CN110210736A - 一种电网项目协同优化方法和系统 - Google Patents

一种电网项目协同优化方法和系统 Download PDF

Info

Publication number
CN110210736A
CN110210736A CN201910422498.3A CN201910422498A CN110210736A CN 110210736 A CN110210736 A CN 110210736A CN 201910422498 A CN201910422498 A CN 201910422498A CN 110210736 A CN110210736 A CN 110210736A
Authority
CN
China
Prior art keywords
value
risk
power grid
scenes
project
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910422498.3A
Other languages
English (en)
Inventor
卢艳超
王晓晖
徐丹
刘一江
闫炜阳
霍慧娟
王红晋
史善哲
徐楠
孙轶良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Hebei Electric Power Co Ltd
State Grid Economic and Technological Research Institute
Original Assignee
State Grid Hebei Electric Power Co Ltd
State Grid Economic and Technological Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Hebei Electric Power Co Ltd, State Grid Economic and Technological Research Institute filed Critical State Grid Hebei Electric Power Co Ltd
Priority to CN201910422498.3A priority Critical patent/CN110210736A/zh
Publication of CN110210736A publication Critical patent/CN110210736A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Finance (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种电网项目协同优化方法和系统，其特征在于包括以下步骤：1)对影响电网项目效益的影响因素进行分析，确定基于价值量化场景和风险量化场景的决策变量；2)基于步骤1)中确定的基于价值量化场景和风险量化场景的决策变量，构建不同场景组合下的电网项目协同优化模型；3)采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果，根据该协同优化结果对不同电网项目的决策进行指导。本发明可以广泛应用于电网项目协同优化领域。

Description

一种电网项目协同优化方法和系统
技术领域
本发明涉及电网项目优化领域，特别是关于一种基于投资价值和投资风险的电网项目协同优化方法和系统。
背景技术
对于电网项目，既需要考虑项目的投资价值，也需要考虑项目的投资风险。由于电网项目的价值指标和风险指标之间存在制约和协同关系，因此电网项目效益最大化的目标实质上包含两个目标的协同优化，即海外投资价值最大化、海外投资风险最小化的协同求解。此问题的一大难点在于平衡优化各个层次内的各项指标，主要表现在：(1)指标繁多、数据量大，协同优化计算量更加庞大，短期内难以人工反复平衡优化及调整；(2)现有的优化靠简单的主观经验分析计划中的各种联系、实施平衡，缺乏客观的理论支撑。
另外，海外投资价值最大化、海外投资风险最小化这两个目标函数有时相互矛盾，甚至互不相容，通常不存在最优解使得所有的目标函数同时达到最优，而对于多个有效解情况决策者也无法直接挑选出最满意的一个偏爱解，此时应该如何求解也是本项目的另一大难点。
发明内容
针对上述问题，本发明的目的是提供一种电网项目协同优化方法和系统，利用遗传算法，对海外投资价值和海外投资风险进行协同优化，明确电网项目海外投资在何状态下达到综合效益最大化。
为实现上述目的，本发明采取以下技术方案：一种电网项目协同优化方法，其包括以下步骤：
1)对影响电网项目效益的影响因素进行分析，确定基于不同的价值量化场景和风险量化场景的优化变量；
2)基于步骤1)中确定的基于不同的价值量化场景和风险量化场景的优化变量，构建不同场景组合下的电网项目协同优化模型；
3)采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果，根据该协同优化结果对不同电网项目的决策进行指导。
进一步的，所述步骤1)中，对影响电网项目效益的影响因素进行分析，确定基于不同的价值量化场景和风险量化场景的优化变量的方法，包括以下步骤：
1.1)根据不同的价值量化场景，确定基于价值导向的第一决策变量，所述价值量化场景包括战略发展、品牌技术差异、投资回报三个场景；
1.2)根据不同的风险量化场景，确定基于风险评估的第二决策变量，所述风险量化场景包括影响最大、最易执行、合作伙伴、项目特点四个场景；
1.3)确定模型构建过程中的相关参数和其他变量，所述相关参数和其他变量包括价值导向下不同场景的价值创造系数、风险评估下不同场景的风险值系数、价值创造阈值以及风险期望阈值。
进一步的，所述步骤2)中，构建的电网项目协同优化模型为：
式中，E表示所有项目的价值创造总和；maxE表示最大化价值创造；xi(i＝1,2,3)表示基于价值导向的海外项目投资决策在三个价值量化场景下的企业项目决策变量；yj(j＝1,2,3,4)表示基于风险评估的海外投资项目在四个风险量化场景下的企业项目决策变量；Ez(z＝1,2,...,n)：即第z个项目价值创造值；
约束条件为：
xi＝0,1；yj＝0,1；i＝1,2,3；j＝1,2,3,4；k＝1,2,...,m；z＝1,2,...,n；
式中，vi(i＝1,2,3)表示基于价值导向下不同场景的价值创造系数；rk表示基于风险评估下的风险值系数，m表示所有风险量化场景包含的风险指标总数；V表示价值创造阈值；R表示风险期望阈值。
进一步的，所述基于价值导向下不同场景的价值创造系数vi(i＝1,2,3)根据不同价值量化场景下所对应的相关价值指标量化值的加权求和计算得到，所述战略发展场景包含的价值指标包括国际市场发展、经济全球化、全球范围资源利用率、企业国际化水平、走出去战略；所述品牌技术差异场景包含的价值指标包括国内外市场需求、东道国市场规模、东道国政治腐败程度、投资壁垒、技术差异、创新研发强度、企业对核心网络节点的控制能力、高管教育水平；所述投资回报场景包含的价值指标包括投资壁垒、通货膨胀与汇率状况、财务净现值、总投资收益率、资产负债率；各所述价值指标量化值的权重采用等权赋权。
进一步的，所述基于风险评估下的风险值系数rk根据风险评估下所有场景对应的相关风险指标量化值及其权重得到，且风险评估下所有风险量化场景包含的风险指标包括战争或动乱、政策风险、他国干预、舆论风险、利率变动、汇率变动、通货膨胀风险、税收风险、宗教信仰、民族、种族、价值观、语言、风俗习惯、立法不够完备、法律信息不对称、执行力度国别歧视、反垄断审查、自然灾害、医疗卫生、社会治安、电力市场需求变动、电力市场价格变动、市场监管与竞争风险、电力调度风险、发电量下滑风险、资源风险、能源风险、物流运输、其他基础设施、可研技术、勘查技术、设计技术、施工技术、运营技术、人员专业素质、TCQ管理水平、管理体制差异风险、营销服务风险、融资风险、资金营运风险、会计制度差异风险、环保标准差异风险、因环保问题造成的停工风险；各风险指标量化值的权重通过Topsis权重确定法决定。
进一步的，所述步骤3)中，采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果的方法，包括以下步骤：
3.1)根据不同电网项目的实际情况，确定各优化变量和约束条件；
3.2)将确定的各优化变量和约束条件输入到电网项目协同优化模型，采用遗传算法对电网项目协同优化模型进行优化求解，得到模型输出结果；
3.3)根据得到的模型输出结果，对不同电网项目的决策进行指导。
一种电网项目协同优化系统，其包括：参数确定模块，用于对影响电网项目效益的影响因素进行分析，确定基于价值量化场景和风险量化场景的优化变量；模型构建模块，用于基于确定的基于价值量化场景和风险量化场景的优化变量，构建不同场景组合下的电网项目协同优化模型；模型求解模块，用于采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果，根据该协同优化结果对不同电网项目的决策进行指导。
进一步的，所述参数确定模块包括：第一决策变量确定模块，用于根据不同的价值量化场景，确定基于价值导向的海外投资项目的第一决策变量，所述价值量化场景包括战略发展、品牌技术差异、投资回报三个场景；第二决策变量确定模块，用于根据不同的风险量化场景，确定基于风险评估的海外投资项目的第二决策变量，所述风险量化场景包括影响最大、最易执行、合作伙伴、项目特点四个场景；相关参数和其他变量确定模块，用于确定模型构建过程中的相关参数和其他变量，所述相关参数和其他变量包括价值导向下不同场景的价值创造系数、风险评估下不同场景的风险值系数、价值创造阈值以及风险期望阈值。
进一步的，所述模型构建模块构建的电网项目协同优化模型为：
式中，E表示所有项目的价值创造总和；maxE表示最大化价值创造；xi(i＝1,2,3)表示基于价值导向的海外项目投资决策在三个价值量化场景下的企业项目决策变量；yj(j＝1,2,3,4)表示基于风险评估的海外投资项目在四个风险量化场景下的决策变量；Ez(z＝1,2,...,n)：即第z个项目价值创造值；
约束条件为：
xi＝0,1；yj＝0,1；i＝1,2,3；j＝1,2,3,4；z＝1,2,...,n；
式中，vi(i＝1,2,3)表示基于价值导向下不同场景的价值创造系数；rk表示基于风险评估下的风险值系数，m表示所有风险量化场景包含的风险指标总数；V表示价值创造阈值；R表示风险期望阈值。
进一步的，所述模型求解模块包括：输入参数确定模块，用于根据不同电网项目的实际情况，确定各优化变量和约束条件；模型求解模块，用于将确定的各优化变量和约束条件输入到电网项目协同优化模型，采用遗传算法对电网项目协同优化模型进行优化求解，得到模型输出结果；项目决策模块，用于根据得到的模型输出结果，对不同电网项目的决策进行指导。
本发明由于采取以上技术方案，其具有以下优点：本发明在价值指标和风险指标量化的基础上综合考虑海外投资价值最大化和风险最小化的项目需求，在构建协同优化模型制定协同目标时，考虑各类经济、社会、政策、汇率等约束条件，对电网项目进行协同优化，同时采用遗传算法对协同优化模型进行求解，大大提高了优化效率。本发明可以广泛应用于电网项目优化领域。
具体实施方式
下面结合实施例对本发明进行详细的描述。
本发明提供的一种电网项目协同优化方法，一方面在价值指标和风险指标量化的基础上综合考虑海外投资价值最大化和风险最小化的项目需求，另一方面在构建协同优化模型制定协同目标时，考虑各类经济、社会、政策、汇率等约束条件，以期获得最大化的投资收益。具体的，包括以下步骤：
1)对影响电网项目效益的影响因素进行分析，确定基于价值量化场景和风险量化场景的优化变量，包括决策变量及其他相关变量。
对于电网项目海外投资价值的评判，需要综合考虑两个方面的因素，即海外投资价值和海外投资风险。其中，海外投资风险的减少会在一定程度上减少海外投资的价值，然而过高的海外投资风险会提高损失的概率，从而降低项目的总效益。因此，投资价值与投资风险相互依存，相互影响，其中任何一个目标的变化必然引起另一个目标的变化，从而影响整个项目的投资效益。如何在风险可控的前提下，通过两者的协同优化，实现电网项目海外投资效益最大化是模型构建的主要目标。
1.1)根据不同的价值量化场景，确定基于价值导向的海外投资项目的第一决策变量xi(i＝1,2,3)，其中，本申请将价值量化场景划分为战略发展、品牌技术差异、投资回报三个场景；
1.2)根据不同的风险量化场景，确定基于风险评估的海外投资项目的第二决策变量yj(j＝1,2,3,4)，其中，本申请将风险量化场景分为影响最大、最易执行、合作伙伴、项目特点四个场景；
1.3)确定模型构建过程中的相关参数和其他变量，相关参数和其他变量包括价值导向下不同场景的价值创造系数vi(i＝1,2,3)、风险评估下不同场景的风险值系数rj(j＝1,2,3,4)、价值创造阈值V以及风险期望阈值R。
2)基于步骤1)中确定的基于价值量化场景和风险量化场景的决策变量，构建不同场景组合下的电网项目协同优化模型。
基于不同的价值量化场景和风险量化场景，讨论不同项目在不同的场景组合下是否进行投资，也即构建的电网项目协同优化模型是以海外投资价值创造最大化为优化目标，以风险最小化作为约束条件。建立的电网项目协同优化模型为：
式中，E表示所有项目的价值创造总和；MaxE表示最大化价值创造，即n个备选投资项目在不同场景下进行投资决策所得到的最大价值创造总和；xi(i＝1,2,3)表示基于价值导向的海外项目投资决策在三个价值量化场景下的企业项目决策变量，即在该场景下，企业是否投资该项目，因此xi是0,1变量；yj(j＝1,2,3,4)表示基于风险评估的海外项目投资决策四个风险量化场景下的企业项目决策变量，即在该场景下，企业是否投资该项目，因此yj也是0,1变量；Ez(z＝1,2,...,n)：即第z个项目价值创造值，由于项目投资的价值创造最直观的反映是由投资收益体现的，因此这里的Ez可基于投资收益进行计算，即用投资运营收入CI-投资运营成本CO即：
Ez＝CIz-COz (2)
约束条件为：
xi＝0,1；yj＝0,1；i＝1,2,3；j＝1,2,3,4；z＝1,2,...,n (5)
式中，vi(i＝1,2,3)表示基于价值导向下不同场景的价值创造系数，即以该场景下对应的相关价值指标量化值的加权求和来衡量；rk表示基于风险评估下的风险值系数，m表示所有风险量化场景包含的风险指标总数；V表示价值创造阈值(即企业至少要满足的最低价值创造值)，可结合文献和现有的量化指标体系决定(并多次仿真求解，确定最优阈值)；R表示风险期望阈值(即企业能够承受的最高风险值)，可结合文献和量化指标体系决定(并多次仿真求解，确定最优阈值)。式(3)表示项目在价值导向下的投资组合所创造的价值应满足的最低价值约束；式(4)表示项目在风险损失下的投资组合所涉及到的风险的最高约束；式(5)表示决策变量为0-1变量。
其中，基于价值导向下不同场景的价值创造系数vi(i＝1,2,3)根据不同价值量化场景下所对应的相关价值指标量化值的加权求和计算得到，战略发展场景包含的价值指标包括国际市场发展、经济全球化、全球范围资源利用率、企业国际化水平、走出去战略；品牌技术差异场景包含的价值指标包括国内外市场需求、东道国市场规模、东道国政治腐败程度、投资壁垒、技术差异、创新研发强度、企业对核心网络节点的控制能力、高管教育水平；投资回报场景包含的价值指标包括投资壁垒、通货膨胀与汇率状况、财务净现值、总投资收益率、资产负债率；各价值指标量化值的权重采用等权赋权；
基于风险评估下的风险值系数rk根据风险评估下所有风险量化场景对应的相关风险指标量化值及其权重得到，且风险评估下所有风险量化场景包含的风险指标包括战争或动乱、政策风险、他国干预、舆论风险、利率变动、汇率变动、通货膨胀风险、税收风险、宗教信仰、民族、种族、价值观、语言、风俗习惯、立法不够完备、法律信息不对称、执行力度国别歧视、反垄断审查、自然灾害、医疗卫生、社会治安、电力市场需求变动、电力市场价格变动、市场监管与竞争风险、电力调度风险、发电量下滑风险、资源风险、能源风险、物流运输、其他基础设施、可研技术、勘查技术、设计技术、施工技术、运营技术、人员专业素质、TCQ管理水平、管理体制差异风险、营销服务风险、融资风险、资金营运风险、会计制度差异风险、环保标准差异风险、因环保问题造成的停工风险；各风险指标量化值的权重通过Topsis权重确定法决定。
3)采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果，根据该协同优化结果对不同电网项目的决策进行指导。
具体的，包括以下步骤：
3.1)根据不同电网项目的实际情况，确定各优化变量和约束条件；
3.2)将确定的各优化变量和约束条件输入到电网项目协同优化模型，采用遗传算法对电网项目协同优化模型进行优化求解，得到模型输出结果；
3.3)根据得到的模型输出结果，对不同电网项目的决策进行指导。
基于上述电网项目协同优化方法，本发明还提供一种电网项目协同优化系统，其包括：参数确定模块，用于对影响电网项目效益的影响因素进行分析，确定基于价值量化场景和风险量化场景的优化变量；模型构建模块，用于基于确定的基于价值量化场景和风险量化场景的优化变量，构建不同场景组合下的电网项目协同优化模型；模型求解模块，用于采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果，根据该协同优化结果对不同电网项目的决策进行指导。
其中，参数确定模块包括：第一决策变量确定模块，用于根据不同的价值量化场景，确定基于价值导向的海外投资项目的第一决策变量，所述价值量化场景包括战略发展、品牌技术差异、投资回报三个场景；第二决策变量确定模块，用于根据不同的风险量化场景，确定基于风险评估的海外投资项目的第二决策变量，所述风险量化场景包括影响最大、最易执行、合作伙伴、项目特点四个场景；相关参数和其他变量确定模块，用于确定模型构建过程中的相关参数和其他变量，所述相关参数和其他变量包括价值导向下不同场景的价值创造系数、风险评估下不同场景的风险值系数、价值创造阈值以及风险期望阈值。
模型构建模块构建的电网项目协同优化模型为：
式中，E表示所有项目的价值创造总和；max E表示最大化价值创造；xi(i＝1,2,3)表示基于价值导向的海外项目投资决策在三个价值量化场景下的企业项目决策变量；yj(j＝1,2,3,4)表示基于风险评估的海外投资项目在四个风险量化场景下的决策变量；Ez(z＝1,2,...,n)：即第z个项目价值创造值；
约束条件为：
xi＝0,1；yj＝0,1；i＝1,2,3；j＝1,2,3,4；z＝1,2,...,n；
式中，vi(i＝1,2,3)表示基于价值导向下不同场景的价值创造系数；rk表示基于风险评估下的风险值系数，m表示所有风险量化场景包含的风险指标总数；V表示价值创造阈值；R表示风险期望阈值。
模型求解模块包括：输入参数确定模块，用于根据不同电网项目的实际情况，确定各优化变量和约束条件；模型求解模块，用于将确定的各优化变量和约束条件输入到电网项目协同优化模型，采用遗传算法对电网项目协同优化模型进行优化求解，得到模型输出结果；项目决策模块，用于根据得到的模型输出结果，对不同电网项目的决策进行指导。下面通过具体实施例对本发明方法做进一步介绍。
一、项目概况
2010年12月，国家电网公司分两次，先后在巴西成功并购了七家输电特许权公司，并同时成立国家电网巴西控股公司。截止至2015年上半年，国家电网公司在巴西总投资额已经超过40亿美元，运营的输电线路长度就达到了6748公里，而未来还将有大约6054公里输电线路将会被建成，国家电网公司在巴西的业务范围覆盖了巴西的里约热内卢、圣保罗和巴西利亚等负荷比较重的地区，目前国家电网公司在巴西的输电运营商中负责管理的输电线路长度排名第四。而2015年7月中标的美丽山水±800千伏特高压直流送出特许经营权项目一期，该项目也将新建2518公里输电线路及两端换流站，项目预计将于2020年投运。表1列出了国家电网公司在巴西投资项目一览。
表1国家电网公司巴西投资一览表
巴西美丽山水±800千伏特高压直流送出特许经营权项目二期(美丽山二期项目)是继美丽山一期项目之后，国家电网公司在海外中标的第二个特高压输电项目，也是首个在海外独立开展工程总承包(EPC)的特高压输电项目。项目运作采取投资+总承包(EPC)+运营的模式操作。鉴于美丽山一期项目的重大意义，特选择其作为优化模型实证分析的案例。
二、基本参数
在对模型进行求解之前，首先，要计算出模型中相关参数值，包括价值导向下不同场景的价值创造系数vi(i＝1,2,3)，风险评估下不同场景的风险值系数rj(j＝1,2,3,4)，不同场景下对应的价值创造阈值Vi(i＝1,2,3)以及不同场景下对应的风险期望阈值Rj(j＝1,2,3,4)。
(1)价值导向下不同场景价值创造系数vi
根据价值场景分类：战略发展角度、品牌技术差异角度、投资回报角度，我们采用现有的度量方法将上述每个场景所涉及到的指标进行货币量化，另外为保证每个价值指标的公平性，将每个价值指标进行等权赋权，即权重值取1/18，通过量化值和权重值计算得到如下表2所示的价值系数。
表2不同场景的价值创造系数
场景 战略发展 品牌技术差异 投资回报
价值系数 0.052228935 0.042944444 0.059933333
(2)风险评估下不同场景的风险值系数rk
根据风险场景角度分类：影响最大角度、最易执行角度、合作伙伴和项目特点4个角度，我们将每个场景所涉及到的指标利用损失期望值法进行货币量化，量化值见表3所示，基于量化后的风险期望损失值，结合各指标权重进行加权求和，最终得到四个场景的风险值系数，具体如下表4所示。
表3电网项目海外投资风险期望表
表4不同场景的风险值系数
场景 影响最大 最易执行 合作伙伴 项目特点
风险系数 0.5911272 0.45009624 0.18804374 0.35000178
(3)价值创造阈值V
价值创造阈值是指在项目投资决策时要保证项目的最低价值创造，由于在进行指标货币量化过程中，为保证所有指标间的无量纲化，对指标进行增长率计算，以此避免因指标间的单位级产生的误差。同时增长率为正即能很好反映价值创造的增长，因此这里以选取较小的增长率5％作为价值创造的最小阈值，即V＝0.05。
(4)风险期望阈值R
这里的风险期望阈值同上述风险指标量化方法一样，根据电网项目投资的实际情况，来确定一个合理阈值。因此该阈值R＝风险发生能够承受的最大概率*风险发生的期望损失。其中风险的期望损失值是通过专家打分综合确定，打分范围从1-5，因此这里设置最大期望损失为5，且由于风险发生的随机性强，其概率因项目特点、结构、环境的差异而有所不同，因此这里为了尽量降低风险的发生，设置风险发生最大承受概率为20％，因此可得到风险期望阈值R＝5*20％＝1。
另外对于该决策模型中的Ez，其表示的是项目z的投资收益，由于电网海外投资项目收益每个都不同，所以这里取n个项目收益总和，基于获取的电网投资数据，这里取Ez值为2016年电网海外投资所有项目收益总和，即675亿元。
三、模型计算
根据设置好各项参数的基础上，利用matlab编程语言进行模型求解：
其中目标函数(即适应函数)代码设置如下(由于遗传算法默认求解最小值优化问题，所以这里将目标函数取负，以计算最大值)：
function y＝FitFun(x)
y＝-675*(x(1)*(x(4)+x(5)+x(6)+x(7))+x(2)*(x(4)+x(5)+x(6)+x(7))+x(3)*(x(4)+x(5)+x(6)+x(7)))；
end
对于各项约束条件及遗传算法的调用，其代码如下所示：
A＝[-0.05 -0.04 -0.06 0 0 0 0；0 0 0 0.59 0.45 0.19 0.35]；
b＝[0.05；1]；
options＝gaoptimset('PopulationType','bitString')；
[x,fval]＝ga(@FitFun,7,A,b,[],[],[],[],[],options)；
四、结果分析
运行结果显示：
x＝1 1 1 1 1 1 1；fval＝-8100
即所有决策变量的最优取值为1，即在满足最低价值创造和最高风险期望制约下，所有场景都可以进行投资，此时项目满足价值最大化，即基于风险防范和价值导向的12个场景排列组合下，企业都采取投资项目，此时价值最大，最大价值创造为：
Max E＝12×675＝8100(亿元)
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (10)

1.一种电网项目协同优化方法，其特征在于包括以下步骤：
1)对影响电网项目效益的影响因素进行分析，确定基于不同的价值量化场景和风险量化场景的优化变量；
2)基于步骤1)中确定的基于不同的价值量化场景和风险量化场景的优化变量，构建不同场景组合下的电网项目协同优化模型；
3)采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果，根据该协同优化结果对不同电网项目的决策进行指导。
2.如权利要求1所述的一种电网项目协同优化方法，其特征在于：所述步骤1)中，对影响电网项目效益的影响因素进行分析，确定基于不同的价值量化场景和风险量化场景的优化变量的方法，包括以下步骤：
1.1)根据不同的价值量化场景，确定基于价值导向的第一决策变量，所述价值量化场景包括战略发展、品牌技术差异、投资回报三个场景；
1.2)根据不同的风险量化场景，确定基于风险评估的第二决策变量，所述风险量化场景包括影响最大、最易执行、合作伙伴、项目特点四个场景；
1.3)确定模型构建过程中的相关参数和其他变量，所述相关参数和其他变量包括价值导向下不同场景的价值创造系数、风险评估下不同场景的风险值系数、价值创造阈值以及风险期望阈值。
3.如权利要求2所述的一种电网项目协同优化方法，其特征在于：所述步骤2)中，构建的电网项目协同优化模型为：
式中，E表示所有项目的价值创造总和；maxE表示最大化价值创造；xi(i＝1,2,3)表示基于价值导向的海外项目投资决策在三个价值量化场景下的企业项目决策变量；yj(j＝1,2,3,4)表示基于风险评估的海外投资项目在四个风险量化场景下的企业项目决策变量；Ez(z＝1,2,...,n)：即第z个项目价值创造值；
约束条件为：
xi＝0,1；yj＝0,1；i＝1,2,3；j＝1,2,3,4；z＝1,2,...,n；
式中，vi(i＝1,2,3)表示基于价值导向下不同场景的价值创造系数；rk表示基于风险评估下的风险值系数，m表示所有风险量化场景包含的风险指标总数；V表示价值创造阈值；R表示风险期望阈值。
4.如权利要求3所述的一种电网项目协同优化方法，其特征在于：所述基于价值导向下不同场景的价值创造系数vi(i＝1,2,3)根据不同价值量化场景下所对应的相关价值指标量化值的加权求和计算得到，所述战略发展场景包含的价值指标包括国际市场发展、经济全球化、全球范围资源利用率、企业国际化水平、走出去战略；所述品牌技术差异场景包含的价值指标包括国内外市场需求、东道国市场规模、东道国政治腐败程度、投资壁垒、技术差异、创新研发强度、企业对核心网络节点的控制能力、高管教育水平；所述投资回报场景包含的价值指标包括投资壁垒、通货膨胀与汇率状况、财务净现值、总投资收益率、资产负债率；各所述价值指标量化值的权重采用等权赋权。
5.如权利要求3所述的一种电网项目协同优化方法，其特征在于：所述基于风险评估下的风险值系数rk根据风险评估下所有场景对应的相关风险指标量化值及其权重得到，且风险评估下所有风险量化场景包含的风险指标包括战争或动乱、政策风险、他国干预、舆论风险、利率变动、汇率变动、通货膨胀风险、税收风险、宗教信仰、民族、种族、价值观、语言、风俗习惯、立法不够完备、法律信息不对称、执行力度国别歧视、反垄断审查、自然灾害、医疗卫生、社会治安、电力市场需求变动、电力市场价格变动、市场监管与竞争风险、电力调度风险、发电量下滑风险、资源风险、能源风险、物流运输、其他基础设施、可研技术、勘查技术、设计技术、施工技术、运营技术、人员专业素质、TCQ管理水平、管理体制差异风险、营销服务风险、融资风险、资金营运风险、会计制度差异风险、环保标准差异风险、因环保问题造成的停工风险；各风险指标量化值的权重通过Topsis权重确定法决定。
6.如权利要求1所述的一种电网项目协同优化方法，其特征在于：所述步骤3)中，采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果的方法，包括以下步骤：
3.1)根据不同电网项目的实际情况，确定各优化变量和约束条件；
3.2)将确定的各优化变量和约束条件输入到电网项目协同优化模型，采用遗传算法对电网项目协同优化模型进行优化求解，得到模型输出结果；
3.3)根据得到的模型输出结果，对不同电网项目的决策进行指导。
7.一种适用于如权利要求1～6任一项所述的电网项目协同优化系统，其特征在于其包括：参数确定模块，用于对影响电网项目效益的影响因素进行分析，确定基于价值量化场景和风险量化场景的优化变量；模型构建模块，用于基于确定的基于价值量化场景和风险量化场景的优化变量，构建不同场景组合下的电网项目协同优化模型；模型求解模块，用于采用遗传算法对构建的电网项目协同优化模型进行求解，得到电网项目协同优化结果，根据该协同优化结果对不同电网项目的决策进行指导。
8.如权利要求7所述的一种电网项目协同优化系统，其特征在于：所述参数确定模块包括：
第一决策变量确定模块，用于根据不同的价值量化场景，确定基于价值导向的海外投资项目的第一决策变量，所述价值量化场景包括战略发展、品牌技术差异、投资回报三个场景；
第二决策变量确定模块，用于根据不同的风险量化场景，确定基于风险评估的海外投资项目的第二决策变量，所述风险量化场景包括影响最大、最易执行、合作伙伴、项目特点四个场景；
相关参数和其他变量确定模块，用于确定模型构建过程中的相关参数和其他变量，所述相关参数和其他变量包括价值导向下不同场景的价值创造系数、风险评估下不同场景的风险值系数、价值创造阈值以及风险期望阈值。
9.如权利要求8所述的一种电网项目协同优化系统，其特征在于：所述模型构建模块构建的电网项目协同优化模型为：
式中，E表示所有项目的价值创造总和；maxE表示最大化价值创造；xi(i＝1,2,3)表示基于价值导向的海外项目投资决策在三个价值量化场景下的企业项目决策变量；yj(j＝1,2,3,4)表示基于风险评估的海外投资项目在四个风险量化场景下的决策变量；Ez(z＝1,2,...,n)：即第z个项目价值创造值；
约束条件为：
xi＝0,1；yj＝0,1；i＝1,2,3；j＝1,2,3,4；z＝1,2,...,n；
式中，vi(i＝1,2,3)表示基于价值导向下不同场景的价值创造系数；rk表示基于风险评估下的风险值系数，m表示所有风险量化场景包含的风险指标总数；V表示价值创造阈值；R表示风险期望阈值。
10.如权利要求7所述的一种电网项目协同优化系统，其特征在于：所述模型求解模块包括：
输入参数确定模块，用于根据不同电网项目的实际情况，确定各优化变量和约束条件；
模型求解模块，用于将确定的各优化变量和约束条件输入到电网项目协同优化模型，采用遗传算法对电网项目协同优化模型进行优化求解，得到模型输出结果；
项目决策模块，用于根据得到的模型输出结果，对不同电网项目的决策进行指导。
CN201910422498.3A 2019-05-21 2019-05-21 一种电网项目协同优化方法和系统 Pending CN110210736A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910422498.3A CN110210736A (zh) 2019-05-21 2019-05-21 一种电网项目协同优化方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910422498.3A CN110210736A (zh) 2019-05-21 2019-05-21 一种电网项目协同优化方法和系统

Publications (1)

Publication Number Publication Date
CN110210736A true CN110210736A (zh) 2019-09-06

Family

ID=67787904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910422498.3A Pending CN110210736A (zh) 2019-05-21 2019-05-21 一种电网项目协同优化方法和系统

Country Status (1)

Country Link
CN (1) CN110210736A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815268A (zh) * 2020-06-28 2020-10-23 厦门思在信息科技有限公司 基于价值评估的项目投资管控方法、装置及终端
CN111882159A (zh) * 2020-06-24 2020-11-03 北京工业大学 一种基于svm的ppp城市轨道交通项目风险评价方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882159A (zh) * 2020-06-24 2020-11-03 北京工业大学 一种基于svm的ppp城市轨道交通项目风险评价方法
CN111815268A (zh) * 2020-06-28 2020-10-23 厦门思在信息科技有限公司 基于价值评估的项目投资管控方法、装置及终端

Similar Documents

Publication Publication Date Title
Dalal et al. Combining worst case and average case considerations in an integrated emergency response network design problem
Zhao et al. Unified stochastic and robust unit commitment
Morales et al. Electricity market clearing with improved scheduling of stochastic production
Guo et al. Market power mitigation clearing mechanism based on constrained bidding capacities
CN110210736A (zh) 一种电网项目协同优化方法和系统
Pousinho et al. Scheduling of a hydro producer considering head-dependency, price scenarios and risk-aversion
CN108270805A (zh) 用于数据处理的资源分配方法及装置
Kráľ et al. Condition of acceptability of project risk in management of the project portfolio
Henao et al. Impact of introducing flexibility in the Colombian transmission expansion planning
Labes FDI determinants in BRICS
Steriotis et al. Co-optimization of distributed renewable energy and storage investment decisions in a tso-dso coordination framework
Salehizadeh et al. A leader–follower game on congestion management in power systems
Verma et al. Automated optimal dispatching of service requests
Asan et al. Analysis of critical factors in energy service contracting using fuzzy cognitive mapping
CN113642808B (zh) 一种面向云制造资源变化的动态调度方法
Guoping et al. A QoS-based web services selection method for dynamic web service composition
Kristiansen et al. Multistage grid investments incorporating uncertainty in offshore wind development
Yan et al. The impact of capital market opening on stock market stability: Based on D-MST method complex network perspective
Renz et al. Provision and value of flexibility for reducing financial risks caused by prognosis uncertainties
Feng et al. Real options analysis for smart grid: the role of information technology and public policy
CN110442452A (zh) 基于粒子群优化算法边缘计算终端硬件资源使用调度方法
CN109391738A (zh) 一种根据移动终端信息进行预警的方法
Hjelmeland et al. Coordination of hydro and wind power in a transmission constrained area using SDDP
Lukić Economic Performance of the Economy of Bosnia and Herzegovina
Yang et al. The Cloud Manufacturing Resource Scheduling Optimization Method Based on Game Theory.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190906