Главная  Журналы  Национальные интересы: приоритеты и безопасность  5(290) - 2015 февраль

Моделирование системы риск-менеджмента в компаниях энергетического сектора

т. 11, вып. 5, февраль 2015

PDF-версия статьи

Доступна онлайн: 01.02.2015

Рубрика: Стратегия развития экономики

Страницы: 10-22

Целевой прогнозный топливно-энергетический баланс России на период до 2035 г. предусматривает опережающее развитие электроэнергетики для реализации масштабной электрификации национального хозяйства с ростом установленной мощности электростанций более чем на 1/3 и увеличением выработки электроэнергии в 1,6 раза. Изменение условий функционирования оказывает непосредственное влияние на состояние каждого объекта электроэнергетики. Поэтому в настоящее время в России происходит реформирование электроэнергетики: либерализация оптового рынка электроэнергии, введение программы энергосбережения и энергоэффективности, изменение тарифного регулирования и создание оптового рынка мощности. Вследствие этого компаниям требуются новые инструменты и технологии для перехода от регулируемого рынка к конкурентному, который характеризуется принятием управленческих решений в условиях неопределенности, возникает потребность прогнозирования возможных потерь, а значит создания системы риск-менеджмента. В статье разработана методология нечеткого моделирования оценки и управления рисками электроэнергетической компании, проведено моделирование оценки рисков электроэнергетической компании для построения оптимальной стратегии ее поведения на рынке. Для достижения поставленной цели были сформулированы и решены следующие задачи, а именно: проведено исследование и сравнение различных подходов к моделированию системы риск-менеджмента в зависимости от количества и качества входных данных; построена модель нечетко-логической системы управления рисками электроэнергетической компании на основе ключевых показателей и проведено моделирование ее параметров. Построена модель системы риск-менеджмента. В модели применена схема нечеткого вывода по Мамдани по экспертным нечетким базам знаний. Процесс разработки системы реализован в среде MatLab с использованием пакета Fuzzy Logic Toolbox. Даны практические рекомендации по методике построения указанной системы, проведено моделирование ее параметров. Практическая значимость исследования заключается в возможности применения построенной системы как универсального средства для определения оценки риска и формирования комплекса мер по его минимизации.

Ключевые слова: риск, ключевые показатели риска, оценка риска, вероятностные модели, нечеткая технология

Список литературы:

1. Бююль А., Цёфель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей / пер. с нем. СПб: ДиаСофтЮП, 2005. 608 с.
2. Горемыкина Г.И. Экономико-математическое моделирование систем управления на основе нечеткой технологии: монография / Г.И. Горемыкина, Н.А. Дмитриевская, И.Н. Мастяева. М.: МЭСИ, 2014. 138 с.
3. Дмитриевская Н.А. Межстрановой анализ критериев уязвимости и устойчивости развития / Н.А. Дмитриевская, Е.В. Грибова // Национальные интересы: приоритеты и безопасность. 2014. № 1. С. 34–38.
4. Дубров А.М. Многомерные статистические методы / А.М. Дубров, В.С. Мхитарян, Л.И. Трошин. М.: Финансы и статистика, 2011. 352 с.
5. Леоненков А.А. Нечеткое моделирование в среде MatLab и fuzzyTECH. СПб: БХВ-Петербург, 2003. 716 с.
6. Любецкий В.А. Оценки и пучки. О некоторых вопросах нестандартного анализа // Успехи математических наук. 1989. Т. 44. Вып. 4. С. 99–153.
7. Мастяева И.Н. Модель определения «ядра» интегрированной производственной структуры / И.Н. Мастяева, О.Е. Хрусталев // Обозрение промышленной математики. 2007. Т. 14. № 6. С. 1121–1123.
8. Морозов В.П. Гипертексты в экономике / В.П. Морозов, Е.Ю. Хрусталёв, В.П. Тихомиров. М.: Финансы и статистика. 1997. 253 с.
9. Пегат А. Нечеткое моделирование и управление / пер. с англ. М.: БИНОМ. Лаборатория знаний, 2013. 798 с.
10. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ – Винница. 1999. 320 с.
11. Хрусталёв Е.Ю. Логико-лингвистические модели наукоемкого производственного комплекса как разновидность интеллектуальных информационных систем // Экономический анализ: теория и практика. 2014. № 11. С. 11–22.
12. Хрусталёв Е.Ю. Методологические и теоретические основы гипертекстовой технологии моделирования экономических систем // Концепции. 2010. № 1–2. С. 40–50.
13. Хрусталёв Е.Ю. Семантическое моделирование как метод производства, систематизации и использования знаний об оборонном потенциале государства // Национальные интересы: приоритеты и безопасность. 2012. № 9. С. 2–15.
14. Хрусталёв Е.Ю., Хрусталёв О.Е. Когнитивное моделирование развития наукоемкой промышленности (на примере оборонно-промышленного комплекса) // Экономический анализ: теория и практика. 2013. № 10. С. 2–10.
15. Федорчук А.А. Моделируемые и немоделируемые риски энергетической компании // Национальные интересы: приоритеты и безопасность. 2012. № 4. С. 42–47.
16. Федорчук А.А. Методика оценки уровня толерантности и ранжирования рисков компании // Надежность и безопасность энергетики. 2012. № 2. С. 31–35.
17. Штовба С.Д. Проектирование нечетких систем средствами MatLab. М.: Горячая линия – Телеком, 2007. 288 с.
18. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004. 320 с.
19. Kosko B. Fuzzy Systems as Universal Approximators // IEEE Trans. on Computers. 1994. Vol. 43. № 11. P. 1329–333.
20. Parmenter D. Key Performance Indicators: Developing, Implementing and Using Winning KPI's. / New Jersey, USA: John Wiley & Sons, inc., 2007.
21. Zadeh L.A. Fuzz, y sets // Inform. Contr. 1965. Vol. 8. P. 338–353.
22. Zadeh L. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes // IEEE Trans. Syst. Man Cybernet. 1973. № 3. P. 28–44.

Посмотреть другие статьи номера »