CN107832916B - 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法 - Google Patents

基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法 Download PDF

Info

Publication number
CN107832916B
CN107832916B CN201710953806.6A CN201710953806A CN107832916B CN 107832916 B CN107832916 B CN 107832916B CN 201710953806 A CN201710953806 A CN 201710953806A CN 107832916 B CN107832916 B CN 107832916B
Authority
CN
China
Prior art keywords
risk
event
node
key
cascade
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201710953806.6A
Other languages
English (en)
Other versions
CN107832916A (zh
Inventor
张元泽
刘浩吾
陈群
王仁坤
李永红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201710953806.6A priority Critical patent/CN107832916B/zh
Publication of CN107832916A publication Critical patent/CN107832916A/zh
Application granted granted Critical
Publication of CN107832916B publication Critical patent/CN107832916B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种基于贝叶斯风险网络的梯级水电站关键风险因素和风险传递关键路径的识别方法，涉及水利水电工程领域，梯级水电站风险具有共因失效问题突出的特点，利用贝叶斯网络在处理共因失效问题方面的优势，解决了传统“三树”（故障树，事件树，决策树）在水电工程风险分析方面的不足。基于梯级水电站贝叶斯风险网络模型，提出了关键风险因素以及风险传递关键路径的识别方法，为将梯级水电站贝叶斯风险网络方法用于风险识别和防控提供了理论和方法支撑。该方法简单明了，可操作性强，在梯级水电工程以及土木工程类似系统工程运用贝叶斯网络进行的风险识别及防控中有重要的运用前景。

Description

基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递 关键路径的识别方法
技术领域
本发明涉及一种水利水电工程领域用于风险分析、评估和管控的的基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法。
背景技术
梯级水电站工程，尤其是大型、巨型工程，具有投资大、周期长、运行环境复杂、影响因素多等特点，是一项综合性极强的系统工程。受自然条件（地质、水文、气候等）、建设条件（环境、交通、碾压等）等客观不确定性因素以及设计、建造及采购等环节的主观不确定性因素的影响，水电工程建设和运行过程中不断遇到新问题、新挑战，在设计、建设、投产运行的各个阶段都可能出现质量缺陷或隐患，给工程安全运行带来很多的不确定性；
这些不确定性因素相互交织，共同影响着水电工程的安全运行，传统的“三树”在解决这类共因失效问题的时候总是显得捉襟见肘。如何科学合理地解决梯级水电站共因失效的问题，识别水电工程的风险并加以管理控制，促进水电站建设的安全科学有序发展，是水电科技工作者需要努力研究的重要方向之一；
木桶原理认为，一只水桶能装多少水取决于它最短的那块木板，同样的道理，梯级水电站的整体风险由局部关键的风险来决定的。因此，为了更好的管控风险，需要找到各梯级水电站的关键风险因素以及风险传递关键路径，加以重点管控，必要时在风险传递路径上通过合理阻断，避免灾害链的扩大；
在国家重点基础研究发展计划（973计划）“梯级水库群风险等级确定与风险设计理论（2013CB036403-03）”的支撑下，课题组开展了针对性的研究，在运用贝叶斯风险网络对梯级水电站进行了大量的风险分析和评估的实践的基础上，提出了梯级水电站的关键风险因素以及风险传递关键路径的识别方法。
发明内容
本发明所要解决的技术问题是如何识别梯级水电站的关键风险因素，以及如何识别梯级水电站的风险传递关键路径；
本发明解决其技术问题所采用的技术方案是：通过定义风险扰动量，将某风险因素的发生引起目标事件发生概率的变化量量化；然后计算各子事件对目标事件的风险扰动量；接下来，比较各子事件对目标事件的风险扰动量的大小，风险扰动量最大的即为关键风险因素；
如图1所示，从识别顶事件的关键风险因素开始，依次将关键风险因素再设为目标事件，再识别出目标事件的关键风险因素，如此重复，直到某关键风险因素为最底层节点。将从最底层关键风险因素节点起直到梯级电站顶事件止的所有关键风险因素节点的用单箭线顺次连接起来，即为梯级电站顶事件发生的风险传递关键路径；
本发明的有益效果是：梯级水电站关键风险因素及风险传递关键路径的识别为梯级水电站风险的防控和管理提供了决策依据。该方法在不仅在水电工程领域，在类似土木工程领域均适用，运用前景良好。
附图说明
图1是本发明的梯级水电站关键风险因素及风险传递关键路径识别示意图；
图2是某梯级水电站初始条件下的贝叶斯风险网络；
图3是某梯级水电站风险传导关键路径；
图中标记为：关键风险因素(1)、风险传递关键路径(2)和目标事件(3)。
具体实施方式
下面结合附图和实施例对本发明进一步说明：
梯级水电站关键风险因素(1)的识别，就是从梯级水电站贝叶斯网络模型中找出引起目标节点风险扰动量最大的节点。具体步骤如下：
第1步，设定梯级电站的目标事件(3)；
第2步，计算各子事件对目标事件(3)的风险扰动量；
第3步，比较各子事件对目标事件(3)的风险扰动量的大小，风险扰动量最大的即为关键风险因素(1)；
第4步，若第3步得到的关键风险因素节点为最底层节点，则结束；否则将该关键风险因素节点设为新的目标节点，返回步骤2，直到结束；
将从最底层关键风险因素(1)节点起直到梯级电站目标事件(3)止的所有关键风险因素节点用单箭线顺次连接起来，即为导致梯级电站目标事件发生的风险传递关键路径(2)。
实施例：
以大渡河流域某梯级水电站为例，该电站大坝类型为土石坝，泄洪建筑物由1条洞式溢洪道、1条深孔泄洪洞和1条竖井（非常）泄洪洞组成。构建梯级水电站贝叶斯风险网络，通过计算先验概率和条件概率得到初始条件下的贝叶斯风险网络（见图2）；
根据本发明的方法，梯级水电站关键风险因素识别如下：
第1步：将“大坝失事”定为目标事件；
第2步：计算风险扰动量；
大坝漫顶：(96.02%-1.15e-4%)×100=96.02
大坝质量： (1%-1.15e-4%)×100=1.0
其它异常： (0.01%-1.15e-4%)×100=0.01
第3步比较风险扰动量的大小，显然，“大坝漫顶”是影响大坝失事的关键风险因素；
重复以上步骤：将“大坝漫顶”设为目标事件，得到大坝漫顶事件的关键风险因子为“入库洪水”，再将“入库洪水”设为目标事件，得到其关键风险因素为“上游溃坝洪水”；
根据风险传递关键路径的定义，得到某梯级电站风险传递的关键线路如图3所示；
由以上分析可以，本发明方法在识别梯级电站关键风险因素以及风险传导关键路径识别方面有独特的优势，通过对某梯级电站风险因素的识别，可以发现，引发该电站大坝失事的关键风险因素依次是上游溃坝洪水、入库洪水和大坝漫顶，风险传递的关键路径为“上游溃坝洪水——>入库洪水——>大坝漫顶——>大坝失事”。

Claims (2)

1.基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法，其特征在于：将某风险因素的发生引起目标事件发生概率变化的大小定义为风险扰动量；将使得目标事件风险扰动量最大的子节点事件，称为关键风险因素节点；将由底层节点事件到梯级电站目标节点事件的关键风险因素节点连接而成的路径称为风险传递关键路径；
根据上述定义，基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法和流程如下：
A、第一步，在梯级水电站贝叶斯风险网络中，指定需要考察的某节点事件为目标事件；
B、第二步，计算各子节点事件对目标事件的风险扰动量，计算公式见式（1）：
Figure DEST_PATH_IMAGE001
（1）
式中，
Figure DEST_PATH_IMAGE003
表示第i个子节点事件对目标事件的风险扰动量；
Figure DEST_PATH_IMAGE005
表示第i个子节点事件发生时，目标事件发生的概率；
Figure DEST_PATH_IMAGE007
表示目标事件的先验概率；
C、第三步，比较各子节点事件的发生对目标事件的风险扰动量的大小，对目标事件风险扰动量最大的子节点事件即为目标事件的关键风险因素节点，可由式（2）表示：
Figure DEST_PATH_IMAGE008
（2）
式中，
Figure DEST_PATH_IMAGE009
表示关键风险因素节点；
Figure DEST_PATH_IMAGE010
是一个映射函数，此处指向引起目标事件风险扰动量最大的子节点事件；
D、第四步，若第三步得到的关键风险因素节点为最底层节点，则结束；否则将该关键风险因素节点设为新的目标节点，返回第二步，直到结束；
E、将从最底层关键风险因素节点起直到梯级电站目标事件的所有关键风险因素节点用单箭线顺次连接起来，就形成了导致梯级电站目标事件发生的风险传递关键路径。
2.如权利要求1所述的方法，识别梯级水电站关键风险因素及风险传递关键路径的方法和流程中概率的计算需要依据梯级水电站贝叶斯风险网络来完成。
CN201710953806.6A 2017-10-13 2017-10-13 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法 Expired - Fee Related CN107832916B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710953806.6A CN107832916B (zh) 2017-10-13 2017-10-13 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710953806.6A CN107832916B (zh) 2017-10-13 2017-10-13 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法

Publications (2)

Publication Number Publication Date
CN107832916A CN107832916A (zh) 2018-03-23
CN107832916B true CN107832916B (zh) 2022-04-08

Family

ID=61648159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710953806.6A Expired - Fee Related CN107832916B (zh) 2017-10-13 2017-10-13 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法

Country Status (1)

Country Link
CN (1) CN107832916B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805205B (zh) * 2018-06-13 2019-03-19 中国矿业大学 一种基于显示连通贝叶斯网络的结构系统易损性评估方法
CN109685308A (zh) * 2018-11-15 2019-04-26 中国科学院大学 一种复杂系统关键路径评估方法及系统
CN111476511B (zh) * 2020-06-24 2020-09-15 支付宝(杭州)信息技术有限公司 针对服务方所面临特定风险的数据展示方法及装置
CN112068511A (zh) * 2020-08-11 2020-12-11 四川能投云电科技有限公司 小型水电站自动控制水位及压力信号数据识别筛选方法
CN115063020B (zh) * 2022-07-07 2023-07-11 中国长江三峡集团有限公司 基于风险监测融合的梯级水电站多维安全调度装置及方法
CN115952577B (zh) * 2022-12-06 2023-07-25 中国水利水电科学研究院 一种梯级水库群溃决风险分析方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006260515A (ja) * 2005-02-16 2006-09-28 Toyohashi Univ Of Technology 電子メールフィルタリングプログラム、電子メールフィルタリング方法、電子メールフィルタリングシステム
CN102521710A (zh) * 2011-12-22 2012-06-27 上海建科工程咨询有限公司 一种建筑施工质量安全在线风险评估系统
CN104050391A (zh) * 2014-07-02 2014-09-17 中国电建集团成都勘测设计研究院有限公司 高堆石坝中期度汛挡水风险率检测方法
CN104363653A (zh) * 2014-10-13 2015-02-18 西北大学 一种消除环境噪声的被动式定位方法
CN105070097A (zh) * 2015-07-16 2015-11-18 山东交通学院 一种营运车辆道路交通事故风险识别方法
CN105426651A (zh) * 2015-06-10 2016-03-23 北京交通大学 基于复合故障链推理的隐患辨识方法
CN106253352A (zh) * 2016-08-17 2016-12-21 山东大学 计及风电概率分布特征的鲁棒实时调度方法
CN107038151A (zh) * 2017-03-22 2017-08-11 贵州乌江水电开发有限责任公司 基于蓄能控制的梯级优化调度图绘制方法及调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9667317B2 (en) * 2015-06-15 2017-05-30 At&T Intellectual Property I, L.P. Method and apparatus for providing security using network traffic adjustments

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006260515A (ja) * 2005-02-16 2006-09-28 Toyohashi Univ Of Technology 電子メールフィルタリングプログラム、電子メールフィルタリング方法、電子メールフィルタリングシステム
CN102521710A (zh) * 2011-12-22 2012-06-27 上海建科工程咨询有限公司 一种建筑施工质量安全在线风险评估系统
CN104050391A (zh) * 2014-07-02 2014-09-17 中国电建集团成都勘测设计研究院有限公司 高堆石坝中期度汛挡水风险率检测方法
CN104363653A (zh) * 2014-10-13 2015-02-18 西北大学 一种消除环境噪声的被动式定位方法
CN105426651A (zh) * 2015-06-10 2016-03-23 北京交通大学 基于复合故障链推理的隐患辨识方法
CN105070097A (zh) * 2015-07-16 2015-11-18 山东交通学院 一种营运车辆道路交通事故风险识别方法
CN106253352A (zh) * 2016-08-17 2016-12-21 山东大学 计及风电概率分布特征的鲁棒实时调度方法
CN107038151A (zh) * 2017-03-22 2017-08-11 贵州乌江水电开发有限责任公司 基于蓄能控制的梯级优化调度图绘制方法及调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Bayesian network approach for offshore risk analysis through linguistic variables;J. Ren等;《China Ocean Engineering》;20071231;第21卷(第3期);第371-388页 *
Bayesian Theory and Robust Control Strategy in Risk Management of Large-Scale Engineering Project;Weihua Fang等;《2009 International Conference on Management and Service Science》;20091030;第1-7页 *
基于学习型贝叶斯网络的供电风险传递分析;李存斌等;《中南大学学报(自然科学版)》;20110826;第42卷(第8期);第2338-2344页 *
梯级水库洪灾风险分析理论方法研究;蔡文君;《中国博士学位论文全文数据库 工程科技Ⅱ辑》《中国博士学位论文全文数据库工程科技Ⅱ辑》;20170315(第3期);第C037-18页 *

Also Published As

Publication number Publication date
CN107832916A (zh) 2018-03-23

Similar Documents

Publication Publication Date Title
CN107832916B (zh) 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法
Liu et al. The node importance in actual complex networks based on a multi-attribute ranking method
Delelegn et al. Multi-objective optimisation of cost–benefit of urban flood management using a 1D2D coupled model
CN101976842A (zh) 基于电气分区的关键断面自动获取方法
CN110046819B (zh) 城市基础设施系统灾后耦联恢复分析方法
CN103870642A (zh) 一种基于拓扑结构的复杂供应网络的鲁棒性能分析方法
CN107844918A (zh) 基于可拓学理论的水电厂安全性评价方法
US20150355215A1 (en) Approach to assess available wind resource distribution based on interpolation method
CN114971338B (zh) 一种矿井沉陷区和巷道群建设抽水蓄能电站适宜性评估方法
CN112464575A (zh) 一种基于贝叶斯网络的大坝群风险评估方法和设备
Dadda et al. A decision support system for renewable energy plant projects
CN109736720A (zh) 一种基于改进Kriging模型的深海连接器密封结构优化方法
CN104537436A (zh) 一种地区小水电发电能力预测方法
Ranjbar et al. Framework for a digital twin of the Canal of Calais
Hou et al. Exploring evolutionary features of directed weighted hazard network in the subway construction
CN114510583A (zh) 一种防洪调度知识图谱构建方法
CN102999876B (zh) 一种电力系统全网负荷模型库的构建方法
CN105117849A (zh) 基于电气LeaderRank算法的电网节点重要度评估方法
CN111860967A (zh) 基于改进图论算法的通用水电站群拓扑图生成方法及应用
CN115860478B (zh) 一种梯级水电枢纽群可能最大灾难的分析方法
CN104657550A (zh) 一种评估老旧城区给水管道改造次序的方法
CN104102853A (zh) 一种利用灰色原理改进的边坡位移分形预测方法
CN104268270A (zh) 基于MapReduce挖掘海量社交网络数据中三角形的方法
윤희성 et al. Application of machine learning technique-based time series models for prediction of groundwater level fluctuation to national groundwater monitoring network data
Chen et al. Application of data mining technology and intelligent information technology in the construction and management of the water conservancy project in Area A

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220408