基于行業分類的電力大用戶電費logistic風險預警研究

摘 要：應收電費足額回收是電力企業經營成果的最終體現，加強電費安全風險管理，建立電費回收風險預警體系，是防范和規避電費安全和供電公司經營風險的有效措施。本課題對大用戶用電進行預警分析，主要從電力大用戶用電生產數據信息著手，進行了分類分析，建立logistic模型對電力大用戶進行電費回收風險預測。提出了科學合理的風險計算方法，為電力公司規避風險、及時有效的采取措施催收電費提供有力的科學依據。

關鍵詞：電費回收；分類分析；logistic；風險預警

Electricity large users of electricity logistic risk warning based on industry classification

YU Dong-xian

（Yaan State Grid Electric Power （Group） Company， Yaan 625000）

Abstract：The full collection of electricity charge receivable can best mark power enterprises management achievements. Strengthening electricity charge security management， and establishing risk forewarning system are effective ways for power enterprises to avoid both the risk of bill security and their management. This paper mainly makes classification analysis on the electricity statistics of large power users， and puts forward to build logistic model for charge risk forecasting. This thesis provides a scientific risk calculation method， and offers power enterprises the convincing scientific evidence to avoid risks and take timely measures in charge collection.

Keywords：Electric toll collection；classification analysis；logistic；risk forewarning

電費足額回收是電力企業經營成果的最終體現。目前用電管理方面面臨很多的問題，主要體現在拖欠電費、違章用電、竊電現象等，這影響了電力公司經營成果和資金鏈的有效運轉，使電力公司的電費回收工作愈發困難。而電力大用戶是電力公司電費回收來源的主要對象，所以加強對地區電力大用戶的經營狀況分析及虧欠電費預測，是確保供電公司電費資金的及時回收，規避經營風險的有效途徑。在雅安，高載能行業逐漸成為雅安工業經濟的支柱產業，該類企業每月電費金額巨大，企業的生產經營情況受市場環境、國家宏觀政策影響波動困難，電費回收風險巨大。對電網企業而言，電費資金的回收與管理直接關系整個電力公司的有效運轉。加強對這些高耗能行業經營狀況的監控與預警是非常重要的內容。

1 研究背景

雅安地處川西偏遠山區，地域遼闊，水電資源豐富，售電規模約80億千瓦時，售電結構以工業電量為主，占比達80%以上，其中高載能用戶占工業用電量的83%。高載能行業成為雅安工業經濟的支柱產業，且隨著近幾年電網條件的改善、雅安地方電價比較優勢的形成，全市高載能企業新增規模擴大且產能得到釋放，電力需求迅猛發展。高載能行業電力成本比重過大，且對外界市場環境因素過度敏感，生產大起大落，尤其是中小載能企業抗市場風險能力弱，制約了雅安經濟平穩、健康的發展。據統計雅安全市非鼓勵類高載能企業裝機容量占高載能產業總容量的44.5%，1.25萬千瓦以下的中小爐子比重過大，這類企業在國家產能結構調整政策和市場優勝劣汰的競爭機制中極易倒閉破產。對電網企業而言，電費資金的回收與管理至關重要。加強電費資金的及時回收，可提高資金的綜合利用效益，防范和規避經營風險。目前電費回收工作的困難主要是管理手段落后、缺乏有效預控。目前，擺在電力企業面前亟待解決的重要課題包括：（1）及時有效地掌握電力大用戶每個行業的成本和經營狀況；（2）建立靈活的分類大用戶電價成本盈虧測算聯動機制；（3）有效防范和化解電費回收風險。

本文提出了首先對電力企業按行業進行分類分析，即按照企業生產產品進行行業分類，利用某一行業的用電及相關指標的歷史數據，通過指標數據進行行業分析判斷；其次建立該行業的欠費風險預測模型，通過該模型對這些高耗能用戶進行是否發生欠費進行預測；并采用logistic 模型對電力客戶的信用等級進行計算，為電力公司規避電費回收風險、催收電費提供有力的依據。

2 行業分類分析

在現有管理機制下，電力公司在對電力大用戶經營狀況、電費回收風險分析時，針對不同的電力大用戶，往往集中于每一戶用戶歷史電費繳納情況和財務報表分析。財務報表本身的局限性將降低電力公司判斷的準確性。一是企業財務報表數據往往涉及商業機密，極難取得；二是即使能得到相關歷史財務數據，該數據也僅代表該用戶以前的經營狀況，算出的財務指標必然滯后于經營狀況的惡化，得到的趨勢分析也不一定符合現實狀況。在這要的前提下，基于每戶用戶微觀分析而做出的電費風險判斷往往具有滯后和失真的現象，不能更好的加強電費風險判斷，從而導致國有資產存在流失風險。

基于雅安高載能企業行業用電特性分類明顯的現狀，在原有電費風險管理的基礎上還應該注重宏觀經濟對各類企業生產影響分析，即對電力大用戶分行業進行分析。因為對高載能企業而言，用戶所處行業的發展趨勢對客戶的生產經營狀況有著重要的影響，分析行業發展狀況，從趨勢上把握行業不同發展階段的特征，對電費回收風險、確定產業結構調整對企業的影響判斷具有重大意義。行業是介于宏觀經濟和微觀經濟之間的重要經濟范疇，是由具有共同特征的企業群體所組成。由于同一行業內的企業成員在生產經營上存在著相同性或相似性，其產品或服務具有很強的替代性，行業內的企業成員彼此間處于一種更為緊密聯系的狀態之中。行業的興衰與國民經濟發展的特定階段有較強的相關性。在同一時期，一些行業的增長與經濟同步增長，而一些行業增長可能領先經濟增長，還有一些行業可能隨著經濟的增長反而衰落甚至消失。行業的興衰決定了行業內部企業生存的條件和發展狀況，進而影響到與行業相關的電費安全回收的風險。從這幾年的情況看，電費回收困難電力用戶有相當一部分就是由于行業的衰落而引起的。由于行業收縮，有相當部分貸款轉化為不良資產，因此，行業分析應成為電費回收的重要因素。

本文所研究的行業分析重點從生產的產品類別進行行業分類，對企業所處行業周期及行業地位進行分析，重點關注企業的用電量走勢、宏觀政策、產品價格、原材料價格等系列因素，利用電力企業能及時掌控的用電量信息進行分類比對，對企業相關的非財務信息進行分析，準確了解企業的行業生產動態，建立分類用戶欠費預警提示。

電極箔由特質的高純鋁箔經過電化學或化學腐蝕后擴大表面積，再經過電化成作用在其表面形成一層氧化膜，是鋁電解電容器制造的關鍵原材料，屬國家鼓勵和支持的新型電子和基礎材料，其電費成本占總成本的40%左右，典型的高耗能產業。受雅安水電資源環境優勢和電價優勢的雙重影響，截止目前雅安已建成電極箔企業12家，共計213條生產線，電極箔行業在全國的市場占有率已超過了60%，預計到十二五末將建成300余條生產線，年用電量達30億千瓦時，在雅安的工業經濟中占有相當大的比重。從行業發展趨勢看，整個行業一定程度上存在產能過剩的情況，同樣面臨節能減排淘汰落后等市場競爭，因各廠分布在雅安的不同區域，在政策、電價等方面存在差異，各廠的技術力量、企業實力也有很大差異，一些技術落后、靠價格取勝的小企業，在市場競爭進程中，該類企業極易被市場所淘汰，屬電力公司重點防范風險對象。

以雅安2012-2013年雅安12家電極箔企業的總用電量和對電力公司的總欠費為例，繪制圖形（見圖2.1）進行該行業類別的分析：

對雅安的電極箔行業的用電量及欠費金額的歷史數據進行分析，可得看出2012年到2013年這兩年的時間內，電極箔行業總用電量增加時，行業欠費卻逐漸減少，這說明在整個市場總體行情向好時，整個電極箔行業經營形勢較好，企業欠費反而減少。如2012年10月，電極箔用電量達到頂峰，產生電費最大，而欠費卻最少。在用戶單位產品能耗趨于穩定的前提下，用電量的增減直觀反映了其產品市場的需求情況和行業走勢，一旦電極箔行業的大部分企業用電量減少，說明該行業的產品產出在減少，這勢必會影響到電極箔行業在雅安工業經濟中的發展走勢。行業的經營走勢發展必定會影響到其公司資金流情況，進而影響電力公司的電費回收，當整個行業低迷時，電力公司將面臨巨大的電費風險。尤其對雅安電力公司這種高載能用戶電量電費達到絕對占比企業，密切關注各類高載能企業行業走勢，提高對各高載能行業的風險警示，時刻關注行業的經營變化，充分利用行業電量變化的快速導向，提出行業預警，并結合行業內每一家企業的歷史電費繳納情況，建立企業欠費風險預警，及時采取措施防范電費風險具有積極的作用。

3 基于行業分類的logistic欠費風險預警模型的構建

3.1 指標的選取

結合雅安的實際情況，很多電力客戶均不是上市公司，很難獲取去財務數據及其企業的經營情況數據，主要選取的指標是電力企業角度能掌握的企業基礎信息。指標的選取分為定性指標和定量指標。定性指標選取產業宏觀調控政策、行業生命周期、支柱產業、市場地位、技術水平。定量指標選取行業的欠費率， 行業用電量環比增長率， 企業歷史欠費比重， 企業用電量環比增長率，企業本期欠費比重，企業累計電費欠費次數比率，企業環比用電量增減戶數比重。

（1）定性指標

定性指標主要采用專家打分法對其賦值，其度量表如表3.1所示.

表3.1 風險預警定性指標表

賦值

指標 1 2 3 4

定性指標 產業宏觀調控政策C1 鼓勵 支持 限制 淘汰

產業的生命周期C2 導入期 成長期 成熟期 衰退期

支柱產業C3 國家重點 區域重點 一般產業 弱小產業

市場地位C4 領導者 追隨者 挑戰者 補缺者

技術能力指標C5 國際水平 國內領先 一般水平 落后

（2）定量指標

定量指標主要選取的能夠從電力生產系統中獲取的數據，其定義如下：

3.2 logistic模型的簡介

Logistic模型又稱logistic回歸分析模型，是分類數據統計分析的一種重要方法，研究多水平（包括2個水平）的因變量與其影響因子間關系的回歸分析，即用于分析某類事件發生概率與自變量之間依存關系的回歸。Logistic模型由于不要求變量滿足正態分布和等協方差，而且可用于解決非線性分類問題，因此得到了廣泛的應用。目前主要在流行病學中應用較多，比較常用的情形是探索某疾病的危險因素，根據危險因素預測某疾病發生的概率。在這里本文將Logistic模型引入到某一類用戶中，研究某一戶用戶在不同的環境下產生欠費的概率。

本文將影響結果變量發生的因素分為自變量與因變量，建立回歸方程。

令Y=1，表示電力客戶發生欠費；Y=0，表示電力客戶按時交納電費。若記電力客戶發生欠費的概率P，故它與自變量之間的logistic的回歸模型為：

（1）

相反的，電力客戶按時交納電費的概率：

（2）

其中為偏回歸系數，是表示一組自變量。

3.3 基于行業分類欠費風險預測模型的構建

選取2012-2013年12家電極箔企業數據，共288組數據，使用spss軟件進行欠費風險預測的仿真分析，建立電極箔行業logistic欠費風險預警模型

表3.2觀測量匯總表

案例處理匯總

未加權的案例a N 百分比

選定案例 包括在分析中 288 100.0

缺失案例 0 .0

總計 288 100.0

未選定的案例 0 .0

總計 288 100.0

由表3.2可知，在計算過程中的觀測量數量和缺失值的數量；以及它們所占的百分比。由表中可得288組數據全部進入計算中，沒有缺失數據。

表3.3表最終的觀測量分類

分類表a

已觀測 已預測

欠費 百分比校正

0 1

步驟 1 欠費 0 254 5 98.1

1 6 23 79.3

總計百分比 96.2

a. 切割值為 .500

表3.3表示以0.5作為欠費與不會發生拖欠電費的切割值，得出的預測值與實際數據的比較表。從表中可以看到254個不會發生拖欠電費的對象被正確的預測，正確率達到98.1%，同時會發生欠費的23個會發生拖欠電費的對象被正確的預測，準確率為79.3%，總的正確判斷率為96.2%。

由于本文按照行業分類進行分析，定性指標在每組數據中不會發生變化，系統自動剔除了定性指標。表3.4可知模型中各個變量的相關統計量，根據表中各個變量的系數（B），可得到最終的Logistic數學模型如下：

（3）

其中：

其中表示x1行業的欠費率；x2行業用電量環比增長率；x3企業環比用電量增減戶數比重；x4企業歷史欠費比重；x5企業用電量環比增長率；x6企業本期欠費比重；x7企業累計電費欠費次數比率。

4 總結與展望

本文通過對雅安2012-2013年電極箔行業的歷史數據分析，建立了電極箔行業電力企業是否拖欠電費的風險預測的數學模型，能夠對該行業電力客戶是否發生欠費進行準確的預測，電力公司能夠通過歷史數據對預警行業內電力企業按照信用排序進行重點防范，為規避風險、催收電費提供有力的依據。但此模型也存在很多不足，如雅安的電力企業均不是上市公司，很難準確的獲取其財務指標，未考慮其財務指標及其運營情況。同時此模型還存在很多后續的工作，下一步將通過分析某一行業的歷史數據，建立該行業的電價聯動模型，在銷售電價相對穩定的情況下，預測產品價格、或原材料價格的波動預警，將市場價格和用電量變化情況有效結合，構建電費回收風險預警系統，基于電能量實時采集系統對電力客戶進行實時風險預警，并針對各企業給出規避風險的方案，為有效規避和防范風險提供有力的依據。

參考文獻

[1] 韓寧寧.供電公司電費安全風險預警模型研究[J].華北電力大學.2012（3）

[2] 牛小梅，朱銀鈴.層次分析法在電力客戶信用風險中的評價[J].計算機仿真.2010.28（5）：333—336

[3] 周韓，劉東，吳子美等.電力系統安全預警評估指標及其應用[J].電力系統自動化.2007.31（20）.45—48

[4] 劉春輝，劉敏.電力市場環境下考慮大用戶直購電的電網公司風險管理研究[J].電力系統保護與控制.2011.39（12）：94—101

[5] 李美娟.電力市場中市場力風險預警系統的構建[J].科技管理研究.2011（8）.75.79

[6] 張健業.電力系統信息安全風險評估工作探討[J].新疆電力.2005（3）：39—41

[7] Martin，W.and Lothar，G.Seismic early warning system for a nuclear power plant [M].12WCEE.Auckland：IAEE.2000.1781—1788

[8] Schwe，Early wannngandpre control of Controllable Risks in management [J].MarketingSeienee，1993，7（5）：23—31

[9] 吳子美，劉東，周韓.基于風險的電力系統安全預警的預防性控制決策分析[J].電力自動化設備.2009.29（9）：105.109

作者簡介

余冬先（1982-），四川仁壽人，工程師，碩士研究生，主要從事電力市場研究。