本發(fā)明涉及電力技術(shù)。
背景技術(shù)：
：電力企業(yè)是較為典型的資產(chǎn)密集型企業(yè)，固定資產(chǎn)數(shù)量大，種類多，分布廣，對資產(chǎn)從竣工投產(chǎn)、設(shè)備運營、更新改造，到其毀損報廢的一系列管理工作是電力公司經(jīng)營管理業(yè)務(wù)的重要構(gòu)成。在這個資產(chǎn)全壽命周期管理工作中，對資產(chǎn)開展保險管理工作是其中的一個重要部分，也是落實資產(chǎn)精益化管理的要求。如2008年冰凍災(zāi)害、2013年余姚水災(zāi)等導致電網(wǎng)設(shè)備大規(guī)模損毀，給電網(wǎng)企業(yè)經(jīng)營帶來了較大的沖擊。增強資產(chǎn)保險意識，樹立全局觀念，維護電力企業(yè)資產(chǎn)權(quán)益，是電力企業(yè)經(jīng)營管理者需要具有的一種戰(zhàn)略思想。為了更好的開展資產(chǎn)保險管理工作，需要對電網(wǎng)資產(chǎn)的保險費用進行合理評估，測算保險費用合理性。技術(shù)實現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題就是提供一種電網(wǎng)資產(chǎn)保險支出測算模型，基于電網(wǎng)資產(chǎn)發(fā)生嚴重水災(zāi)造成的損失數(shù)額及損失次數(shù)的歷史數(shù)據(jù)，測算電網(wǎng)企業(yè)的合理保險支出。為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：電網(wǎng)資產(chǎn)保險支出測算模型，包括：輸入模塊，輸入電網(wǎng)資產(chǎn)發(fā)生嚴重災(zāi)害造成的損失數(shù)額及損失次數(shù)的災(zāi)害損失樣本數(shù)據(jù)；災(zāi)害損失預(yù)測模塊，根據(jù)電網(wǎng)資產(chǎn)發(fā)生嚴重災(zāi)害造成的災(zāi)害損失樣本數(shù)據(jù)，基于gpd分布的pot模型測算電網(wǎng)資產(chǎn)在發(fā)生嚴重災(zāi)害時可能產(chǎn)生的損失；災(zāi)害次數(shù)預(yù)測模塊，根據(jù)電網(wǎng)資產(chǎn)發(fā)生嚴重災(zāi)害造成的災(zāi)害損失樣本數(shù)據(jù)，基于泊松分布測算電網(wǎng)資產(chǎn)每年可能發(fā)生嚴重災(zāi)害的次數(shù)；災(zāi)害損失總額測算模塊，根據(jù)發(fā)生嚴重災(zāi)害時可能產(chǎn)生的損失與每年可能發(fā)生嚴重災(zāi)害的次數(shù)，測算電網(wǎng)資產(chǎn)每年由于嚴重災(zāi)害可能產(chǎn)生的損失總額；輸出模塊，輸出災(zāi)害損失總額測算模塊測算出的損失總額。進一步的，災(zāi)害損失預(yù)測模塊的測算方法包括如下子步驟：1.1災(zāi)害損失樣本數(shù)據(jù)修正修正公式如下：其中，i為樣本數(shù)據(jù)的編號，n為樣本數(shù)據(jù)的個數(shù)，xi為修正后的樣本數(shù)據(jù)，xi為修正前的樣本數(shù)據(jù)，p為預(yù)測年的物價水平，c為預(yù)測年的資產(chǎn)規(guī)模，pi為樣本數(shù)據(jù)所處年份的物價水平，ci為樣本數(shù)據(jù)所處年份的資產(chǎn)規(guī)模；1.2構(gòu)建災(zāi)害損失基于gpd分布的pot模型設(shè)x1,x2,…xn是一個獨立同分布的隨機變量，具有相同的累積分布函數(shù)f(x)＝p{xi＜x}，對某一足夠大的臨界值u，存在一個正的函數(shù)β(u)，則超出量yi＝xi-u的分布近似表示為當ξ≥0時，y≥0，ξ＜0時，則稱x服從gpd分布，根據(jù)ξ的取值將gpd分布進一步分為三種形式：由于yi的分布為條件超額分布，即：即1.3選取閾值運用r軟件中ismev程序包中的mrl.plot函數(shù)繪出臺風巨災(zāi)損失數(shù)據(jù)的平均超出量函數(shù)圖，選擇其中存在正線性相關(guān)關(guān)系的區(qū)間，作為閾值的初選范圍，使用r軟件下ismev包中的gpd.fitrange函數(shù)繪得在初選范圍內(nèi)的各待選閾值對應(yīng)的形狀參數(shù)和尺度參數(shù)估計量，選擇穩(wěn)定范圍內(nèi)的最大值作為最后的閾值選擇結(jié)果。進一步的，災(zāi)害次數(shù)預(yù)測模塊的測算方法為：假設(shè)電網(wǎng)資產(chǎn)由于嚴重災(zāi)害導致?lián)p失超過閾值u的次數(shù)服從泊松分布，記p{k＝k,δt}為在時間段[t,t+δt]內(nèi)發(fā)生k次損失超過閾值的嚴重災(zāi)害的概率，則p{k＝k,δt}服從參數(shù)為λδt的泊松分布，即：考慮單位時間內(nèi)的停電次數(shù)，令δt＝1，則：該分布的均值和方差均為λ，根據(jù)極大似然估計方法估算參數(shù)λ，首先求似然函數(shù)為其中，ki為年停電次數(shù)的歷史數(shù)據(jù)，n為歷史觀測數(shù)據(jù)ki的個數(shù)，似然方程為得解∵∴其中λ*為極大似然估計量，由于泊松分布的均值即λ，因此用戶停電次數(shù)的期望為進一步的，災(zāi)害損失預(yù)測模塊的測算方法包括如下子步驟：3.1計算年損失總額的期望值年損失總額表示為其中，k表示導致?lián)p失額超過閾值的重大災(zāi)害次數(shù)，xi表示第i次損失額超過閾值時的損失額度，相應(yīng)的均值和方差公式如下：e(s)＝e[e(s|k)]＝e(n)·e(x)var(s)＝var[e(s|k)]+e[var(s|k)]＝var[k·e(x)]+e[k·var(x)]＝e2(x)·var(k)+e(k)·var(x)以表示服從形狀參數(shù)為ξ、尺度參數(shù)為β、閾值為u的gpd分布的均值，則：3.2計算var值var值是在險價值，令n為樣本數(shù)，n0為大于閾值u的樣本的數(shù)量，則(n-n0)/n近似表示f(u)，f(x)表示為尾部估計表示為對于給定的置信水平q，3.3計算cvar值cvar值指損失大于某個特定的var值的條件下，該投資組合損失的平均值，本發(fā)明采用的技術(shù)方案，利用廣義帕累托分布對電網(wǎng)資產(chǎn)在嚴重災(zāi)害下可能產(chǎn)生的損失進行預(yù)測，并對可能發(fā)生嚴重損失的頻數(shù)進行概率統(tǒng)計，測算電網(wǎng)資產(chǎn)由于嚴重災(zāi)害可能產(chǎn)生的損失總額?；跍y算的損失額度，合理確定電網(wǎng)資產(chǎn)的保險支出。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點和有益效果：(1)本發(fā)明提出的方法為測算電網(wǎng)企業(yè)的合理保險支出提供了依據(jù)，幫助企業(yè)合理調(diào)配資金，從而保證電網(wǎng)企業(yè)的經(jīng)濟運行。(2)本發(fā)明將統(tǒng)計分析的方法引入測算電網(wǎng)企業(yè)的合理保險支出問題，從而提高分析結(jié)果的可靠性。附圖說明下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步描述：圖1為本發(fā)明的具體流程圖；圖2為水災(zāi)損失分布直方圖；圖3為重大水災(zāi)頻次直方圖。具體實施方式下面結(jié)合本發(fā)明實施例的附圖對本發(fā)明實施例的技術(shù)方案進行解釋和說明，但下述實施例僅為本發(fā)明的優(yōu)選實施例，并非全部?；趯嵤┓绞街械膶嵤├?，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得其他實施例，都屬于本發(fā)明的保護范圍。電網(wǎng)資產(chǎn)保險支出測算模型，包括：輸入模塊，輸入電網(wǎng)資產(chǎn)發(fā)生嚴重災(zāi)害造成的損失數(shù)額及損失次數(shù)的災(zāi)害損失樣本數(shù)據(jù)；災(zāi)害損失預(yù)測模塊，根據(jù)電網(wǎng)資產(chǎn)發(fā)生嚴重災(zāi)害造成的災(zāi)害損失樣本數(shù)據(jù)，基于gpd分布的pot模型測算電網(wǎng)資產(chǎn)在發(fā)生嚴重災(zāi)害時可能產(chǎn)生的損失；災(zāi)害次數(shù)預(yù)測模塊，根據(jù)電網(wǎng)資產(chǎn)發(fā)生嚴重災(zāi)害造成的災(zāi)害損失樣本數(shù)據(jù)，基于泊松分布測算電網(wǎng)資產(chǎn)每年可能發(fā)生嚴重災(zāi)害的次數(shù)；災(zāi)害損失總額測算模塊，根據(jù)發(fā)生嚴重災(zāi)害時可能產(chǎn)生的損失與每年可能發(fā)生嚴重災(zāi)害的次數(shù)，測算電網(wǎng)資產(chǎn)每年由于嚴重災(zāi)害可能產(chǎn)生的損失總額；輸出模塊，輸出災(zāi)害損失總額測算模塊測算出的損失總額。本發(fā)明以水災(zāi)為例，利用廣義帕累托分布對電網(wǎng)資產(chǎn)在嚴重水災(zāi)下可能產(chǎn)生的損失進行預(yù)測，并對可能發(fā)生嚴重損失的頻數(shù)進行概率統(tǒng)計，測算電網(wǎng)資產(chǎn)由于嚴重水災(zāi)可能產(chǎn)生的損失總額?；跍y算的損失額度，合理確定電網(wǎng)資產(chǎn)的保險支出。下面結(jié)合附圖進一步說明本發(fā)明的具體實施方式。災(zāi)害損失預(yù)測模塊的測算方法包括如下子步驟：1.1水災(zāi)損失樣本數(shù)據(jù)修正由于選取的電網(wǎng)資產(chǎn)水災(zāi)損失數(shù)據(jù)與企業(yè)資產(chǎn)規(guī)模及物價水平相關(guān)，因此需要將獲取的歷史損失樣本數(shù)據(jù)基于預(yù)測年的物價水平及資產(chǎn)規(guī)模進行修正，修正公式如下：其中，i為樣本數(shù)據(jù)的編號，n為樣本數(shù)據(jù)的個數(shù)，xi為修正后的樣本數(shù)據(jù)，xi為修正前的樣本數(shù)據(jù)，p為預(yù)測年的物價水平，c為預(yù)測年的資產(chǎn)規(guī)模，pi為樣本數(shù)據(jù)所處年份的物價水平，ci為樣本數(shù)據(jù)所處年份的資產(chǎn)規(guī)模。1.2構(gòu)建水災(zāi)損失基于gpd分布的pot模型關(guān)于極端天氣與自然災(zāi)害等的研究指出，巨災(zāi)風險并不符合正態(tài)分布特征，而通常以屬于極值分布的gpd分布來對其進行具體地擬合預(yù)測。gpd分布以過程為單位進行數(shù)據(jù)收集，樣本數(shù)據(jù)為所統(tǒng)計過程的最大值，即極值。一般情形下發(fā)生極值事件的概率極小，但一旦發(fā)生則損失巨大，嚴重水災(zāi)損失即屬于極值事件。設(shè)x1,x2,…xn是一個獨立同分布的隨機變量，具有相同的累積分布函數(shù)f(x)＝p{xi＜x}，對某一足夠大的臨界值u，存在一個正的函數(shù)β(u)，則超出量yi＝xi-u的分布可近似表示為當ξ≥0時，y≥0，ξ＜0時，則稱x服從gpd分布。根據(jù)ξ的取值又可將gpd分布進一步分為三種形式：由于yi的分布為條件超額分布，即：即1.3選取閾值運用r軟件中ismev程序包中的mrl.plot函數(shù)繪出臺風巨災(zāi)損失數(shù)據(jù)的平均超出量函數(shù)圖，選擇其中存在正線性相關(guān)關(guān)系的區(qū)間，作為閾值的初選范圍。采用參數(shù)估計值穩(wěn)定法確定閾值u：如果相應(yīng)的超出量服從gpd分布，則對于大于初始值閾值u0的其他閾值u，相應(yīng)的形狀參數(shù)和尺度參數(shù)估計量應(yīng)該保持一致。在此基礎(chǔ)上，還應(yīng)該選擇盡量大的閥值。使用r軟件下ismev包中的gpd.fitrange函數(shù)繪得在初選范圍內(nèi)的各待選閾值對應(yīng)的形狀參數(shù)和尺度參數(shù)估計量，選擇穩(wěn)定范圍內(nèi)的最大值作為最后的閾值選擇結(jié)果。再運用r軟件中g(shù)pd.fit函數(shù)得gpd分布的參數(shù)u,β,ξ的估計結(jié)果。在計算得到相應(yīng)的參數(shù)后，可使用廣義帕累托分布與超出分布擬合圖、分布尾部擬合圖和模型殘差的q-q圖來判斷擬合的優(yōu)度。國內(nèi)外眾多學者通過實證數(shù)據(jù)驗證了臺風、地震等自然災(zāi)害發(fā)生嚴重損失的頻數(shù)可以通過泊松分布進行擬合。災(zāi)害次數(shù)預(yù)測模塊的測算方法為，假設(shè)電網(wǎng)資產(chǎn)由于嚴重水災(zāi)導致?lián)p失超過閾值u的次數(shù)服從泊松分布。記p{k＝k,δt}為在時間段[t,t+δt]內(nèi)發(fā)生k次損失超過閾值的嚴重水災(zāi)的概率，則p{k＝k,δt}服從參數(shù)為λδt的泊松分布，即：考慮單位時間內(nèi)的停電次數(shù)，令δt＝1，則：該分布的均值和方差均為λ。根據(jù)極大似然估計方法估算參數(shù)λ。首先求似然函數(shù)為其中，ki為年停電次數(shù)的歷史數(shù)據(jù)，n為歷史觀測數(shù)據(jù)ki的個數(shù)。似然方程為得解∵∴其中λ*為極大似然估計量。由于泊松分布的均值即λ，因此用戶停電次數(shù)的期望為災(zāi)害損失預(yù)測模塊的測算方法包括如下子步驟：3.1計算年損失總額的期望值年損失總額可以表示為其中，k表示導致?lián)p失額超過閾值的重大水災(zāi)次數(shù)，xi表示第i次損失額超過閾值時的損失額度。相應(yīng)的均值和方差公式如下：e(s)＝e[e(s|k)]＝e(n)·e(x)(15)var(s)＝var[e(s|k)]+e[var(s|k)]＝var[k·e(x)]+e[k·var(x)]＝e2(x)·var(k)+e(k)·var(x)(16)以表示服從形狀參數(shù)為ξ、尺度參數(shù)為β、閾值為u的gpd分布的均值，則：3.2計算var值var值是在險價值，即在一般市場狀態(tài)下，在一定置信水平下，一定期間內(nèi)的某一金融工具或投資組合可能面臨的最大潛在損失值。令n為樣本數(shù)，n0為大于閾值u的樣本的數(shù)量，則(n-n0)/n可以近似表示f(u)，f(x)可表示為尾部估計可以表示為對于給定的置信水平q，3.3計算cvar值cvar值指損失大于某個特定的var值的條件下，該投資組合損失的平均值，又稱為期望損失。對于給定的置信水平q，有把握認為重大水災(zāi)損失年度總額不會超過需要說明的是，上述計算公式中引入的數(shù)據(jù)直接從數(shù)據(jù)庫調(diào)取即可。下面將結(jié)合應(yīng)用實例進一步說明本發(fā)明。假設(shè)某地區(qū)水災(zāi)損失分布情況如圖2所示。該分布屬于gpd分布，根據(jù)步驟1所述，利用r軟件計算該分布的閾值u及相關(guān)參數(shù)，計算結(jié)果如表1所示。表1gpd分布參數(shù)計算結(jié)果表參數(shù)數(shù)值u3.63β0.6929ξ-0.0692對每年內(nèi)損失額超過閾值的次數(shù)進行統(tǒng)計，統(tǒng)計結(jié)果如圖3所示。根據(jù)極大似然估計，泊松分布參數(shù)估計結(jié)果為1.48。根據(jù)步驟3，置信水平設(shè)為95％，var與cvar值的估計結(jié)果如表2所示。表2var、cvar估計結(jié)果表參數(shù)數(shù)值var122cvar215即有95％的把握可以認為最大損失為215億元。以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，熟悉該本領(lǐng)域的技術(shù)人員應(yīng)該明白本發(fā)明包括但不限于附圖和上面具體實施方式中描述的內(nèi)容。任何不偏離本發(fā)明的功能和結(jié)構(gòu)原理的修改都將包括在權(quán)利要求書的范圍中。當前第1頁12