基于多目标函数的电网项目投资组合

电网企业是国民经济的支柱型企业,国家对电网企业的投资也越来越大,如何确定电网项目的投资策略是关系电网企业健康发展的重要因素.项目投资策略分析需要考虑的目标很多,以电网项目投资的综合收益最大化为目标,研究电网企业的项目投资组合.根据电网项目投资的经济性、可靠性以及电网发展性建立多目标函数,采用变权理论对多目标进行求解,从而得到电网项目的投资组合.该模型对电网企业科学的决策提供了一定依据,具有现实意义.     

项目投资与融资决策的理论方法与模型研究

分析了国内外项目投资与融资决策的理论方法与模型研究的局限性。从投资与融资一体化的角度重新认识和描述项目的投资与融资决策问题；采用多目标规划方法，从全投资现金流量表出发。构造以全投资的财务净现值最大为主要目标函数的投资项目决策优选模型；以自有资金现金流量表为基础。构造以自有资金财务净现值最大为主要目标函数的融资决策的优选模型；在债务比率和借款总额等约束的限制下，在一个模型体系中分两步实现投融资决策的优化，从而得到投融资决策组合优化的最佳方案，并用实例检验了该方法的科学性和实用性．     

一个多目标组合投资模型

首先建立了一个多目标组合投资的基本模型，而后将之转换为单一目标的线性规划模型，解决了组合投资中组合投资结构、总净现值、总净现值率和加权平均资本成本的多目标优化问题．还可对该模型进行计算机模拟，得到企业所需要的多种信息．     

独立市场和平稳市场中金融原则的几个性质

研究在金融市场中无风险控制下，投资者连续投资，财富不断积累，即在一个周期的投资结束后连本带利全部或部分的再投资，换言之，投资者不再增加也不减少资金的情况下的收益情况．引入Ln-函数，避开Log-函数的诸多不变，在经济分析中更加明了．分析单周期投资模型达到Ln-最优资产组合的条件，得到序列投资模型中，独立市场、平稳市场模型的Ln-最优投资组合的平均获利最大、渐进最优性质。     

基于Telser安全优先模型的项目投资组合研究

安全性和效益性是项目投资的两项重要原则,Telser安全优先模型兼顾了这两方面。结合我国项目管理的实践,建立了项目投资组合的安全优先模型并对模型解的情况进行深入探讨。预先设定的底限收益水平和项目组合小于底限水平的概率是项目投资组合管理的关键参数,通过Telser安全优先模型可以求解出同时实现安全和效益目标的项目投资组合。     

基于实物期权的风险投资决策模型研究

针对风险投资项目所具有的时间选择权和放弃期权的混合特征，在考虑资金的时间价值，投资收益的不确定性，投资策略组合等的基础上，根据决策树的思想，采用二项式期权定价理论和不确定规划方法，构造了一种以战略净现值最大化为投资目标的风险投资决策模型，该模型合理地评估了风险投资机会的价值，有效地解释了风险资本家投资时机选择和投资期限决策行为，可作为风险资本家进行风险投资决策的操作依据。     

基于夏普比率的房地产投资组合优化模型研究

引入夏普比率模型,研究房地产投资组合优化问题,避免M-V组合模型中的主观约束条件,形成适用于不同投资者的统一目标函数。在夏普组合模型中,根据房地产固定交易成本率和平均持有期,一定程度上考虑了房地产市场非完全因素。     

基于夏普比率的房地产投资组合优化模型研究

引入夏普比率模型,研究房地产投资组合优化问题,避免M-V组合模型中的主观约束条件,形成适用于不同投资者的统一目标函数。在夏普组合模型中,根据房地产固定交易成本率和平均持有期,一定程度上考虑了房地产市场非完全因素。     

含有模糊信息的证券组合投资模型

介绍了三角模糊数的度量标准,给出相关的隶属函数和模糊数优度和劣度的概念．讨论了证券组合投资的收益率和风险损失率均为模糊数,且含有无风险证券的证券组合投资模糊目标线性规划模型．在该模型中,通过引入模糊数和三角模糊数的优度和劣度,将模糊目标函数转化为确定型的线性规划模型．投资者可以根据对收益风险的关心程度、对风险的喜好程度及金融市场的客观情况,得到相应情况下的有效投资方案．     

风险投资的组合投资决策模型研究

研究了基于风险投资项目不同发展时期和不同产业领域的项目分类;探讨了考虑技术和产品、市场、财务、团队与管理、环境和风险等多因素评价指标体系;建立了风险投资项目多目标动态整数规划组合投资模型。     

电网企业投资策略选择研究

电网企业固定资产投资占总资产比重的平均水平达到80%以上,高投入特点十分明显。因此,电网企业经营效益的好坏与投资有较为密切的关系,科学合理的投资策略才能确保企业的可持续发展。以某电力公司为例,通过电网建设投资与市场需求、财务状况、运营绩效的关联分析,研究电网企业投资定位选择对经营发展的影响逻辑,进一步提出科学确定投资策略的建议。     

基于非合作博弈的布谷鸟搜索算法在微电网多目标优化中的应用

在微电网多目标优化过程中,不同目标之间往往相互影响,相互制约。随着可再生能源的高比例接入,必然会对电网造成冲击,降低其稳定运行水平;同时联络线功率波动也会影响清洁能源的并网比重,从而无法保证可再生能源的充分利用。作为同时需要优化的主体,两者具有一定的效益冲突。为实现两者利益的最大化,采用一种基于二人零和博弈模型的线性加权法,得出Nash稳定策略下的最佳权重系数,并将该系数应用于风-光-储协调的混合发电系统多目标优化模型中,将多目标问题转化为单目标问题,再应用布谷鸟搜索算法（CS）对该模型进行求解。结果表明,较之传统多目标算法,该方法可以使微电网整体获得更大收益,既提高了可再生能源渗透率,又有效抑制了联络线随机功率波动。     

基于灰色预测的电网基建投资测算模型

针对电网基建投资规模所受到的影响因素较多、关系复杂、电网发展需求预测困难的特点,研究了一种基于灰色预测的电网基建投资测算模型.首先通过分析与电网建设相关指标与电网基建投资之间的关系,建立了能够科学反映电网建设发展需求的电网基建投资测算指标体系.然后,利用灰色理论建立指标的预测模型,以准确预测测算指标发展趋势;利用层次分析法确定测算指标变化对电网基建投资的影响量;最后在指标预测值和确定的指标-投资影响量的基础上,建立了电网基建投资测算模型.通过对某地区的电网基建投资测算实例验证了该模型的有效性和合理性.该模型对于电网基建投资的协调和合理、科学地规划电网基建投资规模具有极其重要的理论及实际意义.     

企业风险管理在战略规划和投资决策中的应用研究

金融危机以来,电网企业面临的外部环境日益复杂,风险因素不断增多,加强企业风险管理,将其融入电网企业的战略规划和决策中,是电网企业可持续发展的重要保障。加拿大第一水电公司（Hydro One,简称第一水电）是全球企业风险管理实践的佼佼者,主要经营输配电业务,与电网企业主营业务性质相同,其风险管理经验值得借鉴,本文对第一水电开展了深入分析,通过研究,认为电网企业应在以下方面进一步推进企业风险管理工作：（1）研究制定基于战略目标的风险评价标准;（2）将企业风险管理纳入战略规划工作流程;（3）建立基于企业风险管理的投资优化决策方法。     

绿色风电场利益相关方安全投入绩效博弈模型分析

以政府监管部门、风电企业、电网企业作为安全投入利益相关方,通过风电场安全投入绩效影响因素分析,建立收益函数及策略选择的复制动态方程,以描述各方利用最大化时其安全投入策略选择和影响因素的博弈关系,并选取多组参数进行MATLAB仿真模拟。研究表明,加强政府部门安全监管和相关政策支持力度、鼓励电力用户购买绿色电能是促进风电企业主动进行安全投入、电网企业主动选择绿色风电、提升电能安全保障能力的重要手段,能够促进绿色能源的开发利用绩效。     

水利水电工程投资方案排序与选择的模型研究

水利水电工程投资项目优选包括方案排序与选择两个相关联的部分,根据该类问题特点,将其概化为“无约束方案排队问题”和“有约束方案选择问题”,并相应提出了基于层次分析和熵权的逼近于理想解排序模型与多目标模糊整数规划模型.实例研究表明,将方案选择的多目标决策问题分为两个步骤来研究是非常必要的,对方案优选进行多目标定量分析更是今后的发展方向.     

VaR约束的多目标组合贷款优化决策模型

在VaR约束下,以线性加权和法求多目标规划,建立了组合投资的收益最大,同时方差风险最小的组合贷款多目标优化决策模型.该模型的特点是运用了多目标规划的方法建立投资组合优化问题的多目标函数,利用线性加权和法把多目标规划转化为单目标规划,解决了各个商业银行可根据自己的需要选择适合的损失率与收益率,使组合风险最小、其收益最大的最优投资组合问题;同时考虑了风险之间的相关性.通过VaR约束排除了风险相对较高风险的贷款组合,有效地控制了组合风险,使贷款的分配直接反映了商业银行的风险承受能力,并且确立了在多目标组合贷款中的有效集,它在风险和收益的空间上的轨迹也存在着这样的有效边界.     

Multi-objective coordination optimal model for new power intelligence center based on hybrid algorithm

In order to resolve the coordination and optimization of the power network planning effectively, on the basis of introducing the concept of power intelligence center (PIC), the key factor power flow, line investment and load that impact generation sector, transmission sector and dispatching center in PIC were analyzed and a multi-objective coordination optimal model for new power intelligence center (NPIC) was established. To ensure the reliability and coordination of power grid and reduce investment cost, two aspects were optimized. The evolutionary algorithm was introduced to solve optimal power flow problem and the fitness function was improved to ensure the minimum cost of power generation. The gray particle swarm optimization (GPSO) algorithm was used to forecast load accurately, which can ensure the network with high reliability. On this basis, the multi-objective coordination optimal model which was more practical and in line with the need of the electricity market was proposed, then the coordination model was effectively solved through the improved particle swarm optimization algorithm, and the corresponding algorithm was obtained. The optimization of IEEE30 node system shows that the evolutionary algorithm can effectively solve the problem of optimal power flow. The average load forecasting of GPSO is 26.97 MW, which has an error of 0.34 MW compared with the actual load. The algorithm has higher forecasting accuracy. The multi-objective coordination optimal model for NPIC can effectively process the coordination and optimization problem of power network. Foundation item: Project (70671039) supported by the National Natural Science Foundation of China     

含分布式发电配电网企业综合效益分析

为了提高电力系统的经济性与安全性,评估接入分布式发电（DG）后电网企业的综合效益成为指导企业决策的主要依据,为日后电网整体规划挑选最优方案提供理论依据.在研究含分布式发电的配电网的综合效益的基础上,从DG接入对系统网损、扩容投资、售电损失、生态环境等综合社会效益方面产生影响出发,分析各个部分相应模型,完善整体综合效益量化模型.以电网企业的整体效益最大化为目标,考虑经济性约束条件,保证DG的合理运行.由算例分析可知,电网企业整体社会收益增加,可实现经济接入并带来利润.既验证了模型的合理性,又为电网企业应季规划电力分配的决策提供数据支持与依据.     

高新技术项目投资风险的分析与测度

高科技产业是知识经济社会的重要支柱,高科技产业的发展需要资金的支持,因而高科技产业投资成为推动经济增长的重要动力,但高科技投资领域的极高风险使得投资者在选择项目时除了要进行常规的投资可行性分析外,还要对投资项目进行深入的分析与评价,以判断其是否具有投资价值,基于这一需要,从技术、生产、市场、经营管理、金融和环境等各个方面提出了高新技术项目投资风险的综合评价指标体系,运用层次分析法和模糊数学方法建立了基于多因素模糊综合评价的高新技术项目投资风险定量测度模型。并通过应用实例验证了其可行性和实用性,该研究可为企业尤其是风险投资 公司的投资决策提供参考。