[发明专利]基于相对鲁棒CVaR的电网投资项目组合优化方法

说明书

本发明提出了一种基于相对鲁棒CVaR的电网投资项目组合优化方法，包括以下几个步骤：(1)设置净现值率为不确定性随机变量，收集不确定型变量的预测结果，使用蒙特卡洛仿真法根据连续概率分布生成离散的随机样本，并使用K‑means聚类方法进行样本缩减。(2)建立电网投资组合相对鲁棒CVaR优化模型，根据不同项目关系、项目基本情况设置电网投资项目约束条件，保证模型的可拓展性。(3)电网投资项目组合决策，基于步骤(1)和步骤(2)的相关计算，得到最优项目组合和各电网投资项目相应CVaR风险度量，从而实现对电网投资项目组合决策的优化过程。本发明方法能有效减小投资风险，并减少决策的保守性，实现盈利与风险的平衡。

技术领域

本发明属于优化技术领域，尤其涉及电网投资优化技术领域。

背景技术

传统的电网投资项目组合优化往往只是在给定期望投资回报率的前提下，求得满足投资能力、预期回报率等经济性约束和负荷需求、容载比等物理性约束，并使得电网投资利润或净现值等目标函数最优的电网投资项目组合，在新一轮电改的背景下，电网公司投资项目收益在外部需面对输配电量、不同监管周期输配电价和配售电业务竞争等的不确定性风险，在内部将面对管控趋严的资本性支出和成本性支出等的不确定性风险，落实精准投资是急需解决的突出难题。

现有研究中很少针对电网投资项目组合风险进行优化建模，在电网投资环境日益复杂的新形势下，该领域研究的重要性日益凸显。现有的基于风险度量的投资优化模型多应用于股票、债券等金融投资领域，并取得了较好的应用效果。条件风险价值(ConditionalValue at Risk,CVaR)在投资收益具有非对称分布性，尤其是厚尾的情况下，具有极大优越性，但传统模型的不稳定性，即参数的微小变化对最优解产生很大的影响，CVaR模型仍没有克服。鲁棒优化方法通过保证最坏情景下的结果最优化，能有效解决模型对参数敏感性过高、参数估计误差影响较大的问题，但往往使得优化结果过于保守。

在上述背景下，提出了一种基于相对鲁棒CVaR的电网投资项目组合优化方法，在无法得知何种随机变量概率分布更为精确的情况下，考虑最坏情景下相对基准组合的风险度量，提高电网投资的精准度。本发明提出的模型兼顾鲁棒性和随机性，满足次可加性、正齐次性和单调性，该模型因优良特性具有很好的实际意义。

发明内容

本发明提供了一种基于相对鲁棒CVaR的电网投资项目组合优化方法，包括以下几个步骤：

(1)设置净现值率为不确定性随机变量，收集不确定型变量的预测结果，使用蒙特卡洛仿真法根据连续概率分布生成离散的随机样本，并使用K-means聚类方法进行样本缩减。

(2)建立电网投资组合相对鲁棒CVaR优化模型，根据不同项目关系、项目基本情况设置电网投资项目约束条件，保证模型的可拓展性。

(3)电网投资项目组合决策，基于步骤(1)和步骤(2)的相关计算，得到最优项目组合和各电网投资项目相应CVaR风险度量，从而实现对电网投资项目组合决策的优化过程。

本发明方法为电网投资项目组合决策提供了优化模型，该模型不需要准确获知不确定性随机变量的分布特征，通过实现CVaR模型的相对鲁棒性，能有效减小投资风险，并减少决策的保守性，实现盈利与风险的平衡。

附图说明

图1是K-means方法的实现步骤图。

具体实施方式

为实现本发明的目的，下面结合具体实施方式，进一步阐述本发明。