基于財務數據的電網公司購售電預測建模研究

周振

摘要：購售電指標是影響電網企業經濟效益的重要指標，對購售電量、收入、現金流等的科學預測是保證電網企業財務預算準確性的重要前提。本文從國網公司、省電網公司、市電網公司購售電情況三方面對電網企業財務數據進行分析，分別采用指數平滑法、灰色模型法、回歸分析法，建立預測模型，通過對比分析實際與預測值的差異，得出有效的預測模型。

關鍵詞：購售電預測 回歸分析 指數平滑預測模型

購售電量、電費、現金流預測是電網公司損益預算編制、現金流預算編制、經營預測的起點，是投資能力測算、工程項目可研財務評價、工程項目財務后評價等最關鍵的參數。如何提高購售電預測準確性，是保證財務預算準確性的重要前提。目前國網財務系統中存儲了大量的購售電相關數據，卻由于財務部門缺乏成熟的購售電預測模型，無法做出精確的電量預測，對業務部門提供的電量預測數據的準確性沒有發言權，只能被動接受。本文通過搭建購售電綜合預測模型，一方面期望可以有效提升購售電預測的精準度，改變財務部門被動接受業務部門所提供的購售電預測數據的現狀，另一方面為公司開展經營預測和工程項目經濟效益評價夯實基礎。

一、建模原理

（一）回歸分析法

回歸分析是一種應用極為廣泛的數量分析方法。利用數據統計原理，對大量統計數據進行數學處理，并確定因變量與自變量的相關關系，建立一個相關性較好的回歸方程（函數表達式），并加以外推，用于預測今后的因變量的變化的分析方法。回歸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關系，若存在，則找出數學表達式；二是根據一個或幾個變量的值，預測或控制另一個或幾個變量的值，且要估計這種控制或預測可以達到何種精確度。該方法一般用于年度預測。

（二）灰色模型法

灰色模型（grey models）是通過少量的、不完全的信息，建立灰色微分預測模型，對事物發展規律作出模糊性的長期描述的方法。其基本思想是用原始數據組成原始序列（0），經累加生成法生成序列（1），它可以弱化原始數據的隨機性，使其呈現出較為明顯的特征規律。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模型進行預測，精度較高的僅僅是原點數據以后的1到2個數據，即預測時刻越遠預測的意義越弱。

原始數據列：X（0）=（X（0）（1），X（0）（2），…X（0）（n）），n為數據個數。

（1）原始數據累加，弱化波動性和隨機性

（2）累加生成數據做均值生成矩陣A，B

（3）灰色模型的參數分別為a，b

（4）計算得到擬合值

（5）對擬合值進行離散，得到預測值

（三）指數平滑法

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

二、建模應用

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

（一）回歸分析方法在國網公司購售電預測建模中的應用

由于售電量與宏觀經濟的變動等因素具有高度的相關性，因此本文使用國網年度售電量與GDP進行相關關系分析并建立模型。具體測算方法為：使用2003-2013年數據，建立年度售電量與GDP的相關關系模型，由同期的GDP計算得到售電量預測值。

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測值，具體結果見表3.1，當GDP增長率為7.5%時，預測2014年售電量為37399億千瓦時，電量增長率為6.92%；當GDP增長率為7%時，預測售電量為37260億千瓦時，電量增長率為6.52%；當GDP增長率為6.5%時，預測售電量為37122億千瓦時，電量增長率為6.13%。

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

（二）灰色模型與指數平滑法在省級電網公司購售電預測建模中的應用

本節以XX省電力公司為例對省電網公司售電收入與售電現金流進行分析，使用灰色模型法對售電收入進行分析，預測月度售電收入；使用回歸分析法建立現金流入與售電收入模型。

1、灰色模型預測省售電網公司電收入

由于月度數據具有季節性，因此運用灰色模型結合季節分解法對數據進行建模分析。以2008年1月-2012年12月售電收入為原始數據，建立時間序列模型，預測2013年1-12月售電收入，模型預測結果見表3.2。

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

2、回歸分析法預測省電網公司現金流入

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

Y=1.623*X0.889（3.2）

其中X為售電收入，Y為售電現金流入。

根據模型，使用當月的售電收入值預測售電現金流入值。因為當月的售電收入同樣為未知數，因此還需要對當月的售電收入進行預測。可使用灰色季節性模型，指數平滑法等方法進行預測。本文只是給出一種建模思路，沒有進行具體的測算。

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

（三）指數平滑法與回歸方法在市級電網公司購售電預測建模中的應用

由于購售電量、售電收入、購電成本等數據變動遵循規律基本一致，因此本節僅對售電現金流數據進行分析。

1、指數平滑法預測現金流量

以XX區供電公司2009年1月-2013年12月售電現金流序列為原始數據，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]為預測值，m為超前期數，yt為原始數據，St為數據的水平平滑值，bt為數據的趨勢平滑值，It為數據的季節調整因子，l為季節周期長度。

模型參數見表3.3，模型擬合圖如圖3.1，模型預測結果見表3.4。

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

2、回歸分析法預測現金流量

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

（1）以XX區供電公司2008-2013年年度售電現金流入數據為原始數據，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，Y為售電現金流入。

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

（2）確定月現金流比重

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

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

指數平滑法與回歸方法在市電網公司購售電預測中，建立的模型對售電現金流的預測結果均較好，差異率較小。可以使用該模型對購售電數據進行預測。

三、結束語

本文從全國、省電網公司、市電網公司三個方面對購售電財務數據進行分析，分別采用回歸分析法、灰色模型法、指數平滑法建立了預測模型，并取得了一定的研究成果。針對國網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GDP的預計變動情況，實現售電量預測。針對省電網公司購售電數據，建立了售電收入與現金流的回歸模型；建立購售電收入預測的灰色模型，得到月度售電收入預測值。針對市電網公司購售電數據，建立售電現金流入的Winters加法模型，預測月度售電現金流量；建立年度現金流與時間回歸模型，并依據月現金流比重分配現金流預測值，得到月度預測值。幾種模型在實際分析應用中，差異率均較小，模型的建立可以為后續國網購售電預測提供參考。同時，預測模型的建立，一方面可以對預測方法進一步優化完善，另一方面可以洞察購售電量、收入、現金流變動等的規律，提升國網總體收入、現金流預測的精準度，為預算編制和經營預測夯實基礎。但目前模型在具體的應用中仍需要改進，模型預測值與實際值在個別月份里預測差異較大，提高模型預測精確性，研究新的預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.提高月度售電量預測精度的一種新方法[J].電力需求側管理，2013

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

[3]張穎，孫秋柏，陳雪波等.指數平滑法在現金流預測中的應用[N].測試技術學報，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測[N].電力系統及其自動化學報，2008