1.本发明涉及电力
技术领域：
：，尤其涉及一种电力信息项目建设风险评估方法及装置。
背景技术：
：：2.随着电力建设需求的继续增长，电力项目建设的风险管控也日趋重要，电力信息项目风险评估方法多样，且取得了一定的成绩，但还存在着风险辨识能力不足的问题和控制措施不强的问题。3.因此，如何更好的实现电力信息项目建设风险评估，已经成为业界亟待解决的问题。技术实现要素：4.本发明提供一种电力信息项目建设风险评估方法及装置，用以解决现有技术中如何更好的实现电力信息项目建设风险评估的缺陷。5.本发明提供一种电力信息项目建设风险评估方法，包括：6.对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集；7.基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果。8.根据本发明提供的一种电力信息项目建设风险评估方法，所述基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果，包括：9.基于所述蒙特卡洛算法对所述项目风险集中的各项项目风险发生的概率进行评估，得到各项项目风险的发生概率；10.基于各项项目风险的发生概率，得到所述电力信息项目建设的风险评估结果。11.根据本发明提供的一种电力信息项目建设风险评估方法，所述对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集，包括：12.对电力信息项目建设运行数据进行数据提取，得到运行特征数据，其中，所述运行特征数据中包括多个电力风险类别信息和各个所述电力风险类别信息对应的电力特征指标信息；13.通过识别模型对所述运行特征数据进行风险识别，得到电力信息项目建设的风险点信息；14.对所述风险点信息进行分析，得到电力信息项目建设的项目风险集。15.根据本发明提供的一种电力信息项目建设风险评估方法，对所述风险点信息进行分析，得到电力信息项目建设的项目风险集，包括：16.将不同类型的电力信息项目建设风险点进行分类和分级，得到电力信息项目建设的项目风险集；17.其中，所述项目风险及中包括多个不同风险类别，每个所述风险类别均对应有多项项目风险。18.根据本发明提供的一种电力信息项目建设风险评估方法，在所述通过识别模型对所述运行特征数据进行风险识别，得到电力信息项目建设的风险点信息之前，还包括：19.获取多个运行特征数据样本和每个所述运行特征数据样本对应的风险点信息标签；20.将每个运行特征数据样本和所述运行特征数据样本对应的风险点信息标签的组合作为一个训练样本，获取多个训练样本；21.利用多个训练样本对预设dnb网络进行训练，得到识别模型。22.本发明还提供一种电力信息项目建设风险评估装置，包括：23.分析模块，用于对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集；24.评估模块，用于基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果。25.根据本发明提供的一种电力信息项目建设风险评估装置，所述评估模块，具体用于：26.基于所述蒙特卡洛算法对所述项目风险集中的各项项目风险发生的概率进行评估，得到各项项目风险的发生概率；27.基于各项项目风险的发生概率，得到所述电力信息项目建设的风险评估结果。28.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述电力信息项目建设风险评估方法的步骤。29.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述电力信息项目建设风险评估方法的步骤。30.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述电力信息项目建设风险评估方法的步骤。31.本发明提供的一种电力信息项目建设风险评估方法及装置，通过首先对电力信息项目建设过程中的风险进行辨识，并形成典型的项目风险集。然后，采用蒙特卡洛算法分析信息项目建设风险发生的概率和产生的后果，从而实现电力信息项目建设风险评估。附图说明32.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。33.图1为本技术实施例提供的电力信息项目建设风险评估方法流程示意图；34.图2为本技术实施例提供的电力信息项目风险评估仿真流程图；35.图3为本技术实施例提供的电力信息项目建设风险评估装置结构示意图；36.图4示例了一种电子设备的实体结构示意图。具体实施方式37.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。38.图1为本技术实施例提供的电力信息项目建设风险评估方法流程示意图，如图1所示，包括：39.步骤110，对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集；40.具体地，本技术实施例中所描述的运行数据具体可以是指电力信息项目建设的过程中各个建设项目的运行数据。41.在电力信息项目建设的过程中，主要包括了项目建设的进度风险、质量风险、数据风险和集成风险等。42.本技术实施例中对运行数据进行项目风险评估，具体可以是提取项目建设中的运行特征数据后，通过深度置信网络对运行特征数据进行风险识别，获得电力信息项目建设的项目风险集。43.本技术实施例中所描述的项目风险集主要分集成风险、数据风险、质量风险、进度风险、成本风险五种风险类别，每个所述风险类别均对应有多项项目风险。44.步骤120，基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果。45.具体地，本技术实施例中所描述的蒙特卡洛算法具体可以是一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。与它对应的是确定性算法，其也可以较好的应用于电力信息项目建设风险评估中。46.通过蒙特卡洛算法对项目风险集中的各项项目风险进行评估，可以有效预估分析电力信息项目建设风险发生的概率和电力信息项目建设风险发生后，对项目带来的后果，最终得到电力信息项目建设的风险评估结果。47.在本技术实施例中，通过首先对电力信息项目建设过程中的风险进行辨识，并形成典型的项目风险集。然后，采用蒙特卡洛算法分析信息项目建设风险发生的概率和产生的后果，从而实现电力信息项目建设风险评估。48.可选地，所述基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果，包括：49.基于所述蒙特卡洛算法对所述项目风险集中的各项项目风险发生的概率进行评估，得到各项项目风险的发生概率；50.基于各项项目风险的发生概率，得到所述电力信息项目建设的风险评估结果。51.具体地，本技术实施例中，所描述的评估过程具体可以为：52.设电力信息项目建设风险有随机的变量有nb个，电力信息项目建设风险的随机值ri为：[0053][0054]设电力信息项目建设风险概率的密度函数为eri，功能函数ba为：[0055][0056]然后计算电力信息项目风险评估的概率值da：[0057]da＝1×ba+(1-ba)[0058]设期望的概率风险为sa，计算的方差为za：[0059]za＝sa(1-da)[0060]在完成电力信息项目风险分析发生的概率分析后，通过其进行评估，分析其对于电力信息带来的后果。[0061]表1为本技术实施例提供的风险概率计算伪代码，如下表1所示：[0062]表1风险计算伪代码[0063]riskcalculationpseudocode[0064][0065][0066]在本技术实施例中，通过将项目进度、质量、成本、数据、集成风险与阈值进行比较，对于越限的数据进行风险提醒。[0067]在本技术实施例中，通过蒙特卡洛算法能够有效检测到各项项目风险的发生概率，从而基于各项项目风险的发生概率，得到所述电力信息项目建设的风险评估结果。[0068]可选地，所述对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集，包括：[0069]对电力信息项目建设运行数据进行数据提取，得到运行特征数据，其中，所述运行特征数据中包括多个电力风险类别信息和各个所述电力风险类别信息对应的电力特征指标信息；[0070]通过识别模型对所述运行特征数据进行风险识别，得到电力信息项目建设的风险点信息；[0071]对所述风险点信息进行分析，得到电力信息项目建设的项目风险集。[0072]具体地，本技术实施例中所描述的运行特征数据包括了项目建设的进度风险、质量风险、数据风险和集成风险等多个电力风险类别信息及各个所述电力风险类别信息对应的电力特征指标信息。[0073]表2为本技术实施例提供的电力信息项目建设运行数据提取表，如下表2所示：[0074]表2电力信息项目建设运行数据提取表[0075]dataextractiontableofelectricpowerinformationprojectconstructionandoperation[0076][0077]在提取电力信息项目中的运行特征数据后，采用深度置信网络(deppbeliefnetworks,dbn)网络对上述运行特征数据进行风险识别，获得电力信息项目建设的风险类型、重要级别等风险点信息。[0078]dbn网络是一种神经网络，由许多个受限玻尔兹曼机神经元构成，通过显层网络输入训练数据，通过隐层网络进行电力信息项目的风险特征识别。[0079]设电力信息项目提取了na个运行特征数据，运行特征为k，运行特征的权重数据为则电力信息项目风险识别的显层网络联合分布概率ja为：[0080]在隐层网络输出电力信息项目建设风险识别时，设置电力信息项目建设偏置函数为隐层网络输出的电力信息项目的风险特征识别值为ga：[0081][0082]由此，可获得电力信息项目建设风险的风险类型、重要级别等风险点信息。[0083]在本技术实施例中，通过对电力信息项目建设过程中的风险进行辨识，并形成典型的项目风险集，针对电力信息项目建设中存在的风险辨识不足，控制措施不强的问题，有效开展电力信息项目建设的风险评估。[0084]可选地，对所述风险点信息进行分析，得到电力信息项目建设的项目风险集，包括：[0085]将不同类型的电力信息项目建设风险点进行分类和分级，得到电力信息项目建设的项目风险集；[0086]其中，所述项目风险及中包括多个不同风险类别，每个所述风险类别均对应有多项项目风险。[0087]具体地，项目建设风险点进行分类和分级，并以此建立电力信息项目建设的风险集，表3为本技术实施例提供的项目风险集表，如表3所示，项目风险集主要分集成风险、数据风险、质量风险、进度风险、成本风险五部分。[0088]表3项目风险集表[0089]projectrisksettable[0090][0091][0092]在本技术实施例中，通过将不同类型的电力信息项目建设风险点进行分类和分级，从而获取更准确的项目风险集。[0093]可选地，在所述通过识别模型对所述运行特征数据进行风险识别，得到电力信息项目建设的风险点信息之前，还包括：[0094]获取多个运行特征数据样本和每个所述运行特征数据样本对应的风险点信息标签；[0095]将每个运行特征数据样本和所述运行特征数据样本对应的风险点信息标签的组合作为一个训练样本，获取多个训练样本；[0096]利用多个训练样本对预设dnb网络进行训练，得到识别模型。[0097]具体地，本技术实施例中所描述的dbn网络是一种神经网络，由许多个受限玻尔兹曼机神经元构成，通过显层网络输入训练数据，通过隐层网络进行电力信息项目的风险特征识别。[0098]在本技术实施例中，通过对于dnb网络的训练得到识别模型，能够有效对运行特征数据进行风险识别，得到电力信息项目建设的风险点信息，保证最终评估的准确性。[0099]可选地，在本技术实施例中，在完成电力信息项目风险的概率分析与带来的后果分析后，会进一步分析电力信息项目的风险对风险的承受能力，[0100]表4为本技术实施例提供的项目承受风险能力分级表，如表4所示：[0101]表4项目承受风险能力分级表[0102]projectrisktoleranceratingtable[0103]风险级别等级可承受能力五级非常低可忽略的风险四级较低可关注，但不需要处理的风险三级中等需要控制及整改二级高必须进行管控与整改一级非常高项目必须停工[0104]在完成电力信息项目承受风险能力评估后，从电力信息项目的不同类型、发生概率等因素提供风险消除建议，使用最小的代价，保障电力信息项目建设的正常运转，表5为本技术实施例提供的风险消除建议表，如表5所示：[0105]表5风险消除建议表[0106]riskeliminationsuggestionform[0107][0108]在本技术实施例中，在项目风险评估的基础上，进一步提供风险防范建议，保证了项目的正常进行。[0109]可选地，图2为本技术实施例提供的电力信息项目风险评估仿真流程图，如图2所示，包括：在电力项目建设风险辨识环节，首先提取电力信息项目的运行特征数据。然后对电力信息项目建设的风险类型、重要级别等风险点信息进行识别，在此基础上，建立电力信息项目建设风险集。在项目风险发生概率及风险后果分析环节，通过蒙特卡洛算法分析电力信息项目建设风险发生的概率和电力信息项目建设风险发生后，对项目带来的后果。在项目承受风险能力分析，分析电力信息项目的风险对风险的承受能力。在风险消除建议分析环节，向电力信息项目提出风险消除的建议方法。[0110]下面对本发明提供的电力信息项目建设风险评估装置进行描述，下文描述的电力信息项目建设风险评估装置与上文描述的电力信息项目建设风险评估方法可相互对应参照。[0111]图3为本技术实施例提供的电力信息项目建设风险评估装置结构示意图，如图3所示，包括：分析模块310和评估模块320；其中，分析模块310用于对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集；其中，评估模块320用于基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果。[0112]可选地，所述评估模块，具体用于：[0113]基于所述蒙特卡洛算法对所述项目风险集中的各项项目风险发生的概率进行评估，得到各项项目风险的发生概率；[0114]基于各项项目风险的发生概率，得到所述电力信息项目建设的风险评估结果。[0115]可选地，所述分析模块具体用于：[0116]对电力信息项目建设运行数据进行数据提取，得到运行特征数据，其中，所述运行特征数据中包括多个电力风险类别信息和各个所述电力风险类别信息对应的电力特征指标信息；[0117]通过识别模型对所述运行特征数据进行风险识别，得到电力信息项目建设的风险点信息；[0118]对所述风险点信息进行分析，得到电力信息项目建设的项目风险集。[0119]可选地，所述分析模块还用于：[0120]将不同类型的电力信息项目建设风险点进行分类和分级，得到电力信息项目建设的项目风险集；[0121]其中，所述项目风险及中包括多个不同风险类别，每个所述风险类别均对应有多项项目风险。[0122]在本技术实施例中，通过首先对电力信息项目建设过程中的风险进行辨识，并形成典型的项目风险集。然后，采用蒙特卡洛算法分析信息项目建设风险发生的概率和产生的后果，从而实现电力信息项目建设风险评估。[0123]图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communicationsinterface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行电力信息项目建设风险评估方法，该方法包括：对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集；基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果。[0124]此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。[0125]另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的电力信息项目建设风险评估方法，该方法包括：对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集；基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果。[0126]又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的电力信息项目建设风险评估方法，该方法包括：对电力信息项目建设的运行数据进行项目风险分析，得到所述电力信息项目建设的项目风险集；基于蒙特卡洛算法对所述项目风险集进行评估，得到所述电力信息项目建设的风险评估结果。[0127]以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。[0128]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。[0129]最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。当前第1页12当前第1页12