新型電力系統(tǒng)下電網(wǎng)企業(yè)有效資產(chǎn)運營效率評估

01電網(wǎng)有效資產(chǎn)運營效率評估的投入產(chǎn)出指標體系構建1.1

新型電力系統(tǒng)建設對電網(wǎng)有效資產(chǎn)的影響分析風電、光伏等新能源出力具有波動性、隨機性、間歇性的特點，傳統(tǒng)的電網(wǎng)運行模式已經(jīng)無法適應新型電力系統(tǒng)運行的需求，電網(wǎng)企業(yè)有效資產(chǎn)及運營亟須升級。在電網(wǎng)投資建設方面，新型電力系統(tǒng)要求電網(wǎng)企業(yè)加快配套接網(wǎng)工程建設，加大擴容改造和靈活性提升，大力發(fā)展智能電網(wǎng)，因而造成電網(wǎng)投資規(guī)模明顯增大。具體而言，首先，新能源的大規(guī)模消納需要遠距離的輸送，清潔能源加速并網(wǎng)也要求電網(wǎng)持續(xù)優(yōu)化網(wǎng)架結(jié)構，因此存在大量線路、網(wǎng)架等基礎設施的建設投資；其次，波動性電源比例提高給整個系統(tǒng)的電力電量平衡帶來較大困難，需要加大對電網(wǎng)靈活性改造工程的投資建設；此外，為使電網(wǎng)企業(yè)主動適應大規(guī)模集中式新能源和分布式能源發(fā)展，有必要提升電網(wǎng)智能化水平，增強電力系統(tǒng)資源優(yōu)化配置能力，發(fā)展建設智能化電網(wǎng)。在電網(wǎng)運營服務方面，新型電力系統(tǒng)要求電網(wǎng)運營更加安全、智能、高效、低碳，電網(wǎng)企業(yè)除了為經(jīng)濟社會可持續(xù)發(fā)展提供電力保障，還承擔著推動全社會節(jié)能減排的責任。具體而言，首先，提供安全可靠的電能服務是電網(wǎng)企業(yè)的核心責任，然而新能源出力不斷增加會引起線損水平發(fā)生明顯變化，不可避免地造成電網(wǎng)輸配電效率降低，影響供電質(zhì)量；其次，電網(wǎng)在能源體系中作為聯(lián)結(jié)樞紐，是引領能源綠色低碳轉(zhuǎn)型的重要平臺，全面推動新能源消納水平提升、提高用能清潔化水平逐漸成為電網(wǎng)企業(yè)的重要責任之一。1.2

指標選取在分析新型電力系統(tǒng)建設與電網(wǎng)資產(chǎn)運營關系的基礎上，本節(jié)提出相應的投入產(chǎn)出指標體系。在投入類指標方面，電網(wǎng)有效資產(chǎn)一般可分為增量資產(chǎn)和存量資產(chǎn)，本文從增量投入和存量投入兩個方面展開，具體指標如表1所示。對于增量投入，選取接網(wǎng)及網(wǎng)架加強工程投資、電網(wǎng)靈活性提升投資、電網(wǎng)智能化改造投資作為三級指標，反映電網(wǎng)企業(yè)適應新型電力系統(tǒng)建設的主要投入；對于存量投入，選取固定資產(chǎn)存量反映電網(wǎng)企業(yè)已擁有實物資產(chǎn)的資本化價值，表明企業(yè)可支配的資產(chǎn)價值凈值總額。在產(chǎn)出類指標方面，由于電網(wǎng)企業(yè)同時具有盈利性和社會服務性，本文從經(jīng)濟效益、低碳效益和技術產(chǎn)出反映電網(wǎng)的有效資產(chǎn)運營產(chǎn)出。對于經(jīng)濟效益，主營業(yè)務收入是電網(wǎng)企業(yè)經(jīng)濟產(chǎn)出最直觀的體現(xiàn)。在低碳效益方面，選取新能源發(fā)電占比指標用于考察電網(wǎng)投資清潔能源的效果。在技術產(chǎn)出方面，選取供電可靠率和線損率作為三級指標。供電可靠率反映了輸配電資產(chǎn)的運營能力及安全可靠性，是技術產(chǎn)出的正向指標；線損率指標反映電網(wǎng)輸配電效率，是技術產(chǎn)出的負向反饋，屬于非期望產(chǎn)出。表1

電網(wǎng)企業(yè)有效資產(chǎn)運營效率評價指標體系Table1

Evaluationindexsystemofeffectiveassetoperationefficiencyofpowergridenterprises02模型構建為了實現(xiàn)電網(wǎng)科學合理的有效資產(chǎn)運營效率測度，本文在考慮非期望產(chǎn)出的DEA模型和不確定性環(huán)境的基礎上，進一步構建了考慮投入產(chǎn)出不確定的魯棒DEA模型。2.1

考慮非期望產(chǎn)出的DEA模型構建假設有

n

個待評價電網(wǎng)企業(yè)，在模型中被稱為決策單元（decentralizedmanagementunit，DMU），每個決策單元具有4類投入、3類期望產(chǎn)出和1類非期望產(chǎn)出，為便于表述，使用Xj=(x1j,x2j,?,xmj)T

，

Yj=(y1j,y2j,?,ysj)T

和

Zj=(z1j,z2j,?,zkj)T

分別表示第

j

個DMU的

m

項投入、

s

項期望產(chǎn)出和

k

項非期望產(chǎn)出。因此可以用(X,Y,Z)表示DMU的整個生產(chǎn)活動。第f個DMU的效率評價指數(shù)可以表示為：其中權系數(shù)

v

表示對各項投入的一種度量，

u

和

μ

分別表示對期望產(chǎn)出和非期望產(chǎn)出的度量。因此，以hf作為目標函數(shù)，所有決策單元的效率指數(shù)為約束對象，得到考察效率的分式規(guī)劃，可表示為然而，在實際生產(chǎn)過程中，企業(yè)總是期望盡可能增大期望產(chǎn)出而減少非期望產(chǎn)出，因此，考慮賦予期望產(chǎn)出較大的權重，而對非期望產(chǎn)出賦予較小的權重，這樣便可優(yōu)先增加期望產(chǎn)出，從而達到最佳的生產(chǎn)效果，用數(shù)學公式表示為式中：

e

為

k×1的單位向量；為

m×1的單位向量。由于模型目標函數(shù)和約束條件都存在分式，令α=tv

，

β=tu

，

γ=tμ

，可以將式（1）~（4）化為等價的線性規(guī)劃形式，即基于運籌學中的對偶理論，可以進一步轉(zhuǎn)化為2.2

模型的魯棒化改造DEA模型對數(shù)據(jù)精確性要求極高，然而新型電力系統(tǒng)背景的不確定性、時變性、復雜性為電網(wǎng)指標數(shù)據(jù)統(tǒng)計帶來一定的挑戰(zhàn)。具體而言，電網(wǎng)投入指標涉及各類電力設施投資，往往會因政策變化、運行損害產(chǎn)生投資規(guī)模變動，造成電網(wǎng)投入的不確定性；電網(wǎng)產(chǎn)出指標與電價、電量、效率密切相關，易受氣象災害、電價政策等因素影響，造成電網(wǎng)產(chǎn)出的不確定性。為了降低數(shù)據(jù)擾動對模型評價結(jié)果的干擾，本文借鑒魯棒優(yōu)化建模思路，引入擾動參數(shù)對受到擾動的指標數(shù)據(jù)進行修正約束，構建應對投入和產(chǎn)出（包括期望產(chǎn)出和非期望產(chǎn)出）數(shù)據(jù)均受到擾動的魯棒DEA模型。抵抗外部不確定性對效率計算造成的影響，其本質(zhì)是實現(xiàn)最壞情況下求解被評價決策單元的最大效率值。最壞情況指因為不確定性影響，被評價決策單元的期望產(chǎn)出受到負向擾動，投入和非期望產(chǎn)出受到正向擾動，而其他決策單元期望產(chǎn)出都受到正向擾動，投入和非期望產(chǎn)出都受到負向擾動，所以需要在約束條件中增設這部分約束條件。假設第

j

個DMU觀測到的各項投入期望產(chǎn)出和非期望產(chǎn)出數(shù)據(jù)分別是其受到擾動后的名義值，可表示為：和其中，

ε

為調(diào)節(jié)不確定程度的擾動參數(shù)，

ξij,ξrj,ξtj

為均勻分布在[?1,?1]內(nèi)相互獨立的隨機變量，分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的擾動值。為避免在等式約束中加入數(shù)據(jù)擾動項，需要以對偶模型（式（10）~（14））為基礎進行建模。此外，為分析投入產(chǎn)出冗余情況，在約束條件中引入松弛變量，最終構建考慮非期望產(chǎn)出和投入產(chǎn)出不確定的DEA模型（U-RDEA）為式中：λj,ω,ρij,τrj,φtj,ζij,σrj,?tj,s+,s?,s?為決策變量，模型最優(yōu)解能夠在1?κ=1?exp(?Ω2/2)的概率下滿足約束條件，其中，

Ω

為免疫參數(shù)，

κ

為可靠度，參數(shù)

κ

和

Ω

反映了模型求解的可靠程度。

03算例分析3.1

參數(shù)信息本文以某省級電網(wǎng)公司下屬25個縣級電網(wǎng)企業(yè)為算例，其運營數(shù)據(jù)通過實地調(diào)研、發(fā)放調(diào)查問卷的方式獲取，得到投入產(chǎn)出指標數(shù)據(jù)統(tǒng)計信息如表2所示。

表2

電網(wǎng)企業(yè)投入產(chǎn)出指標數(shù)據(jù)Table2

Input-outputindexdataofpowergridenterprises3.2

結(jié)果分析基于以上25個決策單元投入產(chǎn)出數(shù)據(jù)和本文提出的U-RDEA模型，假設所有投入產(chǎn)出指標數(shù)據(jù)均受到5%擾動程度，即擾動參數(shù)

ε=0.05的情景下，計算各個決策單元的相對效率值。當可靠度

κ=0.05時，求得免疫參數(shù)

Ω=2.45，即能夠保證最優(yōu)解在95%概率下滿足約束。魯棒相對效率值評價結(jié)果如表3所示。

表3

U-RDEA相對效率值評價結(jié)果Table3

EvaluationresultsofU-RDEArelativeefficiency由表3可知，基于U-RDEA模型的魯棒效率測算值不存在大于1的情況，說明當投入產(chǎn)出數(shù)據(jù)受到擾動時，決策變量仍能有效滿足約束條件，模型最優(yōu)權重的可行性并未受到不確定性的影響。由模型構建原理可知，當相對效率值為1時，表明決策單元有效；當相對效率值小于1時，表明決策單元非有效。通過比較非有效決策單元的魯棒效率值，能夠?qū)ζ鋬?yōu)劣進行排序，第6個DMU排名最末，說明此電網(wǎng)企業(yè)資產(chǎn)運營效率最低。此外，算例中共有14個決策單元無效，表明所研究的決策單元中56%的電網(wǎng)企業(yè)資產(chǎn)運營尚未適應新型電力系統(tǒng)建設，亟須分析薄弱環(huán)節(jié)并選擇有針對性的轉(zhuǎn)型路徑，加快適應大規(guī)模、高比例新能源發(fā)展。結(jié)合模型中的投入產(chǎn)出冗余變量，可以進一步分析非有效決策單元的資產(chǎn)運營效率具體狀況，明確電網(wǎng)企業(yè)資產(chǎn)運營的優(yōu)化方向。以第6個DMU為例，其投入產(chǎn)出冗余情況如表4所示。表4中的調(diào)整值是指由當前投入產(chǎn)出水平調(diào)整到DEA有效水平所需要增加或減少的投入產(chǎn)出值，按指標性質(zhì)可以分為資產(chǎn)投入量的調(diào)整值和運營產(chǎn)出量的調(diào)整值，資產(chǎn)投入調(diào)整值反映電網(wǎng)企業(yè)的投入結(jié)構合理程度，運營產(chǎn)出調(diào)整值則能夠衡量企業(yè)本身的經(jīng)營效益和技術水平。

表4

第6個DMU投入產(chǎn)出冗余情況Table4

Input-outputredundancyofNo.6DMU對于第6個DMU，電網(wǎng)增量投入結(jié)構具有一定的優(yōu)化空間，其中接網(wǎng)及網(wǎng)架加強工程出現(xiàn)投入冗余現(xiàn)象，應適當減少此類工程投資以適應新型電力系統(tǒng)的發(fā)展；在資產(chǎn)運營產(chǎn)出方面，該企業(yè)經(jīng)濟產(chǎn)出和技術產(chǎn)出均未達到資源配置水平下的最優(yōu)值，其中主營業(yè)務收入還應增加228.37億元，新能源發(fā)電率提升7.30%，供電可靠率提升0.08%，方可實現(xiàn)新型電力系統(tǒng)建設背景下的最優(yōu)效率資產(chǎn)配置。3.3

模型檢驗1）DEA與U-RDEA模型對比分析。本文基于相同的算例，對比傳統(tǒng)DEA模型和U-RDEA模型在不同擾動程度下的評價結(jié)果，以驗證模型的有效性。具體而言，當投入產(chǎn)出不受擾動時，所獲數(shù)據(jù)名義值即為真實值，DEA與U-RDEA模型沒有區(qū)別，評價結(jié)果相同；當投入產(chǎn)出受到擾動時，不確定性擾動程度對評價結(jié)果有很大影響，因此，測算不同擾動參數(shù)取值下DEA與U-RDEA的相對效率值，比較2種模型對不確定性的抵抗能力，這里擾動參數(shù)選取0.01、0.05和0.10，即擾動程度由1%增加至5%再增加至10%，2種模型輸出效率值如圖1和圖2所示。圖1

DEA相對效率值Fig.1

DEArelativeefficiencyvalue

圖2

U-RDEA相對效率值Fig.2

U-RDEArelativeefficiencyvalue根據(jù)計算結(jié)果可知，當投入產(chǎn)出數(shù)據(jù)受到擾動時，傳統(tǒng)DEA模型會出現(xiàn)大于1的計算結(jié)果，此時效率值已不再滿足模型約束條件，且隨著擾動參數(shù)增大，錯誤結(jié)果增多，決策單元的評價結(jié)果波動幅度加劇，表明傳統(tǒng)DEA模型無法有效應對投入產(chǎn)出受到不確定擾動的情況。而對于U-RDEA模型，不存在超過1的效率值，在不確定環(huán)境中求解依然能夠滿足模型約束。隨著擾動程度不斷增加，U-RDEA模型所測得大多數(shù)決策單元效率值隨擾動參數(shù)增大而有所降低，這反映了U-RDEA模型通過犧牲一定的最優(yōu)性以降低擾動帶來的影響，保證模型求解的有效性。不論是DEA模型還是U-RDEA模型，測算的都是決策單元之間的相對效率，因此按照相對效率值大小對決策單元進行排序是最直觀的評價結(jié)果。當擾動程度達到10%時，將DEA與U-RDEA模型的排名結(jié)果分別與投入產(chǎn)出不受擾動時的排名進行對比，可以發(fā)現(xiàn)：傳統(tǒng)DEA模型的決策單元排名與不受擾動時有很大差距，只有2個決策單元的相對效率值排名相同，準確率僅有8%，評價結(jié)果失去參考價值。而U-RDEA模型在受到10%的擾動程度時排序結(jié)果仍較為準確，有17個決策單元評價結(jié)果相同，剩余8個決策單元排名僅有小幅波動，準確率達到68%，比傳統(tǒng)DEA排序結(jié)果準確率提升60個百分點。這表明U-RDEA模型在不確定環(huán)境中依然能保證相對效率的排序穩(wěn)定性，體現(xiàn)了良好的魯棒性。2）U-RDEA模型敏感性分析。擾動參數(shù)反映模型受到的擾動程度，免疫參數(shù)體現(xiàn)模型應對不確定性時對最優(yōu)解的精度要求，二者是影響U-RDEA模型魯棒性的兩個關鍵參數(shù)。因此，本文對比不同擾動參數(shù)和免疫參數(shù)取值下的魯棒效率值，驗證模型的靈活性和有效性。圖3展示了免疫參數(shù)一定(Ω=2.45)、擾動參數(shù)變化(ε=0.01,0.05,0.10,0.15)的魯棒效率值和排名情況，圖4展示了擾動參數(shù)一定(ε=0.05)、免疫參數(shù)變化(Ω=1.95,2.15,2.45,3.03)的魯棒效率值和排名情況。圖3

改變U-RDEA模型擾動參數(shù)的測算結(jié)果Fig.3

CalculationresultswithchangeofU-RDEAmodeldisturbanceparameter圖4

改變U-RDEA模型免疫參數(shù)的測算結(jié)果Fig.4

CalculationresultswithchangeofU-RDEAmodelimmunityparameter以

ε=0.01的情景為基準，對比

ε=0.05、0.10和0.15的魯棒效率值和效率值排名，可以看出，隨著擾動參數(shù)增大，決策單元魯棒效率值差距變大，排名與基準情景不符的決策單元增多，這說明U-RDEA模型在應對愈加劇烈的擾動時，犧牲解的最優(yōu)性以保證可靠性。此外，無論哪種擾動程度，模型測得的有效決策單元一致，反映了模型的穩(wěn)定性。免疫參數(shù)

Ω=1.95、2.15、2.45和3.03，分別表示以85%、90%、95%和99%概率保證最優(yōu)解的可行性。以

Ω=1.95的情景為基準，隨著免疫參數(shù)增大，魯棒效率值波動變大，效率值排名趨于混亂。且當免疫參數(shù)較大時，會出現(xiàn)原來有效的決策單元變?yōu)榉怯行У默F(xiàn)象，例如

Ω=3.03時，第7、12、20、25個DMU魯棒效率值接近于1，但未達到1，說明模型降低了一定的最優(yōu)性以使可行解能夠在更高的概率下實現(xiàn)，體現(xiàn)出模型的有效性和靈活性?？傊琔-RDEA模型在投入產(chǎn)出受到擾動時，能夠權衡可行解的最優(yōu)性和可靠性，實現(xiàn)了不確定環(huán)境下的效率測算，能夠較好地適用于新型電力系統(tǒng)背景下電網(wǎng)有效資產(chǎn)運營效率的測算。04結(jié)論新