误差评估

2024-05-13

误差评估（精选四篇）

误差评估篇1

1 基本概念

1.1 知识员工

知识员工是指“那些掌握和运用符号和概念, 利用知识或信息工作的人”。这个概念最早是由著名的管理学家彼得·德鲁克提出来的, 特指经理或执行经理。随着时间的推移, 越来越多的学者加入到知识员工领域研究的队伍中来, 使得这一概念的内涵和外延不断扩展, 包括了知识的创造者和运用者。本文将知识员工定义为依靠知识和信息创造价值、有能力运用自己的知识的员工。他们是各自领域的专家, 他们提供的产品和服务在很大程度上结合着他们自身的知识和经验。知识员工通常具有出色的认知, 推理和判断能力, 能够持续地获得知识、将知识资源转化为价值, 并且在知识难以获得或不充分时, 具有创新和寻求替代的能力。知识员工与传统的生产工人有很大的区别, 主要表现在: (1) 知识员工受教育程度较高, 具有较高的独立性和自主性; (2) 知识员工忠于自己的职业而不是企业, 具有较高的流动性; (3) 知识员工主要是脑力劳动和集体劳动, 劳动过程和劳动结果不易考核; (4) 知识员工工作的目的不仅仅是为了生存, 而是把工作当成实现自己人生价值的手段, 具有较高的成就动机。

1.2 绩效评估

绩效评估是指通过参照绩效标准, 采用科学的绩效评估方法考核评价员工的工作目标完成情况、员工的工作职责履行程度、员工的个人发展情况, 将评估结果反馈给员工, 并提出相应绩效改进建议的过程。绩效评估是管理者与员工之间的一项管理沟通活动, 管理者作为评估者, 通过各种科学的评估方法评价员工的工作表现和工作完成情况等。绩效评估是把双刃剑, 绩效评估做法得当, 可以提高员工素质, 活化整个企业, 实现企业的经营战略目标;绩效评估做法不当, 就会出现评估偏误, 使评估的正确性大打折扣, 从而削弱评估的作用。绩效评估偏误的表现形式多种多样, 造成的原因既有主客观因素的影响, 也有评估制度本身的缺陷。研究绩效评估偏误, 寻找规避对策, 提高评估工作质量是企业绩效管理工作的一项重要课题。

2 误差分析

知识员工绩效评估的误差指的是评估结果与知识员工绩效的真实值之间的差, 它是指由与评估目的无关的因素引起的评估结果的不准确程度。虽然目前的评估理论没有提供现成的关于评估误差的研究成果, 但评估误差作为误差应当有误差的共性, 因此可以从外部或者相关的领域来获得解决问题的方法。影响知识员工绩效评估误差的因素很多, 但其来源主要分为以下四类:评估主体、评估客体、评估方法和评估过程。

2.1 评估主体

评估主体是指参与绩效评估的行为主体。由于评估主体的人生阅历、价值取向和兴趣爱好等的不同, 对同样的事物会产生不同的评价结果, 即仁者见仁, 智者见智, 具有强烈的个人主观色彩。这是评估误差的重要来源。我国企业过去的绩效评估主要采取自上而下的考核方式, 评估主体是上级主管。由于上级主管的精力有限, 不能对每个员工都很了解, 所以评估的结果很显然会带有上级主管的主观偏见。常见的主要问题有: (1) 晕轮效应。晕轮误差在绩效评估过程中表现为评估者会因为被评估者在某一评估要素上的评估较高, 而导致对其他评估要素也评估较高, 反之亦然。 (2) 分布误差。主要包括偏紧误差、偏松误差和趋中效应误差。偏紧误差是指评估者对大多数被评估者都评价过低的现象。偏松误差是指评估者对大多数被评估者都评价过高的现象。趋中效应误差是指评价者对被评价者评价都评为中等, 使评价结果没有区分度的现象。 (3) 类似误差。是指评估者常常对那些与自己具有相似的特征与专长的被评估者给予较高评分的倾向, 而评估那些与自己的特征与专长不同的被评估者时, 评估者常常作出的评分相对较低。 (4) 近因效应。就是评估者只根据被评估者距离考评时间近期的绩效信息, 对其考评期内的全部绩效情况作出总体评价, 从而出现了“以近代远”的考评误差。

2.2 评估客体

评估客体是指接受评估的主体。本文指的是知识员工。由于知识员工本身的特点也会对评估结果造成误差。绩效评估误差产生的评估客体因素主要包括:夸大效应和被评估者在评估实施过程中的应付心理、自卫心理和抵触情绪等不良心理情绪等。夸大效应是指被评估者在绩效评估过程中夸大自己的成就而掩盖自己的不足, “报喜不报忧”的现象。被评估者的应付心理、自卫心理和抵触情绪等不良心理情绪是指被评估者不了解绩效评估的目的或对评估者抱有各种偏见, 导致在绩效评估过程中, 被评估者会不予配合, 或提供虚假的绩效信息, 使绩效评估的实施不能顺利进行, 同时影响绩效评估的效果。

2.3 评估方法

评估方法是指评估所采用的方法, 包括定性和定量两类方法。绩效考核的具体方法有很多, 比如图尺度考核法、交替排序法、配对比较法、强制分布法和关键事件法等, 每种方法都有自己的适用范围和自己的优缺点, 都会差生一定的误差。知识员工从事的是无形劳动, 很难量化, 而且劳动成果一般是集体的结晶, 无法分配到个人, 这都无形中增加了评估方法的主观性, 增大了误差。在实际考核过程中一定要结合企业自身情况, 对绩效考核的方法进行选择。评估方法的选用直接关联着评估结果, 无论是单一的定性方法还是单一的定量方法都会使评估结果与真实员工绩效产生差距。

2.4 评估过程

评估过程也就是绩效评估的程序, 即评估活动从准备评估到提交评估报告各个阶段的实施步骤的详细规定, 也是对开展评估工作基本路径的具体描述。它主要包括三个过程: (1) 计划。主要是确定绩效考核的指标体系和考核标准。一个合理的指标体系和考核标准是绩效考核成功的前提条件, 所以考核指标的信度和效度直接影响考核误差的大小。 (2) 实施。绩效考核过程中的一个重要环节就是沟通, 针对绩效考核的目的和实施过程与员工进行充分的沟通, 取得员工的支持。这是减小绩效信息误差的重要保证。 (3) 应用。把绩效结果应用到其他人力资源管理环节, 比如人事调动、薪酬福利等, 最重要的就是制定绩效改进计划。

3 减小误差的对策与思考

从上面的分析中可以得知, 知识员工的绩效评估误差主要来源于评估主体、评估客体、评估方法和评估过程这四个方面, 所以在绩效评估中要重点减小这四个方面的误差。

3.1 多元化的评估主体

在保证经济性原则的前提下适当提高评估主体的规模, 让更多的人参与评估。同时评估主体应该具有不同的知识结构、年龄结构和背景, 保持评估主体的多元化。另外, 加强对评估主体的培训, 减少常见问题的发生。

3.2 充分沟通的评估客体

评估客体的误差大多源于被评估者对绩效考核目的的误解和对绩效考核的偏见, 加强绩效考核前的宣传和与被评估者充分的沟通是减小评估客体误差的重要手段。

3.3 综合运用评估方法

绩效考核的方法各有优劣, 综合采用多种绩效考核方法, 定性考核和定量考核相结合。另外, 根据考核目的, 选择不同的考核方法。比如, 如果为了绩效改进, 360度考核是很好的考核方法, 但是如果为了薪酬发放, 这种方法就有很大的弊端了。

3.4 科学规范的评估过程

在绩效考核的过程中, 坚持公平、公正和公开的“三公”原则, 针对不同考核对象, 设定不同的考核指标体系和考核标准, 加强在绩效考核实施过程中的沟通, 这些都是减小评估误差的重要手段。

总之, 评估结果的客观真实是企业管理者一直追求的目标, 尽管在实际工作中我们不可能完全消除误差, 但我们要了解影响员工绩效评估结果误差的种种因素, 在研究设计中尽量控制和减小评估中的误差, 提高评估的真实性和可靠性。

参考文献

[1]王君.绩效评估误差产生的因素与控制[J].辽宁经济管理干部学院学报, 2008, 12 (3) :17～18.

[2]范柏乃, 余有贤, 程宏伟.影响政府绩效评估误差的因素及其对策研究[J].软科学, 2005, 19 (4) :33～39.

风电功率预测误差的风险评估篇2

随着风电功率（wind power,WP）在电网中的占比不断提高，其不确定性及混沌特性对电力可靠性与经济性的挑战也更加严峻[1]。提高风电功率预测（wind power prediction,WPP）的精度是重要的应对手段，自20世纪80年代以来已发展成为涉及统计学、人工智能、气象学等多个学科的综合课题[2]。

可以根据是否分别预测风功率与风/电转换的特征，将WPP分为间接预测与直接预测；或从建模机理上分为物理方法与统计方法。数学预测模型有线性和非线性之分。线性方法有持续模型（persistence model)[3]、考虑风速时序性和自相关性的自回归移动平均（auto-regressive and moving average,ARMA）模型[4,5]及其各种改进算法[6,7]、卡尔曼滤波法[8]和灰色预测模型[9]等，其中以ARMA模型应用最广。非线性方法包括人工神经网络（artificial neural network,ANN)[10,11]模型及其演变[12,13]、模糊逻辑（fuzzy logic)[14,15]模型、支持向量机（support vector machine,SVM)[16]和其他人工智能算法[17]等，其中以ANN模型应用最广。

不论是预测方法的改进，还是WPP的正确应用，都必须基于对预测结果的评估。预测误差是指预测值偏离真实值（或实测值）的程度，包含系统误差、随机误差和粗大误差。前两类属于不可避免的正常误差，后一种为能够避免或剔除的非正常误差。预测误差的评估指标应能反映各个案例的预测误差，包括对某个时刻上的或某个时段内的预测，可表示为有量纲的绝对值指标和无量纲的相对值指标。

目前对风电预测误差的评估原则基本上都从误差均值的视角出发。由于风电在大多数情况下处于平稳或缓慢变化的过程，故大误差的概率较小，并不会对基于平均观点的误差评估结果产生显著影响。发生最大误差的点概率总是趋于零值，显然对均值的影响不大。但一旦发生大误差，对电网运行的影响却很大。

对间歇时段的预报误差可能相差数小时，而严重影响电力可靠性及经济性[1]。例如，未能准确预测到风速骤降至切入风速以下的时间段，而需要投入对等容量的常规备用机组，也可能由于位于临界群的双馈异步风力发电机停止运行，而位于余下群的常规备用投入运行，或者由于位于余下群的双馈异步风力发电机停止运行，而位于临界群的常规备用投入运行，系统稳定裕度都可能降低[18]。

由于WPP的正误差与负误差以不同的方式影响电力可靠性及经济性，而当前的评估指标却都基于绝对值概念及平均的准则，例如，平均绝对误差（mean absolute error,MAE)[6]、平均绝对百分比误差（mean absolute percentage error,MAPE)[13]及均方根误差（root mean square error,RMSE)[17,19]等（见附录A）。MAPE也被译为平均百分比误差[20]、绝对平均误差[21]或平均绝对相对误差[22],MAPE的另一种英文名称是平均相对误差（mean relative error,MRE)[23]。此外，预测误差与其造成的后果之间并非呈现线性关系。因此对于WPP误差，上述传统的评估指标既不能正确反映误差符号的影响，也不能正确反映误差影响的非线性[24]。

本文在区分WPP正负误差的基础上，提出其风险评估指标。据此，可将其对安全性、充裕性、经济性等多目标的影响统一量化为以货币单位为量纲的风险成本，包括小概率高风险的预测误差对系统造成的影响。实际算例表明，该指标简明有效且物理意义明确。

1 对WPP误差评估指标的要求

1.1 WPP误差指标的数学特性

无论要比较或改进预测方法，都需要通过其误差值的评估函数来评估预测的效果。为了明确地判断优劣，即使采用多个评估函数，也需要将各函数给出的不同数值综合为唯一的指标值。

评估指标应具有可观性，即多次预测中的任何一个误差的改变都能引起指标值的变化。评估指标还应具有可控性，即评估指标值的改善一定代表着预测结果的改善。为了能据此对误差的评估函数进行优化，并改进预测方法，误差评估函数必须单调地反映预测结果的优劣。

1.2 WPP误差指标的物理含义

一方面，WP时间序列的波动性、间歇性和随机性进一步加强了WPP误差的不确定性；另一方面，WPP使WP的不确定范围降低到WPP的最大误差区间，从而大大减小了WP的不确定性对电力系统稳定性、充裕性及经济性的影响。因此，值得关心的是WPP的上述影响，而不是WPP的本身。例如：对于低于切入阈值的风速，一方面由于风机均不工作，因此其预测误差并不重要；另一方面由于其预测误差不一定小，特别是用相对误差评估时。设想有2个预测方法，在风速的全部范围内的整体误差指标相同，但分别在大、小风速下有更好的精度，那么哪一个更适合于WPP呢？

风能的间歇性使其实测值或预测值都可能接近或等于零值，故不宜采用基于相对值概念的评估指标。此外，WPP的正误差及负误差影响电力可靠性及经济性的方式不同，故误差评估指标必须予以区别。

2 WPP传统评估指标的局限性

2.1 传统评估指标

MAE,MAPE和RMSE等传统评估指标从不同方式的平均观点来反映预测结果的绝对值误差，并认为预测效果随着指标值的降低而改善。

文献[15]将MAE和RMSE分别标幺化，得到归一化平均绝对误差（normalized mean absolute error,NMAE）和归一化均方根误差（normalized root mean square error,NRMSE）；文献[25]用χ2统计量作为WPP误差的评估指标。

文献[26,27]比较了各单项指标MAE,NMAE及RMSE等作为评估指标时的评估结果，发现它们之间存在不一致的结论。

所有这些传统的评估指标都具有下述缺陷：(1)绝对值相同的正误差与负误差产生相同的后果；(2)各次预测结果的误差对指标值的影响与该误差的绝对值线性相关；(3)不能反映实际系统对预测误差承受能力上的强非线性。

为了克服不能区别对待正负误差的缺点，文献[5]将MAE指标分为预测结果偏冒进时的MPE(mean positive error）和预测结果偏保守时的MNE(mean negative error）。但并未解决误差时正时负的WPP序列的评估问题。

当风速序列较平稳或者规则变化时，各种WPP方法的误差一般都不会大。换句话说，WPP大误差往往发生在风速序列非常不规则，甚至混沌变化时。假设被测风速序列的样本集正确地反映了其概率分布，那么强波动、强间歇性时段的概率相对于整个时域来说一般并不会太大，但往往造成与其概率不成比例的严重后果，而传统评估指标却往往掩盖了这些小概率的预测大误差的影响。这就造成平均误差虽小，却与大误差个案的共存，并经过稳定性与充裕性问题的非线性放大，引入停电风险。在风电穿透率很大，而电网稳定性或充裕性裕度很小时，此类小概率大误差事件的风险不能忽视。

文献[28]指出：以RMSE最小化为目标函数来优化预测方法，其本质是误差分布的方差最小化，仅适用于预测误差呈高斯分布的特殊情况，而不能反映一般WPP误差分布的偏度、峰度等信息。但该文提出的基于熵函数概念的评估指标MEEF(minimum error entropy with fiducial points）仍然无法计及小概率高风险的预测误差对系统的影响。

2.2 评估预测误差序列的传统方法

误差序列是将误差值按时间顺序排列起来的离散序列，常用的测度为：均值、中位数、最大值、最小值、标准差、偏度、峰度等。它们从不同侧面描述误差序列的分布特性，但若要严格评估预测结果对系统的影响则应计及所有的样本，而这些传统的评估指标都无法实现。

均值和中位数都是反映一组数据的中心位置的主要测度。均值是全部数据的算术平均；而中位数是位于一组按大小排列的数据中间位置上的那个数据。均值易受数据极端值的影响，而中位数则不然；当数据分布不对称度大时，可选用中位数。在误差的评估比较中，均值和中位数越接近零越好。

最大值反映数据中的极端情况。它在很多评价体系中并不受重视，但在WPP中却可能严重影响备用容量的安排，并应分别对待正最大值和负最大值。其值越接近零越好。

标准差是应用最广的离散程度的测度，其值越小越好。

偏度反映了误差序列在均值两侧的非对称性。正态分布呈对称状，偏度为零。若分布右偏（或左偏），即右侧（或左侧）拖尾更长，则偏度为正（或为负）。风电预测的误差序列大多呈右偏分布，其右拖尾部分对应于小概率大误差的预测结果。

峰度量度了误差序列的非平坦程度。正态分布的峰度为3；若峰度大于（或小于）3，则比正态分布“高瘦”（或“矮胖”）。WPP误差序列的峰度一般大于3，其值越大越好。文献[29]指出风电预测误差序列的分布并不符合高斯函数，而更接近于Beta函数，其峰度变化幅度较大，在3到10之间。

2.3 多指标并行评估

多指标并行评估方法，同时采用了不同的指标分别评估，其中，MAE和RMSE仍占据重要地位。这类方法并没有解决当各指标的结论不一致时如何决策的问题。

例如，文献[23]同时采用了MAE、RMSE及误差分布直方图来评估WPP误差，并用峰/谷点的预报准确度来反映对大误差预测的可信度。此外，还用相关系数反映预测序列与实测序列之间的正线性相关性（见附录A）。文献[30]也并行地采用了MAE、RMSE、“准确率”及“合格率”等指标。

2.4 综合评估方法

若在多指标并行评估的基础上，以某种合理的方式融合各自的评估结论，可以构成WPP结果的综合评估指标。但它既给出了更全面评估WPP结果的可能性，也可能由于融合方式的缺陷而引入更大的随意性。此外，基于多项传统指标的综合评估体系不可能克服其共同的本质缺陷。

3 WPP误差的风险评估指标

3.1 WPP正负误差的不同含义

在t0时刻预测i时刻的WP，以实测值为比较基准来定义预测误差ei:

式中：和yi分别为预测值和实测值。

正误差ei>0意味着风电被过高地估计；负误差ei<0意味着风电被低估。两者对于电力系统可靠性及经济性的影响规律完全不同。

需要指出的是，基于绝对值概念的传统评估指标[31]并不关心预测值和实测值哪个作为比较基准。与文献[28,29]以预测值为比较基准的定义不同，本文的定义更合理。

3.2 WPP误差的风险评估指标

设考察范围内有n次预测，对应的各个误差值构成误差序列为：

而误差ei使电力系统的可靠性控制成本增加了ci(ei），则整个误差序列对应的控制成本增量C很好地反映了预测质量，即

将上述概念扩展到大量的统计结果。假设统计得到：预测误差为ek的概率是pk(ek），将误差概率的分布函数表示为P(e）；设预测误差为ek时的控制成本增量为ck(ek），将其分布函数表示为C(e）。P(e）和C(e）都不是对称函数，其计算方法将在下文讨论。电力系统增加的可靠性控制风险成本为P(e）与C(e）的乘积对于e的积分，其量纲为货币单位。

为此，定义WPP评估指标R为电力系统为保证其可靠性而增加的控制风险成本：

3.3 风险评估指标的特点

所提出的风电预测误差的风险评估指标克服了当前各种指标的许多缺点，具体如下。

1）该误差评估指标以货币单位为量纲，从风险的角度定量地综合反映了WPP误差对经济性与安全性的影响，具有清晰的物理学概念及经济学概念。

2）指标值单调地反映了实际系统对预测误差承受能力上的强非线性；R值越大，风险越大。

3）可以区分正、负误差对电力系统的不同影响。

4）只需要一个标量就涵盖了众多不同的传统评估指标的视角。

5）不但可以感知整个考察时段内的任何一次预测误差的微小变化，而不会被埋没，并可用以指导对预测方法的改进。具有很强的可观性与可控性。

6）该风险成本可与其他成本直接相加，解决了“不必考虑小概率预测误差事件”与“必须重视高损失事件”相矛盾的困惑。

4 WPP误差评估的风险指标计算

4.1 误差序列的概率分布函数P(e）的计算

文献[29]采用Beta函数来描述P(e）的典型分布，文献[28]认为不宜直接用某一典型的分布函数来描述。事实上，P(e）的分布不但与实际（或样本）风速的概率分布有关，还与被评估的预测方法密不可分。因此，“典型分布”的说法只能用于实际风速，而不能针对预测误差。

对于特定的预测方法，只要样本有代表性且数量足够多，就能得到该预测方法的P(e）。为了减少对样本数的要求，一般用蒙特卡洛法采样。文献[32]采用了重要值采样方法来协调样本数与小概率高风险事件之间的矛盾。

当样本数不多时，可用直方图形式代替连续的分布函数P(e），并采用式（4）的离散形式评估风险。

4.2 误差代价函数C(e）的计算

文献[33]采用了WPP误差序列符合高斯分布的假设，按其标准差来间接估算备用容量过度配置及切负荷量。文献[34]则假设误差序列服从Beta分布，风力发电商需承担用紧急备用代替主动常规备用所增加的风险。文献[35]综合考虑负荷预测与WPP的不确定性，提出备用容量的计算方法。上述各方法除了所用的假设条件太强外，还无法计及大误差的影响中所包含的强非线性。

代价函数值C(e）的计算与误差e的符号有关，并针对指定的容量事件集。

对于正误差（预测值大于实测值），应计算该次冒进的预测所导致的非常规控制代价。若据此安排正常运行的常规机组，届时就会产生实时发电的容量不足而动用备用容量，甚至不得不采用切负荷等高代价的紧急措施。与此同时，由于为应对风电波动而安排的备用容量正比于y^i，则可能偏多。两者的综合影响需要具体分析。

对于负误差（预测值小于实测值），若据此安排正常运行的常规机组，届时就会发生被迫弃风或常规机组的强迫停运。与此同时，为应对风电波动而安排的备用容量则可能偏少。两者的综合影响需要具体分析。

要在代价函数计算中全面地反映上述因素，还需要相当的开发工作。但研究过程不妨逐渐增加其完善性。

5 仿真分析

5.1 算例描述

采用宁夏某风电场2009年3月的风电场出力数据，采样间隔为1h。用其前550h的数据识别模型参数；用后200h的数据作为评估预测误差的实测值，检验模型预测的结果，如图1所示。

5.2 基于最小二乘的时间序列预测

ARMA法集成了自回归（AR）模型与滑动平均（MA）模型，是研究时间序列的重要方法。它利用时间序列中的滞后项和随机误差项来拟合当前值及预测未来值。为消除风电序列中的非平稳成分，采用差分技术对数据系列预处理，从而将ARMA模型扩展为自回归求和移动平均（auto-regressive integrated moving average,ARIMA）模型。

选择6组预测模型，即ARIMA(1,1,1),ARIMA(2,1,1),ARIMA(1,1,2),ARIMA(2,1,2),ARIMA(1,1,3）及ARIMA(2,1,3），下面分别称为模型1,2,3,4,5,6。根据图1中前550h的数据，按最小二乘规则分别识别各模型的参数，结果见附录B。然后分别用上述模型预测后200h的数据，并用不同的常用指标分别评估各模型预测误差的风险。

以模型1为例，图2给出其实测曲线与预测曲线，图3给出其误差序列曲线。图中用圆形标出间隙性特征和小概率的较大误差。

5.3 基于传统评估指标的误差分析

各传统评估指标的比较结果如表1所示。

最常用的3种传统指标中，RMSE认为模型4最好，MAE认为是模型2，而MAPE则认为是模型1，其他指标也给出了互异的排序。除模型5外，其他模型都至少被一种指标列为第1，而模型5也被3种指标列为第2。反过来看，所有的模型都有被列为最末或次最末的机会。显然，每个指标都具有其片面性。

5.4 基于风险概念的评估指标

基于风险概念的评估指标，仅用一个标量就可以反映所有单个预测样本的误差对系统可靠性与经济性的影响。因此，不存在多解的混淆。

对于较小的样本空间，可以用概率直方图代替连续的概率分布函数。以模型1为例，其预测误差的概率直方图见图4，其中用圆形标出了较大误差的样本，其概率一般较小。将各次预测的风险值累加得到总风险值。为便于计算，误差代价函数C(e）的计算中，对正误差情况，考虑为应对风电波动而多安排的备用容量成本；而对负误差的情况，则仅考虑风电场的弃风损失。

不失一般性，设按照风电预测值的比例x配置应对风电波动性的备用容量，其成本为A；设风电场弃风损失为B。因此，正误差对应的代价增量ci为Aeix；负误差对应的代价增量ci为eiB。风险评估指标R的计算表达式如下：

式中：R+和R-分别表示在预测样本为正、负误差下，为保证风电接入后系统可靠性而增加的控制风险成本；l和m分别为产生正、负误差的预测样本数。

本算例中x取30%，各模型下的预测误差风险评估指标计算结果如表2所示。

当A=10B，即备用成本大大高于弃风成本时，模型6的预测效果最优；当A=2B，即备用成本略高于弃风成本时，模型4变为最优，模型6则相对最差；当A=B，即备用成本与弃风代价相当时，最优模型从模型4变为模型5；当A=0.1B，即弃风代价大大高于备用成本时（例如受政策或舆论影响），模型5仍然保持最佳的位置。

可见，由于WPP的正、负误差的（广义的）经济代价不同，对预测方法会有不同的偏爱。

6 结语

WPP误差的风险评估指标不但区分了正负预测误差的不同影响，计及了小概率高风险的预测误差对系统的影响，也可以将预测误差对系统可靠性及经济性的影响统一考虑，更合理地应用预测结果，支持决策的优化。所建议的评估指标深刻地反映了正负预测误差影响电力系统的不同机理，具有明确的物理与经济的含义。通过仿真算例表明了其对决策支持的意义。

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx）。

摘要：归纳对风电功率预测误差的评估指标要求,以及常用评估指标的缺陷。在区分风电功率预测正误差及负误差对电力可靠性不同影响的基础上,提出基于风险的评估指标及计算方法。针对由预测误差而定义的功率扰动事件,取该事件的概率及其一旦发生后的损失的积分值为指标。该指标具有货币的量纲,可以作为误差的风险成本而与其他成本直接累计。从而消除了面对小概率大误差算例,在“不必考虑小概率事件”与“必须重视高损失事件”之间权衡的困惑。结合宁夏某风电场的实际算例验证了其可行性与有效性。

误差评估篇3

一、不良资产评估误差的定义及其分类

(一)不良资产评估误差的定义。测量误差理论认为:误差即测量结果与待测量客观存在的真值之间的差值。参照以上理论,以及资产评估误差的定义,笔者建议将不良资产评估误差(N)定义为不良资产评估结果(N)与其评估价值标准(N')之间的差异。这里的不良资产评估结果即不良资产的实际评估值,评估价值标准相当于测量误差理论中“待测量客观存在的真值”,即不良资产的理想评估值,也就是评估机构在理想状态下,严格按照评估准则,恪守独立、客观、公正原则,在充分了解和掌握评估对象相关信息的基础上得出的评估结果。由于评估价值标准的具体数值很难测算,实际上只能以其他易于取得的近似数值代替。比如:如果不良资产处置环境符合公开市场假设,可以将实际成交价格作为评估价值标准。又比如:评估机构根据事后审核情况对评估结果进行了相应调整,可以将调整后的评估结果作为评估价值标准。

(二)不良资产评估误差的分类。

1.绝对误差和相对误差。绝对误差即不良资产评估结果(N)偏离其评估价值标准(N')的差值,即⊿N=N-N',反映不良资产评估误差的具体数值。在不良资产评估结果大于其评估价值标准的情况下,⊿N为正,反之为负。相对误差(E)表示绝对误差(⊿N)与评估价值标准(N')的比值,反映不良资产评估误差的相对比例,即E=⊿N/N',一般用百分比表示。由于相对误差排除了不良资产评估金额大小的影响,可以用于比较不同的不良资产评估项目间误差的大小。

2.可接受误差和不可接受误差。可接受误差是指既不影响评估结果的使用,同时又符合评估机构质量控制标准的误差。在仅有可接受误差存在的情况下,评估结果无须进行调整。相反,当误差达到一定程度,影响到评估结果的使用,或者超出评估机构质量控制标准时,就成为一项不可接受误差。目前可接受误差和不可接受误差之间尚没有明确的界限标准,但参照国际评估界评估值误差一般在15%以内的标准,笔者认为可将15%以内的误差定义为可接受误差,否则,定义为不可接受误差。

3.可控误差和不可控误差。就评估机构而言,不良资产评估误差又可分为可控误差和不可控误差。虽然评估机构在不良资产评估过程中发挥着主要作用,并且负责测算评估结果,但这并不意味着所有的评估误差都是评估机构造成。比如:不良资产出售方为达到多评估资产价值的目的,购买方为达到少评估资产价值的目的,向评估机构隐瞒重要资产信息,或者从各种渠道施加影响。这些因素导致的不良资产评估误差均属于不可控误差。

二、不良资产评估误差产生的原因分析

(一)评估机构导致的误差。

1.评估机构执业水平导致的误差。一般情况下,评估机构会假设不良资产所处的社会经济环境良好,法制健全、政策配套、信用建设到位。但这一假设条件在现实中并不全部适用。有些情况下不良资产所处的社会经济环境会较恶劣。如果评估机构没有考虑这些因素的影响,必然导致不良资产评估值高于其正常市场价值,无法出具令人满意的评估结果。

2.评估结果与不良资产涉及的经济行为不匹配。不良资产评估涉及多种经济行为,包括:公开拍卖、变卖、以物抵债、债转股、债务人回购等,不同的经济行为对应不同的评估目的,应使用不同的评估价值标准。如果评估机构对不良资产评估的目的认识不充分,习惯于传统评估业务模式中的经济行为与评估目的,使用错误的资料及参数,将造成评估结果与处置价格出现背离。如:在企业破产清算的情况下,应该使用清算价值对破产财产进行评估,同时按照破产法的规定考虑职工安置费用等扣减因素,在此基础上得出不良资产评估结果。假如对破产财产仍使用市场价值评估,并且不考虑职工安置费用,将高估不良资产价值。

3.对债务企业资产负债情况了解不充分。债务企业资产负债情况反映了债务企业的还款能力,直接影响到不良资产的价值。由于多数债务企业已经停止经营,其实际资产负债情况查找、核对困难。有些债务企业表面上没有资产,但实际上已经将自己的资产隐匿起来。而债务企业账面上反映的长、短期债务,常常既有虚增成分,也存在反映不全的问题。上述情况在资产评估中均需要具体分析,否则会导致错误的评估结果。

(二)因获取信息不充分导致的误差。

1.对不良资产本身了解不充分。不良资产一般都是债权,由于时间久远,情况比较复杂:有些不良资产由于法律法规的变化,导致债权债务关系不再合法,担保无效;有些不良资产债务企业、担保企业曾发生过名称变更、兼并、重组、改制、甚至注销情况,又多次进行借新还旧、收回再贷、债务转移、承接操作,影响到债权债务关系的合法性和担保的有效性。假如在评估过程中未能充分了解这些情况,将导致评估结果产生错误。因此,首先,应了解其原始成本,包括购置费、运输费,并了解近年来物价指数的变动情况,考虑其对资产价值的影响;其次,应该分析实物资产的重置价值,作为确定实物资产价值的参考依据;再次,要调查实物资产的使用寿命、磨损和累积折旧,以确定其成新率;最后,应该考虑功能性贬值对实物资产价值的影响。假如在评估过程中未能充分了解这些情况,将导致评估结果产生错误。

2.对不良资产处置方案了解不充分。一般认为,评估结果对不良资产处置工作具有指导价格、监督处置行为、衡量处置效果的作用。但不良资产处置工作对不良资产价值及评估结果也有影响,评估时应该考虑不良资产处置方案中的重要信息。比如:根据不良资产处置方案,处置方式可采用公开拍卖,也可采用变卖方式。如果评估机构对不良资产处置方案不了解就进行评估,有可能得出错误的评估结果。

(三)委托方因素导致的误差。有些委托方为尽快完成处置任务,在不良资产处置谈判中处于劣势地位,导致不良资产实际成交价格偏低,使得本来合理的评估结果产生了“误差”。有些委托方对评估工作的重要性认识不足,甚至仅仅把评估当作“走过场”和一道“免责程序”,在不良资产处置遇到困难时,不加分析即认为评估价格过高,要求通过调整评估价格的方式实现快速处置。

三、对策

(一)要尽快通过评估市场,筛选出一批在不良资产评估方面具有专长、业务能力较强的评估机构,从源头上把好资产评估的关口。同时各资产评估机构要严格执行中国资产评估协会发布的《资产评估准则》(以下简称《准则》),按照《准则》要求,了解资产评估涉及的经济行为,确定评估目的、合理选取评估价值类型、合规披露评估结果,引导委托方正确使用。

(二)评估机构要分析获取信息受到限制的程度。假如确实因受到限制,无法履行正常评估程序,而委托方又需要,可以提供“以不良资产处置为目的的价值分析业务”,出具价值分析报告。在价值分析报告中,可以对不确定因素加以预测,区分不同情况,以区间值形式提供评估结论,科学、合理地向委托方传递不良资产的相关信息。同时评估机构应积极要求委托方协商承担起责任,共同确定评估目的、评估价值标准、拟订资产处置方案,协调债务企业提供尽可能详尽的资产信息,引导委托方恰当使用评估结论。

(三)评估机构要坚持独立、客观、公正的原则,宣传不良资产评估应规范操作的理念,把好评估关,防止国有资产流失。在委托方干预严重的情况下,应该积极征求律师事务所等中介机构的专业意见。

误差评估篇4

傅立叶变换红外光谱仪可以对样品进行定性和定量分析, 广泛应用于医药化工、地矿、石油、煤炭、环保、海关、宝石鉴定、刑侦鉴定等领域。测量依据JJF 1319-2011《傅立叶变换红外光谱仪校准规范》, 测量过程中各种影响因素会使测量结果存在不确定性。本文分析了影响傅立叶变换红外光谱仪不确定度的各种因素, 并给出了傅立叶变换红外光谱仪示值误差的不确定度评定方法。

2测量原理、方法和依据

2.1测量原理:基于对干涉后的红外光进行傅立叶变换的原理而开发的红外光谱仪, 经分束器分束后的两束光形成光程差, 产生干涉。干涉光在分束器会合后通过样品池, 通过样品后含有样品信息的干涉光到达检测器, 然后通过傅里叶变换对信号进行处理, , 最终得到透过率或吸光度随波数或波长变化的红外吸收光谱图。

2.2测量方法:扫描聚苯乙烯红外波长标准物质, 测量3027cm-1, 2851 cm-1, 1601 cm-1, 1028 cm-1, 907 cm-15个主要吸收峰的波数示值。

2.3依据JJF 1319-2011《傅立叶变换红外光谱仪校准规范》

3建立数学模型

3.1建立数学模型

式中:Δv———波数示值误差, cm-1;

vi———第i峰波数测量平均值, cm-1;

v———第i峰波数标准值, cm-1。

3.2方差和灵敏系数

数学模型中各项彼此独立, 则

其中:c1=1, c2=1。