周振

摘要：購售電指標(biāo)是影響電網(wǎng)企業(yè)經(jīng)濟效益的重要指標(biāo)，對購售電量、收入、現(xiàn)金流等的科學(xué)預(yù)測是保證電網(wǎng)企業(yè)財務(wù)預(yù)算準確性的重要前提。本文從國網(wǎng)公司、省電網(wǎng)公司、市電網(wǎng)公司購售電情況三方面對電網(wǎng)企業(yè)財務(wù)數(shù)據(jù)進行分析，分別采用指數(shù)平滑法、灰色模型法、回歸分析法，建立預(yù)測模型，通過對比分析實際與預(yù)測值的差異，得出有效的預(yù)測模型。

關(guān)鍵詞：購售電預(yù)測 回歸分析 指數(shù)平滑預(yù)測模型

購售電量、電費、現(xiàn)金流預(yù)測是電網(wǎng)公司損益預(yù)算編制、現(xiàn)金流預(yù)算編制、經(jīng)營預(yù)測的起點，是投資能力測算、工程項目可研財務(wù)評價、工程項目財務(wù)后評價等最關(guān)鍵的參數(shù)。如何提高購售電預(yù)測準確性，是保證財務(wù)預(yù)算準確性的重要前提。目前國網(wǎng)財務(wù)系統(tǒng)中存儲了大量的購售電相關(guān)數(shù)據(jù)，卻由于財務(wù)部門缺乏成熟的購售電預(yù)測模型，無法做出精確的電量預(yù)測，對業(yè)務(wù)部門提供的電量預(yù)測數(shù)據(jù)的準確性沒有發(fā)言權(quán)，只能被動接受。本文通過搭建購售電綜合預(yù)測模型，一方面期望可以有效提升購售電預(yù)測的精準度，改變財務(wù)部門被動接受業(yè)務(wù)部門所提供的購售電預(yù)測數(shù)據(jù)的現(xiàn)狀，另一方面為公司開展經(jīng)營預(yù)測和工程項目經(jīng)濟效益評價夯實基礎(chǔ)。

一、建模原理

（一）回歸分析法

回歸分析是一種應(yīng)用極為廣泛的數(shù)量分析方法。利用數(shù)據(jù)統(tǒng)計原理，對大量統(tǒng)計數(shù)據(jù)進行數(shù)學(xué)處理，并確定因變量與自變量的相關(guān)關(guān)系，建立一個相關(guān)性較好的回歸方程（函數(shù)表達式），并加以外推，用于預(yù)測今后的因變量的變化的分析方法?；貧w分析主要解決以下方面的問題：一是確定變量之間是否存在相關(guān)關(guān)系，若存在，則找出數(shù)學(xué)表達式；二是根據(jù)一個或幾個變量的值，預(yù)測或控制另一個或幾個變量的值，且要估計這種控制或預(yù)測可以達到何種精確度。該方法一般用于年度預(yù)測。

（二）灰色模型法

灰色模型（grey models）是通過少量的、不完全的信息，建立灰色微分預(yù)測模型，對事物發(fā)展規(guī)律作出模糊性的長期描述的方法。其基本思想是用原始數(shù)據(jù)組成原始序列（0），經(jīng)累加生成法生成序列（1），它可以弱化原始數(shù)據(jù)的隨機性，使其呈現(xiàn)出較為明顯的特征規(guī)律。對生成變換后的序列（1） 建立微分方程型的模型即GM模型。用GM模型進行預(yù)測，精度較高的僅僅是原點數(shù)據(jù)以后的1到2個數(shù)據(jù)，即預(yù)測時刻越遠預(yù)測的意義越弱。

原始數(shù)據(jù)列：X（0）=（X（0）（1），X（0）（2），…X（0）（n）），n為數(shù)據(jù)個數(shù)。

（1）原始數(shù)據(jù)累加，弱化波動性和隨機性

（2）累加生成數(shù)據(jù)做均值生成矩陣A，B

（3）灰色模型的參數(shù)分別為a，b

（4）計算得到擬合值

（5）對擬合值進行離散，得到預(yù)測值

（三）指數(shù)平滑法

指數(shù)平滑法認為時間序列的態(tài)勢具有穩(wěn)定性或規(guī)則性，所以時間序列可被合理地順勢推延。指數(shù)平滑法有助于預(yù)測存在趨勢和季節(jié)性的序列。根據(jù)平滑次數(shù)不同，指數(shù)平滑法分為：一次指數(shù)平滑法、二次指數(shù)平滑法和三次指數(shù)平滑法等。由于月度與季度購售電具有季節(jié)性，本文主要使用三次指數(shù)平滑法中的Winters乘法模型，并借助于spss軟件進行數(shù)據(jù)建模分析。

二、建模應(yīng)用

本節(jié)從國網(wǎng)公司售電量、省電網(wǎng)公司、市電網(wǎng)公司購售電三個方面對建模方法進行應(yīng)用與分析，并對模型進行驗證。

（一）回歸分析方法在國網(wǎng)公司購售電預(yù)測建模中的應(yīng)用

由于售電量與宏觀經(jīng)濟的變動等因素具有高度的相關(guān)性，因此本文使用國網(wǎng)年度售電量與GDP進行相關(guān)關(guān)系分析并建立模型。具體測算方法為：使用2003-2013年數(shù)據(jù)，建立年度售電量與GDP的相關(guān)關(guān)系模型，由同期的GDP計算得到售電量預(yù)測值。

建立年度售電量與GDP回歸模型，模型擬合度為0.993，擬合圖如圖3.1所示，建立模型為：

lnY=ln0.939+0.795lnX （3.1）

其中Y為售電量，X為GDP。

由回歸模型計算得到年度售電量預(yù)測值，具體結(jié)果見表3.1，當(dāng)GDP增長率為7.5%時，預(yù)測2014年售電量為37399億千瓦時，電量增長率為6.92%；當(dāng)GDP增長率為7%時，預(yù)測售電量為37260億千瓦時，電量增長率為6.52%；當(dāng)GDP增長率為6.5%時，預(yù)測售電量為37122億千瓦時，電量增長率為6.13%。

由表3.1的預(yù)測結(jié)果可以看出，2014年售電量的增長率約為6.52%，這一結(jié)果與目前售電情況來看較為相符，說明建模效果較好，預(yù)測模型可用。

（二）灰色模型與指數(shù)平滑法在省級電網(wǎng)公司購售電預(yù)測建模中的應(yīng)用

本節(jié)以XX省電力公司為例對省電網(wǎng)公司售電收入與售電現(xiàn)金流進行分析，使用灰色模型法對售電收入進行分析，預(yù)測月度售電收入；使用回歸分析法建立現(xiàn)金流入與售電收入模型。

1、灰色模型預(yù)測省售電網(wǎng)公司電收入

由于月度數(shù)據(jù)具有季節(jié)性，因此運用灰色模型結(jié)合季節(jié)分解法對數(shù)據(jù)進行建模分析。以2008年1月-2012年12月售電收入為原始數(shù)據(jù)，建立時間序列模型，預(yù)測2013年1-12月售電收入，模型預(yù)測結(jié)果見表3.2。

從表3.2的預(yù)測結(jié)果來看，除去前三個月預(yù)測差異較大，剩余月份預(yù)測結(jié)果與實際差異相對較小，整個年度的預(yù)測差異率為2.41%。前三個月由于春節(jié)原因的影響，故而差異較大。從預(yù)測結(jié)果看，灰色模型適合作特定月份的預(yù)測，亦可作為年度售電收入預(yù)測。模型建模的效果相對較好，預(yù)測模型可用。

2、回歸分析法預(yù)測省電網(wǎng)公司現(xiàn)金流入

高質(zhì)量的決策必須依賴于高質(zhì)量的數(shù)據(jù)，由于有些數(shù)據(jù)存在異常，需要對其處理后再進行分析。本節(jié)對異常數(shù)據(jù)直接剔除。剔除異常數(shù)據(jù)后，建立本月含稅售電收入與本月售電現(xiàn)金流入的回歸模型，模型擬合度為0.913，模型顯著性較好，模型擬合圖如圖3.2，建立冪函數(shù)方程：

Y=1.623*X0.889（3.2）

其中X為售電收入，Y為售電現(xiàn)金流入。

根據(jù)模型，使用當(dāng)月的售電收入值預(yù)測售電現(xiàn)金流入值。因為當(dāng)月的售電收入同樣為未知數(shù)，因此還需要對當(dāng)月的售電收入進行預(yù)測?？墒褂没疑竟?jié)性模型，指數(shù)平滑法等方法進行預(yù)測。本文只是給出一種建模思路，沒有進行具體的測算。

對購電量的預(yù)測使用上述建模方法，得出預(yù)測差異率較大，建模效果不好。購電量的預(yù)測值可以使用售電量預(yù)測值扣除平均線損得到。

（三）指數(shù)平滑法與回歸方法在市級電網(wǎng)公司購售電預(yù)測建模中的應(yīng)用

由于購售電量、售電收入、購電成本等數(shù)據(jù)變動遵循規(guī)律基本一致，因此本節(jié)僅對售電現(xiàn)金流數(shù)據(jù)進行分析。

1、指數(shù)平滑法預(yù)測現(xiàn)金流量

以XX區(qū)供電公司2009年1月-2013年12月售電現(xiàn)金流序列為原始數(shù)據(jù)，運用Winters乘法，建立時間序列模型，模型擬合度為0.917，模型顯著性較好，建立模型為：

其中[ft+m]為預(yù)測值，m為超前期數(shù)，yt為原始數(shù)據(jù)，St為數(shù)據(jù)的水平平滑值，bt為數(shù)據(jù)的趨勢平滑值，It為數(shù)據(jù)的季節(jié)調(diào)整因子，l為季節(jié)周期長度。

模型參數(shù)見表3.3，模型擬合圖如圖3.1，模型預(yù)測結(jié)果見表3.4。

由表3.4可以看出，除1、2月份預(yù)測差異率較大外，其余月份差異均較小。由于1、2月份受到春節(jié)因素的影響，故而預(yù)測結(jié)果存在一定的偏差?？傮w來看，模型建模的效果較好，預(yù)測模型可用。

2、回歸分析法預(yù)測現(xiàn)金流量

售電現(xiàn)金流回歸分析思路為：首先建立年度現(xiàn)金流與時間的回歸模型，由回歸模型得到年度現(xiàn)金預(yù)測值，然后確定預(yù)測年度月現(xiàn)金流占全年的比重，最后將年現(xiàn)金流預(yù)測值依據(jù)月現(xiàn)金流比重在各月之間分配，得到月度現(xiàn)金流預(yù)測值。

（1）以XX區(qū)供電公司2008-2013年年度售電現(xiàn)金流入數(shù)據(jù)為原始數(shù)據(jù)，建立與時間的回歸模型，模型擬合度為0.991，模型顯著性較好，模型為：

Y=4218.727X-99.862X2+14484.905（3.4）

其中X為期數(shù)，Y為售電現(xiàn)金流入。

由公式（3.4）計算可以得出，2014年售電現(xiàn)金流入預(yù)測值為39122.76。

（2）確定月現(xiàn)金流比重

分析2008-2013年各月占全年的比重，并對各年比重設(shè)置權(quán)重，越近年份分配的權(quán)重越大，其中2008-2013年權(quán)重分別為0.025、0.025、0.025、0.025、0.1、0.8。

月售電現(xiàn)金流權(quán)重乘以2014年售電現(xiàn)金流入預(yù)測值等于2014年月現(xiàn)金流入預(yù)測值，具體預(yù)測結(jié)果見表3.5。由表3.5可以看出預(yù)測差異率在3%以內(nèi)，表明使用年度售電現(xiàn)金流回歸方法預(yù)測全年現(xiàn)金流，按各月所占全年權(quán)重分配預(yù)測值方法預(yù)測效果較好，預(yù)測模型可用。

指數(shù)平滑法與回歸方法在市電網(wǎng)公司購售電預(yù)測中，建立的模型對售電現(xiàn)金流的預(yù)測結(jié)果均較好，差異率較小。可以使用該模型對購售電數(shù)據(jù)進行預(yù)測。

三、結(jié)束語

本文從全國、省電網(wǎng)公司、市電網(wǎng)公司三個方面對購售電財務(wù)數(shù)據(jù)進行分析，分別采用回歸分析法、灰色模型法、指數(shù)平滑法建立了預(yù)測模型，并取得了一定的研究成果。針對國網(wǎng)公司年度售電量進行分析，建立了GDP與售電量的回歸模型，根據(jù)GDP的預(yù)計變動情況，實現(xiàn)售電量預(yù)測。針對省電網(wǎng)公司購售電數(shù)據(jù)，建立了售電收入與現(xiàn)金流的回歸模型；建立購售電收入預(yù)測的灰色模型，得到月度售電收入預(yù)測值。針對市電網(wǎng)公司購售電數(shù)據(jù)，建立售電現(xiàn)金流入的Winters加法模型，預(yù)測月度售電現(xiàn)金流量；建立年度現(xiàn)金流與時間回歸模型，并依據(jù)月現(xiàn)金流比重分配現(xiàn)金流預(yù)測值，得到月度預(yù)測值。幾種模型在實際分析應(yīng)用中，差異率均較小，模型的建立可以為后續(xù)國網(wǎng)購售電預(yù)測提供參考。同時，預(yù)測模型的建立，一方面可以對預(yù)測方法進一步優(yōu)化完善，另一方面可以洞察購售電量、收入、現(xiàn)金流變動等的規(guī)律，提升國網(wǎng)總體收入、現(xiàn)金流預(yù)測的精準度，為預(yù)算編制和經(jīng)營預(yù)測夯實基礎(chǔ)。但目前模型在具體的應(yīng)用中仍需要改進，模型預(yù)測值與實際值在個別月份里預(yù)測差異較大，提高模型預(yù)測精確性，研究新的預(yù)測方法是下一步的研究方向。

參考文獻：

[1]潘小輝，劉麗萍，李揚.提高月度售電量預(yù)測精度的一種新方法[J].電力需求側(cè)管理，2013

[2]劉秋華，陳潔，甘海慶.基于改進灰色模型的售電量預(yù)測分析[N].統(tǒng)計與信息論壇，2009

[3]張穎，孫秋柏，陳雪波等.指數(shù)平滑法在現(xiàn)金流預(yù)測中的應(yīng)用[N].測試技術(shù)學(xué)報，2014

[4]吳杰，宋國堂，盧志剛，張鴻.基于偏最小二乘回歸與比重法的月售電量預(yù)測[N].電力系統(tǒng)及其自動化學(xué)報，2008