1、0m德國風力發電與電力交易市場分析m投資組合原理在風能發電領域運用可行性研究m實驗性范例風力發電場組合市場經濟效益評估的投資組合模型風力發電場組合市場經濟效益評估的投資組合模型1Einleitung背景，動機與目標背景，動機與目標趨勢趨勢m 可再生能源發電在未來能源結構中所占的比列至關重要m 由固定入網補貼向直接入網轉換的長期戰略目標問題問題m 可再生能源（風能）發電的波動性特征m 可再生能源面對基于傳統能源發電結構構建的電力市場架構的不適應性 長期：電力市場結構調整 短期：運用經濟學模型（投資組合原理）降低可再生能源（風能）直接入網的經濟與電網波動風險，優化投資回報。 目標目標m 運用投資組

2、合原理的針對風力發電廠市場經濟效益評估模型的建立，m 不同分析前提下可能的最優投資組合的計算2Analyse der Windenergie und des Strommarkts in Deutschland 德國風能發電與電力市場分析德國風能發電與電力市場分析風能風能 m可再生能源法m在岸與離岸風場m電網建設m風力等級m儲能電力市場電力市場m電力價格:w發電成本w電力交易市場價格w終端用戶價格w可再生能源對電力市場優先次序法則的影響m直接入網:w固定入網補貼遞減直至取消w市場補貼形式m補償電能:w電網調節電能與可再生能源運營商所支付的補償電能關系w補償電能價格影響因素3Windenergi

3、e unter Mean-Varianz-Portfolio-Anstzen投資組合原理在風能發電領域的運用投資組合原理在風能發電領域的運用m投資組合原理針對風場發電優化的應用投資組合原理針對風場發電優化的應用m收益:w風場產能系數（實際發電量與裝機容量的比值）w風場發電量預估錯誤w考慮補償電力價格后的風場經濟收益 m風險:w不同收益形式的波動 單一風場對比風場組合：總回報率與總風險相對單一風場回報率與風險的優化，風場組合發電波動性的降低，風場對電網穩定性的貢獻的提高 運用矩陣模型實現風電場投資組合的計算4Windenergie unter Mean-Varianz-Portfolio-Ans

4、tzen模型搭建與數據基礎模型搭建與數據基礎德國四大電網風電場最優組合論證德國四大電網風電場最優組合論證m研究對象: 四大電網區域 (TenneT, Amprion, 50Hertz, TransnetBW)m方案w風能發電量最大（全年）2012w風能發電對電網貢獻最大化(峰時) 2012w風能發電量最大（全年）2020m數據基礎w電網區域數據各電網區域每15min風力發電量數據收集整理 w各電網風機裝機容量數據收集整理五處示例風場最優組合求解五處示例風場最優組合求解m研究對象:五處示例風場 (Windpark25,27,33,36,42) m方案w風能發電量最大 w通過最小化風場發電預估值偏

5、差進而最大化風場對電網穩定性的貢獻w考慮補償電能支出前提下的風場經濟效益最優化m數據基礎w風電場風力資源數據（地質氣象公司提供）w電力市場數據5Exemplarische Untersuchungen電網區域最優化論證（電網區域最優化論證（1）風電發電量最優風電發電量最優 2012m目標函數目標函數全年度風力發電量最大m收益參數收益參數Rendite 目標電網區域風場產能系數m風險系數風險系數Risiko風場產能系數波動m結論：當前組合趨向最優結論：當前組合趨向最優左下：各區域參數系數表左下：各區域參數系數表右上：各電網區域及電網區域組合在效益邊界視圖中的分布右上：各電網區域及電網區域組合在效

6、益邊界視圖中的分布右下：不同收益風險組合對應的個區域產能份額右下：不同收益風險組合對應的個區域產能份額 TenneTAmprion50HertzTransnetBWMean0,1931000,1669140,1785800,047581Standardabweichung0,1699380,1642160,1764850,067904TenneT10,7781970,8570630,538615Amprion10,6496840,70293450Hertz10,538990TransnetBW16Exemplarische Untersuchungen電網區域最優化論證電網區域最優化論證(2)

7、m風能發電對電網貢獻風能發電對電網貢獻最大化最大化風能發電對電網貢獻最大化(峰時) 2012m收益參數收益參數Rendite 目標電網區域風場產能系數m風險系數風險系數Risiko風場產能系數波動m結論：當前組合趨向最優結論：當前組合趨向最優TenneTAmprion50HertzTransnetBWMean0,1963430,1692510,1769110,046884Standardabweichung0,1740630,1729170,1798410,071380TenneT10,7880330,8548600,524941Amprion10,6516810,68482650Hertz1

8、0,535766TransnetBW17Exemplarische Untersuchungen電網區域最優化論證電網區域最優化論證(3)風電發電量最優風電發電量最優 2020m目標函數目標函數全年度風力發電量最大m收益參數收益參數Rendite 目標電網區域風場產能系數在岸風場產能系數:高于2012年5%離岸風場產能系數：44%m風險系數風險系數Risiko風場產能系數波動m結論：預估結論：預估2020年四大電網區域風年四大電網區域風力發電組合非最優力發電組合非最優TenneTAmprion50HertzTransnetBWMean0,2236770,1752600,1921780,0499

9、60Standardabweichung0,1699380,1642160,1764850,067904TenneT10,7781970,8570630,538615Amprion10,6496840,70293450Hertz10,538990TransnetBW18Exemplarische Untersuchungen示例風場最優組合求解（示例風場最優組合求解（1） m目標函數目標函數全年度風場組合風力發電量最大m收益參數收益參數Rendite 目標風場產能系數m風險系數風險系數Risiko風場產能系數波動m結論結論：相比：相比單個風場，投資者單個風場，投資者可以根據自身的可以根據自身的

10、風險喜好對各風場組合不同風險喜好對各風場組合不同的收益的收益-風險組合進風險組合進行選擇，有效規避風險提高收益。行選擇，有效規避風險提高收益。Windpark25Windpark27Windpark33Windpark36Windpark42Mean0,2144630,2189680,1572090,1281850,147913Standardabweichung0,2169150,2069560,1777520,1754570,168301Windpark2510,7079440,4904390,4830220,453733Windpark2710,6287280,5769590,55258

11、2Windpark3310,6518050,680351Windpark3610,576513Windpark42 19Exemplarische Untersuchungen示例風場最優組合求解示例風場最優組合求解(2) m目標函數目標函數風場組合發電量預估錯誤最小化（風場對電網穩定性貢獻最大化）m收益參數收益參數Rendite 目標風場發電量預估錯誤系數m風險系數風險系數Risiko預估錯誤系數波動m結論結論：相比單個風場，：相比單個風場，投資者可以通過各投資者可以通過各風場組合不風場組合不同同的預估失誤的預估失誤-風險風險組合的組合的選擇選擇，減少風場對電網穩定減少風場對電網穩定性的影響

12、，同時降低可能產生的補償電能的支出性的影響，同時降低可能產生的補償電能的支出Windpark25Windpark27Windpark33Windpark36Windpark42Mean0,0166940,0251470,0052780,008582Standardabweichung0,1194420,1121080,1150150,1075640,094852Windpark2510,2632170,0555120,0980720,144423Windpark2710,0717210,1202550,112566Windpark3310,6518050,680351Windpark3610,

13、151022Windpark42 110Exemplarische Untersuchungen示例風場最優組合求解示例風場最優組合求解(3) m目標函數目標函數考慮補償電能支出的全年度風場組合風力發電利潤最大化m收益參數收益參數Rendite 目標風場利潤系數（電力交易價格/15min, 補償電能價格/15min）m風險系數風險系數Risiko風場利潤系數波動m結論：介于補償電能價格只與其生產成本相關而與補結論：介于補償電能價格只與其生產成本相關而與補償電能數量無關的特性償電能數量無關的特性，相當于單個風場投資者可以，相當于單個風場投資者可以通過通過對不同風場組合的利潤對不同風場組合的利潤-

14、風險系數的選擇風險系數的選擇，有效最，有效最大化利潤規避風險大化利潤規避風險Windpark25Windpark27Windpark33Windpark36Windpark42Mean7,98348,10855,81194,53805,3910Standardabweichung9,87108,61487,53867,43637,8050Windpark2510.7486360,5348830,5487880,493712Windpark2710,6550470,6036690,553766Windpark3310,6807410,728361Windpark3610,617774Windpa

15、rk42 111Exemplarische Untersuchungen針對投資者現存投資組合最優化重組的探索針對投資者現存投資組合最優化重組的探索無限制條件無限制條件m數學方法數學方法w固定風險前提下回報率最大化w固定回報率前提下風險最小化w現存組合點到效益邊界的最短距離m實踐實踐w考慮重組成本前提下的最優化組合選擇 附加限制條件附加限制條件w組合中某一子集或兩個子集在總投資量中所占比列不變w有限降低重組成本w可能無最優解組合12Zusammenfassung und Ausblick12總結總結目標目標m 建立風力發電廠市場效益評估的投資組合原理模型，降低風電場直接接入電網的對電網穩定新的風險，提高風電場作為投足組合的經濟效益動機動機m 可再生能源對未來能源結構的重要性，可再生能源直接入網政策對其發展的影響m 面對面向傳統能源構架的電力市場及可再生能源自身產能波動的特質，探索運用經濟原理對其進行可行性優化的可能成果成果m通過把風場作為投資組合運用投資原理進行優化，相對單個風場風場組合能夠有效優化發電能力，降低風場組合對電網穩定性的影響