楊 飛

(許昌學(xué)院 電氣信息工程學(xué)院 河南 許昌 461000)

?

Monte-Carlo-NPV法在電力項(xiàng)目風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究

楊 飛

(許昌學(xué)院 電氣信息工程學(xué)院 河南 許昌 461000)

針對(duì)某公司電力工程改造過(guò)程中存在的風(fēng)險(xiǎn)進(jìn)行了識(shí)別，通過(guò)分析項(xiàng)目的主要風(fēng)險(xiǎn)因子，并采用Monte-Carlo-NPV法把這些風(fēng)險(xiǎn)因子轉(zhuǎn)化為凈現(xiàn)值法(NPV)模型能使用的參數(shù)，然后計(jì)算項(xiàng)目的主要經(jīng)濟(jì)指標(biāo)(如NPV，IRR等)，確認(rèn)該項(xiàng)目的可行性以及項(xiàng)目存在的風(fēng)險(xiǎn)度.對(duì)各項(xiàng)風(fēng)險(xiǎn)因子進(jìn)行敏感性分析，從而選出影響大的風(fēng)險(xiǎn)因素，著重進(jìn)行管理和規(guī)避，以減少或者回避企業(yè)風(fēng)險(xiǎn).

電力項(xiàng)目； 風(fēng)險(xiǎn)評(píng)估； 風(fēng)險(xiǎn)因子； 蒙特-卡洛； 凈現(xiàn)值

0 引言

電力產(chǎn)業(yè)作為支持社會(huì)經(jīng)濟(jì)發(fā)展的一個(gè)重要基礎(chǔ)產(chǎn)業(yè)，與國(guó)民經(jīng)濟(jì)的健康發(fā)展息息相關(guān)，據(jù)統(tǒng)計(jì)，用電量每增加1%，GDP增長(zhǎng)0.972 8%[1].為了適應(yīng)新形勢(shì)下經(jīng)濟(jì)發(fā)展的需要，國(guó)家推行電力體制改革，實(shí)行“廠網(wǎng)分離，多家辦電”，電力投資與管理主體呈現(xiàn)多元化趨勢(shì).在電力行業(yè)快速發(fā)展的同時(shí)，一些項(xiàng)目由于缺乏民主、科學(xué)的決策而盲目上馬，重復(fù)建設(shè)，造成極大的資源浪費(fèi).同時(shí)，我國(guó)電力也是一個(gè)資源消耗巨大的產(chǎn)業(yè)，在能源稀缺和新的電力市場(chǎng)條件下，面對(duì)著各種復(fù)雜的市場(chǎng)環(huán)境，風(fēng)險(xiǎn)隨時(shí)都會(huì)出現(xiàn).我國(guó)的許多工程項(xiàng)目，由于風(fēng)險(xiǎn)造成的損失是觸目驚心的，風(fēng)險(xiǎn)常常是項(xiàng)目失敗的主要原因之一[2].因此，為保證投資者利益，對(duì)電力項(xiàng)目政策、環(huán)境、技術(shù)、施工、市場(chǎng)等方面可能面臨的風(fēng)險(xiǎn)進(jìn)行系統(tǒng)的評(píng)估，幫助企業(yè)減少或規(guī)避風(fēng)險(xiǎn)，就顯得尤為重要.

由于風(fēng)險(xiǎn)因素的產(chǎn)生原因和表現(xiàn)規(guī)律差異較大，分析評(píng)估的方法也千差萬(wàn)別，目前國(guó)際上比較流行的風(fēng)險(xiǎn)分析技術(shù)與評(píng)估模型主要有主觀評(píng)分法、層次分析法等定性方法以及敏感性分析法、決策樹(shù)法、網(wǎng)絡(luò)圖法、Monte-Carlo法等定量方法.國(guó)內(nèi)對(duì)電力項(xiàng)目風(fēng)險(xiǎn)的研究也較多，但存在一些不足之處，主要表現(xiàn)在：① 著重于定性分析，對(duì)項(xiàng)目風(fēng)險(xiǎn)的研究主要從風(fēng)險(xiǎn)分類層面剖析，風(fēng)險(xiǎn)定量方法研究不多；② 雖將Monte-Carlo法應(yīng)用于定量分析，但風(fēng)險(xiǎn)因子主要考慮財(cái)務(wù)指標(biāo)，而忽視其他重要風(fēng)險(xiǎn)因子，缺乏實(shí)際可行性[3].基于以上原因，作者采用Monte-Carlo-NPV法對(duì)某電力建設(shè)項(xiàng)目風(fēng)險(xiǎn)進(jìn)行較為深入和實(shí)際的研究,計(jì)算了項(xiàng)目的主要經(jīng)濟(jì)指標(biāo), 確認(rèn)了該項(xiàng)目的可行性以及項(xiàng)目存在的風(fēng)險(xiǎn)度.對(duì)各項(xiàng)風(fēng)險(xiǎn)因子進(jìn)行了敏感性分析，以減少或者回避企業(yè)風(fēng)險(xiǎn).

1 研究對(duì)象及應(yīng)用模型

某電力公司目前有6個(gè)機(jī)組，其中1、2號(hào)2×30 MW凝汽抽汽供熱機(jī)組，原為煤粉爐后改燒水煤漿，機(jī)組承擔(dān)向附近工業(yè)區(qū)供熱任務(wù)，供汽熱量為60～65 t/h；3、4號(hào)2×150 MW凝汽機(jī)組，正改燃油為燒水煤漿；5、6號(hào)2×300 MW燃煤供熱機(jī)組向某公司供汽，供汽熱量為160 t/h.

1、2號(hào)機(jī)組經(jīng)多年運(yùn)行，設(shè)備老化，再加上燃油成本高，本應(yīng)關(guān)停.但考慮到承擔(dān)供熱任務(wù)，為此該電廠投入大量資金對(duì)鍋爐進(jìn)行改造和更新，將1、2號(hào)主機(jī)拆除，保留改造燒水煤漿2×220 t/h鍋爐，新上1臺(tái)100 MW抽汽供熱機(jī)組.

圖1 Monte-Carlo-NPV風(fēng)險(xiǎn)分析模型Fig.1 Monte-Carlo-NPV risk analysis model

凈現(xiàn)值法(NPV)作為常用的項(xiàng)目財(cái)務(wù)評(píng)價(jià)方法，用它作為評(píng)價(jià)模型的輸出，可直接了解該項(xiàng)目的可行性和風(fēng)險(xiǎn)的影響.凈現(xiàn)值為正，說(shuō)明該方案除能滿足預(yù)定的利率要求外，還有盈利.凈現(xiàn)值越大，盈利越大.凈現(xiàn)值為負(fù)，說(shuō)明該方案達(dá)不到預(yù)定的利率要求，有虧損.因此，當(dāng)NPV≥0時(shí),方案可行；當(dāng)NPV<0時(shí),方案不可行.Monte-Carlo-NPV法的應(yīng)用模型如圖1所示.

2 風(fēng)險(xiǎn)分析

2.1 外部經(jīng)濟(jì)環(huán)境和電力系統(tǒng)現(xiàn)狀分析

本項(xiàng)目屬于油改煤項(xiàng)目，而且是中小型機(jī)組，煤耗比較高，雖能暫時(shí)滿足地方供熱需求，但從長(zhǎng)遠(yuǎn)來(lái)看，關(guān)停風(fēng)險(xiǎn)較高.該風(fēng)險(xiǎn)的影響已經(jīng)歸入到關(guān)停政策風(fēng)險(xiǎn)里面，經(jīng)專家綜合打分，得出第1～20年關(guān)停風(fēng)險(xiǎn)概率分布如表1所示.

表1 關(guān)停風(fēng)險(xiǎn)概率Tab.1 Probability of close-up risk

從表1可知，由于政策關(guān)停時(shí)間對(duì)于項(xiàng)目成敗關(guān)系極大，時(shí)間越短風(fēng)險(xiǎn)越大.三角分布和正態(tài)分布的參數(shù)全部歸一化處理，它們的區(qū)別可以從圖2中看出來(lái)，正態(tài)分布的峰值更貼近專家打分法的峰值，重心也更貼近于專家打分分布的重心.由于政策關(guān)停時(shí)間對(duì)于項(xiàng)目成敗關(guān)系極大，因此正態(tài)分布更充分地考慮了風(fēng)險(xiǎn)，建議取正態(tài)分布模擬.

圖2 關(guān)停風(fēng)險(xiǎn)概率圖Fig.2 Probability chart of close-up risk

2.2 煤價(jià)風(fēng)險(xiǎn)分析[4]

燃煤成本作為發(fā)電主要成本，其價(jià)格變動(dòng)對(duì)項(xiàng)目有著直接的影響.由于電價(jià)、煤價(jià)漲跌不成比例，為此引入一個(gè)影響因子a，以抵消部分燃煤價(jià)格波動(dòng)引起的風(fēng)險(xiǎn),目前燃煤升價(jià)補(bǔ)償因子a是0.7[2].由于燃煤成本占發(fā)電成本的60%～70%，煤價(jià)引起電價(jià)的變動(dòng)為(60%～70%)×a，假設(shè)電煤聯(lián)動(dòng)因子服從三角分布(0，0.5，0.7)，即最樂(lè)觀的是電價(jià)100%補(bǔ)償燃煤漲價(jià)，最悲觀的是電價(jià)不補(bǔ)償燃煤漲價(jià)，最可能的是目前電價(jià)的70%補(bǔ)償燃煤漲價(jià).通過(guò)對(duì)相關(guān)數(shù)據(jù)進(jìn)行處理，得出水煤漿價(jià)格和電價(jià)的模擬結(jié)果如圖3所示.可以看出，隨著年份的增加，電價(jià)不能補(bǔ)償燃煤漲價(jià)，說(shuō)明煤價(jià)波動(dòng)引起的風(fēng)險(xiǎn)在逐漸增大.

2.3 項(xiàng)目施工進(jìn)度、投資估算風(fēng)險(xiǎn)分析[5]

在正常條件下，改建一臺(tái)100 MW機(jī)組的建設(shè)周期約為15個(gè)月，但該項(xiàng)目建設(shè)適逢電力項(xiàng)目建設(shè)高峰期，工期保障難度較大.工期的拖延對(duì)于該項(xiàng)目風(fēng)險(xiǎn)影響極大，因此風(fēng)險(xiǎn)評(píng)價(jià)為發(fā)生概率高，損失中等.通過(guò)對(duì)承擔(dān)該項(xiàng)目的某工程公司項(xiàng)目工期拖延數(shù)據(jù)進(jìn)行正態(tài)模擬，結(jié)果如圖4所示.可以看出，正常工期延誤時(shí)間越長(zhǎng)，該工程公司項(xiàng)目風(fēng)險(xiǎn)發(fā)生概率越高，影響比較大.

另外，由于固定資產(chǎn)投資規(guī)模不斷擴(kuò)大，建筑材料價(jià)格及其他費(fèi)用上漲等因素，也會(huì)成為該項(xiàng)目的投資風(fēng)險(xiǎn).再加上新的電力項(xiàng)目的不斷實(shí)施，供需矛盾緩和，機(jī)組的利用時(shí)數(shù)會(huì)逐年減少，這也會(huì)成為影響該項(xiàng)目的風(fēng)險(xiǎn)之一.

總之，影響該項(xiàng)目的風(fēng)險(xiǎn)有國(guó)家政策、環(huán)境、施工進(jìn)度、燃煤價(jià)格等，由于篇幅有限，其他風(fēng)險(xiǎn)因素不再具體分析.

圖3 煤電價(jià)格的預(yù)測(cè)Fig.3 The prediction of the price of coal and electricity

圖4 項(xiàng)目工期延誤概率圖Fig.4 Probability chart of the project delay time

3 項(xiàng)目風(fēng)險(xiǎn)建模及仿真

3.1 主要風(fēng)險(xiǎn)因子的選擇

通過(guò)對(duì)政策、經(jīng)濟(jì)、自然環(huán)境、施工、正常運(yùn)行等風(fēng)險(xiǎn)因數(shù)的分析并結(jié)合它們的概率分布，確定風(fēng)險(xiǎn)評(píng)價(jià)模型的主要風(fēng)險(xiǎn)因子及其分布如表2所示.

表2 主要風(fēng)險(xiǎn)參數(shù)分布表Tab.2 Probability distribution of the main risks

3.2 Monte-Carlo模擬結(jié)果分析

根據(jù)上述分析，在Crystal Ball軟件中加入主要風(fēng)險(xiǎn)因子，進(jìn)行100 000次模擬，輸出選擇感興趣的在基準(zhǔn)收益率(12%)下的凈現(xiàn)值(NPV)、內(nèi)部收益率(IRR)等結(jié)果的分布情況.引入風(fēng)險(xiǎn)因子之前，NPV的計(jì)算值為36 210萬(wàn)元，IRR為65%，回收期為3.76 a.可見(jiàn)此技改項(xiàng)目如果沒(méi)有風(fēng)險(xiǎn)的話收益是非常大的.

3.2.1 NPV結(jié)果分析[6]圖5為NPV概率圖.可以看出，在基準(zhǔn)收益率為12%的條件下，NPV大于零的概率為82.394%，平均值為13 621.38萬(wàn)元，變差系數(shù)(經(jīng)濟(jì)效果的離差系數(shù)，即標(biāo)準(zhǔn)差與期望值之比)達(dá)到1.1，說(shuō)明該項(xiàng)目風(fēng)險(xiǎn)比較大(不確定因素導(dǎo)致的結(jié)果和期望值偏差大).其統(tǒng)計(jì)數(shù)據(jù)如下：預(yù)測(cè)值，凈現(xiàn)金流量；模擬次數(shù)，100 000；均值，13 612.38萬(wàn)元；中間值，14 924.27萬(wàn)元；標(biāo)準(zhǔn)偏差，15 104.68萬(wàn)元；偏差，-0.687 1；峰值，5.31；變差，1.1；最小值，-146 792.70萬(wàn)元；最大值，87 892.80萬(wàn)元.

靈敏度分析結(jié)果如圖6所示.由圖可知，影響該項(xiàng)目NPV的最主要因素是項(xiàng)目關(guān)停時(shí)間，其次是工期拖延時(shí)間，再次是電煤聯(lián)動(dòng)因子和利用小時(shí)數(shù)，最后是逐年煤價(jià)增幅值.可見(jiàn)項(xiàng)目成功與否與國(guó)家的能源政策關(guān)系很大，如果國(guó)家不再支持該類型的能源建設(shè)甚至關(guān)停該項(xiàng)目，則會(huì)引起項(xiàng)目的失敗.此外，煤價(jià)的影響也非常大.

圖5 項(xiàng)目NPV概率圖Fig.5 Probability chart of the project NPV

圖6 項(xiàng)目NPV的靈敏度分析Fig.6 Sensitivity analysis of the project NPV

3.2.2 IRR結(jié)果分析[7]圖7為IRR概率圖.從圖中可知，IRR大于基準(zhǔn)收益率12%的概率為95.532%，IRR的均值為51%，因此，盈利的空間很大.變差系數(shù)為0.511，說(shuō)明IRR的估計(jì)風(fēng)險(xiǎn)也較大.其統(tǒng)計(jì)數(shù)據(jù)如下：預(yù)測(cè)值，內(nèi)部收益率；模擬次數(shù),86 390;均值,51%;中間值,49%;標(biāo)準(zhǔn)偏差,26%;偏差,1.90;峰值,21.79;變差,0.511;最小值,-253%;最大值,507%.

IRR的靈敏度分析如圖8所示.由圖可知，影響該項(xiàng)目IRR的第一因素是工期拖延風(fēng)險(xiǎn)，第二因素是年利用小時(shí)數(shù)，第三因素是項(xiàng)目關(guān)停時(shí)間，其他因素還有第1、第2年煤價(jià)漲幅和電煤聯(lián)動(dòng)因子等.可見(jiàn)項(xiàng)目收益與工程管理水平有很大關(guān)系，越早投產(chǎn)，收益越大.另外，為了提高收益率，應(yīng)努力提高機(jī)組的利用系數(shù).

圖7 項(xiàng)目IRR概率圖Fig.7 Probability chart of the project IRR

圖8 項(xiàng)目IRR的靈敏度分析Fig.8 Sensitivity analysis of the project IRR

4 結(jié)束語(yǔ)

通過(guò)對(duì)該項(xiàng)目風(fēng)險(xiǎn)模擬的結(jié)果顯示，由于NPV、IRR變差系數(shù)較大，說(shuō)明該項(xiàng)目不確定性很大，即風(fēng)險(xiǎn)較大.為了減少或規(guī)避風(fēng)險(xiǎn)，該公司應(yīng)注意以下4個(gè)方面：

(1) 加強(qiáng)國(guó)家宏觀調(diào)控政策的研究，盡量避免出現(xiàn)項(xiàng)目剛上馬即被關(guān)停的不利局面；

(2) 加快項(xiàng)目建設(shè)進(jìn)度，盡早投產(chǎn)，這樣風(fēng)險(xiǎn)較小，回收期短；

(3) 加強(qiáng)燃煤的合同管理和商務(wù)談判，盡量降低燃煤成本；

(4) 著力提高機(jī)組的利用小時(shí)數(shù).

[1] 馬昕,朱亞星,李曉博.中國(guó)電力工業(yè)與國(guó)民經(jīng)濟(jì)增長(zhǎng)關(guān)系的研究[J].統(tǒng)計(jì)與決策,2007,32(5):98-99.

[2] 北京世紀(jì)未來(lái)投資咨詢有限公司.中國(guó)火電行業(yè)分析報(bào)告[R].2006.

[3] 劉金蘭,韓文秀, 李光泉.大型工程建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析方法及應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐,1996，16(8):62-68.

[4] 朱鋒.發(fā)電企業(yè)燃煤風(fēng)險(xiǎn)管理研究[D].北京：華北電力大學(xué),2006.

[5] 趙連江.電力工程總承包風(fēng)險(xiǎn)研究與對(duì)策[J].城市建設(shè)理論研究：電子版,2012(35):1-3.

[6] Billinton R, Li Wenyuan．Reliability Assessment of Electric Power Systems Using Monte Carlo Methods[M]. New York：Springer-Verlag,1994:209-254．

[7] Hajdasinski M M.Comments on “using heuristics to evaluate projects: the case of ranking projects by IRR” [J].Engineering Economist，1997, 42(2):163-166.

(責(zé)任編輯：孔 薇)

Risk Assessment Research on an Electric Power Project Using Monto-Carlo-NPV Method

YANG Fei

(CollegeofElectricalandInformationEngineering,XuchangUniversity,Xuchang461000,China)

The risks were distinguished in an electric power project, the main risk factors were analyzed and changed into the useful parameters for NPV model by using Monte-Carlo-NPV method. Then the main economic indexes of the project such as NPV, IRR were calculated to confirm the project’s feasibility and the risk degree. Through the sensitivity analysis of the main economic indicators of NPV, IRR on the various risk factors, the risk factors of greater influence were selected to reduce and avoid enterprise’s risk.

electric power project; risk assessment; risk factor; Monte-Carlo; NPV

2015-04-21

楊飛(1980-)，男，河南長(zhǎng)葛人，講師，碩士研究生，主要從事電力電子技術(shù)研究，E-mail:35955368@qq.com.

楊飛. Monte-Carlo-NPV法在電力項(xiàng)目風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[J].鄭州大學(xué)學(xué)報(bào)：理學(xué)版，2015,47(3)：116-120.

F407.61

A

1671-6841(2015)03-0116-05

10.3969/j.issn.1671-6841.2015.03.022