电力系统保护与控制 第 50 卷 第 4 期 2022 年 2 月 16 日 Power System Protection and Control Vol.50 No.4 Feb. 16, 2022 DOI: 10.19783/j.cnki.pspc.210504 基于 TGARCH-VineCopula 的电价波动分析及风险度量研究 谢 航 1，赖春羊 1，曾 宏 1，马光文 1，陈仕军 1,2，王建华 3 (1.四川大学水利水电学院/水力学与山区河流开发保护重点实验室，四川 成都 610065； 2.四川大学商学院，四川 成都 610065；3.国家能源大渡河公司，四川 成都 610041) 摘要：在市场化交易中，计及电价波动信息的风险度量可以帮助市场利益相关者规避风险。为此，结合 TGARCH 与 VineCopula 理论，提出一种电价波动分析及风险度量的新方法。该方法用 TGARCH 建立日前、实时及辅助服 务交易电价边缘分布，通过 VineCopula 拟合各交易电价的多维相依结构。基于得到的相关系数与尾部关系分析各 交易电价之间的动态波动规律，并测度电价动态波动风险。实证分析证明，该方法不仅可以捕捉负荷容量比和可 再生能源渗透率作用下价格波动的变化，还可以较为准确地描述各交易电价的非线性关联结构，进而捕获日前、 实时、辅助服务交易电价之间逐时动态波动特征。此外，与其他方法相比还能更有效地降低组合波动风险。 关键词：电价分析；TGARCH；VineCopula；风险度量 Fluctuation analysis and risk measurement of electricity pricing using TGARCH and VineCopula XIE Hang1, LAI Chunyang1, ZENG Hong1, MA Guangwen1, CHEN Shijun1, 2, WANG Jianhua3 (1. College of Water Resources and Hydropower/State Key Laboratory of Hydraulics and Mountain River Engineering, Sichuan University, Chengdu 610065, China; 2. Business School, Sichuan University, Chengdu 610065, China; 3. Dadu River Company, China Energy Corporation, Chengdu 610041, China) Abstract: In a market-oriented transaction, risk measurement of electricity price fluctuation contributes to conduct risk management for market stakeholders. This paper proposes a new method for analyzing electricity price fluctuation and measure risk. It combines TGARCH and Vinecopula. This method applies TGARCH to establish the margin distribution of day-ahead, real-time and ancillary service transaction electricity prices, and uses Vinecopula to fit the multi-dimensional dependent structure of each transaction electricity price. Based on the Kendall rank correlation and tail correlation calculated from the method, the dynamic fluctuation characteristic between each transaction price is analyzed, and its risk is measured. Empirical analysis shows that this method can not only capture the change of price fluctuation under the combined action of load/capacity ratio and renewable energy penetration rate, but can also accurately describe the nonlinear correlation structure of each transaction price. This can capture the dynamic fluctuation characteristics of day-ahead, real-time and ancillary service transaction price. Also, it can more effectively reduce portfolio volatility risk in comparison to other methods. This work is supported by the National Key Research and Development Program of China (No. 2018YFB0905204). Key words: analysis of electricity price; TGARCH; VineCopula; risk measurement 0 引言 电价是电力市场的支点，是电网公司、发电企 业、市场监管部门在评估、决策、监督时参考的关 键指标[1-4]。随着国内新一轮电力体制改革工作的推 基金项目：国家重点研发计划项目资助(2018YFB0905204) 进，国内已有 8 个区域开始现货市场试点运行[5]， 电价风险管理对参与现货交易的相关者显得尤为重 要。现阶段，国内外针对电价风险管理的研究，按 关键风险信息的角度可分为 2 类：1) 基于电价水平 信息，设计风险管理机制和决策方法[6]；2) 基于电 价波动信息，进行风险度量[7]、评估[8]与预警[9]，其 中，风险度量是后两者的基础。对于风险度量，研 电力系统保护与控制 - 14 - 究人员较常使用金融风险领域的参数法和半参数法 计算风险的大小[10]，它们的重点在于选择准确的模型 对电价波动拟合，这突显了价格波动分析的重要性。 已有研究表明电价波动主要呈现“均值回复”、 “极值跳跃”和 “杠杆效应” 等规律[11-13]。文献[14-16] 发现结合广义自回归条件异方差模型(Generalized Auto-Regressive Conditional Heteroskedasticity, GARCH)[17]与自回归移动平均模型(Auto-Regressive Moving Average Model, ARMA)[18]或自回归积分滑 动平均模型(Auto-Regressive Integral Moving Average Model, ARIMA)[19]，可以较好地描述电价波动的均 值回复及异方差性。文献[20-21]指出 EGARCH 与 TGARCH 模型还适合刻画电价波动的杠杆效应。文 献[22-23]构建了考虑电价水平与负荷容量比、可再 生能源渗透率等外生因素的 TGARCH 模型，其比 EGARCH 能更合理地解释电价波动的杠杆效应。但 上述研究对日前或实时交易电价的波动特性研究的 较多，较少关注辅助服务以及多个交易品种电价间 的关联性。事实上，同国外 PJM、Nord Pool 等电力 市场一样，国内广东、四川等试点省份的市场交易规 则均指出市场主体有参与辅助服务交易的义务[24-25]。 文献[26]研究了负荷与日前、实时和辅助服务交易电 价之间的波动关系，但缺乏定量的分析。VineCopula 理论广泛应用于多变量间非线性相关结构的研究， 比如文献[7]运用 VineCopula 捕获了多个发电商损 益间的尾部关联性。 关于电价波动风险度量方面，通常应用风险价 值(Value at Risk,VaR)作为度量风险的指标[27]。文献 [20]证明了 Copula-VaR 模型度量风险的效果较好， 并且在度量组合风险上优势显著。文献[7]证明了适 用于 Copula-VaR 与电力市场有关的动态风险度量。 综上，本研究在借鉴已有研究基础上，提出一 种电力交易价格波动分析与 VaR 度量的新方法。结 合 TGARCH 门限模型刻画逐时刻日前、实时与辅 助服务交易电价的波动特征，并分析各交易电价波 动特征；引入 VineCopula 理论构建日前、实时和辅 助服务市场交易电价的 0~23 时(h)多维相依模型， 进而定量分析不同交易价格波动之间的关联；计算 三种置信度(即 0.90、0.95、0.98)下电价与组合电价 的动态波动风险曲线；最后通过实例证明本研究所 提方法的可行性。 1 研究模型 有力工具，其中引入外部门限变量的 TGARCH(1,1) 很适合描述它的杠杆效应。对服从某种分布的某时 刻电价时序数据 X i  { X i1 , X i 2 , , X iN } 可描述如下： p q p 1 q 1 X it  ci   ip Bip X it   iq  i (t  q ) , t  1,  it  wi  ai  it 1  ai  i it 1   i Iit  iit21  it   it zit zit ~ i.i.d .g ( i ) 1, I it1  I h1 i I it   0, etc (1) (2) (3) I it2 ≤ I h2 (4) i I it1  Ldit / N uit (5) I it2  Greit / Ldit (6) 式(1)为描述电价日周期回复性的均值方程，是 ARIMR  p, d , q  ，滞后阶数 p 、q 据 AIC  n  准则确 定，d 是差分阶数，通过 ADF 检验确定。其中：Bip 为