现实社会中往往充满着各种风险与不确定性。有些风险是高概率，(如果发生了)低损失，比如错过一趟地铁，可以改乘下一趟;有些风险是低概率，高损失，比如遇到地震或者遭遇重大疫情被困住，可能性命不保。有些风险一旦发生，反应与处置时间很短，比如地震;有些风险发生，反应时间(潜伏期)长，但是需要的处置时间往往更长，比如癌症的诊断与治疗。
以上类型的风险，人们都可以在现实中找到“交易对手”，也就是把“不好”的风险卖给别人，让他人为自己承担风险。交易对手在处置风险、降低损失方面具有天然的优势，比如企业将自己的IT维护与安全外包给专业公司;或者可以集合大部分人的风险，来降低风险，从而获得收益，比如各种保险公司;抑或更加能够承受风险，喜欢冒险，比如将一张有50%概率能够获得100万元奖金的彩票，以高于50万元的价格卖给赌徒[1]。
在数字化时代，信息更加透明、快速可得，各种系统的运行与供需变化动态往往更加迅速，这导致风险的复杂性(比如谣言的传播速度与影响)、应对工具的多样性与及时性(早期预警)同时有所增加。这些方面，存在很多经典的理论与案例。
由于价格的剧烈波动性，电力市场生产与需求的不确定性，系统安全稳定与集联事故发生的反应与(失控前)处置时间均很短，参与者众多(我国的生产端过去是一个例外)等因素，也充满着各种风险。为了使系统安全、稳定、高效运行，需要保持一定的电能质量，也必须对各种风险进行有效防范与应对。其中，探讨让那些更加适宜、具有更强承受力、可以有效降低风险的(而不是没有政治话语权的)主体去承担风险，具有改进系统经济效率的意义。
在本期专栏中，我们将讨论电力市场中的交易“风险”，与其涉及的总体系统有效应对的问题。
过去的故事与事实
容量市场的出现，避免市场价格上涨到夸张的程度，同时对足够的容量投资提供必要激励。
相比石油、天然气市场，由于需求的剧烈波动性、无法存储等特性，电力产品的价格常常存在剧烈的波动。对于一个单一能量市场(energy-only market)而言，尖峰机组通常依靠足够高的尖峰稀缺价格(scarcity price)来回收资产的固定成本。理论上，如果没有额外的限制，大部分机组已经达到最大出力，那么剩余的少量机组有足够的能力与动力把价格推向极高甚至无穷的程度，而消费者往往缺乏弹性或者被隔离在市场波动之外，也不会自动断电。因此，在稀缺时刻，电力市场永远存在市场力，即垄断问题。
然而，毫无疑问，这种剧烈的上涨会给消费者带来风险，在政治上同样无法被接受。此类上涨出现的次数与时间(往往只有几个小时)如此之少，并且几乎无法预计，同样是机组投资面临的巨大风险，特别是经常处于边际上进行定价的天然气机组。从商业视角来看，依靠一年仅出现几次的高电价做投资决策，是一项不可能完成的任务。
因此，在部分地区容量市场出现了。它避免市场的价格上涨到夸张的程度，同时也对足够的容量投资提供必要激励，从而在使市场的价格不需要上涨过高的情况下，提供足够的利润给那些边际机组。就基本理论而言，就相当于电力消费者买了一个看涨期权，规避价格过度上涨的风险，对冲了风险。这一看涨期权的行权价格，就是短期市场限价。比如存在容量市场的法国市场，电力限价在3欧元/千瓦时，意味着行政设定电力价格不允许超过3欧元/千瓦时。美国一些存在容量市场的地方，电力价格更是低到2美元/千瓦时[2];不存在容量市场的地区，比如美国得克萨斯州市场通过剩余储备价格曲线(ORDC)来招标供需紧平衡下的备用资源，其电力损失负荷价值(VOLL)的上限是9美元/千瓦时[3]，显然要高得多。
稀缺时刻与稀缺定价
来源：中国能源转型之星
当然，不同市场还有很多其他对冲价格风险的工具，比如双边长期合同、不同时间段的期货产品等。这往往都是与现货市场产品并存，且从属于现货市场定价的。作为避险工具，其收益与成本通常是相比现货而言的。
众所周知，过去很长一段时间，我国电力部门采用的是以成本为基础的煤电标杆电价机制，以及有保障的利用小时数。它确保机组可以回收投资成本，并获得利润。显而易见，机组投资完全隔绝了价格与数量风险，提供的激励要比容量市场大得多。因此，投资冲动很大，随着时间推移，造成了机组容量的巨大过剩。
这种过剩使得保障利用小时数的承诺有所缩水，但仍旧是一种投资回收的有效激励。更为特殊的是，对于有限利用小时数的尖峰负荷，其他国家往往用投资成本更低的天然气机组去满足，但带来的影响是短时间的电价比平均电价高几倍。而我国默认的建成了就给足够利用小时数来回收投资(“具有了资格”)的做法已经形成惯性，对这部分所谓专业化调峰机组也一样，往往给3000小时甚至更高利用小时数，从而很大程度上降低高电价投资回收的必要性，使得高的生产侧电价不再(必要)出现，天然气机组(管制)的价格只比煤电高两倍，甚至更少。这部分减少的利用小时数通过全体其他机组分摊，使其长期平均成本上升。从全年统计来看，这种电价安排(比如365天的电价都维持在0.4元/千瓦时)，其总的系统成本，往往高于一个360天处于低电价(比如0.35元/千瓦时)，但是在夏季用电高峰期出现120个小时高电价(比如1.2元/千瓦时)的系统。
从消费端来看，价格上涨的风险也被完全限制，电价几乎整年甚至几年没有变化。这种安排之下，人们可能更加在意120小时的1.2元/千瓦时高电价，而不是365天被薅0.5元/千瓦时羊毛的“温水煮青蛙”。事实上，后者带来的负担比前者重。
比如，在美国得克萨斯州2019 年夏季用电高峰期间，我国媒体刊发了非常吸睛的报道《每度电63元!美国德州电价高出中国几十倍》。事实上，从全年来看，得克萨斯州的平均批发电力价格低于4美分/千瓦时，比我国大部分省份的煤电标杆电价(需要扣税比较)低不少。
对于可再生能源领域而言，由于出力上的不确定性，如何管控价格与数量风险成为一个热门话题。比如，就双边的长期合同PPA而言，是买家还是卖家承担发电不足(或者过度)的风险，是一个政府进行监管设计与投资者签订合同时都必须考虑的问题。在发达国家，存在各种风险分摊形式。在我国，机组在日前往往需要提交每15分钟的出力预测，偏差过大意味着调度的(缺乏明确规则的)惩罚措施，完全是一种行政处罚。这方面的监管条款与不同主体的风险分担界面还不是足够清晰。
数字化时代“风险”的新变化
对于可再生能源领域而言， 由于出力上的不确定性，如何管控价格与数量风险成为热门话题。
在电力系统运行中，调度使用一个被称为开机组合和调度的过程来确定每台可控发电机应发多大功率。这个求解过程通常是缓慢而复杂的，因为它是由NP优化问题控制，如机组组合和最优潮流，且必须在多个时间尺度上进行协调(从亚秒到数天前)。进入可再生能源时代，系统拥有更多的存储、可变发电设备以及灵活需求，这是风险加大的一方面。
数字化时代，各种硬件传感器与软件工具的结合，使得对系统状态的识别更加迅速准确，可以有效提高风险监测的效率，以及做出快速处置。而且，机器学习方法可以加速经济调度计算效率。这是有效降低风险的一方面。
对于可再生能源，广泛的机器学习(machine learning)以及深度学习技术的引入，可以结合数字化天气预报更加准确地预测风、光的出力，减少“在错误的时间发电”的非系统风险，以及帮助更好地在地理上排布风电机组，减少处于低电价区域的系统性风险。
应该说，我国的电网公司在这方面走在世界一流队伍中。泛在电力物联网建设的铺开，将有效促进电力系统运行、维护、建设全方位的数字化与透明化。从发电、输电、变电、配电到用电，AI技术有望为各种业务应用提供基础资源、算法及服务。
进入数字化时代之后，越来越多的决策是由机器，而非人做出，这形成了另一个维度的“黑箱化”。
当然，数字化时代的另一种风险在积聚，那就是不再由人，而是机器做越来越多的决策。这除了涉及广泛的伦理问题，也使人们对于各个系统的运行更加“无助”。原来发生了什么，知其然，知其所以然。在数字化系统中，我们越来越多地只能知道发生了什么，却无法理解为什么发生，比如机器学习在下围棋方面已经全面战胜人类。这形成另一个维度的“黑箱化”。在电力行业，由于其平衡的尺度相比而言(比如连续交易金融市场)仍非常大，美国5分钟一个，欧洲15分钟一个，我国6-8 小时一个，这方面的问题显得还比较遥远。当然，网络的安全问题变得异常突出，特别是通信与控制系统。
小结
电力市场存在着广泛的风险与不确定性，特别是涉及系统安全与价格方面的。在过去的发展中，我们积累了各种有效交易“风险”的工具与产品设计。在数字化时代，一方面，系统变得更加复杂，供给侧与需求侧的不确定程度在增加;另一方面，各种产品与工具将更加精细化，可以帮助我们更加透明、稳健与高效地处置与交易风险。然而，除了网络安全问题，数字化本身带来的潜在风险使我们距离稳健的电力系统依然比较遥远。
注释
[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
评论