大型流域工程建设风险智能管控指标体系研究与应用

鞠 琳

（中国电建集团成都勘测设计研究院有限公司，四川 成都 611130）

1 研究背景

大型流域工程建设风险种类繁多，尤其是近年来，大型流域水电开发面临复杂的自然条件、多元的社会环境和利益诉求、严格的生态环保要求，以及水电建设与移民安置的协调，枢纽建设与送出工程的协同，长工期、跨地域、多项目的配合等挑战，流域层级的系统性、趋势性、综合性风险管控更是各大流域开发管理的重点和难点［1-4］。

中国对风险管控与预警体系的研究起步较晚，始于20世纪80年代，普遍应用于金融和保险领域，随着工程企业风险意识的提高，以上研究成果已逐渐应用到实际项目中。例如，天津大学“三峡工程风险研究”课题组首次结合大型工程实践对项目进行风险分析和评价［5］，较为全面、系统地研究了风险管理理论和方法；黄河小浪底工程、京九铁路、大亚湾核电站等也取得了一定的经济效益和研究成果。但上述研究未从系统论的角度对预警指标体系进行分析，而现有研究成果只针对工程项目风险预警体系的若干部分，缺乏多维度、分层级管控的研究；或主要从管控需求出发、未结合数字化和智能化的技术支撑，缺乏数据来源或数据及时性，大多仍停留在职能或战略层，实操性不强；与其他工程建设领域相比，水电开发具有独特性，其他领域的研究成果难以被直接应用。近年来，随着网络化、数字化、智能化、智慧化建设风起云涌，水电行业数字化和智能化研究取得了丰富的成果，如数字大坝［6］、智能地厂［7］、智能灌浆［8］、施工资源定位监控、安全监测自动化、安全巡查数字化、质量验评数字化、数字化送出等，有效提升了电站建设数字化水平和智能化管控能力，为水电流域工程建设风险的识别与预警提供了智能的感知手段和海量的数据基础。但这些研究侧重于局部智能感知和一线作业智能协同，缺乏面向流域级的趋势性、系统性风险管控需求的研究，缺乏从海量数据中识别各类潜在风险与趋势性风险从而提前预警的研究。

2 流域工程建设风险智能管控指标体系

2.1 构建原则与方法

围绕业务量化，立足工程建设管理业务需求，梳理形成相关业务指标，按照“分层分级、重点管控”的要求，划分管理层级和预警级别，结合流域电站建设特点，系统梳理流域层级对不同类型电站的安全、质量、进度、成本、环保管控及预警指标体系的影响。

（1）指标体系应反映流域工程建设的管控重点。对全流域而言，管控对象众多，识别管控重点因岗而异。例如：移民管理岗位侧重于移民的进度、投资，可能需要关注到集镇建设、文物古迹、移民搬迁、复建道路、工矿企业等众多类别的工作进展和投资；枢纽建设管理岗位关注枢纽建设安全、质量、进度、投资、环水保，其中，流域层级关注的是多项目总体情况和各项目的重要节点、年度投资、质量总体受控情况，项目层级关注大坝、引水发电、泄洪消能、机电金结等单位工程及重要分部分项工程的具体情况。

指标体系梳理应立足流域全方位、全要素、重点管控的高度，按照“分层分级、重点管控”的原则，以流域层级管控为主要服务目标，反映流域工程建设的管控重点。

（2）指标体系符合流域工程建设管理分层分级的特点，体现分级管控要求。指标的设计应充分考虑管理层级特点进行分级设置。例如，在投资管控方面，各项目层级需关注月度投资计划、月度实际投资额等指标，但在流域层级方面，可能只需关注年度投资计划、年度实际投资额等指标。

（3）指标体系设计应符合“业务量化”的要求。业务量化是实现自动感知、自主决策、自我演进的基础，基于量化指标才能进行自动分析、计算和判断，进而实现自动识别与预警。在工程建设中的众多管控项目中，需要系统地进行梳理，并量化各项指标的计算方法。

例如，在工程安全管控方面，应重点关注安全管理是否到位，但“安全管理是否到位”并不是一个可以量化的指标，无法进行定量对比和自动预警。因此，类似定性的管控内容可量化为“安委会召开次数”“安全设备完好率”“安全生产投入费用”等计算指标。

（4）指标体系设计应充分体现协同性、趋势性。流域工程建设是一个系统工程，指标研究应考虑多种管理维度之间的协同性，并提出协同性指标。例如，枢纽、移民、送出属于流域开发的3个内容，其中枢纽与移民的进度应相互匹配，因此可以采取“枢纽与移民关键路径进度匹配度”指数，用于衡量二者之间的进度匹配关系。

考虑到多数指标随时间动态变化，其变化趋势可用于指标的趋势性预测，即该指标是否趋向接近预警阈值，以便提前发出预警。比如，单元工程优良率可以反映质量控制情况，优良率大于92%则说明质量控制良好；但若近3个月的单元优良率连续呈下降趋势，即使各月优良率均大于92%，也说明近期质量控制效果有显著下降的可能，需提前预警并采取控制措施。

2.2 流域工程建设风险管控指标体系

按照流域级、集团级工程管控需求，从各工程建设期、建设后评价产生的海量数据中抽丝剥茧，形成关键管控信息，这些关键指标的数据、历史趋势、关联约束等信息，将实时反馈一个电站工程在建期、建设后评价的整体状态、项目管理情况，是各电站工程的关键控制性指标。结合流域工程建设特点，流域工程建设风险指标体系可从指标特性、管控对象、管控层级等维度构成（见图1）。

（1）按指标特性分类。按照指标的时间、关联特性，分为静态指标、趋势性指标、协同性指标。

①静态指标，指通过该指标即可判断事件或事物的当前状态或问题，如一次碾压合格率、安全材料上传率等。该类指标是体系中最基本的指标。

②趋势性指标，指赋予部分静态指标时间属性，通过时间序列的指标变化，确定工程的历史发展进程及未来发展趋势，以预测工程未来风险。该类指标通常是由同一个静态指标的时间序列组成，如连续三个月单元工程质量验评优良率趋势。

③协同性指标，指寻找不同种类静态指标间的关联关系，确定指标间的相互影响及约束，一般用来评估工程各业务、各管控方向的一致性及协调性。该类指标通常是不同种类的静态指标的对比序列。

（2）按工程管控对象分类。按照工程不同管控专业、对象，可将指标分为安全、质量、进度、投资、环保管控五大类指标。

①安全管控指标，包括重大安全隐患数量、隐患整改及时率、安全事故数量；安全检查隐患整改完成率、危险源（点）在控情况、安全习惯性违章、危险源（点）在控率、安全生产费用投入、人员安全培训、安委会召开次数、特种作业；增加安全监测指标。

②质量管控指标，包括机电工程质量管控指标、检测频次（原材料、半成品和成品）完成率、单元工程质量评定合格率、单元工程质量评定优良率、检测不合格数量整改率。

③进度管控指标，工程关键路线的进度偏差指标、关键隧洞支护进度等。

④投资管控指标，包括年度投资完成偏差率、资金计划完成率、进度与投资偏差率、预计造价增减率、甲供材使用率、备用金使用率、保险项目结案率。

⑤环水保管控指标，包括环水保设施按时投用率、珍稀动植物保护区变化指标、环保水保投资完成率、环保水保问题整改率、环境监测数据合格率、“三同时”措施任务完成率。

（3）按指标的重要性或管控级别分类。根据不同指标的重要性，将其分为重要指标及一般指标，分别对应不同的管理层级。

①重要指标应选择面向流域级管理层关注重点或反映流域级趋势性风险的指标，如工程单元的优良率趋势、工程里程碑节点完成率、主体工程年度面貌完成率等。通过重要指标，可对工程的状态及发展趋势进行直观判断。

②一般指标是面向项目级管理层关注的、反映建设过程管控状态及成效的指标，如一次加水合格率、平整度偏差平均值等。一般指标用于项目管理层级对某个业务进行管控，是重要指标中的基础性指标。当重要指标出现预警时，一般指标可作为原因分析、追溯的依据性指标。

3 基于分级预警指标体系的流域建设风险智能管控应用

3.1 流域工程数据中心数据梳理

基于工程项目级数字化建设积累的海量数据，建立了流域工程建设数据中心，并对预警指标体系所需要的数据进行了数据集成与数据梳理。

（1）梳理工程建设数据种类。将根据指标体系中所需数据类型，梳理数据中心需要的、从工程项目级数字化系统中集成的数据类型及种类。对监测、监控的实时数据，根据指标体系需求，确定数据抽取频次以降低数据的体量，提升数据应用效率。

（2）调研分析数据获取途径。根据各工程业务应用系统建设现状及应用现状进行调研分析，确定数据的最佳获取途径。对尚未进行采集的数据类型，若其针对的指标类型重要程度较低，则优化指标体系；若指标类型重要性较高，则采用人工数据采集录入或建议建设相关业务系统进行自动采集。

（3）建立数据接口。在完成数据种类及获取途径梳理的情况下，建设统一管理的数据接口，确保数据能够有效、及时为平台所用（见表1）。

表1 数据集成示例

3.2 风险自动识别

基于智能管控指标体系的风险识别，是通过对工程数据中心数据的分析，识别其所隐藏的潜在风险类型及风险严重性。

从风险识别的方法，可分为数据驱动型风险、事件驱动型风险；从程序功能应分为风险指标监控和风险事件监控（见图2）。

图2 风险识别方法

风险指标监控，即按照指标特征定期同步数据中心的工程数据，利用风险指标计算功能，识别是否存在风险指标超过分级预警阈值，或指标存在趋向于发生风险的趋势。当风险指标值趋近或超过分级预警阈值时，系统触发指标预警功能。该方法的特点是由具备特征的指标数据驱动预警，旨在对风险孕育期、过程期进行管理和监控。

风险事件监控，即监控数据中心的工程数据和系统中录入的事件，根据事件描述和类型从风险库中匹配可能存在的风险。当特定事件发生时，如汛期来临、进行心墙填筑等，通过风险库与事件关联方式，及时推送与该事件关联的风险事件，为用户提供事前预警。该方法的特点是由事件驱动预警，当事件发生时，对可能具备发生条件的风险进行前置预警。

3.3 风险原因分析

识别风险后，需要对可能造成潜在风险的原因进行追溯，从而更好地从源头进行管控，而寻找原因与风险之间的关联关系，即为风险原因分析方法。从风险原因分析的方法来看，可分为基于关联数据的原因分析和原因库匹配原因两种方法。

基于关联数据的原因分析功能，是当数据指标触发预警并提示风险后，平台追溯与本数据指标相关联的数据，从关联数据的异常、趋势来判断风险预警的原因。该方法主要是从数据的异常情况来判断预警的根源，需要与企业大数据中心的各类数据相关联，其实现的基础是准确、科学地建立预警指标与一般指标、关联数据的关联关系。

由于风险的多样性，项目层、企业层工程信息化技术的发展水平差异，在多数情况下，风险及其原因无法仅靠定量的数据来进行还原描述，还应包含各类定性的风险原因描述，例如部分安全类风险管控、质量类风险管控。因此，采用原因库与风险事件相关联，并通过预设原因来实现风险原因分析是必要的。

由于造成风险的原因具有多样性，要实现风险原因的准确识别，风险-原因关联关系模型需要不断的优化，原因库需要不断的穷举完善。因此，采用人机交互的模式，由平台提供初步分析结果，再由有经验的用户根据工程实际情况对风险原因的贡献权重、种类进行进一步调整，其结果既用于工程风险管控，也作为分析样本反馈回系统，系统将根据每一次结果调整优化风险-原因关联关系以及风险库内容。

3.4 风险应对决策

当识别风险并分析原因后，平台将基于原因-措施关联关系，根据造成风险的原因、风险严重程度以及可能发生的概率，从措施库中抽取相应的措施，组成风险应对预案。同样的，由于风险及原因的多样性，措施预案也具有多样性特征，需要在过程中根据用户调整结果不断优化和扩充。

辅助决策功能不能仅仅机械地将各类风险应对措施进行排列，还应根据风险发生的可能性、严重性对各类措施所需的资源、注意事项、类似案例等进行有机组织，确保用户能够根据风险的紧急情况进行有效决策，并对采用预案后可能出现的情况提前应对。

3.5 流域智慧工程管控平台

面向开发单位工程管理部门的管理职能，开发单位构建了由流域级52项指标（含静态指标35项、趋势性指标13项、协同性指标4项）、项目级130项指标（含工程建设质量、进度、安全、投资、环水保五大类）的风险预警指标体系，以工程数据中心汇聚的流域在建、已建工程建设过程海量数据为基础，自动量化分析流域智慧工程管控平台重点监控的流域级52项风险预警指标是否达到风险预警阈值。平台功能覆盖工程前期管理、建设管理、工程后评价等全生命周期，聚焦工程枢纽、移民、送出三板块的安全、质量、进度、投资、环水保五个领域重大问题及关键部位管理，对各管理要素趋势性、系统性问题进行分析、预警、决策与综合管理，实现工程建设管理的自动预判、自主决策、自我演进。平台应用以来，有效提前预警了3次流域级潜在趋势性风险并及时采取应对措施，达到流域开发风险可控的目的。

4 结论与展望

基于近年来各水电项目层级数字化、智能化研究应用快速发展的背景，聚焦流域工程建设重大安全、质量、进度、投资、环保问题和关键部位管理等管控重点，建立流域工程建设风险量化分级预警指标体系，有助于充分挖掘项目层级积累的海量数据价值，从中自动识别流域级、系统性、趋势性的各类风险并进行提前预警，从而提升大型流域水电工程建设智能化管控水平，降低流域开发的系统性、趋势性风险，在各大流域中具有广阔推广应用前景。基于本文提出的研究成果，后续研究可结合知识图谱技术自动识别风险指标与风险原因的关联性，提升风险原因分析的准确性，引入蚁群算法来改进风险应对决策措施的推荐算法，以自动匹配最优措施，进一步将前沿信息技术与工程建设技术紧密结合，对各大流域应对新形势下流域开发面临的挑战具有重要意义。