梁 杰，姚 灏，刘 鹏

(1.广州越秀供电局，广东 广州 510600；2.广州电力设计院，广东 广州510610；3.华南理工大学 电力学院，广东 广州 510600)

0 引言

随着大型变电站施工建设的快速推进和发展，变电站安装工程施工规模越来越大，需要进行变电站安装工程施工风险评估，构建变电站安装工程施工评估模型，结合对变电站安装工程施工过程的可靠性控制和风险大数据，进行变电站安装工程施工风险评价和决策，构建变电站安装工程施工风险评价的模糊数据集，采用统计分析方法，进行施工过程的可靠性控制和分析，建立变电站安装工程施工风险评估模型，在施工工程的优化中具有很好的应用价值[1].

传统方法中，对变电站安装工程施工风险评估采用模糊评估方法、粗糙集评估算法、混沌分析算法等[2-3]，构建变电站安装工程施工风险的模糊决策参量模型，采用可靠性数据分析方法进行变电站安装工程施工风险评估.文献[4]中提出基于改进层次分析法的小型水电工程施工风险评估方法，根据小型水电工程工期短、工程量少、规模小的特征对其施工风险因素进行识别，在此基础上筛选出具有代表性的施工风险评估指标，并利用改进的层次分析法确定了各指标对评估结果的贡献率，利用所构建的评估模型评价分析了某小型水电工程施工风险状况.文献[5]中基于贝叶斯网络的电力施工安全承载能力评估方法，通过对承载能力风险要素的识别和评估，构建了贝叶斯网络结构和参数，在此基础上对电力施工安全承载能力进行了风险评估和诊断，依据分析得到的结果进行风险控制.但以上两种方法进行变电站安装工程施工风险评估的准确性均较差.

为此，本文提出基于建筑信息模型(BIM)的变电站安装工程施工风险评估方法.首先在变电站安装工程施工风险数据采集和分析变电站安装工程施工风险特征的基础上，对变电站安装工程施工风险进行预测，然后根据预测结果，结合建筑信息模型(BIM)进行变电站安装工程施工风险评估，最后进行仿真实验分析，展示了本文方法在提高变电站安装工程施工风险评估能力方面的较好性能.

1 统计数据采集及特征分析

1.1 变电站安装工程施工风险评估的大数据采样

(1)

式中：p为变电站安装工程施工风险评估选择的条件概率分布个数；W为变电站安装工程施工风险评估样本数；m为变电站安装工程施工风险评估选择的条件概率分布总数.采用模糊关联规则调度方法，构建变电站安装工程施工风险分析模型x(t)，其表达式为：

(2)

(3)

(4)

式中:kμ(t)表示t时刻变电站安装工程施工风险评估统计大数据的采样尺度；ΔTm(t)表示t时刻变电站安装工程施工风险评估统计大数据的量化特征集；w为自适应权重；Θ为kμ(t)的统计特征分布量化集;Fμ(t)表示t时刻变电站安装工程施工风险评估的概率条件函数.

根据上述分析，进行变电站安装工程施工风险大数据信息融合[7]，得到变电站安装工程施工风险统计数据采集公式为：

(5)

1.2 分析变电站安装工程施工风险特征

通过采集到的变电站安装工程施工风险统计数据，得到特征分布样本集Xj(t+1)的表达式为：

(6)

式中:Xj(t)为第t时刻迭代后变电站安装工程施工风险评估的模糊规则集；mbest为第t+1时刻迭代后变电站安装工程施工风险评估的平均最好值；uj为样本数据中t时间内失效的统计次数[8].采用联合关联规则挖掘方法，得到变电站安装工程施工风险特征的有限数据集X的表达式为：

X={x1,x2,…,xn}⊂Rs，

(7)

其中，变电站安装工程施工风险评估样本集中含有n个样本(样本xi，i=1,2,…,n)，结合BIM调度方法[9]，得到变电站安装工程施工风险评估的量化特征关系为：

(8)

式中，Mh为变电站安装工程施工风险评估统计大数据预测载荷.采用修正的支持向量机学习模型进行变电站安装工程施工风险评估和融合分量，利用多元回归分析方法分析变电站安装工程施工风险特征[10]，得到风险特征的目标函数为：

(9)

2 变电站安装工程施工风险评估模型

2.1 变电站安装工程施工风险预测

在上述对变电站安装工程施工风险大数据采样，并采用多元回归分析方法分析变电站安装工程施工风险特征的基础上，对变电站安装工程施工风险进行预测.在变电站安装工程施工风险变化k条件下，变电站安装工程施工风险BIM评估的转移概率pgj(k)的表达式为：

(10)

(11)

式中:pid表示风险预测特征量；Xmax，Xmin分别为最大风险预测值和最小风险预测值.

2.2 模型建立

根据预测结果，结合建筑信息模型(BIM)进行变电站安装工程施工风险评估，提高变电站安装工程施工风险评估的BIM信息融合能力[11-12].采用分块聚类方法进行变电站安装工程施工风险评估，将BIM软件应用在变电站施工中.变电站安装工程施工风险评估模型由五个状态组成，即μ=(A,B,C,D,E)，其中A为变电站安装工程施工风险评估模型中的隐含状态；B为变电站安装工程施工风险评估模型观测状态，B={Bj,j=1,2,3，…,M}，其定义式如下：

maxF(B)=(F1(B),F2(B),…,Fn(B)).

(12)

采用线性规划模型进行变电站安装工程施工风险集构造，建立变电站安装工程施工风险综合评估的BIM建筑信息模型，其表达式为：

(13)

综上分析，结合建筑信息模型(BIM)，完成变电站安装工程施工风险评估优化设计.实现流程如图1所示.

图1 变电站安全工程的施工风险评估实现流程Fig.1 Implementation process of construction risk assessment for substation safety engineering

3 仿真实验与结果分析

为了测试本文方法在实现变电站安装工程施工风险评估中的应用性能，进行仿真实验.图2为某变电站安装工程施工现场.

图2 某变电站安装工程施工现场Fig.2 Construction site of a substation installation project

将BIM软件应用在变电站施工过程中，结合Matlab仿真工具，WindowsXP操作系统，Tomcat5.5服务器，Microsoft SQL2000数据库，进行变电站安装工程施工风险评估，对变电站安装工程施工风险评估数据的采样长度为1 024，风险决策的模糊度系数为0.15，测试样本集规模为1 000，描述性统计分析结果见表1.

表1 描述性统计分析结果

根据上述仿真环境和参数设定，进行变电站安装工程施工风险评估，得到测试数据集如图3所示.

以图3的数据为研究对象，进行变电站安装工程施工风险评估，得到评估输出如图4所示.

图3 变电站安装工程施工风险BIM信息集 图4 变电站安装工程施工风险评估输出Fig.3 Substation installation engineering construction risk BIM information set Fig.4 Substation installation engineering construction risk assessment output

分析图4得知，采用本文方法能有效实现变电站安装工程施工风险评估，评估输出特征量的聚类性较好.为了验证本文方法的有效性，采用本文方法、文献[4]方法和文献[5]方法对变电站安装工程施工风险评估的准确性进行对比分析，对比结果如图5所示.

图5 评估准确性对比Fig.5 Comparison of evaluation accuracy

分析图5得知，采用本文方法进行变电站安装工程施工风险评估，评估准确性最高可达100%；采用文献[4]方法进行变电站安装工程施工风险评估，评估准确性最高可达85%；采用文献[5]方法进行变电站安装工程施工风险评估，评估准确性最高可达81%.说明采用本文方法进行变电站安装工程施工风险评估的准确性较高.

4 结束语

由于传统方法进行变电站安装工程施工风险评估存在准确性较差的问题，提出基于建筑信息模型的变电站安装工程施工风险评估方法.在构建变电站安装工程施工风险评估的回归分析模型和分析变电站安装工程施工风险特征的基础上，对变电站安装工程施工风险进行预测，并结合建筑信息模型(BIM)对变电站安装工程施工风险进行评估.研究得知，文中方法进行变电站安装工程施工风险评估的准确性较高.