電網(wǎng)企業(yè)數(shù)據(jù)挖掘研究

1、電網(wǎng)企業(yè)數(shù)據(jù)挖掘研究 摘要:收入預算預測對引導業(yè)務部門開源節(jié)流、提質(zhì)增效具有重要作用。隨著我國經(jīng)濟轉型和地緣政治形勢的變化，我國企業(yè)面臨的經(jīng)營環(huán)境更加復雜，收入預算的可控性大大降低。在新形勢下，如何提高預測收入預算的準確度成為實務界和理論家廣泛關注的重要問題。本文以D電網(wǎng)企業(yè)電費收入預算為案例，利用數(shù)據(jù)挖掘方法建立基于人工神經(jīng)網(wǎng)絡模型的電網(wǎng)企業(yè)收入預算預測系統(tǒng)，為我國企業(yè)實現(xiàn)收入預算精細化管理，提升預算管理的戰(zhàn)略導向水平作出有益探索。 關鍵詞:收入預算管理;數(shù)據(jù)挖掘;電網(wǎng)企業(yè) 一、引言 電網(wǎng)企業(yè)收入預算是指電網(wǎng)企業(yè)以年度目標利潤為基礎，分析用戶需求、價格標準和市場情況，對售電量及電費收入進行預

2、測，并制定出相應預算指標的一種預算管理活動。當前電網(wǎng)企業(yè)收入預算管理仍處于較為粗放的模式，缺乏獨立的定量測算方法，一旦出現(xiàn)偏差只能事后調(diào)整，收入預算調(diào)整較為滯后。隨著電力市場交易體量的不斷擴大、增量配電網(wǎng)的接入以及充電樁等新能源的快速發(fā)展，售電量的時間序列隨機性逐漸增大，收入預算預測難度進一步增加。基于上述背景，本文試圖利用數(shù)據(jù)挖掘方法構建收入預算預測系統(tǒng)，幫助電網(wǎng)企業(yè)更精細地規(guī)劃企業(yè)目標收入，提升效益戰(zhàn)略導向性，主動適應經(jīng)濟環(huán)境和電力市場改革的變化。 二、文獻回顧 在大數(shù)據(jù)技術快速發(fā)展的背景下，越來越多學者認為數(shù)據(jù)挖掘技術在電網(wǎng)企業(yè)生產(chǎn)系統(tǒng)安全穩(wěn)定性、調(diào)度運行、故障分析和規(guī)劃設計等方面具有良

3、好的應用1。已有文獻發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡數(shù)據(jù)挖掘法無需人為設定數(shù)學模型，能夠減少模型設定偏差，且對原始負荷時間序列的平穩(wěn)性要求不高，對負荷時序的高隨機性和非確定性具有較強的適應能力(洪流等，2004)2。陳章良(2008)利用挖掘技術構建了電力營銷系統(tǒng)的預測決策模型，對電力企業(yè)生產(chǎn)和計劃的完成情況及相關環(huán)境數(shù)據(jù)進行多角度、多層次的分析，幫助企業(yè)決策者及時掌握售電收入情況和變化趨勢3。然而，上述研究通常側重于電費收入與氣象時間等自然因素的影響關系，缺少從經(jīng)濟因素角度的深入分析，也沒有對數(shù)據(jù)挖掘模型對電費收入預測準確性的改善進行直接的經(jīng)驗研究。 三、構建思路與應用案例 根據(jù)國家發(fā)改委統(tǒng)計口徑，我們首

4、先將收入預算劃分為九個行業(yè)，包括農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、交通運輸倉儲郵政業(yè)、信息傳輸軟件與信息技術服務業(yè)、商業(yè)住宿餐飲業(yè)、金融房地產(chǎn)居民服務業(yè)、公共事業(yè)及管理組織以及城鄉(xiāng)居民生活。根據(jù)已有文獻，電費收入的影響因素主要包括經(jīng)濟因素、時間因素、氣象因素、市場管理與政策制定因素，本文設置了30個特征指標作為上述影響因素的代理變量。其中，每個行業(yè)選擇2個經(jīng)濟因素代理指標，包括農(nóng)業(yè)固定資產(chǎn)投資額、農(nóng)產(chǎn)品出口額、工業(yè)增加值同比增長、工業(yè)出口交貨值、房屋施工面積、房屋竣工面積、貨物運輸吞吐量、軟件與信息服務業(yè)營業(yè)收入、通信行業(yè)營業(yè)收入、社會消費品零售額、餐飲收入、社會融資規(guī)模、房產(chǎn)開發(fā)投資額、國家財政預算

5、收入、國家財政預算支出、居民儲蓄收入和居民家用電器產(chǎn)量。氣象因素代理指標包括平均最高氣溫、平均最低氣溫、降水天數(shù)、偏南風天數(shù)、平均風力。時間因素代理指標包括月總天數(shù)、節(jié)假日天數(shù)、節(jié)假日比例、小長假天數(shù)、是否春節(jié)和季節(jié)。政策因素是以2015年4月為基期的工商業(yè)用電電度價格調(diào)整。利用Matlab軟件，本文將D市2015年7月至2017年12月九個行業(yè)的電量指標與30個特征指標輸入BP算法中進行學習訓練，結合各歸口管理部委、行業(yè)分析師對各行業(yè)2018年的增長預期，確定上述影響因素的預測，得出2018年電量預測值，如下表1所示。結合D市2017年112月的平均售電價，系統(tǒng)最終輸出2018年112月D市

6、電費收入的預測值。該預測值可作為我們編制、審核和調(diào)整電費收入預算的重要參考。我們采用該預測值作為2018年D市的月度分解預算，則表2可展示2018年112月D市電費收入預算明細。我們計算了電費收入預算與實際電費收入相比的誤差比率，并列示于括號空格內(nèi)。由表4可見:絕大部分行業(yè)預測誤差率小于20%，農(nóng)林牧漁業(yè)、商業(yè)住宿餐飲業(yè)預測誤差率均小于10%，工業(yè)1月、信息傳輸軟件與信息技術服務業(yè)4月、城鄉(xiāng)居民生活5月、金融房地產(chǎn)居民服務10月、交通運輸倉儲郵政業(yè)1月及6月、商業(yè)住宿餐飲3月及12月的預測誤差率小于1%。上述結果表明，基于人工神經(jīng)網(wǎng)絡模型的電量預測具有較高的準確度，本文系統(tǒng)對D市電費收入預測的結果是穩(wěn)健可靠的。 四、研究結論 本文研究表明利用人工神經(jīng)網(wǎng)絡模型能夠有效改善電網(wǎng)企業(yè)收入預算預測的準確性，有助于電網(wǎng)企業(yè)提升收入預算管理水平，為其他行業(yè)企業(yè)根據(jù)自身行業(yè)特點選擇合適的數(shù)據(jù)挖掘方法進行收入預算預測作出了有益探索。但由于研究樣本、方法及水平所限，本文研究成果仍存在一定的局限性。 未來研究可以進一步結合各地級市的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結構經(jīng)濟指標可設置地區(qū)調(diào)整系數(shù)，并采用動態(tài)數(shù)據(jù)流技術，使預測數(shù)據(jù)和實際數(shù)據(jù)能夠實現(xiàn)全自動更新與存儲，將能夠