发电量不确定性分析与风险控制

📚 共计 30 章节

课程导论：为什么发电量会有不确定性？风险控制的核心逻辑是什么？

从根源理解波动，建立风险思维框架。

核心概念入门

气象因素：风速、光照、降雨对风电、光伏、水电的影响机制

天气是最大的变量，拆解影响路径。

气象新能源

设备可靠性：风机、光伏板、水轮机等关键设备的故障模式与概率

硬件失效的统计学与工程分析。

可靠性故障树

燃料供应：火电、气电的燃料价格波动与供应链风险

燃料市场与发电成本的联动。

供应链火电

市场因素：电力现货市场、中长期合约对发电计划的影响

交易机制如何放大或平抑风险。

电力市场合约

政策与法规：碳排放政策、可再生能源补贴、并网标准的变化风险

政策转向带来的系统性影响。

概率论基础：随机变量、概率分布、期望与方差在发电量分析中的应用

量化不确定性的数学语言。

概率统计学

时间序列分析：ARIMA、GARCH模型在发电量预测中的应用

从历史数据中捕捉波动规律。

蒙特卡洛模拟：用随机抽样方法评估发电量的概率分布

模拟数千种可能，看见风险全貌。

场景分析法：构建典型场景（枯水年、大风年、极端天气）进行压力测试

极端情景下的生存检验。

压力测试场景

风险价值（VaR）与条件风险价值（CVaR）：量化发电量不足的尾部风险

聚焦最坏情况下的损失。

VaR尾部风险

灵敏度分析：识别影响发电量的关键敏感因子

找出撬动结果的核心杠杆。

灵敏度因子

风险矩阵：从发生概率和影响程度两个维度评估风险等级

经典的风险可视化工具。

风险规避策略：签订长期购电协议（PPA）、锁定燃料价格

用确定性合约对冲波动。

风险转移策略：购买发电量保险、使用金融衍生品（期货、期权）

将风险转移给市场与保险机构。

保险衍生品

风险缓解策略：设备冗余设计、预防性维护计划

工程手段降低故障概率。

风险接受策略：建立风险准备金、设定发电量安全裕度

为不确定性预留缓冲空间。

准备金裕度

储能系统的作用：通过电池储能平滑发电波动，降低不确定性

储能是灵活性调节器。

多能互补：风-光-水-火-储联合调度，利用不同能源的互补特性

系统级协同优化。

互补联合调度

需求侧响应：通过可中断负荷、虚拟电厂调节供需平衡

用户侧参与风险调节。

需求响应虚拟电厂

预测技术：数值天气预报（NWP）、机器学习（LSTM、XGBoost）在发电量预测中的应用

AI提升预测精度。

机器学习NWP

实时监控与预警：SCADA系统、异常检测算法在风险预警中的作用

从数据到警报的闭环。

应急预案：发电量骤降时的快速响应流程与备用电源管理

守住最后一道防线。

数据质量管理：清洗异常数据、处理缺失值、确保数据完整性

高质量数据是分析基石。

数据清洗质量

模型验证与回测：如何检验风险模型的准确性与稳健性

让模型经得起历史考验。

报告与沟通：向管理层和监管机构汇报风险状况的标准化模板

清晰传达风险视图。

案例研究1：某大型风电场的发电量不确定性分析与风险对冲实践

风场实战：从数据到决策。

案例研究2：某水电站应对极端干旱年份的风险管理策略

水电如何度过枯水危机。

案例研究3：某光伏电站结合储能系统的风险控制方案

光储融合的典型实践。

案例光伏+储能

课程总结与未来展望：新型电力系统下的风险控制趋势（AI、数字化、虚拟电厂）

面向未来的风险管理进化方向。

趋势数字化