“新電改”下直購交易對電網企業精準預測收入影響技術的研究

國網匯通金財（北京）信息科技有限公司 吳 立 樸灝旭 李夢媛

我國的銷售電價主要由上網電價、輸配電價、線損、政府性基金及附加組成。其中輸配電價是電網企業輸配電收取的費用，是促進電價下調的關鍵環節。自2015年4月國家印發關于貫徹中發[2015]9號文件精神加快推進輸配電價改革的通知起，陸續出臺多個相關文件促進電力體制改革。新一輪電力體制改革遵循“管住中間、放開兩頭”的體制架構，主要內容是：有序放開輸配電以外的競爭性環節電價，有序向社會資本放開新增配電業務，有序放開公益性和調節性以外的發用電計劃；推進交易機構相對獨立、規范運行；進一步強化政府監管，進一步強化電力統籌規劃，進一步強化電力安全高效運行和可靠供應。

輸配電價改革是促進電網企業盈利模式轉變的一次重大變革。輸配電改革前電網企業按照購銷模式運作，調度并按規定的上網電價購入經營區域內獨立發電企業上網電量；同時按規定的銷售電價，向直供電力用戶和獨立配電企業銷售電量。電網企業的運營業績，主要取決于企業向發電廠支付的平均上網電價與最終用戶向企業支付的平均銷售電價的差額。輸配電價改革到位后，上網電價與銷售電價與電網企業收入無關，企業僅收取過網費，其運營業績主要取決于政府價格主管部門核定的準許收入水平。

隨著電力改革的推進，輸配電價總體呈下降趨勢，電網企業能夠從輸配電業務獲取的收入有限，也就意味著需進一步通過提高投資效率、節約成本費用來獲取收益。基于此，本文試圖構建一套適用于電網企業的收入預測模型，用于支撐企業健康穩健經營。

1 收入預測及“新電改”現狀

目前電網企業售電收入預測主要分為以下三種形式：一是傳統模式預測，由財務人員依據發策部提供的電量和營銷部提供的電價并根據歷史數據和經驗進行預判和修正；二是基于電力營銷系統預測決策模型預測，對電力企業生產和計劃的完成情況及相關環境進行多角度、多層次分析，幫助企業及時預測收入情況和變化趨勢；三是考慮電力經濟相關性的全社會用電量預測算法，將全社會用電量分為三個產業和居民用電，通過電力經濟生產函數量化三個產業產值與電量之間的關聯性[1]，測算未來用電量進而計算電費收入。

然而，人工預測的方法不僅工作效率低下，而且方法不統一無法持續優化。基于電力營銷系統預測，主要考慮電費收入與自然因素的變化關系，缺少經濟相關性的研究分析。考慮電力經濟相關性預測，在方法二的基礎上進行了改良，側重于農業生產、工業生產、服務業生產行業產值及居民用電對于用電量的影響，未考慮國家政策因素的影響，無法保證企業收入預測的精確性。

在推進電力市場改革的工作中，不可避免要提到電力直接交易。它指的是符合準入條件的電力用戶與發電企業按照“自愿參與、自主協商”的原則直接進行購售電交易，電網企業按規定提供輸配電服務。目前按照國家相關政策要求，省電力公司對市場化用戶和非市場化用戶采用不同的業務模式。對于非市場化用戶，包括居民、農業等保障性用戶，按照政府規定的優先發電機組實施調度予以滿足，銷售電價采用按照核定輸配電價進行同幅度調整的目錄電價，因此業務模式為購銷差價。

對于市場化用戶，各省電力公司響應國家發改委發布的《關于全面放開經營性電力用戶發用電計劃的通知》，不再受電壓等級、用電量及行業范圍限制，將全體經營性用戶（工商業企業）納入電力直接交易準入范圍，按照核定輸配電價水平收取銷售電價及過網費。本文以某一省公司（簡稱S 公司）為例，2020年S 公司全年組織電力直接交易18次，6000余家用戶主體參與交易，累計成交量超600億千瓦時，同比增長22.33%，直接交易對于電費收入的影響越來越不容忽視。

2 構建思路

根據歷史經驗及文獻學習，電費收入受經濟形勢、時間因素、氣象因素、市場情況、政策環境等諸多內、外部因素決定，且影響不同收入類型的相關變量不盡相同。眾多的相關因素將隨著時間的推移而變化，并呈現出十分復雜的變化特點。傳統的預測模型沒有考慮政策環境的影響，故對收入進行預測的效果要存在一定差異。如在預測模型中引入輸配電改革電價降價這一變量，增加模型對政策因素的匹配，能有效提高模型預測精度。

本文在傳統的經濟形勢、時間因素、氣象因素、市場情況方面選取GDP、平均氣溫、水泥、鋼材、工業鍋爐產量、金屬切削機床、固定資產投資完成額、節假日天數、工業生產者購進價格指數作為因素代理指標。在政策環境方面選取電力直接交易量作為“新電改”因素代理指標。采用機器學習算法分別預測這幾種類型的售電收入，通過與實際值的對比確定其精度，在誤差達到可接受的范圍內后可推廣使用[2]。

本文參考BP 網絡模型對收入預測模型進行驗證。BP 網絡（Back-ProPagation Network）又稱反向傳播神經網絡，通過樣本數據的訓練，不斷修正網絡權值和閾值使誤差函數沿負梯度方向下降，逼近期望輸出。它是一種應用較為廣泛的神經網絡模型，多用于函數逼近、模型識別分類、數據壓縮和時間序列預測等。BP 網絡由輸入層、隱層和輸出層組成，隱層可有一層或多層，圖1是m×k×n 的三層BP 網絡模型，網絡選用S 型傳遞函數f(x)=1/(1+e-x)通過反傳誤差函數E=Σi(Ti+Oi)2/2（Ti為期望輸出、Oi為網絡的計算輸出），不斷調節網絡權值和閾值使誤差函數E 達到極小，其中直接交易電量作為輸入層的一個關鍵內容[3]。

圖1 m×n×k 三層BP 網絡模型

3 實證分析及研究結論

為了對模型進行驗證，本文選取S 公司2019年1月～2021年6月的售電收入與變量因素輸入人工神經網絡BP 模型中進行學習訓練，得出售電收入預測值。表1選取GDP、平均氣溫、水泥、鋼材、工業鍋爐產量、金屬切削機床、固定資產投資完成額、節假日天數、工業生產者購進價格指數9個變量與售電收入進行測算，表2增加直接電力交易量重新進行測算。預測結果可知本文所構建的基于BP 模型預測穩定可靠，兩種方式預測出的電費收入比較接近電費收入的實際值，預測誤差大都在20%以內；增加直接電力交易量后平均絕對百分比誤差(MAPE)為6.12%、同比下降28%。

表1 S 公司售電收入預測值（不包含電力直接交易量）

表2 S 公司售電收入預測值（包含電力直接交易量）

綜上，本文研究結果表明，增加直接交易量這一變量能提高電費收入預測的準確度，尤其是在大工業用電收入、一般工商業用電及其他用電收入上。隨著電力改革的進行，政府價格主管部門在調整電網企業準許收益率、控制輸配電成本、提高資產管理效率等方面逐漸賦予監管壓力，改革過程可能對業務、經營業績和財務狀況形成一定的影響。