目前很多文献对电源投资风险进行了研究，取得了有价值的成果。文献［4～6］以电力行业为背景，通过各种算法的应用，实现了对不同电源形式风险的分析和比较。文献［7～9］综合考虑多种因素，建立了多维度的光伏发电投资风险指标体系，使得考虑的因素更为全面。可有些因素间是相互影响的，指标体系中并未体现他们之间的影响关系。文献［10］主要介绍了一些电力综合评价方法，并且对不同方法进行优缺点比较。文献［11～15］分别利用AHP，TOPSIS，DEA法及改进的TOPSIS法对火电、光伏、风电等项目的经济性进行分析评价。AHP适用于指标层次分明且各级指标间无相互影响关系的评价指标体系，是一种最为常用的赋权法。但是实际中，各级指标间、同级指标内部要素间多是相互联系和影响的，因此在确定权重时不宜使用此方法。在DEA中，如果某准则的分值比较高，那么在计算中就会弥补一些低分值的准则，使得结果不准确。ELECTＲE-I法虽然可以得出一种排序，但是有时不能得到确定的优先顺序，即在同一个顺序上有2种及以上的方案同时存在。ELECTＲE-II法在I的基础上进行改进，可以得出一个较强的排序结果，弥补了I在方案结果上的不足，但是在计算效率上比较低。网络层次分析法(ANP)不仅对AHP法进行了改进，能够赋权因素间有影响关系的指标体系，还能够很好地体现指标间的反馈关系［15］。因此，在综合比较各方法的优缺点之后，本文综合各因素建立了光伏发电投资风险指标体系，并应用ANP法对各要素赋权，用PＲOMETHEE法对备选方案排序，选出最佳方案。
1构建指标体系和基于ISM的定性分析
1.1指标体系的建立在文献［7～9］的研究基础上，结合光伏发电的实际情况，构建了内含5个一级指标、15个二级指标的光伏发电投资风险评价指标体系。各指标、子指标间的相互关系如表1所示。
1.2基于ISM的定性分析ISM是一种系统结构建模的方法，主要用于分析组成复杂系统的大量元素之间存在的关系，通过邻接矩阵和可达矩阵及层级划分，得出各个因素之间的相互关系，可以通过解析结构图清晰地看出哪些因素是深层因素、中层因素、浅层因素、表层因素。根据光伏发电投资风险分析的指标体系及因素之间的相关关系建立邻接矩阵表。经过前期一系列的计算，得到ISM模型的结果表，即根据邻接矩阵表和推移律进行演算得到因素的缩减矩阵，见表2。表2光伏发电投资风险分析的缩减矩阵从市场角度分析，主要考虑产能和利润空间两个因素。光伏发电成本来自元件，元件的产能高，可选择的空间就大，反之就小。目前光伏产业虽然得到了政策支持，但实际中仍面临核心技术壁垒，如硅材料的技术壁垒。在实际投资建设中，工期长短直接影响了投资风险和成本，严格控制工期长度，按时保量地完成光伏电站的建设，是光伏发电投资风险中最重要的因素。光伏发电主要依赖光照，对于自然地理环境的要求比价高，当地光照时间和强度直接决定了光伏电站的装机容量。光伏发电的最终目的是并网，但其发电受自然气候因素影响较大，发电具有间歇性和不稳定性，所以能否并网也是投资风险的考虑因素。考虑表2中的因素，采用ISM模型分析可以看出，光伏发电风险的根源在于实施进度。目前光伏项目上马很多，造成了产能过剩，加上电网接入的限制，对光伏发电企业的财务资金形成很大的压力。由于光伏发电的间歇性，产品的竞争力不如常规电源，最后会影响光伏大规模并网。设备可靠性直接影响上网电价，这是由于电池板的可靠性及成本费用在光伏发电成本中所占比例较大。除此之外，国内外竞争对手通过对原料采购环节的干预也会间接影响上网电价。中国对清洁可再生能源的政策支持和行业规模影响了发电企业的选址。最后光伏发电企业的投资风险集中在核心技术、厂址选择和国家产业政策3个方面。对于发电企业来说，国家产业政策是没有差别的，如果要降低投资风险，应当从掌握核心技术和选好厂址2个方面进行努力。
2光伏发电投资风险的ANP模型
2.1数据预处理数据预处理方法包括以下3种。
2.2评价指标的一致化处理根据表1各指标的性质，可以看出其中既包含极大型指标也包含极小型指标。指标的一致化处理就是将各指标统一成极大型或极小型，此处统一规划成极大型指标。转换方法为x*=M－x，其中M取指标值的最大值。
2.3光伏发电投资风险的ANP模型及权重的确定根据ANP赋权准则，综合表1中指标间的关系，建立ANP模型。ANP在实现各要素的赋权时，先要对要素进行两两比较，获得判断矩阵，然后综合德尔菲法得到的专家意见，再在SD中进行计算。15个要素的权重如表3所示。表3ANP模型的因素权重一级指标权重二级指标局部权重极限权重市场风险C10.129597C11产能情况0.2499810.0323968C12利润空间0.7500190.0972技术风险C20.498179C21工期0.1047290.0521738C22硅材料核心技术壁垒0.6369860.317333C23造价成本0.2582850.1286722环境风险C30.246640C31光照强度及时长0.2777310.0684996C32并网0.5136690.1266913C33空气水噪音0.0497790.0122775C34装机容量0.1588210.0391716政策风险C40.059837C41补贴政策0.6369860.0381153C42标杆上网电价0.1047290.0062667C43利率0.2582850.015455管理风险C50.065748C51原材料供应0.6586450.0433046C52财务0.1561820.0102687C53决策0.1851730.0121748然后进行归一化处理，得到各个要素的权重。W=(0.032，0.097，0.052，0.317，0.129，0.068，0.127，0.012，0.039，0.038，0.006，0.015，0.043，0.010，0.012)T
3实例分析
以某发电集团拟建光伏电站面临的投资风险为例进行说明，有4个备选方案可选择，分别为A1，A2，A3，A44个方案。各方案的评价指标值对表4数据进行预处理后，根据指标的权重及处理后的评价指标值得出加权规范化决策矩阵，然后按照PＲOMETHEE法的步骤，对各方案的指标数据进行处理，并计算各方案的优先指数、流出量、流入量和净流量，计算结果如表5所示。根据表5，列出基于PＲOMETHEE-I法和PＲOMETHEE-II法的方案优劣排序，见图1。PＲOMETHEE-I法和PＲOMETHEE-II法的级别高于关系图对比图。图1a显示方案4是最优，其次是方案3，但是在最后一层的排序上出现方案1和2并列的情况，所以使用PＲOMETHEE-I法不能做出强排序，但是PＲOMETHEE-II法可以做到。
4评价结果分析
本文将ANP赋权法分别与罗马利亚选择法和TOPSIS结合，将得出的计算结果与PＲOMETHEE-II的结果比较分析，找出最优分析方法。
4.1基于ANP和罗马利亚选择法基于ANP和罗马利亚选择法的评价结果。
4.2基于ANP/TOPSIS法的评价结果基于ANP/TOPSIS法的评价结果。
4.3评价结果的敏感性分析兼容度是指该评价方案与其他评价方案的等级相关系数的加权平均值。兼容度较大，则该方案的代表性就强，可靠性就高;差异度是指以该评价方案的排序为基准值，差异度越小，评价方案越好。本文中的差异度范围按方案的前3名为基准。计算3种方法的兼容度与差异度，得到评价方法排序，结果如表8所示。经过以上比较分析可以看出，在可靠性上本文所用方法优于其他，可以对不同的光伏发电投资风险方案进行择优，如表9所示。
5结论
为对光伏发电投资风险进行全面分析，本文对相关成果进行了改进，分析了风险评价指标间的相互影响关系。结合光伏发电实际特点，建立了投资风险评价指标体系。然后，采用ISM模型对其进行定性分析，用ANP法确定权重进行定量分析，用PＲOMETHEE法进行评价。在此基础上，与采用TOPSIS法和罗马利亚选择法的评价结果进行了比较。经过对三种方法兼容度和差异度的比较分析可以看出，在可靠性上本文所用方法优于其他两种方法，可以对不同的光伏发电投资风险方案进行择优。从文中ISM的分析结果可以看出，光伏发电企业的投资风险集中在核心技术、厂址选择和国家产业政策3个方面。由于产业政策对不同发电企业的影响类似，对于发电企业来说，如果要降低投资风险，应当从掌握核心技术和选好厂址2个方面进行努力。
作者：董福贵 刘姣 单位： 华北电力大学经济与管理学院
