訴求、嚴格的生態環保要求，以及水電建設與移民安置的協調，樞紐建設與送出工程的協同，長工期、跨地域、多項目的配合等挑戰，流域層級的系統性、趨勢性、綜合性風險管控更是各大流域開發管理的重點和難點［1-4］。

中國對風險管控與預警體系的研究起步較晚，始于20世紀80年代，普遍應用于金融和保險領域，隨著工程企業風險意識的提高，以上研究成果已逐漸應用到實際項目中。例如，天津大學“三峽工程風險研究”課題組首次結合大型工程實踐對項目進行風險分析和評價［5］，較為全面、系統地研究了風險管理理論和方法；黃河小浪底工程、京九鐵路、大亞灣核電站等也取得了一定的經濟效益和研究成果。但上述研究未從系統論的角度對預警指標體系進行分析，而現有研究成果只針對工程項目風險預警體系的若干部分，缺乏多維度、分層級管控的研究；或主要從管控需求出發、未結合數字化和智能化的技術支撐，缺乏數據來源或數據及時性，大多仍停留在職能或戰略層，實操性不強；與其他工程建設領域相比，水電開發具有獨特性，其他領域的研究成果難以被直接應用。近年來，隨著網絡化、數字化、智能化、智慧化建設風起云涌，水電行業數字化和智能化研究取得了豐富的成果，如數字大壩［6］、智能地廠［7］、智能灌漿［8］、施工資源定位監控、安全監測自動化、安全巡查數字化、質量驗評數字化、數字化送出等，有效提升了電站建設數字化水平和智能化管控能力，為水電流域工程建設風險的識別與預警提供了智能的感知手段和海量的數據基礎。但這些研究側重于局部智能感知和一線作業智能協同，缺乏面向流域級的趨勢性、系統性風險管控需求的研究，缺乏從海量數據中識別各類潛在風險與趨勢性風險從而提前預警的研究。

2 流域工程建設風險智能管控指標體系

2.1 構建原則與方法

圍繞業務量化，立足工程建設管理業務需求，梳理形成相關業務指標，按照“分層分級、重點管控”的要求，劃分管理層級和預警級別，結合流域電站建設特點，系統梳理流域層級對不同類型電站的安全、質量、進度、成本、環保管控及預警指標體系的影響。

（1）指標體系應反映流域工程建設的管控重點。對全流域而言，管控對象眾多，識別管控重點因崗而異。例如：移民管理崗位側重于移民的進度、投資，可能需要關注到集鎮建設、文物古跡、移民搬遷、復建道路、工礦企業等眾多類別的工作進展和投資；樞紐建設管理崗位關注樞紐建設安全、質量、進度、投資、環水保，其中，流域層級關注的是多項目總體情況和各項目的重要節點、年度投資、質量總體受控情況，項目層級關注大壩、引水發電、泄洪消能、機電金結等單位工程及重要分部分項工程的具體情況。

指標體系梳理應立足流域全方位、全要素、重點管控的高度，按照“分層分級、重點管控”的原則，以流域層級管控為主要服務目標，反映流域工程建設的管控重點。

（2）指標體系符合流域工程建設管理分層分級的特點，體現分級管控要求。指標的設計應充分考慮管理層級特點進行分級設置。例如，在投資管控方面，各項目層級需關注月度投資計劃、月度實際投資額等指標，但在流域層級方面，可能只需關注年度投資計劃、年度實際投資額等指標。

（3）指標體系設計應符合“業務量化”的要求。業務量化是實現自動感知、自主決策、自我演進的基礎，基于量化指標才能進行自動分析、計算和判斷，進而實現自動識別與預警。在工程建設中的眾多管控項目中，需要系統地進行梳理，并量化各項指標的計算方法。

例如，在工程安全管控方面，應重點關注安全管理是否到位，但“安全管理是否到位”并不是一個可以量化的指標，無法進行定量對比和自動預警。因此，類似定性的管控內容可量化為“安委會召開次數”“安全設備完好率”“安全生產投入費用”等計算指標。

（4）指標體系設計應充分體現協同性、趨勢性。流域工程建設是一個系統工程，指標研究應考慮多種管理維度之間的協同性，并提出協同性指標。例如，樞紐、移民、送出屬于流域開發的3個內容，其中樞紐與移民的進度應相互匹配，因此可以采取“樞紐與移民關鍵路徑進度匹配度”指數，用于衡量二者之間的進度匹配關系。

考慮到多數指標隨時間動態變化，其變化趨勢可用于指標的趨勢性預測，即該指標是否趨向接近預警閾值，以便提前發出預警。比如，單元工程優良率可以反映質量控制情況，優良率大于92%則說明質量控制良好；但若近3個月的單元優良率連續呈下降趨勢，即使各月優良率均大于92%，也說明近期質量控制效果有顯著下降的可能，需提前預警并采取控制措施。

2.2 流域工程建設風險管控指標體系

按照流域級、集團級工程管控需求，從各工程建設期、建設后評價產生的海量數據中抽絲剝繭，形成關鍵管控信息，這些關鍵指標的數據、歷史趨勢、關聯約束等信息，將實時反饋一個電站工程在建期、建設后評價的整體狀態、項目管理情況，是各電站工程的關鍵控制性指標。結合流域工程建設特點，流域工程建設風險指標體系可從指標特性、管控對象、管控層級等維度構成（見圖1）。

（1）按指標特性分類。按照指標的時間、關聯特性，分為靜態指標、趨勢性指標、協同性指標。

①靜態指標，指通過該指標即可判斷事件或事物的當前狀態或問題，如一次碾壓合格率、安全材料上傳率等。該類指標是體系中最基本的指標。

②趨勢性指標，指賦予部分靜態指標時間屬性，通過時間序列的指標變化，確定工程的歷史發展進程及未來發展趨勢，以預測工程未來風險。該類指標通常是由同一個靜態指標的時間序列組成，如連續三個月單元工程質量驗評優良率趨勢。

③協同性指標，指尋找不同種類靜態指標間的關聯關系，確定指標間的相互影響及約束，一般用來評估工程各業務、各管控方向的一致性及協調性。該類指標通常是不同種類的靜態指標的對比序列。

（2）按工程管控對象分類。按照工程不同管控專業、對象，可將指標分為安全、質量、進度、投資、環保管控五大類指標。

①安全管控指標，包括重大安全隱患數量、隱患整改及時率、安全事故數量；安全檢查隱患整改完成率、危險源（點）在控情況、安全習慣性違章、危險源（點）在控率、安全生產費用投入、人員安全培訓、安委會召開次數、特種作業；增加安全監測指標。

②質量管控指標，包括機電工程質量管控指標、檢測頻次（原材料、半成品和成品）完成率、單元工程質量評定合格率、單元工程質量評定優良率、檢測不合格數量整改率。

③進度管控指標，工程關鍵路線的進度偏差指標、關鍵隧洞支護進度等。

④投資管控指標，包括年度投資完成偏差率、資金計劃完成率、進度與投資偏差率、預計造價增減率、甲供材使用率、備用金使用率、保險項目結案率。

⑤環水保管控指標，包括環水保設施按時投用率、珍稀動植物保護區變化指標、環保水保投資完成率、環保水保問題整改率、環境監測數據合格率、“三同時”措施任務完成率。

（3）按指標的重要性或管控級別分類。根據不同指標的重要性，將其分為重要指標及一般指標，分別對應不同的管理層級。

①重要指標應選擇面向流域級管理層關注重點或反映流域級趨勢性風險的指標，如工程單元的優良率趨勢、工程里程碑節點完成率、主體工程年度面貌完成率等。通過重要指標，可對工程的狀態及發展趨勢進行直觀判斷。

②一般指標是面向項目級管理層關注的、反映建設過程管控狀態及成效的指標，如一次加水合格率、平整度偏差平均值等。一般指標用于項目管理層級對某個業務進行管控，是重要指標中的基礎性指標。當重要指標出現預警時，一般指標可作為原因分析、追溯的依據性指標。

3 基于分級預警指標體系的流域建設風險智能管控應用

3.1 流域工程數據中心數據梳理

基于工程項目級數字化建設積累的海量數據，建立了流域工程建設數據中心，并對預警指標體系所需要的數據進行了數據集成與數據梳理。

（1）梳理工程建設數據種類。將根據指標體系中所需數據類型，梳理數據中心需要的、從工程項目級數字化系統中集成的數據類型及種類。對監測、監控的實時數據，根據指標體系需求，確定數據抽取頻次以降低數據的體量，提升數據應用效率。

（2）調研分析數據獲取途徑。根據各工程業務應用系統建設現狀及應用現狀進行調研分析，確定數據的最佳獲取途徑。對尚未進行采集的數據類型，若其針對的指標類型重要程度較低，則優化指標體系；若指標類型重要性較高，則采用人工數據采集錄入或建議建設相關業務系統進行自動采集。

（3）建立數據接口。在完成數據種類及獲取途徑梳理的情況下，建設統一管理的數據接口，確保數據能夠有效、及時為平臺所用（見表1）。

表1 數據集成示例

3.2 風險自動識別

基于智能管控指標體系的風險識別，是通過對工程數據中心數據的分析，識別其所隱藏的潛在風險類型及風險嚴重性。

從風險識別的方法，可分為數據驅動型風險、事件驅動型風險；從程序功能應分為風險指標監控和風險事件監控（見圖2）。

圖2 風險識別方法

風險指標監控，即按照指標特征定期同步數據中心的工程數據，利用風險指標計算功能，識別是否存在風險指標超過分級預警閾值，或指標存在趨向于發生風險的趨勢。當風險指標值趨近或超過分級預警閾值時，系統觸發指標預警功能。該方法的特點是由具備特征的指標數據驅動預警，旨在對風險孕育期、過程期進行管理和監控。

風險事件監控，即監控數據中心的工程數據和系統中錄入的事件，根據事件描述和類型從風險庫中匹配可能存在的風險。當特定事件發生時，如汛期來臨、進行心墻填筑等，通過風險庫與事件關聯方式，及時推送與該事件關聯的風險事件，為用戶提供事前預警。該方法的特點是由事件驅動預警，當事件發生時，對可能具備發生條件的風險進行前置預警。

3.3 風險原因分析

識別風險后，需要對可能造成潛在風險的原因進行追溯，從而更好地從源頭進行管控，而尋找原因與風險之間的關聯關系，即為風險原因分析方法。從風險原因分析的方法來看，可分為基于關聯數據的原因分析和原因庫匹配原因兩種方法。

基于關聯數據的原因分析功能，是當數據指標觸發預警并提示風險后，平臺追溯與本數據指標相關聯的數據，從關聯數據的異常、趨勢來判斷風險預警的原因。該方法主要是從數據的異常情況來判斷預警的根源，需要與企業大數據中心的各類數據相關聯，其實現的基礎是準確、科學地建立預警指標與一般指標、關聯數據的關聯關系。

由于風險的多樣性，項目層、企業層工程信息化技術的發展水平差異，在多數情況下，風險及其原因無法僅靠定量的數據來進行還原描述，還應包含各類定性的風險原因描述，例如部分安全類風險管控、質量類風險管控。因此，采用原因庫與風險事件相關聯，并通過預設原因來實現風險原因分析是必要的。

由于造成風險的原因具有多樣性，要實現風險原因的準確識別，風險-原因關聯關系模型需要不斷的優化，原因庫需要不斷的窮舉完善。因此，采用人機交互的模式，由平臺提供初步分析結果，再由有經驗的用戶根據工程實際情況對風險原因的貢獻權重、種類進行進一步調整，其結果既用于工程風險管控，也作為分析樣本反饋回系統，系統將根據每一次結果調整優化風險-原因關聯關系以及風險庫內容。

3.4 風險應對決策

當識別風險并分析原因后，平臺將基于原因-措施關聯關系，根據造成風險的原因、風險嚴重程度以及可能發生的概率，從措施庫中抽取相應的措施，組成風險應對預案。同樣的，由于風險及原因的多樣性，措施預案也具有多樣性特征，需要在過程中根據用戶調整結果不斷優化和擴充。

輔助決策功能不能僅僅機械地將各類風險應對措施進行排列，還應根據風險發生的可能性、嚴重性對各類措施所需的資源、注意事項、類似案例等進行有機組織，確保用戶能夠根據風險的緊急情況進行有效決策，并對采用預案后可能出現的情況提前應對。

3.5 流域智慧工程管控平臺

面向開發單位工程管理部門的管理職能，開發單位構建了由流域級52項指標（含靜態指標35項、趨勢性指標13項、協同性指標4項）、項目級130項指標（含工程建設質量、進度、安全、投資、環水保五大類）的風險預警指標體系，以工程數據中心匯聚的流域在建、已建工程建設過程海量數據為基礎，自動量化分析流域智慧工程管控平臺重點監控的流域級52項風險預警指標是否達到風險預警閾值。平臺功能覆蓋工程前期管理、建設管理、工程后評價等全生命周期，聚焦工程樞紐、移民、送出三板塊的安全、質量、進度、投資、環水保五個領域重大問題及關鍵部位管理，對各管理要素趨勢性、系統性問題進行分析、預警、決策與綜合管理，實現工程建設管理的自動預判、自主決策、自我演進。平臺應用以來，有效提前預警了3次流域級潛在趨勢性風險并及時采取應對措施，達到流域開發風險可控的目的。

4 結論與展望

基于近年來各水電項目層級數字化、智能化研究應用快速發展的背景，聚焦流域工程建設重大安全、質量、進度、投資、環保問題和關鍵部位管理等管控重點，建立流域工程建設風險量化分級預警指標體系，有助于充分挖掘項目層級積累的海量數據價值，從中自動識別流域級、系統性、趨勢性的各類風險并進行提前預警，從而提升大型流域水電工程建設智能化管控水平，降低流域開發的系統性、趨勢性風險，在各大流域中具有廣闊推廣應用前景。基于本文提出的研究成果，后續研究可結合知識圖譜技術自動識別風險指標與風險原因的關聯性，提升風險原因分析的準確性，引入蟻群算法來改進風險應對決策措施的推薦算法，以自動匹配最優措施，進一步將前沿信息技術與工程建設技術緊密結合，對各大流域應對新形勢下流域開發面臨的挑戰具有重要意義。