融合保险数据信息的电网资产评价_张杰.pdf

第26卷 第1期2023年2月Vol.26 No.1Feb.2023山东电力高等专科学校学报Journal of Shandong Electric Power College0引言改革开放至今，我国保险业以其特有的风险保障与财富管理职能在产业转型升级、提质增效中发挥着不可替代的作用。电力产业关乎国计民生，其正常高效运行是社会安全生产与和谐发展的关键。电力产业的生产运维面临种类繁杂的自然与人为风险，对风险管理的需求迫切。电力产业的高质量发展离不开现代保险服务业的保驾护航，同时，保险服务业与电力产业的融合发展也逐渐深入。电网资产评价方法的深入研究与运用能在一定程度上提高资源配置效率。目前，CRITIC-TOPSIS法1、模糊综合评价和贝叶斯判别法2、聚类和时间序列分析法3、关联规则和变权重系数法4、云物元模型5、数字孪生技术6等均在电网设备评价研究中有所应用，如文献 7 运用GRA和TOPSIS构建了基于管理效益、规模结构、健康水平和利用效率的电网实物资产综合评价模型。保险数据的分析多应用于指导保险机构的经营决策，如文献 8 采用Aprior算法等方法挖掘客户保单、理赔信息等资料，构建客户风险-贡献特征矩阵。生产经营性企业利用实物资产的保险投保、理赔、出险等数据进行资产评估、有效指导生产经营的研究很少，文献 9利用化工企业的实际出险数据，构建风险评估指收稿日期：2022-11-25基金项目：教育部人文社会科学重点研究基地“南京大学长江三角洲经济社会发展研究中心”重大项目（项目编号：CYD-2020012）；江苏高校哲学社会科学研究重点项目（项目编号：2018SJZDI096）作者简介：张杰（1981），男，高级会计师，主要研究方向为资产管理、工程管理、电价管理等。融合保险数据信息的电网资产评价张杰1，黄建泉1，姜维2，孙武军3（1.国网江苏省电力有限公司，江苏南京210024；2.英大长安保险经纪有限公司江苏分公司，江苏南京210005；3.南京大学长江三角洲经济社会发展研究中心，江苏南京210093）摘要：构建了财务指标、保险指标和运维指标，采用AHP法对影响因子所对应的权重进行确定，利用TOPSIS-GRA法确定影响因子排序。通过模型定量计算出设备质量评价得分并进行排序，综合应用生产运维数据和保险数据信息评价电网实物资产，以提高电网资源配置效率、完善资产全周期管理。关键词：保险数据；电网资产；评价；指标体系中图分类号：F272.5文献标志码：A文章编号：2096-9104（2023）01-0042-05Evaluation of Power Grid Assets Based on Insurance DataZHANG Jie1，HUANG Jianquan1，JIANG Wei2，SUN Wujun3（1.State Grid Jiangsu Electric Power Co.，Ltd.，Nanjing 210024，China；2.Yingda Chang an Insurance Brokerage Co.，Ltd.Jiangsu Branch，Nanjing 210005，China；3.Nanjing University Yangtze River Delta Economic and Social Development Research Center，Nanjing 210093，China）Abstract：Financial indicators，insurance indicators and operation and maintenance indicators are constructed，AHP method isused to determine the corresponding weights of impact factors，and TOPSIS-GRA method is adopted to determine the ranking ofimpact factors.Through quantitative analysis of the model，the equipment quality evaluation score is calculated and sequenced，and the production operation and maintenance data and insurance data information are comprehensively applied to evaluate thephysical assets of the power grid，so as to increase the allocation efficiency of power grid resources and improve the full-cyclemanagement of assets.Keywords：insurance data；power grid assets；evaluation；index system经济与管理42标体系，为各化工企业提出了风险差异化管理的建议。电力产业实物资产的风险管理是一个关键课题，融合保险信息的电网资产评价研究严重滞后。本文着眼于电网生产运维等资产数据与保险信息的深度融合，通过构建 AHP-TOPSIS-GRA 模型，挖掘保险数据潜在的价值，以更好地进行电网资产风险管理。1AHP-TOPSIS-GRA模型与指标选取1.1AHP-TOPSIS-GRA模型本文在比较了各类多因素综合评价方法的适用范围、可靠程度、优缺点之后，构建了AHP-TOPSIS-GRA模型以实现电网实物资产综合评价。其中，AHP（analytic hierarchy process，AHP）即层次分析法，对多层次系统中同一层次的不同指标进行两两比较，并按照其重要性构造判断矩阵，计算该矩阵的最大特征值，从而得到每个指标的权重。其优点在于聘请专家对不同评价因子进行两两比较、打分可保证结果的可靠性、权威性。但当评价因子超过9个时，存在难以同时比较多个因素、满足判断矩阵一致性等困难。因此，本文选取的评价指标及其对应层级的子指标均不超过9个。TOPSIS-GRA 则 将 TOPSIS（technique for orderpreference by similarity to ideal solution，TOPSIS）逼近理想解排序法与 GRA（grey relation analysis，GRA）灰色关联度分析法二者的优点结合起来，对传统TOPSIS 模型进行修正。计算得到待评价设备与正、负理想解之间的欧氏距离后，补充计算该设备的某一指标与正、负理想解的灰色关联系数并求得该设备与正、负理想解的灰色关联度。综合考虑欧氏距离与灰色关联度，计算待评价设备与理想解间的贴合程度，贴合程度越高意味着设备质量越好。1.2AHP-TOPSIS-GRA模型指标选取考虑电网实物资产类型多样、规模庞大、更新较快等特性，本文从设备数据、保险数据、财务数据、故障统计数据等中提炼出资产全寿命周期成本（B1）、保险理赔及财务数据（B2）、设备健康水平（B3）这三大指标，如图1所示。图1AHP-TOPSIS-GRA模型的电网资产评价指标资产全寿命周期成本指资产设备从生产到报废的全生命成本，包括初始投资成本（C11）、运维成本（C12）、检修成本（C13）、故障处置成本（C14）和报废成本（C15）。其中，初始投资成本发生在设备购买时，按照预计可使用年限逐年分摊；运维成本、检修成本、故障处置成本均发生在设备存续期内，属于过程成本，设备越接近预计可使用年限，老化越严重，过程成本越高；报废成本发生在设备退役时，包括拆除成本和处置收入。资产全寿命周期成本越低，意味着该设备更具有经济性。在保险数据中，与设备质量相关的指标为赔付次数（C21）以及赔付金额（C22），由于责任险与设备本身质量无相关关系，因此只考虑设备损坏险出险数据。其中，赔付次数=总赔付次数/（预计使用年限-已使用年限）；赔付金额=总赔付金额/（预计使用年限-已使用年限）。在财务数据中考虑退役报废资产寿命（C23），即退役寿命与预计设备寿命之比。考虑设备健康水平时，引入运行故障信息（C31）、抽检故障信息（C32）、缺陷信息（C33）与运维人员主观评价（C34）。运行故障信息为设备在运行期间发生的故障次数；抽检故障信息为同厂家同型号同批次设备抽检质量问题次数；缺陷信息为发现设备质量有缺陷的次数。以上3个指标越小，设备健康程度越好。运维人员主观评价指标是运维人员对该供应商的主观打分，分数与设备健康程度正相关。评价因子的选取综合考虑了设备投入成本、健康水平及损耗程度，并结合电网设备数据、财务数据及保险理赔数据，可以多维度、较全面地衡量设备质量。通常投入成本高的设备具有较高的健康水平、张杰，等：融合保险数据信息的电网资产评价43山东电力高等专科学校学报第26卷 第1期Vol.26 No.1较小的损坏概率，该AHP-TOPSIS-GRA模型在三大层面的基础上选出综合质量评价最优的设备。根据以上 12个指标拟合出每个设备的评价分数，并将同一型号的设备评价分数取平均值，作为该型号设备的最终评价分数。结合资产全寿命周期成本、保险理赔及财务数据、设备健康水平3个指标，横向比较同类型设备3个维度的评价分数及总评价分数，实现电网资产设备的质量评价。2AHP-TOPSIS-GRA模型实现2.1使用AHP法确定指标权重首先，应用AHP法确定上述指标的权重。以问卷的形式收集x位专家对指标重要性的评价分数，按照指标两两之间的相对重要性程度给出 1-9 的标度，根据问卷判断结果取算术平均值；在专家评分的基础上构建4个判断矩阵：B1、C1、C2、C3；应用和积法计算得到 4 个判断矩阵对应层级的各评价因子的权重。然后，运用一致性比率对判断矩阵进行一致性检验。CR=CI/RI（1）CI=()MAX-n/()n-1（2）式中：CR为一致性比率；CI为判断矩阵的一致性指标；RI为平均随机一致性指标；MAX为4个判断矩阵最大特征值；n为矩阵阶数。若判断矩阵B1-B3、C11-C15、C21-C23、C31-C34的CR值均小于0.1，则满足一致性检验。最后，对所有评价因子权重进行排序并进行一致性检验。CRt=CIt/RIt（3）式中：CRt为总体的一致性比率；CIt为总体的一致性指标；RIt为总体的平均随机一致性指标。若CRt小于0.1，说明该电网资产评价体系在总目标下的判断矩阵满足一致性检验，可以用来确定电网资产评价体系的各评价因子的权重，且具有合理性。2.2待评价资产数据标准化处理选取的 12个评价因子囊括了电网资产不同维度的数据，不存在直接可比性。各个指标量纲的不同及数量级的差异干扰了决策结果，因此在使用TOPSIS-GRA 法进行资产评价前，需要剔除数据明显异常的样本，并对数据作标准化处理。假设有n个待评价资产设备，共有12个评价因子，根据各个资产的设备数据、保险数据、财务数据、故障统计数据等，可以得到原始数据矩阵X。X=x11x1 12xn1xn12（4）式中：xij为设备i对应评价因子j的原始数据，i=1,2,n，j=1,2,12。对原始数据矩阵X作归一化和加权处理。应用极差标准化法对评价因子原始数据矩阵进行标准化处理，并与相对应的权重相乘，得到标准化数据矩阵Y。Y=y11y1 12yn1yn12（5）yij=xij/i=1nxij2 wj（6）式中：yij为设备i对应评价因子j的标准化数据；wj为第j个评价因子的权重。经上述标准化处理后，得到了具有可比性和可计算性的数据集，该数据集在反映不同电网资产不同维度优劣的同时，也反映了不同维度、不同评价因子的重要程度。2.3应用TOPSIS-GRA法进行电网资产评价2.3.1计算待评价方案和理想方案之间的欧氏距离经过正向化处理和标准化处理的评分矩阵Y中的数据均为极大型数据。因此可以从中取出每