《Applied Sciences》：A Study on Power Grid Project Portfolio Based on Multiscale Feature Integration
编辑推荐：
电网公司已建立可行性研究储备阶段（feasibility study reserve phase），以优化年度投资滚动计划（rolling schedule），其中项目经过初步可行性研究后被纳入项目储备池（project reserve pool），随后经历发
电网公司已建立可行性研究储备阶段（feasibility study reserve phase），以优化年度投资滚动计划（rolling schedule），其中项目经过初步可行性研究后被纳入项目储备池（project reserve pool），随后经历发布、实施与监测。然而，该过程中项目间缺乏协同效应（synergy），难以最大化投资收益（investment returns）。为解决该问题，该研究提出一种面向电网项目组合管理（power grid project portfolio management）的多尺度特征融合（multiscale feature integration）方法，以优化项目管理与投资效率。所提方法构建融合战略、地理与语义因素的多维项目关联网络（multidimensional project association network），并提取与融合多尺度特征以支持项目组合决策（project portfolio decision-making）。实验结果表明，所提方法能有效优化电网项目组合，且相比现有项目优化方法更适用于电网项目。
研究背景方面，电网公司已建立可行性研究（feasibility study）储备阶段，用于优化年度投资滚动计划，项目经初步可研后进入项目储备池（project reserve pool），再经历发布、实施与监测。但该过程中项目间协同效应（synergy，指项目相互促进、共同提升整体收益的作用）不足，难以最大化投资收益。为此，研究人员提出基于多尺度特征融合（multiscale feature integration）的电网项目组合（project portfolio）管理方法，以优化项目管理与投资效率。所提方法构建融合战略、地理与语义因素的多维项目关联网络（multidimensional project association network），提取并融合多尺度特征，支持项目组合决策（project portfolio decision-making）。实验表明该方法能有效优化电网项目组合，并较现有项目优化方法更适合电网项目。
相关工作显示，项目组合旨在优化组织资源配置并最大化总体价值，需与企业战略一致，并与多准则评价结合。Pishvaei et al.基于成本、收益、韧性、战略一致性等确定最优组合；Zahedirad对组合与选择问题建模求解，提出情景特定决策路径。上述研究忽视项目组合决策的动态性。Qiu考虑多阶段执行、项目交互和多目标，提供多阶段动态组合优化；Lostumbo从可持续性标准出发；Han et al.区分新项目与现有项目，采用两阶段评价与组合选择模型，考虑保留、升级、替换、退役，并引入项目替换机制。项目组合成果以项目组呈现，强调项目间协同与相互依赖。Bai从正向价值、风险传播、风险与结构维度研究组合内项目关系，将组合抽象为相互依赖网络，用脆弱性建模表征依赖与耦合，评估项目关键性。Solares提出集成框架，考虑项目相互依赖、准则交互、定性与定量信息及层级优化；Zhai et al.分析多目标规划在两项与三项组合交互效应中的应用。总体看，现有研究已从单项目价值评估转向动态校准与多维关联建模，但对项目协同效应本身缺乏深入表征。本文聚焦电网领域，进行项目协同效应的网络化结构建模与特征分析。
关键技术方法不超过250字：研究人员基于复杂网络理论，先构建战略、地理、语义三维项目关联网络，采用“战略主导、地理辅助、语义补充”的5:3:2权重与跨维度补偿机制融合网络，并以度分布损失、结构重构损失、稀疏约束和策略损失训练融合参数；随后建立微观、中观、宏观三级特征金字塔（feature pyramid），基于特征方差与信息熵评估质量，执行“宏观—中观—微观”分层融合，并用图卷积（graph convolution）重建；最后以融合网络相似度与多尺度特征相似度构成双相似矩阵，采用谱聚类（spectral clustering）划分项目组合。样本来自国家电网公司两个省级子公司，共122个项目，涵盖基础设施、技术改造和数字化，数据包括可行性研究报告、基本信息、预警数据、战略规划文档和区域供电数据。
4.1 数据集。研究人员选用国家电网公司两个省级子公司项目数据，结合项目储备场景验证。样本为122个项目，涵盖基础设施、技术改造与数字化；使用可行性研究报告、基本信息、预警数据、企业战略规划文档和区域供电数据进行项目组合识别配置与排序。经数据清洗、结构化、编码后构建电网项目数据集；因保密限制仅展示部分字段。
4.2 案例研究。基于前期研究重跑分析，得到战略、地理、语义多维项目关联网络。应用多网络融合方法训练参数并得到维度融合后的综合关联网络。按特征结构提取多尺度特征矩阵，尺寸为(122,5)、(122,6)、(122,2)，动态分配权重并交互映射。基于综合关联网络和多尺度特征提取结果进行融合，经权重分配和图卷积平滑后得到(122,32)特征。将维度融合网络与尺度特征融合结果组合输入，以最优模块度（modularity）和电导（conductance）为目标，多轮优化确定维度特征与多尺度特征最优比例9:1、最优聚类数8，得到组合划分，模块度0.4136、电导0.0737。
4.3 比较分析。研究人员以Han et al.现有两阶段动态项目组合选择方法为基线，保留“战略目标”和“经济评价”核心模块，剥离动态调整机制与多维约束，替换为本文算法，以控制变量。基线仅用单一战略关系维度进行多尺度特征提取与融合，结果特征代表性差、边缘模糊。虽然基线簇质量指标较好，但簇划分严重不平衡，少数簇过度膨胀，掩盖语义不连续和结构扭曲。簇大小熵（cluster-size entropy, CSE）显示，本文方法组合规模{18,39,31,11,7,6,5,5}，CSE=0.8589；基线{82,9,7,4,5,5,6,4}，CSE=0.6047，说明基线高模块度以严重不平衡划分为代价。进一步与标准未修改社区检测算法比较：Louvain默认设置仅检测3个粗社区，模块度0.4002，低于本文0.4136；最大社区含53%项目。分辨率2.0时碎片为60社区，模块度0.2098；3.0时为71社区，模块度0.1464。标签传播将所有122个项目分为一个社区。标准谱聚类在相同组合输入和K=8下模块度0.4136、电导0.0737，与本文基本一致，说明优势来自上游多维网络融合和多尺度特征提取，而非聚类步骤本身。必要性测试表明，仅维度融合时模块度0.1736、电导0.0253；仅尺度融合时模块度0.0357、电导0.7280，均不如两者协同。计算成本主要来自融合参数训练和谱聚类；谱聚类稠密情形时间复杂度O(n
3)、内存O(n
2)，122项目数秒完成。利用稀疏性，稀疏特征求解器（如Lanczos/ARPACK）可将每次迭代成本降至O(m√n)，随机谱聚类可进一步加速。合成网络密度0.17时，500、1000、2000、4000、8000节点运行时间分别为0.107、0.462、2.83、15.3、87.9秒，近三次方增长，但全国规模数千项目仍可在数分钟内运行。
4.4 敏感性分析。研究人员对聚类数K和融合网络相似度与多尺度特征相似度输入比例α进行敏感性分析。固定α=0.9时，K从6到8模块度稳定在0.413–0.414，K=9为0.4041，K=10为0.3957；电导随K从0.0577增至0.1331。K=8平衡模块度与业务所需粒度。α=1.0完全排除特征相似度时，模块度从0.4136降至0.1736，划分严重不平衡；α=0.0完全排除网络相似度时，电导恶化至0.6592。0.1≤α≤0.95时模块度在0.40–0.41，最佳权衡在α=0.9，确认9:1比例合理。联合敏感性轮廓显示，高模块度平台覆盖0.5≤α≤0.95、6≤K≤9，最优点为α=0.9、K=8，表明操作点位于平坦稳健区域。总体比较与敏感性分析说明，所提方法在组合质量与稳健性间取得良好平衡；虽然聚类质量并非最高，但代表实际关联结构和项目语义下可实现的最优结果。
最后总结讨论与结论翻译：该研究在已有研究基础上引入多尺度特征融合机制，提出电网项目组合管理方法。首先建立战略、地理、语义多维项目关联网络，设计融合策略与机制支持网络整合；其次设计多级特征金字塔，基于整合网络提取与融合多尺度特征；最后结合网络整体分析与多尺度特征融合结果进行项目组合优化，获得最优解。该方法为电网储备阶段项目组合管理提供科学方法论，可利用项目间协同效应实现更优管理效益。通过数据验证，研究人员科学证明所提方法的有效性与优越性。局限性在于，该研究主要依据网络科学知识建立各尺度特征模式，并与项目互连网络结果结合以提供模式描述与量化；虽初步实现项目互连结构表征，但缺乏领域知识深度融合。未来研究可整合领域项目专家经验与本体知识，识别更具代表性和解释性的结构特征模式，使定量结果不仅反映网络拓扑模式，也体现领域专业洞见，更适用于实际决策场景，并增强项目组合管理实践中的可解释性与决策支持价值。
