李存斌，潘张益

(华北电力大学 经济与管理学院，北京 102206)

基于三角模糊数的电力企业科研风险模糊综合评判

李存斌，潘张益

(华北电力大学 经济与管理学院，北京 102206)

基于电力企业科研项目的特点，从政策、社会、经济、技术、组织等5个角度构建了相应的风险评价指标体系。采用的模型以专家对指标项的精确打分值为数据基础，针对风险评价中的模糊性特征，首先以三角模糊数的形式实现数据的模糊化，再结合多级模糊综合评判模型进行科研项目的风险评判。此评判方式综合了两者优势，在削弱参数拟定的主观影响的同时，保留了原数据集一定的精确性，兼顾了意见的一致性和差异性。最后通过实际科研项目算例证明了该模型的实用性和有效性。

电力企业；科研项目；风险评判；三角模糊数；多级模糊综合评判

近年来，电力企业的科技研究项目多以电力发、输、配、用的高质量、高效率为目标，结合大数据时代下的信息化发展，促进电力系统的智能化建设。比如，当下正快速发展起来的能源互联网技术致力于推进分布式能源系统的互联，实现能量双向流动；智能电网及特高压等技术将实现电网经济性、高效性和安全性作为目标。这些技术都依托科研项目取得了实质性的进展。

与一般工程建设项目类似，从最初的决策启动到最终的交付运行，电力科研项目本身所具备的不确定性及其所涉及因素的多样性与复杂性，使得项目在研究开展过程中不可避免地存在一定的风险，倘若不能很好地进行风险控制与规避，很可能导致科研项目最终无法顺利完成。因此，进行科学合理的项目风险管理和控制，无论是对科研项目本身的顺利开展，还是对实现后续的电力经济社会效益，都具有极大的现实意义。作为项目风险管理的核心组成，项目风险评估是对风险可能性进行量化评估分析的过程，有效的风险评估有利于把握项目的实际情况，从而及时采取相应的措施实现风险的规避与控制，保证项目的顺利开展。但在目前，电力科研项目的风险评判仍然没有形成统一的指标体系，对科研项目风险的管理也不够到位。

在学术研究方面，国内外的专家学者已提出多种风险评估方法和模型。其中，层次分析法[1-3]和决策树模型[4-5]在风险评估中使用较为频繁，但存在一定的主观性或规则依赖性问题。文献[6]和文献[7]分别利用贝叶斯网络和BP神经网络解决项目风险评估问题，但其过程同样需要借助同类已建成项目的历史数据，使得实际风险评估存在较大的依赖性。

现实情况中，风险在语言上往往通过高、中、低等带有模糊性质的词汇表述，造成风险本身存在一定的模糊性，因此模糊综合评判方法在风险评估中较为常用[8-10]。该方法通过对相关风险因素的风险隶属评判，结合对应的权重分配进行风险的综合考量，所得结果是一个模糊隶属度向量，一般由最大隶属度原则确定最终的风险隶属。而当最大隶属度元素不唯一时，对结果的隶属判断会存在一定的困难。另外，该方法计算时所涉及的权重向量由专家以精确值的形式给出，存在一定的主观性影响。文献[11]采用区间数与模糊综合评判的结合方式，弱化了专家确定权重及隶属度的主观因素影响，但当专家给出的权重系数或隶属度取值较为统一时，该方式也牺牲了一定的精确度。

据此，本文基于电力企业科研项目特征建立风险评判指标体系，并以多级模糊综合评判方法为基础，将原方法中单值形式的专家权重与隶属度数值先转化为三角模糊数，从而达到削弱主观影响并保证一定参考精度的目的，实现专家意见一致性和差异性的双重体现。将此模型结合电力企业科研项目的风险评价指标体系，可对风险做出较为合理的评价。

1 电力企业科研风险评价指标体系

一般的工程项目往往以自然风险、社会风险、经济风险、技术风险等几个因素作为主要切入点展开项目的风险评价与分析。而对电力企业科研项目而言，其所具备的电力特性以及基础研究与技术开发等过程使得它与一般的工程项目有所区别。本文拟从以下几个方面建立指标体系：

1) 政策风险。政策风险从电力行业政策、电力企业自身政策、科研技术相关政策以及国家财税政策等4个方面进行评估。电力行业政策关系到整个行业对电力新技术的研究与发展的扶持力度。比如，风电基于其相对火力发电的环境友好性、清洁性等特点，得到了国家的政策支持，这对其相关技术的研制起到了一定的促进作用，而2012年国家提出的“防止太阳能、风电设备制造能力的盲目扩张”[12]又对风电新技术的研发带来了一定的影响。同样，电力科研项目也受技术相关政策、国家财税政策的影响，并受企业本身政策的制约。

2) 社会风险。社会风险从社会支持程度、科研设备与材料供应、与外界交流程度、电力企业稳定性等4个方面进行评估。电力科研项目本身所期望达到的研究成果归根结底是面向社会、服务社会的，因此在电力科研项目的研究过程中，其不可避免地需要接受大众的评议，从而面临一定的社会风险。比如特高压输电技术，由于其输送容量大、距离远、损耗低等优点，在国内得到了较大的研制关注度，但在安全性、可靠性方面一直也饱受争议[13]，这就使得特高压相关科研项目面临着一定的社会支持程度的风险。此外，科研项目相关的设备或材料供应直接影响项目的进度和质量，与国内外相关技术领域的先进研究机构或学者开展交流与合作以及电力企业自身在社会中发展与运营的稳定性等对科研项目本身都有着一定的影响，因此还需要考虑社会风险。

3) 经济风险。经济风险包括项目成本预测可靠性、资金供应可靠性、采购价格稳定性、宏观经济稳定性等4个因素。在项目研究过程中，必然要不断地投入资金以获取人力、设备、材料等资源的支持。项目成本预测的可靠性越低，表明科研项目实施前的成本预测与实施过程实际发生的成本之间的偏差越大。这与资金供应的滞后情况一样，容易造成对项目财务方面的制约，从而在经济上对项目造成一定的影响。而在项目研究期间，物料设备的采购价格发生波动或宏观经济的动荡会导致项目各开销项的变动，从而使得项目面临经济风险。

4) 技术风险。技术风险从该电力科研项目的关键技术认知以及各关键技术的先进性、可靠性和难度等4个方面进行评估。项目的关键技术很可能直接关系科研的成败，因此对项目关键技术的认知不同使得项目面临不同程度的风险。而各关键技术的先进性、可靠性和难度又能从3个维度考察科研项目的技术可行性，从而达到风险评估的目的。如针对某交流特高压输电线路研究项目，即可对操作过电压、外绝缘、污闪、电磁环境[14]等方面的相关关键技术从以上3个维度进行综合性的风险评价，并结合关键技术的认知风险对项目的技术风险做出评估。

5) 组织风险。组织风险可以从科研项目组织成员的电力知识水平、科研素质、团队意识以及组织整体的管理水平、项目进度等5个方面进行评价。电力及相关技术知识水平和科研素质是进行电力项目科研的基本前提，而项目组织的团队意识和管理水平是项目取得实质进展的保障。这4个因素的优劣对科研项目开展具有较大影响。同时，在项目研究过程中，某一环节进度的提前或落后对项目后续过程会造成连续的不同性质和程度的影响，从而使项目面临着一定的风险。

综上所述，建立的电力企业科研项目的风险评价指标体系如表1所示。

2 科研项目风险综合评判模型

2.1 多级模糊综合评判模型

模糊综合评判模型是建立在模糊数学基础上的一种综合评价模型，通过隶属度实现定性概念和定量数值的相互转化，其简单思路为：基于各因素的权重及相应的评价结果，按照一定的规则得出评判对象的评价结果[15-17]。单级模型的具体步骤表述如下[18]：

1) 确定因素集U={u1,u2,…,un}，因素集包含进行模糊综合评判所依据的同级全部因素。

2) 确定评语集V={v1,v2,…,vm}，评语集是对评判对象的定性区分，例如评判风险的评语集可以是{ 低风险，中风险，高风险}。

3) 针对步骤1)中的因素集，确定因素xi隶属评语集各元素的隶属度，完成从U到V的映射，从而得到模糊集(ri1,ri2,…,rim)，并将各因素对应的模糊集进行合并，形成评价矩阵

(1)

表1 电力企业科研项目风险指标体系Table 1 Risk index system of scientific research projects in electric power enterprises

5) 计算B=A ∘ R=(b1,b2,…,bm)，得出评判对象隶属各评语的隶属度。其中，“ ∘ ”代表合成算子，常用的有(∨,∧)、(·,+)等。取(∨,∧)，则有

(2)

式中：j=1,2,…,m；∨与∧分别表示取大与取小运算。

由此，即可依据最终得到的综合评价集B，并以最大隶属度原则确定评判对象的隶属情况。

现实情况中，由于评判对象所涉及的诸多因素具有层级结构，因此需要将逐级向上求解的思路引入模糊综合评判中，此即为多级模糊综合评判。例如，对二级模型而言，因素体系呈现“评判对象—父因素—子因素”结构，此时应首先对各子因素集分别进行模糊综合评判，得到对应父因素ui的评判结果Bi，再由Bi合并得到父因素层级的模糊关系R=(B1,B2,…,Bn)T，并依据各父因素权重得出最终的评价结果。

2.2 三角模糊数

图1 三角模糊数的概率密度函数Fig.1 Probability density function of triangular fuzzy numbers

对任意2个三角模糊数X=[x-,x*,x+]和Y=[y-,y*,y+]，有如下运算规则：

(3)

(4)

在对2个三角模糊数进行比较时，若X与Y出现区间重叠，则不能简单地通过区间重心确定两数的大小排序，而需借助可能度P(X≥Y)与P(Y≥X)的大小加以比较判断，可能度满足P(X≥Y)+P(Y≥X)=1。区间重叠有如图2所示的两种情况。

图2 三角模糊数X与Y的区间重叠情况Fig.2 Interval overlap of triangular fuzzy numbers X and Y

根据图2，假设区间重叠的两种情况分别为y-≤x-≤y+≤x+与y-≤x-≤x+≤y+，则此时有：

(5)

(6)

根据可能度计算结果进行大小比较。当P(X≥Y)>P(Y≥X)时，认为三角模糊数X>Y；当P(X≥Y)=P(Y≥X)=0.5时，认为X=Y，否则认为X

2.3 科研项目风险评价模型

根据前述的理论基础，将三角模糊数引入模糊综合评判模型中，在减小专家给定数值的主观性影响的同时，也保留了原模型一定程度的精确性，从而使所得结果更具参考价值。因此，拟将原模糊综合评判模型中的权重与隶属度数值以三角模糊数取代，并结合两者的运算和比较规则得出模型的最终评判结果。

在应用该模型进行企业科研项目风险评判前，需依据项目的风险评价指标体系，由相关的专家对各个风险因素进行评价并确定因素权重，从而得到相应各级的模糊关系矩阵和权重向量。模型的具体步骤如下：

1) 确定风险评语集V={极高风险，较高风险，中等风险，较低风险，极低风险}，并根据风险指标体系，确定各因素集。其中，父因素集U={U1,U2,…,Un}，各父因素集对应的子因素集Ui={Ui1,Ui2,…,Uim}，i=1,2,…,n。

2) 首先请多位专家对各子因素集进行评判，并给出相应的权重分配(其中有i=1,2,…,n，j=1,2,…,5，k=1,2,…,m，假设专家总数为H，h=1,2,…,H)。

(7)

其中函数avg()表示选取专家评数中出现频率较高数的加权平均值。由此，形成各因素集各自的模糊关系：

(8)

② 根据专家给出的各因素权重aikh，根据①中的三角模糊数取值方法，得

(9)

因素集权重向量

(10)

③ 根据各子因素的权重及模糊关系计算各父因素的评价向量：

(11)

其中

(12)

3) 将对各子因素集进行模糊评判所得的父因素评价向量合并，得到新的模糊关系：

(13)

4) 根据各父因素在三角模糊数下的权重向量A，为减小其对结果的趋同影响，增大模糊关系R包含信息的充分利用程度，改换为(·,+)算子进行评判计算，即对于

(14)

(15)

5) 利用三角模糊数在坐标轴上的位置，可直观反映各结果的隶属排序。模糊数位置越靠右代表相应隶属度越大。也可对风险评判结果进行两两大小可能度计算，构造可能度比较矩阵：

(16)

以此量化反映大小顺序，从而确定该项目的风险评判结果。

3 算例分析

本文选取某电力企业的微网能量管理系统的技术研究项目作为实证研究对象。确定模型评判所采用的评语集为V={极低风险，较低风险，中等风险，较高风险，极高风险}。参照表1的指标体系，请7位专家分别对各因素集进行评语隶属度和权重的拟定，从而确定各子因素集在三角模糊数下的权重向量Ai、模糊关系Ri(分别对应指标Ui下的子因素集)以及父因素集的权重向量A。以U1(政策风险)下的4个子因素权重为例，7位专家给出的打分结果见表2。

表2 “政策风险”项各子因素权重的专家打分结果Table 2.The expert scoring results of each sub factor weight of “policy risk”

由式(7)、(9)可得，2级和3级指标层权重向量及3级指标层模糊关系，如表3所示。基于以上数据，由式(11)可得各2级指标的评判向量B1,B2,B3,B4,B5，并按次序合并得到2级指标层的模糊关系R。结合各2级指标的权重分配A，由式(14)即可求出最终项目风险的评价向量B，结果如表4所示。

从表4评判向量B中可看出：对应风险评语隶属的5个三角模糊数两两之间存在区间重叠的现象，记B=(b1,b2,b3,b4,b5)，可做出其位置坐标图，如图3所示。

图3 评判结果隶属情况Fig.3.Membership of evaluation results表3 模型初始数据Table 3 Model initial data

对象模型数据二级指标层权重向量A=([0.1,0.14,0.2],[0.1,0.16,0.2],[0.2,0.2,0.2],[0.2,0.26,0.3],[0.2,0.24,0.3])3级指标层权重向量A1=([0.3,0.36,0.5],[0.3,0.3,0.3],[0.1,0.16,0.2],[0.1,0.16,0.2])A2=([0.3,0.39,0.5],[0.1,0.17,0.2],[0.2,0.21,0.3],[0.2,0.23,0.3])A3=([0.2,0.31,0.4],[0.3,0.31,0.4],[0.1,0.19,0.2],[0.1,0.19,0.3])A4=([0.3,0.33,0.4],[0.1,0.16,0.2],[0.2,0.27,0.4],[0.2,0.24,0.3])A5=([0.2,0.23,0.3],[0.1,0.16,0.2],[0.1,0.19,0.2],[0.2,0.27,0.3],[0.1,0.16,0.2])3级指标层模糊关系R1=[0,0.07,0.2][0,0.03,0.1][0,0,0][0,0,0][0.2,0.31,0.5][0.1,0.17,0.3][0,0.04,0.1][0,0.03,0.1][0.3,0.43,0.6][0.3,0.46,0.6][0,0.19,0.3][0,0.14,0.2][0.1,0.19,0.3][0.1,0.3,0.5][0.2,0.47,0.6][0.2,0.33,0.5][0,0,0][0,0.04,0.2][0.2,0.22,0.3][0.3,0.5,0.7]æèçççöø÷÷÷R2=[0.1,0.21,0.3][0,0,0][0,0.09,0.2][0,0,0][0.3,0.41,0.5][0,0.09,0.2][0.2,0.3,0.6][0,0,0][0.2,0.29,0.4][0.2,0.26,0.3][0.2,0.44,0.6][0,0.14,0.2][0,0.07,0.2][0.3,0.44,0.5][0,0.14,0.3][0.2,0.33,0.5][0,0,0][0.1,0.21,0.3][0,0.01,0.1][0.3,0.53,0.8]æèçççöø÷÷÷R3=[0.2,0.27,0.4][0,0.03,0.1][0,0,0][0,0,0][0.4,0.49,0.6][0.1,0.2,0.3][0,0.06,0.1][0,0.09,0.2][0.1,0.2,0.3][0.4,0.53,0.7][0.2,0.23,0.3][0.2,0.34,0.6][0,0.04,0.1][0.2,0.23,0.3][0.3,0.46,0.6][0.2,0.44,0.6][0,0,0][0,0.01,0.1][0.1,0.26,0.5][0,0.13,0.3]æèçççöø÷÷÷R4=[0,0,0][0,0.1,0.2][0,0.04,0.1][0,0.16,0.3][0,0.06,0.1][0.1,0.23,0.4][0,0.2,0.3][0.3,0.41,0.6][0.2,0.29,0.4][0.3,0.4,0.6][0.2,0.4,0.6][0.2,0.34,0.5][0.4,0.46,0.6][0.1,0.24,0.4][0.2,0.27,0.4][0,0.09,0.2][0.1,0.2,0.3][0,0.03,0.1][0,0.09,0.3][0,0,0]æèçççöø÷÷÷R5=[0,0,0][0,0.06,0.1][0.1,0.21,0.3][0.3,0.41,0.6][0.1,0.31,0.5][0,0,0][0,0.06,0.1][0.1,0.2,0.3][0.4,0.53,0.8][0.1,0.23,0.4][0,0.06,0.1][0.2,0.21,0.3][0.3,0.5,0.6][0.2,0.2,0.2][0,0.03,0.1][0,0.1,0.2][0.2,0.3,0.4][0.3,0.46,0.6][0,0.14,0.2][0,0,0][0,0.04,0.1][0.1,0.2,0.3][0.3,0.46,0.7][0.1,0.27,0.5][0,0.03,0.2]æèççççöø÷÷÷÷

表4 模型结果Table 4 Model result

图3中可直观看出5个三角模糊数的排序为b3>b2>b4>b5>b1，认为该微网科研项目为中等风险。但b2和b3较为接近。通过式(3)和式(4)计算其大小可能度矩阵：

其中P(b3≥b2)=0.551，即项目在b2、b3中隶属b3的可能性为0.551，表明该科研项目风险评判在中等风险b3和较低风险b2的隶属中区分不太明显，因此可将该项目的风险折中认定为中低等风险，由此采取相应的风险管理和控制措施。

4 结束语

本文以一般工程项目的风险评判体系为蓝本，结合电力和科研两个方面的特点，从政策、社会、经济、技术、组织等5个方面具体分析了电力企业科研项目实施过程所面临的各种风险因素，并据此构建出电力企业科研项目风险评价指标体系。在此基础上，将模糊综合评判方法中的数值以三角模糊数代替，构建了基于三角模糊数的多级模糊综合评判模型，并以此对电力企业科研项目风险进行评判。相比于原模糊综合评判模型，该模型利用三角模糊数的优势，综合了专家意见，既保留了专家群体的意见一致性成分，又考虑了差异性成分，削弱了专家拟定参数的主观影响，同时对比普通的二值区间数，又保留了原模型一定的精确性，是一种具实用价值的风险评价模型。最后，经实际算例的检验，表明所构建的指标体系及模型具有一定的可行性和可靠性。

[1] 赵昱,刘行,徐佳欣,等.基于层次分析法—灰色聚类的PFI模式下公租房建设的风险评价方法[J].工程管理学报,2013(1):69-72.

ZHAO Yu,LIU Xing,XU Jiaxin,et al.Risk Evaluation of PFI Financing Model in Public Rental Housing Construction Based on AHP-grey Clustering Method[J].Journal of Engineering Management,2013(1):69-72.

[2] 张玮,张卫东.基于网络层次分析法(ANP)的PPP项目风险评价研究[J].项目管理技术,2012,10(10):84-88.

ZHANG Wei,ZHANG Weidong.Research on PPP project risk evaluation based on Analytic Network Process (ANP)[J].Project Management Technology,2012,10(10):84-88.

[3] HYUN K C,MIN S,CHOI H,et al.Risk analysis using fault-tree analysis (FTA) and analytic hierarchy process (AHP) applicable to shield TBM tunnels[J].Tunnelling and Underground Space Technology,2015,49:121-129.

[4] VOROVENCII I.Assessing and monitoring the risk of desertification in Dobrogea,Romania,using Landsat data and decision tree classifier[J].Environmental Monitoring and Assessment,2015,187(4):187-204.

[5] 张利,姚轶崭,彭建芬,等.基于决策树的智能信息安全风险评估方法[J].清华大学学报(自然科学版),2011,51(10):1236-1239.

ZHANG Li,YAO Yizhan,PENG Jianfen,et al.Intelligent information security risk assessment based on decision tree algorithm[J].Journal of Tsinghua University (Science and Technology),2011,51(10):1236-1239.

[6] 王昕,徐友全,高妍方.基于贝叶斯网络的大型建设工程项目风险评估[J].工程管理学报,2011,25(5):544-547.

WANG Xin,XU Youquan,GAO Yanfang.Risk Evaluation of Large-scale Construction Projects Based on Bayesian Network[J].Journal of Engineering Management,2011,25(5):544-547.

[7] 包相相,杨和礼,景有荣.基于BP神经网络对BT项目风险的评价[J].土木工程与管理学报,2014(2):96-100.

BAO Xiangxiang,YANG Heli,JING Yourong.Evaluation of BT Project Risk Based on BP Neural Network[J].Journal of Civil Engineering and Management,2014(2):96-100,109.

[8] 谢朦,倪国栋,王建平.基于模糊层次分析法的代建单位风险评价研究[J].工程管理学报,2010,24(3):262-266.

XIE Meng,NI Guodong,WANG Jianping.Risk Assessment of Agent Construction Enterprises Based on the Fuzzy AHP Method[J].Journal of Engineering Management,2010,24(3):262-266.

[9] 蔡文飞,王汉斌.基于层次分析-模糊综合评价的煤矿应急管理风险评价[J].科技管理研究,2013(16):30-33.

CAI Wenfei,WANG Hanbin.The Risk Assessment of Mine Emergency Management Based on AHP-FCE Comprehensive Evaluation[J].Science and Technology Management Research,2013 (16):30-33.

[10]HAN L,SONG Y H,DUAN L,et al.Risk assessment methodology for Shenyang Chemical Industrial Park based on fuzzy comprehensive evaluation[J].Environmental Earth Sciences,2015,73(9):5185-5192.

[11]马丽叶,卢志刚,胡华伟.基于区间数的城市配电网经济运行模糊综合评价[J].电工技术学报,2012,27(8):163-171.

MA Liye,LU Zhigang,HU Huawei.A Fuzzy Compre- hensive Evaluation Method for Economic Operation of Urban Distribution Network Based on Interval Number[J].Transactions of China Electrotechnical Society,2012,27(8):163-171.

[12]2012 年中国政府工作报告[R].北京:人民出版社,2012.

Report on the work of the Chinese government in 2012[R].Beijing:People press,2012.

[13]周浩,余宇红.我国发展特高压输电中一些重要问题的讨论[J].电网技术,2005,29(12):1-9.

ZHAO Hao,YU Yuhong.Discussion on Several Important Problems of Developing UHV AC Transmission in China[J].Power System Technology,2005,29(12):1-9.

[14]舒印彪,胡毅.交流特高压输电线路关键技术的研究及应用[J].中国电机工程学报,2007,27(36):1-7.

SHU Yinbiao,HU Yi.Research and Application of the Key Technologies of UHV AC Transmission Line[J].Proceedings of the CSEE,2007,27(36):1-7.

[15]秦健,覃彬全,陈闯,等.基于模糊综合评价法的雷电灾害易损性区划研究[J].西南大学学报(自然科学版),2014(7):176-182.

QIN Jian,QIN Binquan,CHEN Chuang.Lightning Disaster Vulnerability Zoning Research Based on Fuzzy Comprehensive Evaluation[J].Journal of Southwest University(Natural Science Edition),2014(7):176-182.

[16]刘洲，雍歧卫，聂桐，等．运用不确定层次分析法和三角模糊数的多年冻土地区管道定量风险评价[J]．重庆理工大学学报(自然科学)， 2015(9):137-142．

LIU Zhou，YONG Qiwei，NIE Tong，et al．Quantitative Risk Assessment of Pipelines in Permafrost Areas with Uncertain Analytic Hierarchy Process and Triangular Fuzzy Number[J]．Journal of Chongqing University of Technology(Natural Science)，2015(9):137-142．

[17]方国强,滕克难. 基于模糊综合评判的弹道中段目标识别技术[J]. 四川兵工学报, 2014, 35(3):112-114.

FANG Guoqiang，TENG Kenan. Target Recognition Technology of Ballistic Missile in the Middle Trajectory Based on Fuzzy Comprehensive Judgment Method[J]. Journal of Sichuan Ordnance, 2014, 35(3):112-114.

[18]杨纶标,高英仪,凌卫新,等.模糊数学原理及应用[M].广州:华南理工大学出版社,2011.

YANG Lunbiao,GAO Yingyi,LING Weixin,et al.The principle and application of fuzzy mathematics[M].Guangzhou:South China University of Technology Press,2011.

(责任编辑 陈 艳)

Fuzzy Comprehensive Assessment of Power Enterprise R&D Risk Based on Triangular Fuzzy Number

LI Cun-bin, PAN Zhang-yi

(School of Economics and Management, North China Electric Power University,Beijing 102206, China)

Based on the characteristics analysis of the R&D projects of electric power enterprises, this paper constructs the corresponding risk evaluation index system from the aspects of policy, society, economy, technology and organization. And due to the fuzziness of risk, with the accurate scores of the indexes from expects as the data base, the model uses triangular fuzzy number to obscure data, and achieves the risk assessment of R&D project by multilevel fuzzy comprehensive assessment. This method integrates both advantages, not only weakening the subjective effects of the parameters given by the experts, but also retaining the accuracy of the original fuzzy evaluation model, and it considers both consistency and deviation of experts’ opinions. Finally, the practical example indicates the practicality and effectiveness of the model.

power enterprise; R&D project; risk assessment; triangular fuzzy number; multilevel fuzzy comprehensive evaluation

2016-07-18

国家自然科学基金资助项目(71271084)；国家电网公司总部科技项目(KJGW2015-020)

李存斌(1959—),男,内蒙古人，教授,博士生导师,主要从事信息管理与决策、电力运营与管理决策、信息化环境下的企业或项目风险管理研究；通讯作者 潘张益(1992—)，男，硕士研究生，主要从事电力运营与管理决策研究，E-mail:pan_zhangyi@163.com。

李存斌,潘张益.基于三角模糊数的电力企业科研风险模糊综合评判[J].重庆理工大学学报(自然科学)，2017(1):143-151.

format：LI Cun-bin, PAN Zhang-yi.Fuzzy Comprehensive Assessment of Power Enterprise R&D Risk Based on Triangular Fuzzy Number[J].Journal of Chongqing University of Technology(Natural Science)，2017(1):143-151.

10.3969/j.issn.1674-8425(z).2017.01.022

O21

A

1674-8425(2017)01-0143-09