可再生能源發(fā)電投資風(fēng)險(xiǎn)分析與評估模型.pdf

1、近年來，能源的綠色、低碳變革已經(jīng)在世界范圍內(nèi)成為一種發(fā)展趨勢，風(fēng)力發(fā)電、太陽能發(fā)電、水力發(fā)電、生物質(zhì)能發(fā)電等可再生能源發(fā)電得到了國家政策的扶持，中國可再生能源發(fā)電產(chǎn)業(yè)處于迅速發(fā)展的階段。作為一種新興產(chǎn)業(yè)，可再生能源發(fā)電具有低污染、可再生、節(jié)能和減排的優(yōu)勢且開發(fā)潛力巨大，適合現(xiàn)代社會的發(fā)展理念。隨著越來越多的投資機(jī)構(gòu)開始投資建設(shè)可再生能源發(fā)電項(xiàng)目，但可再生能源發(fā)展的不確定性也日益凸顯。本文綜合運(yùn)用現(xiàn)代風(fēng)險(xiǎn)管理理論，系統(tǒng)地對可再生能源發(fā)電項(xiàng)

2、目投資風(fēng)險(xiǎn)進(jìn)行識別、控制、決策與評價(jià)。
　　首先，對可再生能源發(fā)電投資的風(fēng)險(xiǎn)因素進(jìn)行識別。分別歸納我國各類可再生能源發(fā)電發(fā)展的條件中以及發(fā)展進(jìn)程中存在的風(fēng)險(xiǎn)因素;基于全壽命周期管理理論，識別可再生能源項(xiàng)目在決策、設(shè)計(jì)、施工、運(yùn)營和維護(hù)以及報(bào)廢回收五個(gè)階段的風(fēng)險(xiǎn)因素;基于解釋結(jié)構(gòu)模型計(jì)算出風(fēng)險(xiǎn)指標(biāo)的可達(dá)矩陣，對風(fēng)險(xiǎn)進(jìn)行層次劃分，最后形成風(fēng)險(xiǎn)的階層結(jié)構(gòu)圖。項(xiàng)目生命周期前期的風(fēng)險(xiǎn)將向后期傳遞，投資者須在投資初期落實(shí)風(fēng)險(xiǎn)管理措施，避免風(fēng)險(xiǎn)

3、的蔓延與擴(kuò)大。
　　其次，從宏觀層面提出風(fēng)險(xiǎn)控制模型。一方面，基于投資收益與投資風(fēng)險(xiǎn)的考慮，以投資收益與投資風(fēng)險(xiǎn)的加權(quán)效益最大化為目標(biāo)，以各類資源的投資份額、資源條件、裝機(jī)容量增長以及電力需求為約束，構(gòu)建了多區(qū)域多能源類型的發(fā)電投資組合模型。另一方面，通過對比平均調(diào)度與節(jié)能發(fā)電調(diào)度模式下上網(wǎng)電量的分配狀況，分析開發(fā)商投資可再生能源與燃煤發(fā)電的經(jīng)濟(jì)與社會效益水平。在節(jié)能調(diào)度模式下可再生能源發(fā)電項(xiàng)目的效益將更有保障，在電力系統(tǒng)能滿足可

4、再生能源消納要求的情況下應(yīng)該增加可再生能源項(xiàng)目的投資。
　　再次，從投資者的角度提出風(fēng)險(xiǎn)決策模型。構(gòu)建了基于遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的造價(jià)預(yù)測模型，通過遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化提高預(yù)測精度;基于期權(quán)理論構(gòu)建了可再生能源發(fā)電項(xiàng)目的投資決策模型，期權(quán)能夠反映出項(xiàng)目投資不確定性的價(jià)值，更全面地反映項(xiàng)目的價(jià)值，并在項(xiàng)目進(jìn)行過程中作出延遲、擴(kuò)張等決策;構(gòu)建了灰色聚類分析的投資決策模型，通過灰色聚類模型有助于投資者區(qū)分可再生能源發(fā)電項(xiàng)目投資

5、中眾多風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)程度，并將各類項(xiàng)目進(jìn)行聚類并有針對性地實(shí)施投資方案。
　　最后，提出風(fēng)險(xiǎn)評價(jià)模型?？稍偕茉窗l(fā)電項(xiàng)目涉及的風(fēng)險(xiǎn)因素眾多，且部分風(fēng)險(xiǎn)存在難以量化的問題。粗糙集則可以根據(jù)數(shù)據(jù)特征提煉風(fēng)險(xiǎn)指標(biāo)間的關(guān)聯(lián)規(guī)則，并析取出典型的、能夠綜合反映風(fēng)險(xiǎn)特性的風(fēng)險(xiǎn)指標(biāo)進(jìn)行評價(jià)。通過可再生能源風(fēng)險(xiǎn)因素識別形成具有操作性的風(fēng)險(xiǎn)評價(jià)的指標(biāo)體系，并基于粗糙集模型依次對指標(biāo)數(shù)據(jù)進(jìn)行離散化、屬性約簡以及求取屬性重要度。實(shí)例仿真結(jié)果顯示粗糙集的評