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)濟技術(shù)研究院，浙江省 杭州市 310020；
3．上海電力大學(xué)經(jīng)濟與管理學(xué)院，上海市 楊浦區(qū) 200090）
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)，以增強電網(wǎng)的靈活性、開放性、交互性、經(jīng)濟性、共享性的過程，因此，傳統(tǒng)單一變電站的資源價值已不能滿足電網(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，進行多站融合項目的建設(shè)將成為必然趨勢。多站融合項目是以變電站資源為核心，實現(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)實現(xiàn)資源優(yōu)化分配、增強信息共享、保障運作可靠、實現(xiàn)運營和運維管理、提高經(jīng)濟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)，以實現(xiàn)多站融合項目所涉及的各環(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)的單個站運營安全造成了巨大的沖擊，存在傳統(tǒng)風(fēng)險、新增風(fēng)險等多方面風(fēng)險隱患[3]。因此，有必要就電網(wǎng)數(shù)字化風(fēng)險評估開展研究，其中多站融合成為了數(shù)字化過程的“排頭兵”項目。通過對多站融合運營風(fēng)險源以及風(fēng)險指標(biāo)的分析，確定在不同場景業(yè)務(wù)下各類風(fēng)險指標(biāo)的重要程度，明確進行風(fēng)險規(guī)避時決策側(cè)重點[4]，從而保證多站融合系統(tǒng)的安全、高效、可靠運行，為在多站融合的經(jīng)濟運行和價值最大化打下基礎(chǔ)。
諸多學(xué)者對多站融合項目的建成與運營進行了深入探討，其整合現(xiàn)有的通信、電力等資源，實現(xiàn)資源利用最大化，相對于單站運營，多站運營更具有優(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[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)致了潛在運營風(fēng)險增加[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)定運行，那么，風(fēng)險與安全研究以反映風(fēng)險波動在操作階段避免重大事故就至關(guān)重要[20-21]。進行多站融合風(fēng)險管理評估就是控制多站融合運營過程中可能出現(xiàn)的風(fēng)險，用盡可能低的成本降低多站運營風(fēng)險[22-23]。
在進行風(fēng)險管理之前要明確風(fēng)險的衍生源與風(fēng)險指標(biāo)為風(fēng)險的量化評估打下基礎(chǔ)[24]。關(guān)于變電站類風(fēng)險分析中，變電站在項目建設(shè)階段多存在項目的安全、質(zhì)量、進度風(fēng)險，以及自然風(fēng)險等。在變電站運行維護階段多存在技術(shù)、人員、外力等方面因素引發(fā)的風(fēng)險[25-28]。
本文就基于變電站基礎(chǔ)的多站融合項目運營中可能出現(xiàn)的風(fēng)險衍生源進行分析，定義存在的風(fēng)險指標(biāo)，以及對定義的風(fēng)險指標(biāo)進行結(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，聚焦多站融合項目風(fēng)險的結(jié)構(gòu)性遞展過程，著力分析三方面問題：①在多站融合的項目安全運營過程中風(fēng)險指標(biāo)及體系的建立；
②分析風(fēng)險指標(biāo)體系，研究其風(fēng)險遞展進程；
③明確在多業(yè)務(wù)場景下風(fēng)險指標(biāo)的重要程度，并提出決策側(cè)重點。本文旨在從理論上建立完善的多站融合風(fēng)險指標(biāo)體系，在應(yīng)用上為多站融合風(fēng)險管控提供較為全面的風(fēng)險狀況參考。
1.1 風(fēng)險指標(biāo)體系構(gòu)建
風(fēng)險指標(biāo)體系的建立以多站融合項目的經(jīng)濟增加值[29]（economic value add，EVA）作為多站融合運營風(fēng)險評估的起點，對其進行價值型績效分解，如圖1 （a）所示分解出三大類價值驅(qū)動因素[30]：運營利潤率、資產(chǎn)利用率、運營性現(xiàn)金流。將風(fēng)險因子與三類價值驅(qū)動因素結(jié)合，分析出九大績效杠桿[31-32]，如圖1 （b）所示。
進而，在原有變電站風(fēng)險源分析的基礎(chǔ)上，根據(jù)多站融合的實際運營情況和指標(biāo)確定標(biāo)準(zhǔn)，并結(jié)合多站運營、電力市場、5G相關(guān)運營管理者的意見，得到其風(fēng)險管理涉及充換電站、5G基站、分布式能源站、數(shù)據(jù)中心站、儲能電站、北斗基站等融合運營中各環(huán)節(jié)協(xié)調(diào)發(fā)展的風(fēng)險衍生源[33-34]。從定性角度對十大風(fēng)險源進行分析將風(fēng)險指標(biāo)定性分為11個指標(biāo)，如圖1 （c）所示：R1信息傳遞風(fēng)險、R2技術(shù)可靠性風(fēng)險、R3區(qū)位選址風(fēng)險、R4績效偏差風(fēng)險、R5財務(wù)風(fēng)險、R6部門文化差異風(fēng)險、R7經(jīng)濟周期風(fēng)險、R8制度規(guī)范風(fēng)險、R9需求風(fēng)險、R10政策風(fēng)險、R11意外災(zāi)難。關(guān)于風(fēng)險指標(biāo)定義的具體解釋，詳見附錄A。
根據(jù)多站融合項目的投資建設(shè)期、項目運營期以及收益期等不同時期的不同特點，從3個維度對11個風(fēng)險指標(biāo)進行分類：政策風(fēng)險、市場風(fēng)險、運營風(fēng)險。其中運營風(fēng)險包括 R1、R2、R3、R4和R5，政策風(fēng)險包括 R8、R10，市場風(fēng)險包括R6、R7、R9、R11。從內(nèi)生和外源兩個層次對11個風(fēng)險指標(biāo)進行分類：內(nèi)生風(fēng)險（R1、R2、R3、R4、R5、R6和R7）和外源風(fēng)險（R8、R9、R10和R11）。
1.2 風(fēng)險遞展
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、數(shù)據(jù)貫通，成為實現(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)。
多站融合運營項目呈現(xiàn)“多方位、多層級、多環(huán)節(jié)”的特點，其運營環(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)險都會波及其他環(huán)節(jié)，因此需要進行風(fēng)險遞展分析。本文進行的風(fēng)險遞展分析主要是針對各個環(huán)節(jié)之間、各個風(fēng)險因素之間對多站融合運營項目的影響，在運營管理中根據(jù)多站融合運營的特點對其運營風(fēng)險的重要程度進行優(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)險結(jié)構(gòu)性遞展過程進行分析。
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。基于多站融合運營階段的大量數(shù)據(jù)，本文通過數(shù)據(jù)挖掘模型對其進行處理，分析預(yù)測出未來的風(fēng)險趨勢以及風(fēng)險側(cè)重點，為風(fēng)險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、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)險類別較多、所要求的風(fēng)險狀況分析較為復(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)險結(jié)構(gòu)性遞展過程進行分析。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)險變量中自動搜索出產(chǎn)生最大差異的風(fēng)險變量，從而達到對風(fēng)險指標(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，采用不同的檢驗方法，即分類變量采用卡方檢驗，數(shù)值變量采用F檢驗。
2）已判定分支變量的確定和分隔值的選擇。
①按照步驟1）中計算出各個變量的卡方檢測統(tǒng)計量和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。
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，即檢驗?zāi)Ｐ蛯颖居^測值的擬合程度。在檢驗過程中，實際觀測數(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。似然比的計算公式為
式中：RLR為似然比；
L1為復(fù)雜模型中的最大似然估計值；
L2為簡單模型中的最大似然估計值。
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。
2.1 實驗數(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目的工作人員、運營管理方面學(xué)者以及風(fēng)險評估方面的專家等進行溝通討論，對問卷中變量以及對變量的解釋進行修改和完善。
第三，組織部分專業(yè)人士進行預(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，對已回收問卷進行處理。
問卷將政府部門、教育及科研機構(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、對多站融合運營風(fēng)險指標(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營項目的風(fēng)險指標(biāo)進行調(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行打分）。
2.1.2 統(tǒng)計性描述
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]），實際收回問卷416份，其中有效率為82.45%。對問卷數(shù)據(jù)進行分析、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，可考慮將該項進行刪除；
第三，若“ 項已刪除的α系數(shù)”的值明顯高于α的值時，說明可以將該項刪除后對其他各項重新進行分析。
第四，對分析進行總結(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。且刪除任意項的“項已刪除的α系數(shù)”，結(jié)果不會有顯著的提高，因此，說明問卷中的各項不需要做刪除處理。
上述各項中的CITC的值均滿足大于0.4的條件，因此，說明各項間相關(guān)性良好，也可說明該問卷的信度高，可用于進一步分析。
效度研究用于分析研究項是否合理有效。
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（對應(yīng)p值需小于0.05）。
第三，若僅兩個分析項，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
卡方檢驗統(tǒng)計結(jié)果如表4所示。
表4 卡方檢驗統(tǒng)計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)計學(xué)意義；
反之，P＞0.05，即說明差異無統(tǒng)計學(xué)意義。
從表4可以看出：P=0.000＜0.05，差異有統(tǒng)計學(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)點對其進行預(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，進行建模。
③模型的“專家”選項中，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，多站融合運營風(fēng)險的決策樹結(jié)構(gòu)呈多分支走向，圖2和表5用不同的方式展現(xiàn)了多站融合運營的風(fēng)險診斷。其中，各個分支節(jié)點P≤0.025，即具有較強的相關(guān)性。由圖2的分支走向可得，當(dāng)多站融合項目運營過程中不存在“部門文化差異風(fēng)險”時，決策者應(yīng)優(yōu)先考慮運營風(fēng)險體系中的“信息傳遞風(fēng)險”，該指標(biāo)數(shù)n=70，占樣本總數(shù)的20.408%（P=0.000）；
當(dāng)多站融合項目運營過程中存在“部門文化差異風(fēng)險”時，項目決策者應(yīng)優(yōu)先考慮運營風(fēng)險體系中的“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)險遞增決策過程以此類推。
由圖2可知，根據(jù)多站融合運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，即多站融合運營項目的主要風(fēng)險狀況分為14種，進一步分析可得如下結(jié)論。
首先，決策樹的起始風(fēng)險為“部門文化差異風(fēng)險”，即說明“部門文化差異風(fēng)險”的存在與否對風(fēng)險狀況的走向影響最為深遠，因此“部門文化差異風(fēng)險”成為融合的最大不確定性因素；
其次，“信息傳遞風(fēng)險”和“意外災(zāi)難風(fēng)險”位于風(fēng)險決策樹的第二層級，在分析“部門文化差異風(fēng)險”后需要根據(jù)概率權(quán)衡“信息傳遞風(fēng)險”和“意外災(zāi)難風(fēng)險”以進一步分析風(fēng)險狀況；
最后，在風(fēng)險決策樹低端的“財務(wù)風(fēng)險”、“經(jīng)濟周期風(fēng)險”、“政策風(fēng)險”和“制度規(guī)范風(fēng)險”，相對于而言對風(fēng)險狀況的影響較小、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)險狀況的展示，可清楚的看出CHAID模型將定義的11個風(fēng)險指標(biāo)進一步篩選出10個較重要的影響多站融合運營風(fēng)險管理的風(fēng)險指標(biāo)。表5中的14種風(fēng)險狀況為具體多站融合項目的風(fēng)險識別提供參考，使運營項目有目標(biāo)有側(cè)重點地進行風(fēng)險管控，以降低項目存在的風(fēng)險隱患，提高其運營可靠性。
表5 多站融合的風(fēng)險狀況Table 5 Risk conditions for multi-station fusion
2）模型收益評價。
表6和表7中，給出模型的收益評價數(shù)據(jù)。其中，各個主要節(jié)點的收益評價用“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。
3.1 研究結(jié)論
第一，為針對性研究電網(wǎng)數(shù)字化的風(fēng)險管控問題，本文以多站融合運營項目為例，建立了多站運營的風(fēng)險指標(biāo)體系，為分析確定風(fēng)險源及風(fēng)險指標(biāo)的遞展關(guān)系提供理論框架；
進而，為多站融合在各場景下的風(fēng)險指標(biāo)屬性進行分類，由運營風(fēng)險決策樹的分支去向可得，“部門文化差異風(fēng)險”、“信息傳遞風(fēng)險”和“意外災(zāi)難風(fēng)險”屬于表象風(fēng)險，“績效偏差風(fēng)險”和“區(qū)位選址風(fēng)險”屬于潛在風(fēng)險，為進一步風(fēng)險規(guī)避提供了決策側(cè)重點。
第二，本文將多站融合的運營風(fēng)險遞展通過過程性維度進行遞展分析可得，在項目導(dǎo)入期，“部門文化差異風(fēng)險”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”和“意外災(zāi)難風(fēng)險”，而常規(guī)意義的“財務(wù)風(fēng)險”、“經(jīng)濟周期風(fēng)險”、“政策風(fēng)險”和“制度規(guī)范風(fēng)險”等風(fēng)險處于可控范圍。
第三，本文得出的14類風(fēng)險狀況可用于多站融合導(dǎo)入期、建設(shè)期、運維期的風(fēng)險識別，在未來的研究中，以本文所建立的風(fēng)險指標(biāo)體系以及風(fēng)險狀況為指導(dǎo)，可對多站融合項目進行風(fēng)險管控，提高項目運營可靠性；
隨著多站融合試點的不斷擴大建設(shè)，可根據(jù)實際出現(xiàn)的安全隱患對本文的風(fēng)險指標(biāo)及風(fēng)險狀況進行修正，以更好地應(yīng)用于實踐。
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)展的新焦點的多站融合項目的興起，迫切需要解決多站融合運營的安全穩(wěn)定運行問題。因此，本文總結(jié)以下政策建議。
首先，穩(wěn)步建設(shè)多站融合試點運營、推進電網(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)險衍生源，在多站融合項目啟動、投運或經(jīng)營之前，在選址、建設(shè)方面規(guī)避致命性風(fēng)險因素，在多站聯(lián)動、站址規(guī)模、投資成本等方面實現(xiàn)多站融合項目運營安全。
其次，推進具有區(qū)域地方特色的多站融合運營風(fēng)險理論體系研究，尤其是涉及針對各個不同的多站融合項目的運營場景下的風(fēng)險遞展途徑進行明確，從而改進相關(guān)政策制度、指定應(yīng)對風(fēng)險有效策略以及加強風(fēng)險監(jiān)管的機制等關(guān)鍵問題的研究，使之成為多站融合風(fēng)險管控的有力支持和有效機制。
最后，穩(wěn)步推進技術(shù)革新，充分利用電力企業(yè)在多站融合運營項目中的牽頭、引導(dǎo)作用，從而形成規(guī)范、穩(wěn)定、安全運營環(huán)境和行之有效的政策支持框架，促進多站融合的發(fā)展。
附錄A 多站融合項目運營風(fēng)險指標(biāo)的重要性評價
多站融合風(fēng)險指標(biāo) 風(fēng)險對于多站融合項目運營的重要程度指標(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 1 2 3 4 5說明：對多站融合中的實時監(jiān)測與反饋的要求更高，各環(huán)節(jié)傳遞信息發(fā)生信息錯誤的機會增多。R2技術(shù)可靠性風(fēng)險 1 2 3 4 5說明：多站融合運營后技術(shù)本身的先進性、可靠性、實用性、可得性與預(yù)期方案發(fā)生較大變化，達不到預(yù)期的效果，而導(dǎo)致?lián)p失的風(fēng)險。R3區(qū)位選址風(fēng)險 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 1 2 3 4 5說明：多站融合運營過程中項目績效總收益較原站績效收益總和有下降的風(fēng)險，從而造成損失的風(fēng)險。R5財務(wù)風(fēng)險 1 2 3 4 5說明：數(shù)據(jù)中心等需要統(tǒng)一運營的業(yè)務(wù)需要重點防范分散運營而失去合力的情況，從而造成品牌不強、市場能力薄弱、運營成本過高的情況。R6部門文化差異風(fēng)險 1 2 3 4 5說明：多站原有的運營方式、運營理念、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)險指標(biāo) 風(fēng)險對于多站融合項目運營的重要程度指標(biāo)的名稱及其說明 一般 稍微 比較 非常 極其R7經(jīng)濟周期風(fēng)險 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 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 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)險加大。R10政策風(fēng)險 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)補充及重要度1 2 3 4 5
猜你喜歡決策樹問卷指標(biāo)主要宏觀經(jīng)濟指標(biāo)及債券指標(biāo)統(tǒng)計表債券(2021年1期)2021-02-04主要宏觀經(jīng)濟指標(biāo)及債券指標(biāo)統(tǒng)計表債券(2020年4期)2020-08-04簡述一種基于C4.5的隨機決策樹集成分類算法設(shè)計科學(xué)與信息化(2019年28期)2019-10-21莫讓指標(biāo)改變初衷商周刊(2018年26期)2018-12-29主要宏觀經(jīng)濟指標(biāo)及債券指標(biāo)統(tǒng)計表債券(2018年11期)2018-02-21決策樹學(xué)習(xí)的剪枝方法科學(xué)與財富(2016年32期)2017-03-04問卷大調(diào)查創(chuàng)新作文·初中版(2015年1期)2015-03-11問卷你做主創(chuàng)新作文·初中版(2014年5期)2014-07-18決策樹在施工項目管理中的應(yīng)用決策與信息·下旬刊(2013年1期)2013-03-11