蔣 超, 薛禹勝, 黃 杰, 宋曉芳, 錢 鋒

(1. 南京理工大學(xué)自動化學(xué)院, 江蘇省南京市 210094;2. 南瑞集團(tuán)(國網(wǎng)電力科學(xué)研究院)有限公司, 江蘇省南京市 211106)

0 引言

系列論文的首篇,分析了氣候約束與碳市場的關(guān)系,論述了碳市場風(fēng)險(xiǎn)的產(chǎn)生機(jī)理,并從實(shí)際案例和已有研究對碳市場風(fēng)險(xiǎn)及其防控現(xiàn)狀進(jìn)行了回顧。在此基礎(chǔ)上,通過對“擾動凸顯”、“參量違約”和“功能喪失”三個(gè)關(guān)鍵特征的定義,劃分了碳市場風(fēng)險(xiǎn)防控的多道防線[1]。其中,無論擾動事件對碳市場影響的定量分析,抑或控制后效的準(zhǔn)確評估都需要碳市場沙盤推演技術(shù)的支撐。

在中國的全國碳市場啟動前,歐盟碳排放交易體系(European Union Emissions Trading System,EU ETS)是全球規(guī)模最大、影響范圍最廣的碳市場。然而在眾多內(nèi)外部因素影響下,EU ETS第2階段(2008—2012年)碳市場價(jià)格呈現(xiàn)劇烈振蕩態(tài)勢。對于典型擾動影響和監(jiān)管決策后效的分析,對于中國碳市場機(jī)制設(shè)計(jì)和監(jiān)管決策具有借鑒意義[2]?；诖?本文對EU ETS第2階段的價(jià)格場景進(jìn)行了仿真模擬,并基于系列論文首篇提出的碳市場風(fēng)險(xiǎn)防控框架,沙盤推演了不同控制方案的防控效果,以此驗(yàn)證該防控框架及沙盤推演的理念對監(jiān)管機(jī)構(gòu)協(xié)調(diào)優(yōu)化決策的支撐。

本文將按以下步驟展開,首先,基于大能源系統(tǒng)動態(tài)仿真平臺(dynamic simulation platform for macro energy systems,DSMES),按EU ETS的規(guī)則建立了模擬微觀交易行為的碳市場模型,包括控排企業(yè)生產(chǎn)模擬,碳交易行為代理,以及碳市場價(jià)格模型。其次,以EU ETS第2階段的碳價(jià)危機(jī)為研究對象,基于所構(gòu)建的碳市場模型,結(jié)合具體數(shù)據(jù)模擬碳價(jià)走勢,驗(yàn)證仿真方法的可行性。再次,具化系列論文首篇中提出的目標(biāo)函數(shù)和約束條件,厘清目標(biāo)函數(shù)中預(yù)防控制成本、緊急控制成本以及剩余風(fēng)險(xiǎn)的計(jì)算。最后,基于系列論文首篇提出的風(fēng)險(xiǎn)防控框架,以配額調(diào)節(jié)為主要控制措施,在單個(gè)及多個(gè)擾動場景下,對預(yù)防控制、緊急控制及其協(xié)調(diào)控制效果進(jìn)行沙盤推演,驗(yàn)證該防控框架及沙盤推演理念對監(jiān)管機(jī)構(gòu)協(xié)調(diào)優(yōu)化決策的支撐。

1 仿真模型

EU ETS覆蓋了電力、熱力、化工、水泥等行業(yè)。作為能源和排放密集型行業(yè),電力既是碳減排的重要行業(yè),也是碳市場的主要參與者。電力作為能源生產(chǎn)與消費(fèi)的樞紐,其碳排放管理水平不僅關(guān)系自身可持續(xù)發(fā)展,也將影響政策機(jī)制的減排目標(biāo)能否順利達(dá)成[3-4]。按碳排放水平,根據(jù)2015年EU ETS碳排放量統(tǒng)計(jì)結(jié)果,約68%的碳排放量來源于能源行業(yè)(電力和熱力)[5];按配額分配量,EU ETS的第2階段近50%的配額總量分配給了電力行業(yè)[6];按市場參與積極性,電力行業(yè)參與碳市場的積極性更高[7]。鑒于電力行業(yè)在碳市場的代表性及其數(shù)據(jù)的可獲取性,本文嘗試以歐洲發(fā)電行業(yè)為代表,考慮主要擾動對電力供求關(guān)系的影響,模擬碳市場供求關(guān)系的演變及其對市場動態(tài)的影響。

1.1 碳市場模型

1)配額分配

根據(jù)EU ETS第2階段初始配額的分配規(guī)則,發(fā)電商初始配額分配采用基于歷史排放量的祖父法[8],如式(1)所示。

(1)

文中假定發(fā)電商是市場唯一的參與者,因此市場流通配額總量Qa為各發(fā)電商初始配額之和,如式(2)所示,其中,Ng為發(fā)電商數(shù)量。

(2)

2)價(jià)格模型

本文通過文獻(xiàn)[9]提出的需求—價(jià)格模型來模擬碳市場供求關(guān)系對價(jià)格的影響,某日價(jià)格由前一日價(jià)格、配額的短期供需和長期供需決定,見式(3)。

(3)

為了更好地模擬微觀供求關(guān)系對碳市場價(jià)格的影響。本文首先利用EU ETS實(shí)際價(jià)格曲線開展仿真,獲得參與者行為模型在此價(jià)格場景下的交易行為輸出(各時(shí)段的買入量和賣出量),擬合出價(jià)格模型中α和β在各年份的取值,如表1所示。

表1 α和β在不同年份的取值Table 1 Values of α and β in different years

1.2 參與者模型

1)生產(chǎn)模擬

(4)

采用統(tǒng)一價(jià)格出清機(jī)制,按機(jī)組報(bào)價(jià)由低到高順序分配負(fù)荷,最后一臺滿足供需平衡要求的機(jī)組競標(biāo)價(jià)格即為邊際電價(jià),所有機(jī)組成交電量按邊際電價(jià)統(tǒng)一結(jié)算出清,基于各臺機(jī)組出清電量和排放率可計(jì)算出各發(fā)電商的排放量,如式(5)所示。

(5)

2)交易行為

(6)

圖1 碳交易行為代理的決策流程Fig.1 Decision process of carbon trading behavioral agent

2 碳價(jià)危機(jī)的仿真模擬

2.1 參數(shù)設(shè)置

1)碳市場參數(shù)

2)參與者參數(shù)

基于歐洲輸電運(yùn)營商聯(lián)盟網(wǎng)站統(tǒng)計(jì)的歐洲電力系統(tǒng)數(shù)據(jù),設(shè)置發(fā)電行業(yè)參與者的相關(guān)參數(shù),包括清潔能源機(jī)組,火電機(jī)組和用電負(fù)荷。由于該網(wǎng)站并未統(tǒng)計(jì)EU ETS覆蓋下的所有成員國,因此本文中歐洲電力系統(tǒng)的相關(guān)數(shù)據(jù)僅涉及奧地利、比利時(shí)、捷克共和國、德國、西班牙、法國、希臘、匈牙利、意大利、盧森堡、荷蘭、波蘭、葡萄牙、斯洛文尼亞及斯洛伐克這15個(gè)國家。

根據(jù)歐洲實(shí)際數(shù)據(jù)構(gòu)建負(fù)荷曲線(見附錄A圖A1)和清潔能源機(jī)組出力水平(見附錄A圖A2)。對于火電機(jī)組,歐洲輸電運(yùn)營商聯(lián)盟網(wǎng)站統(tǒng)計(jì)了煤電機(jī)組、燃?xì)鈾C(jī)組及燃油機(jī)組這三類火電機(jī)組的總裝機(jī)容量,并統(tǒng)計(jì)了大于400 MW的大型火電機(jī)組,介于200 MW至400 MW之間的中型火電機(jī)組,小于200 MW的小型火電機(jī)組的裝機(jī)容量?；诖?各火電機(jī)組類型按此比例劃分大中小三種,劃分后共9種火電機(jī)組類型,同類機(jī)組聚合為單機(jī),其裝機(jī)容量見附錄A表A7,并結(jié)合文獻(xiàn)[13-14]中典型火電機(jī)組的性能指標(biāo),設(shè)置了相應(yīng)的能耗率及排放率(見附錄A表A8),化石燃料價(jià)格曲線取自世界銀行網(wǎng)站(見附錄A圖A3)。

2.2 市場擾動

EU ETS在第2階段實(shí)際運(yùn)營期間的重大擾動來自于全球金融危機(jī)和歐盟債務(wù)危機(jī)。該擾動對于歐洲能源行業(yè)的影響體現(xiàn)在能源需求下降,以及化石燃料價(jià)格的波動。本文的仿真算例通過負(fù)荷波動和化石燃料價(jià)格波動來刻畫宏觀經(jīng)濟(jì)擾動對碳市場的沖擊(見附錄A圖A1和圖A3)。

2.3 模擬結(jié)果

在基于DSMES所開發(fā)的碳市場仿真環(huán)境中,采用上述參數(shù)開展確定性場景的仿真模擬。由圖2所示的仿真結(jié)果可知,仿真價(jià)格動態(tài)與實(shí)際價(jià)格動態(tài)整體趨勢接近,能夠反映“全球金融危機(jī)”、“歐洲債務(wù)危機(jī)”兩個(gè)重大擾動對碳市場價(jià)格的沖擊效果,可以刻畫宏觀經(jīng)濟(jì)擾動經(jīng)由電力負(fù)荷、碳排放量、參與者市場倉位、參與者交易行為、市場供求關(guān)系逐步傳導(dǎo)至碳市場價(jià)格的機(jī)理。作為碳市場風(fēng)險(xiǎn)分析與控制的前期探索研究,受限于市場信息的可獲取性,對市場機(jī)制、交易行為的建模還比較粗糙,但并不妨礙以此為起點(diǎn),探索碳市場演化態(tài)勢的沙盤推演技術(shù)。

圖2 仿真結(jié)果與實(shí)際碳價(jià)曲線的對比Fig.2 Comparison between the simulation results and the actual carbon price curve

3 碳市場風(fēng)險(xiǎn)防控的數(shù)學(xué)模型

系列論文首篇從“擾動凸顯”、“參量違約”、“功能喪失”三個(gè)關(guān)鍵特征出發(fā)劃分多道防線,構(gòu)建起碳市場風(fēng)險(xiǎn)防控框架,給出了碳市場風(fēng)險(xiǎn)防控?cái)?shù)學(xué)模型,并建議了碳排放越限后果的評估思路,包括:①碳市場分階段減排目標(biāo)約束具有一定彈性,可轉(zhuǎn)而評估控制不足所帶來的風(fēng)險(xiǎn)成本或超額控制所獲得的風(fēng)險(xiǎn)收益,來代替對碳排放越限與否的定性判斷;②建議通過評估邊際社會減排成本來代替評估階段性碳排放越限后果。

本文選取多道防線中的預(yù)防控制與緊急控制,研究碳市場協(xié)調(diào)控制問題,并據(jù)此將文獻(xiàn)[1]中的目標(biāo)函數(shù)和約束條件進(jìn)行具化,涉及預(yù)防控制成本、緊急控制成本及剩余風(fēng)險(xiǎn)，其具體計(jì)算為:

(7)

剩余損失Dk為:

(8)

本文以配額調(diào)節(jié)作為具體控制措施。預(yù)防控制是指調(diào)整配額初始分配總量,不發(fā)生回購費(fèi)用,CP值等于零。緊急控制則是市場運(yùn)行過程中的配額調(diào)節(jié)(回購或投放),具體計(jì)算方式為:

(9)

(10)

(11)

4 單個(gè)擾動場景下的防控效果的沙盤推演

4.1 場景設(shè)置

本節(jié)以2011年EU ETS市場動態(tài)為對象,沙盤推演不同控制方案的防控效果,研究多道防線應(yīng)用于碳市場風(fēng)險(xiǎn)防控的可行性。根據(jù)第2節(jié)模擬的仿真結(jié)果,碳市場覆蓋范圍的碳排放總量相較于基準(zhǔn)場景下降了5.4%,達(dá)成了EU ETS在該年度的減排目標(biāo)(5.2%)。實(shí)際上,受宏觀經(jīng)濟(jì)擾動影響,由于2011年歐洲電力負(fù)荷相較于2005年下降了3.6%,因此其減排量很大程度上源自于能源需求的下降。相較于碳排放總量,強(qiáng)度指標(biāo)(本文中采用單位發(fā)電量的碳排放水平)更能反映系統(tǒng)結(jié)構(gòu)減排效果。經(jīng)測算,2011年的碳排放強(qiáng)度相較于基準(zhǔn)場景僅下降1.8%,并未達(dá)成激勵結(jié)構(gòu)減排的預(yù)期。

在此期間,EU ETS遭受的主要擾動是歐洲債務(wù)危機(jī),2011年3月29日,標(biāo)準(zhǔn)普爾評級服務(wù)公司將希臘主權(quán)信用評級由“BB+”下調(diào)至“BB-”,拉開希臘債務(wù)危機(jī)的序幕,隨著主權(quán)債務(wù)危機(jī)的蔓延,威脅整個(gè)歐洲的經(jīng)濟(jì)[15],3月29日可以用來表征擾動發(fā)生時(shí)刻,為緊急控制確定控制時(shí)機(jī)。為便于表述,將該擾動場景稱為場景A。

場景A中,以配額調(diào)節(jié)為主要控制措施,在擾動發(fā)生前,預(yù)防控制通過初始配額分配調(diào)節(jié)市場流通配額;擾動發(fā)生后,緊急控制立刻調(diào)節(jié)(回購或釋放)市場流通配額。為便于表述,配額調(diào)節(jié)控制量是相對于市場中流通配額總量的百分比,取值為正(或負(fù))分別代表增加(或減少)市場流通配額的比例,例如控制量取1%(或-1%)表示在當(dāng)前市場流通配額總量的基礎(chǔ)上增加(減少)1%的配額供應(yīng)。本文假定配額調(diào)節(jié)量不能超出市場流通總量的10%，即預(yù)防控制量ap與緊急控制量ae之和不能超出該值。

4.2 計(jì)算邊際社會減排成本

邊際社會減排成本指每額外實(shí)現(xiàn)單位減排量所引發(fā)的增量社會成本。在本文中綜合考慮利益相關(guān)者的成本變化,包括監(jiān)管、發(fā)電、用電主體的增量成本。擾動事件發(fā)生后,通過試探不同緊急控制措施的防控效果,可獲得減排量與控制總成本的關(guān)系(見圖3),擬合曲線求導(dǎo)后可獲得邊際社會減排成本函數(shù)(如式(12)所示),該減排目標(biāo)下的邊際社會減排成本為469歐元/t。原則上應(yīng)綜合考慮不同控制措施下的最優(yōu)控制策略,本次算例暫考慮配額調(diào)節(jié)這一控制措施,初步探索碳市場風(fēng)險(xiǎn)的協(xié)調(diào)優(yōu)化,未來可考慮更多控制措施,對該結(jié)果進(jìn)一步修正。

(12)

圖3 減排量與控制總成本Fig.3 Emission reduction and the total control cost

4.3 算例分析

4.3.1防線內(nèi)部優(yōu)化

1)僅采用預(yù)防控制措施

場景A下,維持其他參數(shù)不變,分析僅采用預(yù)防控制措施的控制效果，如圖4所示。

圖4 不同預(yù)防控制方案下的碳排放控制風(fēng)險(xiǎn)總成本Fig.4 Total risk cost of emission control under different preventive control plans

當(dāng)配額需求不變,預(yù)防控制量為0～-7%時(shí),隨著市場中流通配額總量的減少,供求關(guān)系的變化使得碳價(jià)上升。與控制成本的增加相比,此時(shí)剩余風(fēng)險(xiǎn)損失減少得更多,使得控制風(fēng)險(xiǎn)總成本隨著流通配額總量的降低而減少。由化石燃料的價(jià)格走勢可知,天然氣與煤炭的價(jià)差越來越大,即煤電機(jī)組的邊際燃料成本與燃?xì)鈾C(jī)組相比,成本優(yōu)勢越來越大,此時(shí)需要更高的碳價(jià)激勵才能達(dá)到同樣的減排效果。因此碳價(jià)的增加,未必一定意味著剩余風(fēng)險(xiǎn)的減少。當(dāng)預(yù)防控制量為-7%～-10%時(shí),隨著流通配額總量的減少,與控制成本的增加相比,此時(shí)剩余風(fēng)險(xiǎn)不變,使得控制風(fēng)險(xiǎn)總成本隨著流通配額總量的減少而增加。由仿真結(jié)果可知,-7%的預(yù)防控制量是較優(yōu)的預(yù)防控制方案。

2)僅采用緊急控制措施

場景A下,維持其他參數(shù)不變,分析僅采用緊急控制措施的控制效果,由圖5可知,控制成本與剩余風(fēng)險(xiǎn)的走勢與僅采用預(yù)防控制下的結(jié)果類似,-7%的緊急控制量是相對較優(yōu)的緊急控制方案。

圖5 不同緊急控制方案下的碳排放控制風(fēng)險(xiǎn)總成本Fig.5 Total risk cost of emission control under different emergency control plans

4.3.2防線間的協(xié)調(diào)

最優(yōu)協(xié)調(diào)控制方案的搜尋策略為:首先設(shè)定預(yù)防控制量為0,緊急控制量由0攝動至-10%,與上述尋找最優(yōu)緊急控制方案的過程相同,可以得到該預(yù)防控制量下的最優(yōu)緊急控制方案,同理可得給定預(yù)防控制量為-1%～-10%時(shí),各預(yù)防控制量下的最優(yōu)緊急控制方案。綜合比較所有協(xié)調(diào)控制方案(見表2),選取控制風(fēng)險(xiǎn)總成本最小,可得最優(yōu)協(xié)調(diào)控制方案為預(yù)防控制量-7%。

當(dāng)場景A的發(fā)生概率為0～100%時(shí),采用上述最優(yōu)協(xié)調(diào)控制方案的搜尋方法,得各個(gè)概率場景下的最優(yōu)協(xié)調(diào)控制方案。由仿真結(jié)果可知(見表3),當(dāng)場景A的發(fā)生概率小于70%時(shí),最優(yōu)協(xié)調(diào)控制方案僅需安排緊急控制措施即可。當(dāng)場景A的發(fā)生概率等于80%,最優(yōu)協(xié)調(diào)控制方案為預(yù)防控制量-2%,緊急控制量-2%。當(dāng)場景A的發(fā)生概率等于90%,最優(yōu)協(xié)調(diào)控制方案為預(yù)防控制量-3%,緊急控制量-4%。

表2 確定場景下的最優(yōu)協(xié)調(diào)控制方案Table 2 Optimal coordinated control plan under the deterministic scenario

表3 概率場景下的最優(yōu)協(xié)調(diào)控制方案Table 3 Optimal coordinated control plan under the probabilistic scenario

由上述仿真結(jié)果可知預(yù)防控制和緊急控制的一般適用場景,不論擾動發(fā)生與否,預(yù)防控制實(shí)施后都會產(chǎn)生控制成本,而緊急控制在市場正常運(yùn)行時(shí)不需要付出控制成本,因此,一般來講緊急控制適用于應(yīng)對小概率擾動,而預(yù)防控制適用于應(yīng)對大概率擾動。

5 多個(gè)擾動場景下防控效果的沙盤推演

5.1 場景設(shè)置

場景A下,2011年的負(fù)荷相較于2005年的負(fù)荷下降了3.6%。本節(jié)在場景A基礎(chǔ)上新增一個(gè)反向擾動場景B,即場景B中2011年的負(fù)荷相較于2005年的負(fù)荷上漲3.6%。因此,該場景集合由場景A和場景B組成,場景概率可見表4。

表4 場景集的組成及相應(yīng)的發(fā)生概率Table 4 Composition of multiple scenarios and their corresponding probabilities

5.2 算例分析

基于此前分析可知,在當(dāng)前的燃料價(jià)格走勢下,在同等減排效果下,越早提升碳市場價(jià)格水平,所付出控制成本越低。根據(jù)協(xié)調(diào)控制結(jié)果,場景B與場景A的預(yù)防控制方向一致(減少配額的發(fā)放),而在緊急控制時(shí),根據(jù)所發(fā)生擾動選擇對應(yīng)的緊急控制措施,不同場景概率下的最優(yōu)協(xié)調(diào)控制方案可見表5。

表5 多個(gè)擾動場景下的最優(yōu)協(xié)調(diào)控制方案Table 5 Optimal coordinated control plan under multiple scenarios

實(shí)際操作中,監(jiān)管并不總能隨時(shí)調(diào)整控制量,可用的控制措施及控制量都有所限制。沙盤推演的意義在于為監(jiān)管提供了決策依據(jù)與決策手段。本算例的仿真場景下,盡早實(shí)施減排控制的風(fēng)險(xiǎn)總成本較低,若監(jiān)管的可用控制量受限時(shí),可以通過其他措施誘導(dǎo)或激勵市場參與者優(yōu)先減排。

6 結(jié)語

本文基于DSMES,按EU ETS的規(guī)則及具體數(shù)據(jù),建立了模擬微觀交易行為的碳市場模型,通過模擬全球金融危機(jī)及歐洲債務(wù)危機(jī)對EU ETS第2階段市場價(jià)格的動態(tài)影響,論證了基于該仿真模型對碳市場態(tài)勢進(jìn)行推演的可行性。進(jìn)一步基于系列文章首篇所提出的風(fēng)險(xiǎn)防控框架,以配額調(diào)節(jié)為主要控制措施,推演了預(yù)防控制、緊急控制及其協(xié)調(diào)控制有效降低碳市場風(fēng)險(xiǎn)的效果,驗(yàn)證了碳市場風(fēng)險(xiǎn)防控框架及沙盤推演技術(shù)對監(jiān)管機(jī)構(gòu)協(xié)調(diào)優(yōu)化決策的支撐效果。

由兩篇文章組成的系列論文,是將工程中常用的數(shù)值仿真和協(xié)調(diào)控制優(yōu)化應(yīng)用于碳市場風(fēng)險(xiǎn)分析與控制的一次嘗試。通過定義關(guān)鍵特征來劃分防線,更清晰地反映控制機(jī)理;通過在分析與決策中引入信息論和行為學(xué),使宏觀決策與微觀決策之間的互動更加真實(shí)。所提出的風(fēng)險(xiǎn)防控框架及沙盤推演理念,可幫助市場參與主體轉(zhuǎn)向風(fēng)險(xiǎn)量化的決策范式,潛在的應(yīng)用場景包括防控市場風(fēng)險(xiǎn),支撐靈活交易,完善市場監(jiān)測和預(yù)警機(jī)制等等。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。