标题

Size: px

Start display at page:

Download "标题"

饲昨昌
7 years ago
Views:

1 第 39 卷第 5 期 2015 年 3 月 10 日 Vol.39o.5 Mar.10,2015 DOI: /AEPS 不确定条件下基于蒙特卡洛模拟的发电投资评估模型曾鸣 1, 张平 1, 王良 1,2, 张英杰 1, 张鲲 1 (1. 华北电力大学经济与管理学院, 北京市 ;2. 国网河北省电力公司经济技术研究院, 河北省石家庄市 ) 摘要 : 伴随经济能源的可持续发展, 电力行业面临更多的不确定性挑战, 传统发电投资决策方法不能适应解决新问题的要求. 分析了当前发电投资评估面临的问题, 从这些问题出发, 对发电规划进行投资组合评估. 在给定需求弹性条件下, 确定由于发电成本变化而导致的负荷变化量, 并将间歇性可再生能源视为对负荷的负的修正, 对传统负荷持续曲线进行了改进. 引入蒙特卡洛模拟方法, 构建了各种不确定性因素的概率分布, 包括资本成本燃料和碳价格负荷需求, 并在投资组合成本风险中考虑了这些不确定性因素及其之间的相关性, 进而将不确定性问题融入了投资组合分析中. 以广东省能源规划为算例, 对构建模型进行验证, 算例给出了不同碳价格下的发电组合有效边界以及发电成本 CO2 排放和风险的趋势变化, 研究表明, 碳排放政策对清洁能源发展具有促进作用, 而且核电在目前的政策环境下将会有较大的发展潜力. 算例验证了模型的有效性. 关键词 : 发电投资 ; 评估 ; 蒙特卡洛模拟 ; 组合分析 ; 不确定性 0 引言发电行业在社会经济发展中扮演重要角色, 在中国经济快速发展节能减排政策实施以及电力市场化改革推进过程中, 发电行业面临的挑战逐渐增加 ( 雾霾天气的常态化已经使发电行业清洁化转型成为当前社会关注的焦点 ). 尤其在发电投资中存在的一些关键问题亟待解决. 当前关于发电投资方面的研究主要集中在投资者面临不确定性时相应的发电投资策略和投资时机 [1G4] 选择, 以及应用实物期权的方法研究不确定性条件下分布式发电可再生能源发电的直接投资和时 [5G7] 序投资问题. 除不确定性问题外, 发电投资还应适当考虑在国家能源政策框架下的多目标决策问题, 例如在发电容量扩张中发电成本和温室气体排放能源安全之间的均衡等, 如何确定哪些发电投资组合能够满足多种政策目标的权衡要求, 对投资者 [8G10] 来说也具有很大的挑战性. 未来发电容量的投资决策不仅取决于机组的性能特征, 也受到已有发电机组和发电机组的组合特性特定发电机组的投资价值对现有机组的补益效用的影响, 综合考虑这些因素将有助于投资者更好地进行决 [11G13] 策. 因此, 有必要进一步研究不确定条件下的收稿日期 :2014G06G25; 修回日期 :2014G08G05. 国家软科学研究计划资助项目 (2012GXS4B064); 国家自然科学基金资助项目 ( ). 发电投资问题, 建立适应能源发展目标的规划评估模型, 为决策者提供工具支持. 从长期的社会角度出发, 发电投资评估是研究未来发电企业各种可能的投资组合的成本问题和风险问题. 发电企业的投资选择需要在满足相应的风险水平和环境约束的条件下, 以最低成本满足电力需求. 在这方面, 中国现阶段的发电投资尚存在以下几个问题. 首先, 随着中国经济发展水平的提高, 应对气候变化政策的实施以及电力市场化改革进程的推进, 发电行业面临着愈趋严峻的不确定性挑战, 主要体现在三个方面 :1 受到用电负荷增长和间歇性电源大规模接入的影响, 中国未来负荷需求面临巨大的不确定性 ;2 近年来碳价格政策被视为应对气候变化的重要手段, 未来有可能通过强制性约束或者通过碳交易的方式影响发电投资决策 ;3 煤炭天然气等市场的价格波动对发电燃料价格的影响也给发电投资带来一定的不确定性. 其次, 对未来发电容量的投资决策不仅局限于待选的发电机组, 同时也受到现有发电结构的影响. 相比于现有机组, 新建机组通常具有较高的效率和较低的运行成本, 然而新建机组不可避免要涉及更大的资本成本的不确定性. 如何将机组融入现有发电结构, 系统考虑投资最优问题是发电投资评估的关键. 本文的研究主要针对中国现阶段发电投资存在的问题, 结合蒙特卡洛模拟的方法, 考虑各种不确定 54

国网河北省电力公司经济技术研究院, 河北省石家庄市 050000) 摘要 : 伴随经济能源的可持续发展, 电力行业面临更多的不确定性挑战, 传统发电投资决策方法不能适应解决新问题的要求.

2 曾鸣, 等不确定条件下基于蒙特卡洛模拟的发电投资评估模型性因素进行发电组合评估的研究, 为环境政策和市场政策条件下的发电投资决策提供辅助支持. 1 基于蒙特卡洛模拟的发电组合评估模型本文建立的基于蒙特卡洛模拟的发电组合评估模型, 将不确定性因素融入其中, 并考虑了现有机组和机组的组合, 引入了对预期成本和碳排放之间均衡的考虑, 进而能够在多种具有潜在冲突的政策目标中进行投资决策优化. 本文的研究框架如图 1 所示. 图中 :LDC 表示负荷持续曲线 ;RLDC 表示修正负荷持续曲线. &-B( LDC &-+,, B M) RLDC &-B +, *3.*+=F( F) *3 +MMK CO 2 *3 +D* 图 1 研究框架 Fig.1 Researchframework 1.1 RLDC 在本模型中, 负荷需求用 LDC 描述, 即利用负荷预测方法估计预测得到一年每个小时内的负荷需求, 再将这些负荷数据按照降序重新排列, 建立负荷时间的对应关系曲线. 传统发电投资组合优化是基于确定性 LDC, 本模型对 LDC 进行修正, 包括两部分内容. 首先, 在给定需求弹性条件下, 确定由于发电成本变化而导致的负荷的变化量, 进而在初始 LDC 的基础上考虑这部分负荷的变化量. 即 ΔD =εδc ge (1) ΔC ge = Csc,ge -C ref,ge C ref, ge 100% (2) 式中 :ΔD 为发电成本变化导致的负荷变化率 ;ε 为给定的需求弹性系数, 本文不对其进行深入研究 ; ΔC ge 为发电成本的变化, 该值根据参考情景和模拟情景的发电成本 C ref, ge,c sc, ge 计算得到, 参考情景是指给定预期的燃料价格碳价格资本成本和参考 LDC, 模拟情景则是指根据蒙特卡洛模拟抽样得到的燃料价格碳价格资本成本和参考 LDC. 发电成本和参考情景模拟情景的相关数值计算分别在 1.2 节和 1.3 节介绍. 其次, 在上面得到的 LDC 基础上扣除风能太阳能径流式水能等间歇性可再生能源, 即将间歇性能源视为对负荷负的修正. 传统的 LDC 是假定所有发电资源均可调度, 但是这不符合实际. 因此, 本文试图在负荷中扣除这些发电资源, 在投资组合分析中考虑了波动性大不可预测的可再生能源. 1.2 投资组合分析当投资决策者试图制定一个长期的电力供应框架或发电组合时, 需要通过权衡多种发电机组类型的成本风险环境影响等多种因素, 从而得到一个效益最大化的可选方案. 组合分析理论是量化分析此类多样化方案的有效手段之一. 组合分析最早在研究证券投资市场时被提出, 在发电投资领域这一方法也得到越来越多的应用. 常规组合分析方法首先将各种发电机组类型燃料等相关因素通过特定的成本来描述其特征, 同时给出各种成本的标准偏差统计量, 即成本风险, 进而得到在最小成本或最低风险条件下的最优技术组合. 1) 考虑现有容量的投资成本量度组合分析中首先需要确定各组合投资的成本, 在进行成本计算时区分了发电组合中容量和电能两个基本特征. 在容量中将现有的发电容量考虑进了未来投资组合之中, 具体做法是将现有机组的资本成本视为沉没成本, 而将机组的资本成本通过构建概率分布模型进行抽样得到, 并在资本成本中考虑资产的退役 ; 电能则是发电组合中每种技术一年内的发电量. 容量的公式如下 : P istaled,t P exist,t 式中 :P istaled,t,p exist,t,p ew =P exist,t +P ew,t (3) =P exist,t ref -P retired,t (4) 分别为第种发电,t,P retired,t 机组类型在第 t 年的总装机容量现有装机容量新增装机容量和退役装机容量 ;P exist,t ref 为第种发电机组类型在水平年的现有容量 ; 下标 =1,2,,, 其中为发电机组类型总数. 发电组合每年的期望成本包括固定成本和变动成本, 表达式为 : C expected = (C F P istaled +CE) V β (5) =1 S E = P,s (6) =1 s=1 式中 :C F,C V 分别为第种发电机组类型的单位固定成本和单位变动成本 ;E 为第种发电机组类型一年发电量 ;P,s 为第种技术在对应 RLDC 第 s 段的出力 ; β 为第种技术在所占发电组合容量比例 ;S 为 RLDC 的分段总数. 其中, 单位固定成本包括单位资本成本 htp:// 55

政策目标中进行投资决策优化. 本文的研究框架如图 1 所示. 图中 :LDC 表示负荷持续曲线 ;RLDC 表示修正负荷持续曲线. &-B( LDC &-+,, B M) RLDC &-B +, *3.*+=F( F) *3 +MMK CO 2 *3 +D* 图 1 研究框架 Fig.

3 2015,39(5) 学术研究 C uit,capital 和单位运行维护成本 C FOM, 其表达式为 : C F =C uit,capital +C FOM (7) C uit,capital =C capital α (8) α= r (1+r) m (9) (1+r) m -1 式中 :C capital 为第种发电机组类型的资本 ( 资本成本 );α 为资本回收率 ;r 为折现率 ;m 为资产寿命. 单位变动成本包括燃料成本 C fuel 碳成本 C carbo 和变动运行维护成本 C VOM, 其表达式为 : C V =C fuel +C carbo +C VOM (10) C fuel =P fuel θ (11) C carbo =P carbo ϑ (12) 分别为第种技术的燃料价格和式中 :P fuel,p carbo 碳价格, 其中碳价格为排放单位质量 CO2 的费用 ; θ,ϑ 分别为第种技术的平均热效率和碳排放因子. 在此, 每种发电机组类型的发电量 P,s 通过以最小化运行成本设置目标函数构建简化经济调度模型得到, 表达式如下 : mi C V (P) (13) =1 s.t. P =D (14) =1 P P istaled (15) 式中 :D 为 LDC 曲线上每段的负荷需求, 此时的 D 为根据发电成本变动修正过的负荷. 如果考虑间歇性可再生能源对负荷负的修正作用, 则式 (14) 变为 : P =D -Pre,sTs (16) =1 式中 :Pre,s 为在时段 s 内可再生能源的发电输出 ; Ts 为时段 s 的总时长. 如果将风能等可再生能源考虑进来, 发电组合的期望成本变为 : C expected = =1 式中 :C uit,capital rew (C rew uit,capital,c rew FOM (C F P istaled +CE) V β + +Crew FOM ) β rew (17), β rew 分别为可再生能源每年单位投资成本单位运行维护成本和在全部装机中所占比重. 2) 考虑不确定性因素相关性的风险量度投资组合的风险即为成本风险, 与投资成本相对应, 包括燃料成本风险碳成本风险, 标准差 σ 是量度风险的统计量. 在计及风险时, 考虑了成本中各因素之间的相关性, 例如煤与燃气价格之间的相关性, 煤燃气价格与碳价格之间的相关性. 煤与燃气价格之间的相关性是根据其历史数据估计得到, 而燃料与碳价格之间的相关性则是根据欧盟碳排放交易体系的实施经验, 以及先前研究文献估计得到 [14G15]. 由于核燃料价格占发电成本比重较小, 因此在这里没有考虑其与其他燃料碳价格之间的相关性. 为表达风险因素之间的相关性, 需要用到相关系数 ρx,y 统计量, 计算公式如下 : ρx,y = COV (X,Y) σ X σ Y (18) 式中 :X={x1,x2,,xM },Y={y1,y2,,yM }, 其中下标 M 为变量历史数据的个数 ;COV(X,Y) 为变量 X 与 Y 的协方差 ;σ X,σ Y 分别为 X,Y 的标准差. 计算得到相关系数矩阵为 : 1 ρcoal,gas ρcoal,carbo é ê ù ú ρ= êρcoal,gas 1 ú (19) ρgas,carbo ê ëρcoal,carbo ρgas,carbo 1 ú û 式中 : ρcoal, 分别为煤燃气碳价 gas ῤcoal,carbo ῤgas,carbo 格之间的相关系数. 因此, 定义成本风险 σ 为 : σ= ρi,j iσ j i,j={coal,gas,carbo} i j (20) 3) 投资组合有效边界的获取投资组合有效边界的获取是在上述成本风险量度的基础上做出的, 步骤包括 :1 计算所有可能的投资组合 ;2 计算投资组合的最低成本 ;3 计算投资组合的最低风险 ;4 在以发电成本为纵轴和成本风险为横轴的坐标系中描绘所有投资组合的最低成本和最低风险的点, 连接位于散点图左下边界上的所有的点, 即得到投资组合的有效边界. 1.3 利用蒙特卡洛方法模拟不确定性因素在投资组合分析中, 不确定性因素包括资本成本燃料价格碳价格以及负荷需求. 利用蒙特卡洛方法模拟这些不确定性因素的方法步骤如下. 步骤 1: 根据概率分布函数 ψ ( z) 不断生成随机数 Z, 并代入上一节发电组合预期成本和风险的计算公式中 ( 统一设为 f(z)). 步骤 2: 将这些 f(z) 的值累加, 并求平均值, 即 K 得到 ( f(zk) k=1 ) /K. 步骤 3: 达停止条件后退出, 常用的停止条件有 2 种, 一种是设定最多生成个 z, 数量达到后即退出, 另一种是检测计算结果与真实结果之间的误差, 当这一误差小到某个范围之内时退出. 因此, 蒙特卡洛方法最重要的环节是构建不确 56

单位变动成本包括燃料成本 C fuel 碳成本 C carbo 和变动运行维护成本 C VOM, 其表达式为 : C V =C fuel +C carbo +C VOM (10) C fuel =P fuel θ (11) C carbo =P carbo ϑ (12) 分别为第种技术的燃料价格和式中 :P

4 曾鸣, 等不确定条件下基于蒙特卡洛模拟的发电投资评估模型定性因素的概率分布函数. 下面分别给出资本成本的概率分布, 煤燃气和碳价格的相关概率分布, 以及负荷需求的概率分布. 1) 资本成本概率分布在这里, 资本成本仅为机组的资本成本. 资本成本的波动具有集群性, 即大幅度的波动集中在某些范围内, 而小幅度的波动则集中在另一些范围内, 体现在密度函数上则为厚尾性. 因此, 选用伽马分布模拟资本成本的不确定性, 伽马分布的概率密度函数为 : θ γ ì ï ψ1(z)= Γ(γ) zγ-1 e -θz z 0 í (21) ï î0 z <0 式中 :θ,γ 分别为伽马分布的尺度参数和形状参数. 2) 煤燃气和碳价格的相关概率分布选用对数正态分布生成具有相关性的燃料和碳价格的随机变量, 对数分布的概率密度函数为 : ψ2(z)= 1 zσ 2π exp (- ( lz-μ )2 ) (22) 2σ 2 式中 : μ,σ 分别为变量对数的平均值与标准差 ( 位置参数和形状参数 ), μ =l(g 2 / σ 2 +g 2 ),σ = l(q 2 /(g 2 +1)), 其中,g 和 q 分别为输入数据的算数平均值和标准差. 3) 负荷需求概率分布假定 RLDC 上的峰值服从正态分布, 即用正态分布模拟负荷需求的不确定性, 概率密度函数为 : ψ3(z)= 1 σ 2π exp (- ( z-μ )2 ) (23) 2σ 2 假定 LDC 同样根据峰值的波动而垂直移动, 进而保证了负荷曲线具有相同的形状和陡度. 本文进行蒙特卡洛模拟借助 MATLABversio R2012b 中统计和优化工具箱实现. 2 算例分析 2.1 广东电力供需情况及模型基础数据广东省经济发达, 由于省内缺煤少水, 电力供应形势紧张,2012 年统调最高负荷超过 80GW, 电力供应结构尚需加强和优化. 目前, 广东水能资源已基本开发完毕, 全省所需的煤炭资源全部依靠外区运入, 面对常规能源不足的局面, 广东省未来将重点开发核电风电太阳能等清洁能源. 根据广东省能源发展十二五规划南方电网十二五及中长期发展规划, 年广东省省内电源装机情况如表 1 所示. 年份表年广东省省内电源装机情况 Table1 IstaledpowerofGuagdog Provicei 煤电 / 气电 / 水电 / 核电 / 风电及其他 / 区外送电 / 在本文中, 将风电等间歇性可再生能源区外送电等视为外生变量, 主要研究煤电天然气发电核电等电源形式. 这些类型电源属于常规电源, 资本成本不确定性较高, 尤其是核电 ; 而且, 煤天然气的燃料成本受国际能源价格影响较大, 成本不确定性高 ; 另外, 由于在发电结构中三种电源形式的不同占比会带来迥异的 CO2 排放, 因此研究其发电组合也有利于兼顾到节能减排的能源发展目标, 在这里假设 2020 年碳排放交易能够得到充分实施. 以 2015 年为基准年, 当年装机设为现有容量, 在此基础上每种发电机组按一定的折旧率退役, 得到 2020 年现有机组情况 ( 煤电气电核电 ), 如表 2 所示. 表 2 广东省 2020 年现有机组情况 Table2 ExistiguitsofGuagdogProvicei2020 发电机组类型 2015 年现有容量 / 退役容量 / 2020 年现有容量 / 煤电气电 ( 折旧率 6%) 核电考虑到负荷需求的不确定性, 本文用 2.3 节给出的正态分布进行模拟, 假定峰荷的标准差等于其均值的 5%. 根据广东目前典型的负荷需求曲线和能源需求预测数据 [16G17], 利用 MATLAB 抽样模拟对 2015 年负荷数据 ( 如图 2 所示 ) 进行修正, 进而得到 2020 年 RLDC, 如图 3 所示. B8/GW t/h 图 2 广东省 2020 年预测负荷曲线 Fig.2 ForecastloadcurveofGuagdog Provicei2020 对于现有机组和机组假定具有相同的技术经济参数, 给出各类型发电机组类型相关数据如表 3 所示. htp:// 57

因此, 选用伽马分布模拟资本成本的不确定性, 伽马分布的概率密度函数为 : θ γ ì ï ψ1(z)= Γ(γ) zγ-1 e -θz z 0 í (21) ï î0 z <0 式中 :θ,γ 分别为伽马分布的尺度参数和形状参数.

5 2015,39(5) 学术研究 B8/GW M"LDC 5;M*0*# +RLDC 5;!* +RLDC 5;E* +RLDC t/h 图 3 广东省 2020 年 RLDC Fig.3 RLDCofGuagdogProvicei 不确定性因素概率分布模拟分别利用伽马分布和多元对数正态分布模拟资本成本和燃料成本的不确定性, 给出两类分布的参数如表 4 所示. 2.3 发电组合情景分析根据规划可知, 在广东省 2020 年煤电气电核电三种发电机组类型中, 规划装机规模比例为 66.1%,16.9%,17%. 机组参数机组现有机组机组寿命 /a 表 3 机组技术经济参数 Table3 Techicaladecoomicparametersofuits 资本成本 / 固定运行维护成本 / ( 元 kw -1 ) ( 元 (kw a) -1 ) 变动运行维护成本 / ( 元 (kw h) -1 ) 热效率 /(MJ (kw h) -1 ) 排放系数 /(t (kw h) -1 ) 预期燃料价格 / ( 元 MJ -1 ) 煤电气电核电煤电气电核电表 4 资本成本燃料成本概率分布参数 Table4 Probabilitydistributioparametersof capitalcostadfuelcost 发电机资本成本燃料成本组类型 μ σ γ θ μ σ 煤电气电核电在进行发电组合分析时, 以 5% 的每种技术占比为间隔计算每种组合的成本和风险. 假定未来各种发电机组类型的容量不低于现有的容量水平, 则按照表 2 中 2020 年规划容量以及现有装机容量情况, 未来投资组合中煤电气电核电所占比例的上下限分别为 75%,30%,35% 和 55%,10%,15%, 因此共可能产生 15 种发电组合, 其装机数据见表 5. 表 5 广东省 2020 年可能发电组合装机数据 Table5 Potetialdataofistaledgeeratioportfolios ofguagdogprovicei2020 比例 / % 煤电现有总计装机容量 /GW 气电现有总计核电现有总计根据 2.2 节发电成本和风险的计算原理, 以及对资本成本燃料价格碳价格等不确定因素的随机模拟抽样, 在 MATLAB 中进行蒙特卡洛模拟, 可得到在不同碳价格水平下 (0,60,120,300 元 /t) 的发电组合有效边界, 如图 4 所示. */ >(300/t) 2020>(120/t) 2020>(60/t) 2020>(0/t) MK 0/tU 60/tU 120/tU 300/t 图 4 不同碳价格水平的发电组合有效边界 Fig.4 Geeratioportfolioseficietfrotier ofdiferetcarboprices 为更清晰直观地呈现投资组合的有效边界, 在图中未给出所有组合的模拟结果, 而只是显示了有效边界上的点以及规划模拟值. 在情景模拟中碳价格分别为 0,60,120,300 元 /t 时, 有效边界上点的个数分别为 2,3,7,7. 由图中 4 条曲线的变化趋势可以看出, 随着碳价格的升高, 期望成本和成本风险同时提高.4 种情景下只有当碳价格为 120 元 /t 时, 规划的发电组合才处于投资有效边界上, 这表明考虑到碳排放政策, 电源规划的合理性受碳价格的影响. 当碳价格为 120 元 /t 时, 给出有效边界上各 58

3 发电组合情景分析根据规划可知, 在广东省 2020 年煤电气电核电三种发电机组类型中, 规划装机规模比例为 66.1%,16.9%,17%.

6 曾鸣, 等不确定条件下基于蒙特卡洛模拟的发电投资评估模型发电组合和 2020 年规划组合的各种发电机组占比及发电成本 CO2 排放水平成本风险, 见附录 A 图 A1. 从附录 A 图 A1 可以看出, 随着核电气电所占比重的增加, 预期的 CO2 排放和预期发电成本都显著下降, 成本风险有平缓的提升, 而当核电比重提高到 20% 以上时, 成本风险提升幅度显著. 由此可以得出的结论是 : 碳价格维持在一个较高水平时, 使得低排放机组比重增加, 在一定程度上能够降低 CO2 排放, 同时发电成本也会有所降低, 而这时由于核电资本成本较高, 这样会造成成本风险的提高. 对于 2020 年规划发电组合 CO2 排放和发电成本均没有达到最低水平, 而成本风险较低. 从实际情况来看, 由于中国发电行业仍然是以煤电为主, 目前的煤电排放虽然已经达到国际平均水平之上, 但由于其巨大的存量结构,CO2 排放仍然不可能有大幅降低 ; 广东核电发展条件较其他地区好, 在能源发展规划中也提出了大力发展核电的战略, 因此从社会经济政策角度来看, 核电具有较大的发展空间. 通过上述分析可以看出, 本文所提出的投资组合分析方法有助于帮助投资决策者更加有效地权衡投资组合的利弊, 进而做出合理可接受的投资方案. 为验证本文提出的基于蒙特卡洛模拟的投资组合分析方法的有效性, 应用均值半绝对偏差投资组合分析方法 (MLSAD) 进行对比分析. 在各种发电机组类型投资比例不为零的情况下, 运用线性规划的旋转算法, 计算出在不同碳价格水平下的最优投资比例, 进而得到各投资组合的发电成本成本风险, 如表 6 所示. 表 6 不同碳价格水平下的发电组合规划参数 Fig.6 Projectigparametersofgeeratioportfolios ofdiferetcarboprices 碳价格 / ( 元 t -1 ) 煤电投资比例 /% 气电核电现有装机发电成本 / 亿元成本风险由表 6 可以看出, 当碳价格为 120 元 /t 时, 煤电和核电的投资比例基本相同, 而对应在本文所得出的有效边界上, 此投资比例所对应的发电成本和成本风险分别为 21.8 亿元和 1.36, 投资者应偏向于更低成本风险的投资组合. 同时, 在碳价格为其他水平时, 经验证各最优投资比例所对应的发电成本和成本风险均在投资有效边界上, 进而证明本文所提出方法能够更加精确地描述未来投资环境以及相应的投资组合的比例. 3 结语本文利用蒙特卡洛模拟的方法定量描述了广东省未来电力工业发展中的不确定性因素, 包括化石燃料价格碳价格电力需求和资本成本 ; 进而以这些不确定性因素作为参数, 对广东省 2020 年电源规划中煤电气电和核电进行了投资组合分析, 评估了电源规划中发电成本碳排放和成本风险的合理性. 本文所构建模型考虑了现有机组和机组在投资成本和运行成本上的区别, 并在负荷曲线中扣除了非常规间歇性电源对负荷需求的补益, 构建了 RLDC, 通过这些改进将电力工业发展中的不确定性因素充分地考虑到了电源投资评估中, 为发电投资规划提供了决策支持工具. 本文研究结果除给出了广东省在不同碳价格情景下的成本风险有效边界之外, 进一步分析了各情景发电组合中期望发电成本成本风险和 CO2 排放之间趋势变化, 有助于投资者进行多目标决策. 分析表明 : 适当的碳排放政策会促使清洁机组 ( 天然气核电 ) 的规模比例提高, 但在目前情况下广东省 CO2 排放和发电成本并不能降低到最低水平, 未来核电会有较大的发展空间. 附录见本刊网络版 (htp:// com/aeps/ch/idex.aspx). 参考文献 [1] 周金辉, 余贻鑫, 曾沅. 大规模风电接入下输电网扩展规划的启发式优化算法 [J]. 电力系统自动化,2011,35(22):66G70. ZHOUJihui,YU Yixi,ZEG Yua.Heuristicoptimizatio algorithm fortrasmissio etwork expasio plaig with largegscalewidpoweritegratio[j].automatioofelectric PowerSystems,2011,35(22):66G70. [2]ZHU L,FA Y.OptimizatioofChia sgeeratigportfolio adpolicyimplicatiosbasedoportfoliotheory[j].eergy, 2010,35(3):1391G1402. [3]ARESAO M,CARLUCCIA P,LAFORGIA D.Extesio ofportfoliotheoryapplicatiotoeergyplaigproblem the Italiacase[J].Eergy,2012,39(1):112G124. [4] 曾鸣, 田廓, 鄢帆, 等. 电力市场中考虑灵活性措施的发电投资决策分析 [J]. 电网技术,2010,34(11):151G155. ZEG Mig, TIA Kuo, YA Fa,et al.aalysis o ivestmetdecisio ofpowergeeratio projectielectricity market cosiderig flexible tactics [J]. Power System Techology,2010,34(11):151G155. [5] 寻斌斌, 文福拴, 黎小林, 等. 计及排污权交易和多种不确定性的发电投资决策 [J]. 电力系统自动化,2014,38(1):51G56. XU Bibi, WE Fushua,LI Xiaoli,etal.Geeratio ivestmetdecisiogmakig i emissio tradig eviromet with multipleucertaities[j].automatioofelectricpower htp:// 59

由此可以得出的结论是 : 碳价格维持在一个较高水平时, 使得低排放机组比重增加, 在一定程度上能够降低 CO2 排放, 同时发电成本也会有所降低, 而这时由于核电资本成本较高, 这样会造成成本风险的提高.

7 2015,39(5) 学术研究 Systems,2014,38(1):51G56. [6] 库尔班努尔买买提, 刘洋, 段金辉, 等. 不同情景下太阳能光伏分布式电源投资决策评估研究 [J]. 水电能源科学,2012,30(12): 209G212. UER Maimaiti Kuerba,LIU Yag,DUAJihui,etal. Ivestmet decisiogmakig assessmet study of solar photovoltaicdistributed power uderdiferetscearios[j]. WaterResourcesadPower,2012,30(12):209G212. [7]ATWA Y M,ELGSAADAY E F.Probabilisticapproachfor optimal alocatio of widgbased distributed geeratio i distributiosystems[j].iet Reewable Power Geeratio, 2011,5(1):79G88. [8]SOROUDI A, AFRASIAB M.Biary PSOGbased dyamic multigobjectivemodelfordistributedgeeratioplaiguder ucertaity[j].ietreewablepowergeeratio,2012,6(2): 67G78. [9] 寻斌斌, 文福拴, 薛禹胜, 等. 电力联营体模式下计及排污权交易的跨期多市场均衡 [J]. 电力系统自动化,2011,35(3):21G28. XUBibi,WE Fushua,XUE Yusheg,etal.AperiodG spaig multigmarket equilibrium model i a poolgbased electricity market ad emissio tradig eviromet [J]. AutomatioofElectricPowerSystems,2011,35(3):21G28. [10] 曾鸣, 许文秀, 魏阳, 等. 基于可再生能源分布式发电投资的模糊综合评价研究 [J]. 华东电力,2011(2):180G183. ZEG Mig,XU Wexiu, WEI Yag,etal.Research o fuzzy sythetic evaluatio of reewable distributed eergy geeratio ivestmet [J]. East Chia Electric Power, 2011(2):180G183. [11]DELARUEE,deJOGHEC,BELMASR,etal.Applyig portfoliotheorytotheelectricitysector:eergyversuspower [J].EergyEcoomics,2011,33(1):12G23. [12] 李婷. 考虑背景风险因素的可能性投资组合选择模型研究 [D]. 广州 : 华南理工大学,2013. [13]FUSS S, SZOLGAYOVÁ J, KHABAROV, et al. Reewablesadclimatechagemitigatio:irreversibleeergy ivestmetuderucertaityadportfolioefects[j].eergy Policy,2012,40:59G68. [14]IEA.Electricityiformatio 2009[R].Paris:Iteratioal EergyAgecy,2009. [15]GREE R.Carbotax orcarbo permits:theimpacto geerators risks[j].theeergyjoural,2008,29(3):67g 89. [16] 林勇, 刘云. 考虑资源和环境约束的广东电网电源优化发展建议 [J]. 广东电力,2011,24(11):1G5. LI Yog, LIU Yu.Suggestios o optimized power developmet i Guagdog cosiderig resource ad evirometrestrictios[j].guagdogelectricpower,2011, 24(11):1G5. [17] 广东省发展和改革委员会. 广东省能源发展十二五规划 [EB/ OL].[2013G09G26].htp:// sewzx/201309/t _ htm. 曾鸣 (1957 ), 男, 硕士, 教授, 博士生导师, 主要研究方向 : 电力市场和电力系统规划.EGmail:zegmigbj@vip. sia.co 张平 (1961 ), 男, 博士研究生, 主要研究方向 : 能源技术经济及管理.EGmail:wagliagbj@aliyu.com 王良 (1990 ), 男, 通信作者, 硕士研究生, 主要研究方向 : 电力市场和电力系统规划.EGmail:wdhl8023@163. com ( 编辑孔丽蓓 ) GeeratioIvestmetEvaluatio ModelUderUcertaityBasedo MoteCarloSimulatio ZEG Mig 1 ZHAGPig 1 WAGLiag 12 ZHAGYigjie 1 ZHAG Ku 1 1 敭 SchoolofEcoomicsad Maagemet orthchiaelectricpoweruiversity Beijig Chia 2 敭 EcoomicsadTechologyResearchIstituteofStateGridElectricPowerCompay Shijiazhuag Chia Abstract Withthesustaiabledevelopmetoftheecoomyadeergy electricpoweridustryisfacedwithmoreucertaity chaleges whilecovetioalpowergeeratiodecisiogmakigmethodsareotabletomeettherequiremetforsolvigew problems 敭 Thecurretproblemsfacigthepowergeeratioivestmetassessmetareaalyzed othebasisofwhich the geeratioportfoliosareassessed 敭 Firstly udergiveelasticcoditiosofdemad theamoutofchageofloadduetothe chageofgeeratiocostisdetermied withtheitermitetreewableeergysourcesregardedasegativeloadcorrectio 敭 Asaimprovemetothecovetioalload duratiocurve theimpactofdemadelasticityaditermiteteergyis cosidered 敭 Secodly themotecarlosimulatio methodisusedtosimulatetheucertaities icludigcapitalcost load fueladcarbopricetohavetheucertaitiesmergeditopowergeeratioivestmetportfolioassessmet 敭 Fialy acase studyisaalyzedwiththeexampleofguagdogprovice theefectiveboudary geeratiocost CO2emissioadcostrisk areobtaiedtherefrom 敭 Theresearchresultsshowthatthecarboemissiospolicyishelpfultothedevelopmetofclea eergy whiletheuclearpowerwilhavegreaterdevelopmetpotetialithecurretpolicyeviromet 敭 Theproposed methodologyisprovedefective 敭 ThisworkissupportedbyatioalSoftScieceResearchProgram o 敭 2012GXS4B064 adatioalaturalsciece FoudatioofChia o 敭敭 Keywords powergeeratioivestmet assessmet MoteCarlosimulatio portfolioaalysis ucertaities 60

[7]ATWA Y M,ELGSAADAY E F.Probabilisticapproachfor optimal alocatio of widgbased distributed geeratio i distributiosystems[j].iet Reewable Power Geeratio, 2011,5(1):79G88. [8]SOROUDI A, AFRASIAB M.

说明为了反映教运行的基本状态, 为校和院制定相关政策和进行教建设与改革提供据依据, 校从程资源 ( 开类别开量规模 ) 教师结构程考核等维度, 对 2015 年春季期教运行基

说明为了反映教运行的基本状态, 为校和院制定相关政策和进行教建设与改革提供据依据, 校从程资源 ( 开类别开量规模 ) 教师结构程考核等维度, 对 2015 年春季期教运行基内部资料东北师范大教运行基本状态据报告 2015 年春季期教务处 2015 年 10 月 27 日说明为了反映教运行的基本状态, 为校和院制定相关政策和进行教建设与改革提供据依据, 校从程资源 ( 开类别开量规模 ) 教师结构程考核等维度,