基于條件風(fēng)險(xiǎn)的含風(fēng)電微網(wǎng)多目標(biāo)模糊決策

劉 照，胡玲玲，陳彥秀

（1 湖南信息職業(yè)技術(shù)學(xué)院 湖南 長沙 410000）

（2 國網(wǎng)湖南省電力有限公司超高壓變電公司 湖南 長沙 410000）

0 引言

微網(wǎng)作為分布式發(fā)電的有效管理單元和組織形式，能夠有效提升風(fēng)電的就地消納能力及其利用效率。但是，由于風(fēng)電出力隨機(jī)波動(dòng)的影響，將會(huì)影響含風(fēng)電微網(wǎng)系統(tǒng)的經(jīng)濟(jì)決策[1-2]。當(dāng)前，在微網(wǎng)中針對風(fēng)電出力等隨機(jī)量的處理主要有模糊規(guī)劃[3-4]、機(jī)會(huì)約束規(guī)劃[5]等，但這兩種方法均無法定量描述隨機(jī)因素對系統(tǒng)經(jīng)濟(jì)決策的影響程度即無法刻畫出隨機(jī)因素給系統(tǒng)經(jīng)濟(jì)效益帶來的風(fēng)險(xiǎn)，且計(jì)算過程復(fù)雜。從事件發(fā)生概率的角度采用風(fēng)險(xiǎn)這一指標(biāo)能夠量化風(fēng)電出力這一隨機(jī)因素對含風(fēng)電微網(wǎng)經(jīng)濟(jì)決策的影響[6]，從風(fēng)險(xiǎn)管理[7-8]的角度進(jìn)行效益風(fēng)險(xiǎn)決策，從而刻畫出不同程度的風(fēng)險(xiǎn)對系統(tǒng)經(jīng)濟(jì)效益的影響程度。

傳統(tǒng)的效益風(fēng)險(xiǎn)決策模型的研究主要集中在以下幾個(gè)方面：風(fēng)險(xiǎn)或效益約束模型及綜合考慮系統(tǒng)效益和風(fēng)險(xiǎn)的風(fēng)險(xiǎn)效益模型。文獻(xiàn)[9]以風(fēng)險(xiǎn)作為目標(biāo)函數(shù)，將效益約束在某一期望水平，文獻(xiàn)[10]將效益作為目標(biāo)函數(shù)，而將風(fēng)險(xiǎn)作為約束條件。以上兩種風(fēng)險(xiǎn)或效益約束模型是一種相對寬松的風(fēng)險(xiǎn)管理策略，將風(fēng)險(xiǎn)或效益在約束當(dāng)中予以放松，不能得出最適合決策者的效益風(fēng)險(xiǎn)最佳組合。文獻(xiàn)[11]采用懲罰機(jī)制，以風(fēng)險(xiǎn)懲罰的形式同時(shí)考慮了風(fēng)險(xiǎn)和效益，但該方法需要確定懲罰系數(shù)亦即風(fēng)險(xiǎn)系數(shù)，在風(fēng)險(xiǎn)不確定的情況下很難作出合理的確定。經(jīng)濟(jì)學(xué)領(lǐng)域?qū)︼L(fēng)險(xiǎn)管理早有過研究，Markowitz 提出了投資組合理論，對風(fēng)險(xiǎn)和效益量化，將風(fēng)險(xiǎn)和效益都作為目標(biāo)函數(shù)，建立了多目標(biāo)投資組合模型，linern 利用模糊決策的處理方法處理了組合的不確定性，提出了含效益和風(fēng)險(xiǎn)隸屬度函數(shù)的投資組合模型。文獻(xiàn)[12]在上述研究的基礎(chǔ)上引入決策者的風(fēng)險(xiǎn)偏好參數(shù)，利用模糊理論和投資組合模型找到不同參數(shù)下的效益和風(fēng)險(xiǎn)最優(yōu)組合。

風(fēng)險(xiǎn)管理模型中，風(fēng)險(xiǎn)的合理度量尤為重要。目前，對風(fēng)險(xiǎn)的度量已有文獻(xiàn)研究，文獻(xiàn)[13]采用效益的期望——標(biāo)準(zhǔn)差作為系統(tǒng)效益風(fēng)險(xiǎn)的度量指標(biāo)，該方法雖然能夠有效地量化隨機(jī)因素帶來的風(fēng)險(xiǎn)，但是其對期望的向上波動(dòng)和人們不希望的向下波動(dòng)都等同地看作風(fēng)險(xiǎn)，且只能在隨機(jī)變量實(shí)現(xiàn)之后進(jìn)行統(tǒng)計(jì)，不能事先提供決策信息。文獻(xiàn)[14]采用風(fēng)險(xiǎn)價(jià)值（VaR）作為風(fēng)險(xiǎn)的度量指標(biāo)，能夠求取某一給定置信水平下造成損失的最小值，且能夠在隨機(jī)變量實(shí)現(xiàn)之前預(yù)測風(fēng)險(xiǎn)，但不滿足一致性公理，缺乏次可加性。以上兩種方法還存在對尾部風(fēng)險(xiǎn)難以刻畫的缺陷。近年來，條件風(fēng)險(xiǎn)價(jià)值（CVaR）逐漸被采用，文獻(xiàn)[15]、[16]采用條件風(fēng)險(xiǎn)價(jià)值作為風(fēng)險(xiǎn)度量指標(biāo)刻畫因風(fēng)電隨機(jī)性帶來的風(fēng)險(xiǎn)，該方法不僅能準(zhǔn)確預(yù)測某一置信水平下隨機(jī)因素帶來的風(fēng)險(xiǎn)，而且有效解決了上述兩種方法對尾部風(fēng)險(xiǎn)難以刻畫的缺陷。

本文針對效益風(fēng)險(xiǎn)組合難以確定的問題給出了效益風(fēng)險(xiǎn)多目標(biāo)模糊決策的一般模型，以某一實(shí)際微網(wǎng)考慮風(fēng)電隨機(jī)時(shí)，其出力的高估或低估風(fēng)險(xiǎn)對系統(tǒng)經(jīng)濟(jì)決策的影響，采用CVaR 作為風(fēng)險(xiǎn)的度量指標(biāo)，建立了包含微網(wǎng)效益和風(fēng)險(xiǎn)的多目標(biāo)模型，針對多目標(biāo)組合解集采用logistic隸屬函數(shù)將效益和風(fēng)險(xiǎn)進(jìn)行模糊化處理，再引入決策者的風(fēng)險(xiǎn)偏好參數(shù)進(jìn)行線性加權(quán)，從而決策出在不同風(fēng)險(xiǎn)偏好參數(shù)下的風(fēng)險(xiǎn)效益組合。

1 效益風(fēng)險(xiǎn)多目標(biāo)模糊決策一般模型

1.1 風(fēng)險(xiǎn)度量

風(fēng)險(xiǎn)的度量準(zhǔn)則主要有均值方差、風(fēng)險(xiǎn)價(jià)值（VaR）及近幾年興起的條件風(fēng)險(xiǎn)價(jià)值（CVaR）。均值方差方法作為風(fēng)險(xiǎn)的度量準(zhǔn)則應(yīng)用十分普遍，主要是以與均值的偏差程度作為風(fēng)險(xiǎn)的度量，但從直覺上看是不充分的，因?yàn)樗鼘ζ谕南蛏嫌绊懪c人們不希望的向下影響等同地予以懲罰。風(fēng)險(xiǎn)價(jià)值（VaR）是一種用概率統(tǒng)計(jì)技術(shù)估計(jì)風(fēng)險(xiǎn)的方法，指在正常的市場波動(dòng)和給定的置信水平下某一資產(chǎn)組合在未來特定時(shí)間段內(nèi)的最大可能損失，但VaR 不滿足一致性公理、缺乏次可加性，其計(jì)算方面與機(jī)會(huì)約束有相同的復(fù)雜表現(xiàn)。另外，VaR 尾部損失測量存在非充分性，它沒有考慮置信度以外的信息，有可能導(dǎo)致結(jié)果不準(zhǔn)確。作為對VaR 的修正模型，CVaR 指損失超過VaR 的條件均值，反映了損失超過VaR 臨界值時(shí)可能遭受的平均潛在損失的大小，更能體現(xiàn)潛在的風(fēng)險(xiǎn)價(jià)值。

1.2 條件風(fēng)險(xiǎn)價(jià)值（CVaR）

假設(shè)該決策變量x∈R，隨機(jī)變量y∈R，設(shè)隨機(jī)變量y有概率密度p(y) 損失函數(shù)h(x,y) ，則h(x,y) 不高于閾值ξ的分布函數(shù)為：

針對任意給定的置信水平β，VaR 可描述為：

含有概率密度函數(shù)的CVaR 數(shù)學(xué)描述為：

上式中含有VaR，較難求解，構(gòu)造如下函數(shù)：

式(4)中E{ max[0,h(x,y)?ξ] }通常較難求解，采用蒙特卡羅模擬，對隨機(jī)量y∈R進(jìn)行抽樣抽取M 個(gè)樣本(y1,y2,… ,yM)，采用樣本均值法對（4）式進(jìn)行估計(jì)，則：

式（5）存在非光滑max 函數(shù)，且為min-max 函數(shù)問題，引入輔助變量z1,z2,…zM，記z=(z1,z2,…zM)，并松弛處理，有：

1.3 效益風(fēng)險(xiǎn)多目標(biāo)組合

根據(jù)上節(jié)風(fēng)險(xiǎn)度量方法的描述，采用條件風(fēng)險(xiǎn)價(jià)值（CVaR）作為某一隨機(jī)因素的影響下，其帶來風(fēng)險(xiǎn)的度量方法，其在某一置信水平β下的風(fēng)險(xiǎn)可表示為：

考慮到由于隨機(jī)因素的不確定性在某種程度上對系統(tǒng)的經(jīng)濟(jì)決策帶來某種不確定性的影響，故其效益函數(shù)可以表示為某一確定性的決策變量與某隨機(jī)因素影響下的風(fēng)險(xiǎn)值的函數(shù)值。其數(shù)學(xué)形式可描述為：

在經(jīng)濟(jì)學(xué)領(lǐng)域中，投資決策的選擇往往是投資者盡可能地追求低風(fēng)險(xiǎn)高效益。目前，含風(fēng)險(xiǎn)的經(jīng)濟(jì)決策大多存在兩種情況：對不同的置信水平下求得其風(fēng)險(xiǎn)最小值及其對應(yīng)的效益或成本或以效益最大化為目標(biāo)，以滿足決策者可接受的風(fēng)險(xiǎn)水平為約束條件求得相應(yīng)的效益及風(fēng)險(xiǎn)，然而這兩種情況均將風(fēng)險(xiǎn)或效益作為約束條件予以適當(dāng)?shù)姆潘商幚?，與人們追求的低風(fēng)險(xiǎn)高效益相悖，缺乏對二者的綜合考慮。引入經(jīng)濟(jì)學(xué)中的投資組合模型，量化風(fēng)險(xiǎn)和效益，建立同時(shí)考慮風(fēng)險(xiǎn)和效益的多目標(biāo)模型，得到不同風(fēng)險(xiǎn)和效益下的風(fēng)險(xiǎn)效益組合。其效益風(fēng)險(xiǎn)多目標(biāo)組合模型可以描述為：

1.4 采用模糊值的效益風(fēng)險(xiǎn)決策模型

在經(jīng)濟(jì)學(xué)領(lǐng)域中，常用的風(fēng)險(xiǎn)決策方法都需確定風(fēng)險(xiǎn)系數(shù)的大小，從而在某一確定的風(fēng)險(xiǎn)系數(shù)的條件下確定具體的風(fēng)險(xiǎn)與效益。但是通常在風(fēng)險(xiǎn)值未知的情況下很難確定合理的風(fēng)險(xiǎn)系數(shù)值，因而引入Linern 和Vercher 提出的采用模糊理論的投資組合模型，利用標(biāo)準(zhǔn)化函數(shù)將風(fēng)險(xiǎn)和效益標(biāo)準(zhǔn)化處理后再利用邏輯型隸屬度函數(shù)模糊化處理，最后通過線性加權(quán)法得到最終的風(fēng)險(xiǎn)和效益的組合決策。

標(biāo)準(zhǔn)化函數(shù)為：

其中rmin、rmax表示求得的風(fēng)險(xiǎn)或效益的最大值和最小值。

邏輯型隸屬度函數(shù)為：

其中η為標(biāo)準(zhǔn)化后得到的風(fēng)險(xiǎn)和效益的值，ε、χ為邏輯型隸屬度函數(shù)參數(shù)，本文分別取為10 和0.5。

分別對效益和風(fēng)險(xiǎn)標(biāo)準(zhǔn)化及模糊化處理后得到 ?F'、f'，模糊隸屬度值越大表明其相應(yīng)的效益值越大、風(fēng)險(xiǎn)越小，引入風(fēng)險(xiǎn)偏好程度k，線性加權(quán)后得：

1.5 求解流程

利用蒙特卡洛方法對隨機(jī)變量離散化模擬處理后，隨機(jī)抽取樣本估計(jì)條件風(fēng)險(xiǎn)值，采用多目標(biāo)粒子群算法解得效益風(fēng)險(xiǎn)的多目標(biāo)解集，再將多目標(biāo)解集中的數(shù)據(jù)標(biāo)準(zhǔn)化處理和模糊化處理后，根據(jù)上述公式選擇最優(yōu)解，其求解流程見圖1。

2 含風(fēng)電微網(wǎng)效益風(fēng)險(xiǎn)多目標(biāo)模糊決策模型

2.1 風(fēng)電出力概率分布

風(fēng)力發(fā)電的不確定性主要是由風(fēng)速的不確定性造成的，根據(jù)文獻(xiàn)[17]中風(fēng)速的威布爾分布函數(shù)及風(fēng)電的輸出功率和風(fēng)速的關(guān)系可推導(dǎo)出風(fēng)電輸出功率的概率分布模型：

式中c是尺度系數(shù)，反映該地區(qū)平均風(fēng)速的大小，k是形狀系數(shù)反映風(fēng)速分布的特點(diǎn)，對應(yīng)分布密度函數(shù)的形狀，一般情況下k取2，vci表示切入風(fēng)速，vco表示切出風(fēng)速，vr表示額定風(fēng)速，Pr表示風(fēng)機(jī)的額定功率。

2.2 風(fēng)電出力風(fēng)險(xiǎn)損失函數(shù)

由于風(fēng)電出力的間歇性和隨機(jī)性，當(dāng)風(fēng)電場實(shí)際輸出功率大于風(fēng)電場的計(jì)劃出力時(shí)，則低估了風(fēng)電的出力，需要減少機(jī)組出力，如果機(jī)組負(fù)備用容量不足可能會(huì)造成浪費(fèi)；另一方面，當(dāng)風(fēng)電場實(shí)際輸出功率小于風(fēng)電場的計(jì)劃出力時(shí)，則高估了風(fēng)電的出力，需要增加燃?xì)廨啓C(jī)機(jī)組出力來補(bǔ)償風(fēng)電的出力不足，如果機(jī)組正備用容量不足可能會(huì)造成系統(tǒng)切負(fù)荷損失[18]。這兩者都會(huì)對微網(wǎng)的經(jīng)濟(jì)效益產(chǎn)生影響。為提高其經(jīng)濟(jì)效益，減少運(yùn)行成本，充分考慮風(fēng)電的波動(dòng)性及隨機(jī)性，引入高估出力風(fēng)險(xiǎn)損失函數(shù)及低估出力風(fēng)險(xiǎn)損失函數(shù)，使得風(fēng)電的預(yù)測偏差與系統(tǒng)的經(jīng)濟(jì)效益產(chǎn)生直接聯(lián)系。定義高估出力風(fēng)險(xiǎn)損失函數(shù)為負(fù)荷功率與其風(fēng)電出力的實(shí)際值、燃?xì)廨啓C(jī)組出力及其上旋轉(zhuǎn)備用的正偏差值，其數(shù)學(xué)描述為：

定義低估出力風(fēng)險(xiǎn)損失函數(shù)為風(fēng)電出力的實(shí)際值與其負(fù)荷功率、燃?xì)廨啓C(jī)組出力及其下旋轉(zhuǎn)備用的正偏差值。

其中PW為風(fēng)電出力的實(shí)際值，Pp,i為燃?xì)廨啓C(jī)組出力，PL為負(fù)荷功率，RU、RD分別為系統(tǒng)的正負(fù)旋轉(zhuǎn)備用容量。

2.3 風(fēng)電出力損失條件風(fēng)險(xiǎn)值

根據(jù)上文描述，采用條件風(fēng)險(xiǎn)的方法度量由于風(fēng)電的高估和低估而帶來的風(fēng)險(xiǎn)損失，其數(shù)學(xué)描述為：

風(fēng)電高估出力條件風(fēng)險(xiǎn)值

風(fēng)電低估出力條件風(fēng)險(xiǎn)值

2.4 含風(fēng)電微網(wǎng)的效益函數(shù)

在以微網(wǎng)為背景的效益風(fēng)險(xiǎn)多目標(biāo)組合模型中，其效益函數(shù)可表示為微網(wǎng)系統(tǒng)的賣電收入fsr與其成本fcb及其懲罰費(fèi)用fcf之間的差值，其數(shù)學(xué)描述為：

其中，賣電收入可表示為：

其中，Punload表示因風(fēng)電高估出力而產(chǎn)生的失負(fù)荷量的期望值，其表達(dá)式[18]為，其中πl(wèi)表示場景l(fā)的概率，ful表示場景l(fā)的失負(fù)荷量，采用蒙特卡洛模擬，假設(shè)N表示抽樣次數(shù)，期望失負(fù)荷量的表達(dá)式轉(zhuǎn)化為：

考慮其經(jīng)濟(jì)環(huán)保效益，其成本fcb主要包括燃?xì)廨啓C(jī)的燃料成本fr、環(huán)境成本fc及備用成本fsp，即：

燃料成本[19]fr：fr=(γi+βiPp,i+αi)，其中γi、βi、αi為燃?xì)廨啓C(jī)的燃料成本系數(shù)。

環(huán)境成本[20]fc：fc=，其中Cc、μf分別表示對污染物排放收取的懲罰費(fèi)用及污染氣體排放折算系數(shù)。

備用成本[18]fsp：，其中分別表示為上下旋轉(zhuǎn)備用容量，τup、τd分別表示上備用和下備用的成本系數(shù)。

考慮風(fēng)險(xiǎn)的懲罰費(fèi)用[17]，主要包括風(fēng)電高估出力風(fēng)險(xiǎn)損失的懲罰費(fèi)用及風(fēng)電低估出力風(fēng)險(xiǎn)損失的懲罰費(fèi)用，其具體表達(dá)式為：

其中πl(wèi)1、πl(wèi)2分別為在場景l(fā)時(shí)，因風(fēng)電波動(dòng)引起的高估出力風(fēng)險(xiǎn)損失及高估出力風(fēng)險(xiǎn)損失的概率，ful、fdl分別為在場景l(fā)時(shí)，因風(fēng)電波動(dòng)引起的高估出力風(fēng)險(xiǎn)損失及高估出力風(fēng)險(xiǎn)損失值，kuπ、kdπ為懲罰系數(shù)。

采用蒙特卡洛模擬，假設(shè)N表示抽樣次數(shù)，懲罰費(fèi)用成本的表達(dá)式轉(zhuǎn)化為：

其中，ful、fdl分別表示蒙特卡洛抽樣中第k次抽樣的高估出力風(fēng)險(xiǎn)損失及高估出力風(fēng)險(xiǎn)損失值，kπ為懲罰費(fèi)用。

2.5 含風(fēng)電微網(wǎng)的效益風(fēng)險(xiǎn)多目標(biāo)模糊決策

根據(jù)上文描述，效益風(fēng)險(xiǎn)多目標(biāo)組合模型可以描述為如下式所示，由于燃?xì)廨啓C(jī)爬坡速率較快，故不考慮爬坡約束：

其中R表示正備用容量RU和負(fù)備用容量RD決策量，PW0表示風(fēng)電的預(yù)測功率，分別表示燃?xì)廨啓C(jī)的最大最小出力。在多目標(biāo)函數(shù)中，f表示風(fēng)電出力損失條件風(fēng)險(xiǎn)值：

采用上述（10）—（12）式標(biāo)準(zhǔn)化函數(shù)和隸屬度函數(shù)將多目標(biāo)解集作標(biāo)準(zhǔn)化處理及模糊化處理，最后通過公式（12）線性加權(quán)進(jìn)行模糊決策，挑選出隸屬度函數(shù)值最大的解作為最優(yōu)解。

3 算例分析

3.1 算例參數(shù)

為了驗(yàn)證所提模型的可行性，對一個(gè)實(shí)際微網(wǎng)系統(tǒng)進(jìn)行分析。該微網(wǎng)系統(tǒng)由4 臺(tái)燃?xì)廨啓C(jī)組、單臺(tái)風(fēng)電機(jī)組組成，其主要參數(shù)見表1、表2，其中表1 中γi、βi、αi為某臺(tái)燃?xì)廨啓C(jī)的燃料成本系數(shù)，風(fēng)電和負(fù)荷的預(yù)測值采用文獻(xiàn)[17]的值。正負(fù)旋轉(zhuǎn)備用的價(jià)格分別為252 元/MW和126 元/MW，高估出力失負(fù)荷懲罰成本分別為400元/MW和250 元/MW，售電電價(jià)為700 元/MW，由于僅論證該模型相對于其他效益風(fēng)險(xiǎn)模型的優(yōu)越性，本文算例僅對其單個(gè)時(shí)刻進(jìn)行仿真分析。

表1 燃?xì)廨啓C(jī)主要參數(shù)

表2 風(fēng)電機(jī)組主要參數(shù)

3.2 結(jié)果分析

3.2.1 不同的效益風(fēng)險(xiǎn)模型仿真比較

分別對以下3 個(gè)效益風(fēng)險(xiǎn)模型仿真比較，分別是以風(fēng)險(xiǎn)作為目標(biāo)函數(shù)，效益作為約束條件、以效益作為目標(biāo)函數(shù)，風(fēng)險(xiǎn)作為約束條件及本文提到的效益風(fēng)險(xiǎn)多目標(biāo)模糊決策模型，其仿真結(jié)果見圖2。

仿真結(jié)果表明：當(dāng)效益作目標(biāo)，風(fēng)險(xiǎn)作約束條件時(shí)，仿真得到的效益和風(fēng)險(xiǎn)與將效益風(fēng)險(xiǎn)多目標(biāo)組合模型作為仿真模型時(shí)相比，其風(fēng)險(xiǎn)相對較大，效益也相對較大；同樣，當(dāng)風(fēng)險(xiǎn)作目標(biāo)，效益作約束條件時(shí)，仿真得到的效益和風(fēng)險(xiǎn)與將效益風(fēng)險(xiǎn)多目標(biāo)組合模型作為仿真模型時(shí)相比，其風(fēng)險(xiǎn)相對較小，效益也相對較小。效益風(fēng)險(xiǎn)多目標(biāo)模糊決策模型得到的結(jié)果介于二者之間，符合決策者所希望的風(fēng)險(xiǎn)較小、效益較大的情況。

其原因是由于效益作目標(biāo)，風(fēng)險(xiǎn)作約束條件或風(fēng)險(xiǎn)作目標(biāo)，效益作約束條件時(shí)，均將風(fēng)險(xiǎn)或效益作為約束條件予以適當(dāng)?shù)姆潘商幚?，缺乏對二者綜合考慮。本文提到的效益風(fēng)險(xiǎn)多目標(biāo)模糊決策模型將風(fēng)險(xiǎn)和效益予以綜合考慮，能夠得出決策者希望的風(fēng)險(xiǎn)較小、效益較大的結(jié)果。

3.2.2 考慮不同風(fēng)險(xiǎn)偏好參數(shù)

采用效益風(fēng)險(xiǎn)多目標(biāo)模糊決策模型仿真得到的不同偏好參數(shù)下的風(fēng)險(xiǎn)、效益見圖3。

偏好參數(shù)體現(xiàn)了決策者對風(fēng)險(xiǎn)的規(guī)避程度，偏好參數(shù)越大，說明決策者能承受的風(fēng)險(xiǎn)亦越大，產(chǎn)生的效益也越大。

3.2.3 不同置信水平比較

取其置信水平分別為0.85、0.9，對風(fēng)險(xiǎn)偏好參數(shù)k從0.1 依次增加至1.0，可以得到兩條不同的關(guān)于風(fēng)險(xiǎn)為變量的有效前沿曲線，其結(jié)果見圖4。

由該圖可知，置信水平較高，系統(tǒng)產(chǎn)生的風(fēng)險(xiǎn)越小，效益越大，這也符合高風(fēng)險(xiǎn)高效益的經(jīng)濟(jì)學(xué)原理。

4 結(jié)論

為準(zhǔn)確刻畫含風(fēng)電微網(wǎng)中風(fēng)電出力隨機(jī)波動(dòng)帶來的風(fēng)險(xiǎn)對系統(tǒng)經(jīng)濟(jì)效益的影響，作出滿足決策者高效益低風(fēng)險(xiǎn)的要求，提出效益風(fēng)險(xiǎn)多目標(biāo)模糊決策模型，該模型采用條件風(fēng)險(xiǎn)價(jià)值方法刻畫風(fēng)電出力不確定性帶來的風(fēng)險(xiǎn)。以某一微網(wǎng)為實(shí)際案例，得出以下結(jié)論。

（1）本文提出的效益風(fēng)險(xiǎn)多目標(biāo)模糊決策模型克服了傳統(tǒng)的效益風(fēng)險(xiǎn)不能得出滿足決策者的要求的高效益低風(fēng)險(xiǎn)最佳組合。

（2）偏好參數(shù)體現(xiàn)了決策者所能承受的風(fēng)險(xiǎn)程度，系統(tǒng)獲得的效益受偏好參數(shù)的影響。

（3）系統(tǒng)在不同置信水平下產(chǎn)生的風(fēng)險(xiǎn)不同，置信水平越高，說明不確定性程度越低，產(chǎn)生的風(fēng)險(xiǎn)越小，效益越大，這也符合高風(fēng)險(xiǎn)高效益的經(jīng)濟(jì)學(xué)原理。