現實社會中往往充滿著各種風險與不確定性。有些風險是高概率，(如果發生了)低損失，比如錯過一趟地鐵，可以改乘下一趟;有些風險是低概率，高損失，比如遇到地震或者遭遇重大疫情被困住，可能性命不保。有些風險一旦發生，反應與處置時間很短，比如地震;有些風險發生，反應時間(潛伏期)長，但是需要的處置時間往往更長，比如癌癥的診斷與治療。
以上類型的風險，人們都可以在現實中找到“交易對手”，也就是把“不好”的風險賣給別人，讓他人為自己承擔風險。交易對手在處置風險、降低損失方面具有天然的優勢，比如企業將自己的IT維護與安全外包給專業公司;或者可以集合大部分人的風險，來降低風險，從而獲得收益，比如各種保險公司;抑或更加能夠承受風險，喜歡冒險，比如將一張有50%概率能夠獲得100萬元獎金的彩票，以高于50萬元的價格賣給賭徒[1]。
在數字化時代，信息更加透明、快速可得，各種系統的運行與供需變化動態往往更加迅速，這導致風險的復雜性(比如謠言的傳播速度與影響)、應對工具的多樣性與及時性(早期預警)同時有所增加。這些方面，存在很多經典的理論與案例。
由于價格的劇烈波動性，電力市場生產與需求的不確定性，系統安全穩定與集聯事故發生的反應與(失控前)處置時間均很短，參與者眾多(我國的生產端過去是一個例外)等因素，也充滿著各種風險。為了使系統安全、穩定、高效運行，需要保持一定的電能質量，也必須對各種風險進行有效防范與應對。其中，探討讓那些更加適宜、具有更強承受力、可以有效降低風險的(而不是沒有政治話語權的)主體去承擔風險，具有改進系統經濟效率的意義。
在本期專欄中，我們將討論電力市場中的交易“風險”，與其涉及的總體系統有效應對的問題。
過去的故事與事實
容量市場的出現，避免市場價格上漲到夸張的程度，同時對足夠的容量投資提供必要激勵。
相比石油、天然氣市場，由于需求的劇烈波動性、無法存儲等特性，電力產品的價格常常存在劇烈的波動。對于一個單一能量市場(energy-only market)而言，尖峰機組通常依靠足夠高的尖峰稀缺價格(scarcity price)來回收資產的固定成本。理論上，如果沒有額外的限制，大部分機組已經達到最大出力，那么剩余的少量機組有足夠的能力與動力把價格推向極高甚至無窮的程度，而消費者往往缺乏彈性或者被隔離在市場波動之外，也不會自動斷電。因此，在稀缺時刻，電力市場永遠存在市場力，即壟斷問題。
然而，毫無疑問，這種劇烈的上漲會給消費者帶來風險，在政治上同樣無法被接受。此類上漲出現的次數與時間(往往只有幾個小時)如此之少，并且幾乎無法預計，同樣是機組投資面臨的巨大風險，特別是經常處于邊際上進行定價的天然氣機組。從商業視角來看，依靠一年僅出現幾次的高電價做投資決策，是一項不可能完成的任務。
因此，在部分地區容量市場出現了。它避免市場的價格上漲到夸張的程度，同時也對足夠的容量投資提供必要激勵，從而在使市場的價格不需要上漲過高的情況下，提供足夠的利潤給那些邊際機組。就基本理論而言，就相當于電力消費者買了一個看漲期權，規避價格過度上漲的風險，對沖了風險。這一看漲期權的行權價格，就是短期市場限價。比如存在容量市場的法國市場，電力限價在3歐元/千瓦時，意味著行政設定電力價格不允許超過3歐元/千瓦時。美國一些存在容量市場的地方，電力價格更是低到2美元/千瓦時[2];不存在容量市場的地區，比如美國得克薩斯州市場通過剩余儲備價格曲線(ORDC)來招標供需緊平衡下的備用資源，其電力損失負荷價值(VOLL)的上限是9美元/千瓦時[3]，顯然要高得多。
稀缺時刻與稀缺定價
來源：中國能源轉型之星
當然，不同市場還有很多其他對沖價格風險的工具，比如雙邊長期合同、不同時間段的期貨產品等。這往往都是與現貨市場產品并存，且從屬于現貨市場定價的。作為避險工具，其收益與成本通常是相比現貨而言的。
眾所周知，過去很長一段時間，我國電力部門采用的是以成本為基礎的煤電標桿電價機制，以及有保障的利用小時數。它確保機組可以回收投資成本，并獲得利潤。顯而易見，機組投資完全隔絕了價格與數量風險，提供的激勵要比容量市場大得多。因此，投資沖動很大，隨著時間推移，造成了機組容量的巨大過剩。
這種過剩使得保障利用小時數的承諾有所縮水，但仍舊是一種投資回收的有效激勵。更為特殊的是，對于有限利用小時數的尖峰負荷，其他國家往往用投資成本更低的天然氣機組去滿足，但帶來的影響是短時間的電價比平均電價高幾倍。而我國默認的建成了就給足夠利用小時數來回收投資(“具有了資格”)的做法已經形成慣性，對這部分所謂專業化調峰機組也一樣，往往給3000小時甚至更高利用小時數，從而很大程度上降低高電價投資回收的必要性，使得高的生產側電價不再(必要)出現，天然氣機組(管制)的價格只比煤電高兩倍，甚至更少。這部分減少的利用小時數通過全體其他機組分攤，使其長期平均成本上升。從全年統計來看，這種電價安排(比如365天的電價都維持在0.4元/千瓦時)，其總的系統成本，往往高于一個360天處于低電價(比如0.35元/千瓦時)，但是在夏季用電高峰期出現120個小時高電價(比如1.2元/千瓦時)的系統。
從消費端來看，價格上漲的風險也被完全限制，電價幾乎整年甚至幾年沒有變化。這種安排之下，人們可能更加在意120小時的1.2元/千瓦時高電價，而不是365天被薅0.5元/千瓦時羊毛的“溫水煮青蛙”。事實上，后者帶來的負擔比前者重。
比如，在美國得克薩斯州2019 年夏季用電高峰期間，我國媒體刊發了非常吸睛的報道《每度電63元!美國德州電價高出中國幾十倍》。事實上，從全年來看，得克薩斯州的平均批發電力價格低于4美分/千瓦時，比我國大部分省份的煤電標桿電價(需要扣稅比較)低不少。
對于可再生能源領域而言，由于出力上的不確定性，如何管控價格與數量風險成為一個熱門話題。比如，就雙邊的長期合同PPA而言，是買家還是賣家承擔發電不足(或者過度)的風險，是一個政府進行監管設計與投資者簽訂合同時都必須考慮的問題。在發達國家，存在各種風險分攤形式。在我國，機組在日前往往需要提交每15分鐘的出力預測，偏差過大意味著調度的(缺乏明確規則的)懲罰措施，完全是一種行政處罰。這方面的監管條款與不同主體的風險分擔界面還不是足夠清晰。
數字化時代“風險”的新變化
對于可再生能源領域而言， 由于出力上的不確定性，如何管控價格與數量風險成為熱門話題。
在電力系統運行中，調度使用一個被稱為開機組合和調度的過程來確定每臺可控發電機應發多大功率。這個求解過程通常是緩慢而復雜的，因為它是由NP優化問題控制，如機組組合和最優潮流，且必須在多個時間尺度上進行協調(從亞秒到數天前)。進入可再生能源時代，系統擁有更多的存儲、可變發電設備以及靈活需求，這是風險加大的一方面。
數字化時代，各種硬件傳感器與軟件工具的結合，使得對系統狀態的識別更加迅速準確，可以有效提高風險監測的效率，以及做出快速處置。而且，機器學習方法可以加速經濟調度計算效率。這是有效降低風險的一方面。
對于可再生能源，廣泛的機器學習(machine learning)以及深度學習技術的引入，可以結合數字化天氣預報更加準確地預測風、光的出力，減少“在錯誤的時間發電”的非系統風險，以及幫助更好地在地理上排布風電機組，減少處于低電價區域的系統性風險。
應該說，我國的電網公司在這方面走在世界一流隊伍中。泛在電力物聯網建設的鋪開，將有效促進電力系統運行、維護、建設全方位的數字化與透明化。從發電、輸電、變電、配電到用電，AI技術有望為各種業務應用提供基礎資源、算法及服務。
進入數字化時代之后，越來越多的決策是由機器，而非人做出，這形成了另一個維度的“黑箱化”。
當然，數字化時代的另一種風險在積聚，那就是不再由人，而是機器做越來越多的決策。這除了涉及廣泛的倫理問題，也使人們對于各個系統的運行更加“無助”。原來發生了什么，知其然，知其所以然。在數字化系統中，我們越來越多地只能知道發生了什么，卻無法理解為什么發生，比如機器學習在下圍棋方面已經全面戰勝人類。這形成另一個維度的“黑箱化”。在電力行業，由于其平衡的尺度相比而言(比如連續交易金融市場)仍非常大，美國5分鐘一個，歐洲15分鐘一個，我國6-8 小時一個，這方面的問題顯得還比較遙遠。當然，網絡的安全問題變得異常突出，特別是通信與控制系統。
小結
電力市場存在著廣泛的風險與不確定性，特別是涉及系統安全與價格方面的。在過去的發展中，我們積累了各種有效交易“風險”的工具與產品設計。在數字化時代，一方面，系統變得更加復雜，供給側與需求側的不確定程度在增加;另一方面，各種產品與工具將更加精細化，可以幫助我們更加透明、穩健與高效地處置與交易風險。然而，除了網絡安全問題，數字化本身帶來的潛在風險使我們距離穩健的電力系統依然比較遙遠。
注釋
[1]https://zhuanlan.zhihu.com/p/32607779
[2]Mays， Jacob， David P。 Morton， and Richard P。 ONeill。 2019。 “Asymmetric Risk and Fuel Neutrality in Electricity Capacity Markets。” Nature Energy 4(11)： 948–56
評論