楊　進(jìn)

(國(guó)家電網(wǎng)公司冀北電力有限公司 財(cái)務(wù)資產(chǎn)部，北京 100053)

?

電網(wǎng)企業(yè)大數(shù)據(jù)在財(cái)務(wù)決策中的應(yīng)用研究

楊進(jìn)

(國(guó)家電網(wǎng)公司冀北電力有限公司 財(cái)務(wù)資產(chǎn)部，北京 100053)

摘要：大數(shù)據(jù)是一個(gè)世界范圍內(nèi)、各行各業(yè)都日益重視的話題，然而，大數(shù)據(jù)代表什么、電力企業(yè)如何應(yīng)用大數(shù)據(jù)，這些問(wèn)題的理解者或許并沒(méi)有那么多，本文的目的有兩個(gè)：一是通過(guò)閱讀本文，讀者能夠?qū)Υ髷?shù)據(jù)有個(gè)全面的正確的認(rèn)識(shí)和理解；二是以某電網(wǎng)企業(yè)為例，運(yùn)用各種數(shù)據(jù)分析工具(包括時(shí)間序列分析、回歸分析、聚類分析)，將大數(shù)據(jù)理念與實(shí)際的電網(wǎng)企業(yè)財(cái)務(wù)決策掛鉤，通過(guò)分析兩個(gè)財(cái)務(wù)決策情景來(lái)展示大數(shù)據(jù)的財(cái)務(wù)應(yīng)用，讓對(duì)大數(shù)據(jù)仍有模糊認(rèn)識(shí)的讀者更加清晰、形象地看到大數(shù)據(jù)是如何應(yīng)用的，以此來(lái)加快我國(guó)大數(shù)據(jù)的應(yīng)用發(fā)展。通過(guò)案例應(yīng)用可以看到大數(shù)據(jù)的確可以為電網(wǎng)企業(yè)發(fā)揮重要作用。

關(guān)鍵詞：大數(shù)據(jù)；智能電網(wǎng)；財(cái)務(wù)；時(shí)間序列分析；聚類分析

近年來(lái)，隨著全球能源問(wèn)題日益嚴(yán)峻，世界各國(guó)都開展了智能電網(wǎng)的研究工作,2011年麥肯錫研究報(bào)告《大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿領(lǐng)域》 使得大數(shù)據(jù)在企業(yè)界迅速火熱。大數(shù)據(jù)被視為下一個(gè)創(chuàng)新和生產(chǎn)力提升的前沿,2009年，谷歌公司通過(guò)大數(shù)據(jù)業(yè)務(wù)對(duì)美國(guó)經(jīng)濟(jì)的貢獻(xiàn)就為540 億USD，而這只是大數(shù)據(jù)所蘊(yùn)含的巨大經(jīng)濟(jì)效益的冰山一角,隨著大數(shù)據(jù)研究的地位以及將會(huì)給社會(huì)帶來(lái)的價(jià)值，大數(shù)據(jù)已成為學(xué)術(shù)界和產(chǎn)業(yè)界共同關(guān)注的研究主題。

在智能電網(wǎng)系統(tǒng)中，大數(shù)據(jù)產(chǎn)生于整個(gè)系統(tǒng)的各個(gè)環(huán)節(jié)。隨著大量智能電表及智能終端的安裝部署，電力企業(yè)可以每隔一段時(shí)間獲取用戶的用電信息，從而收集了比以往粒度更細(xì)的海量電力消費(fèi)數(shù)據(jù)，構(gòu)成智能電網(wǎng)中用戶側(cè)大數(shù)據(jù)。

為了響應(yīng)財(cái)務(wù)大數(shù)據(jù)的號(hào)召，電網(wǎng)企業(yè)財(cái)務(wù)部推行全面預(yù)算管理，全面預(yù)算管理是讓企業(yè)大數(shù)據(jù)、海量數(shù)據(jù)“活起來(lái)”的最好方式，通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析可以更合理地設(shè)計(jì)電力需求響應(yīng)系統(tǒng)和短期負(fù)荷預(yù)測(cè)系統(tǒng)、更好的理解電力客戶的用電行為等。但是，由于云計(jì)算平臺(tái)的廣泛應(yīng)用，積累了海量、多源異構(gòu)數(shù)據(jù)，這急需人們研究這種大數(shù)據(jù)的分析技術(shù)和理論。

一、大數(shù)據(jù)與電力系統(tǒng)的內(nèi)涵

(一)大數(shù)據(jù)內(nèi)涵

2010年Apache Hadoop 組織給出的大數(shù)據(jù)定義為，“普通的計(jì)算機(jī)軟件無(wú)法在可接受的時(shí)間范圍內(nèi)捕捉、管理、處理的規(guī)模龐大的數(shù)據(jù)集”。定義中提到了三個(gè)關(guān)鍵詞：數(shù)據(jù)量、處理時(shí)間和處理工具。說(shuō)明，在對(duì)大數(shù)據(jù)的理解方面，巨大的數(shù)據(jù)量、盡快的處理時(shí)間和多樣化的處理工具是必不可少的部分，然而巨大的數(shù)據(jù)量和實(shí)時(shí)的處理時(shí)間卻又是矛盾的，因此對(duì)處理工具的多樣性和實(shí)用性提出很高的要求。學(xué)界普遍認(rèn)同的三個(gè)大數(shù)據(jù)特性是體量大(Volume)、類型多(Variety)和速度快(Velocity)。除此之外，IBM 公司認(rèn)為大數(shù)據(jù)還應(yīng)具有可信性和可用性(Veracity)，而國(guó)際數(shù)據(jù)公司(IDC)則認(rèn)為數(shù)據(jù)應(yīng)當(dāng)具有價(jià)值性(Value)。

(二)電力企業(yè)如何理解大數(shù)據(jù)

可以說(shuō)智能電網(wǎng)就是“大數(shù)據(jù)”在電力行業(yè)中的一種應(yīng)用，電力大數(shù)據(jù)的特征可以概括為5“V”3“E”。除了以上介紹的5V以外，3“E”特征是電力大數(shù)據(jù)所獨(dú)有的，包括能量(Energy)、交互(Exchange)、共情(Empathy)。能量可以理解為數(shù)據(jù)的價(jià)值。數(shù)據(jù)交互性特指在智能電網(wǎng)中，用戶與供電公司在電流、信息流方面的交互。共情為用戶與供電公司、國(guó)家、社會(huì)達(dá)成統(tǒng)一目標(biāo)，協(xié)調(diào)多方面利益，最終實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型和可持續(xù)發(fā)展。

二、電網(wǎng)數(shù)據(jù)類型

(一)按業(yè)務(wù)分類

電網(wǎng)中的數(shù)據(jù)大致可以分為4 類：財(cái)務(wù)數(shù)據(jù)，即有關(guān)于各種資產(chǎn)成本、運(yùn)維成本、投資決策、用電收入等的數(shù)據(jù)；生產(chǎn)數(shù)據(jù)，即電網(wǎng)運(yùn)行狀態(tài)及相關(guān)監(jiān)測(cè)信息，如網(wǎng)絡(luò)運(yùn)行拓?fù)?、設(shè)備狀態(tài)信息；運(yùn)營(yíng)數(shù)據(jù)，即影響分布式電源出力的配電網(wǎng)相關(guān)區(qū)域天氣信息，如光照、氣溫、風(fēng)速等信息；企業(yè)管理數(shù)據(jù)，即網(wǎng)內(nèi)用戶的狀態(tài)及營(yíng)銷信息，如用戶的用電量信息等，美國(guó)太平洋天然氣電力公司每個(gè)月從900 萬(wàn)個(gè)智能電表中收集超過(guò)3 TB 的數(shù)據(jù)[5]。最后，新業(yè)務(wù)數(shù)據(jù)主要包括分布式電源、電動(dòng)汽車等數(shù)據(jù)。

(二)按數(shù)據(jù)結(jié)構(gòu)分類

依照數(shù)據(jù)結(jié)構(gòu)的劃分形式，這些數(shù)據(jù)可以分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)里，可以用二維表結(jié)構(gòu)來(lái)邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)。相對(duì)于結(jié)構(gòu)化數(shù)據(jù)，無(wú)法用二維邏輯表表達(dá)的數(shù)據(jù)即稱為非結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)主要包括線路、監(jiān)測(cè)圖片和視頻、設(shè)備檢修管理等的日志信息等，這部分?jǐn)?shù)據(jù)增長(zhǎng)非常迅速，互聯(lián)網(wǎng)數(shù)據(jù)中心(Internet data center，IDC)的一項(xiàng)調(diào)查報(bào)告指出：企業(yè)中80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)每年都按指數(shù)增長(zhǎng)60%。

(三)按數(shù)據(jù)實(shí)時(shí)性分類

從數(shù)據(jù)實(shí)時(shí)性上來(lái)分，主動(dòng)配電網(wǎng)中的數(shù)據(jù)又可以分為準(zhǔn)實(shí)時(shí)數(shù)據(jù)、非實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)。設(shè)備運(yùn)行日志、監(jiān)測(cè)視頻、用戶營(yíng)銷信息等信息因其應(yīng)用實(shí)時(shí)性要求低，列為非實(shí)時(shí)數(shù)據(jù)；以保證配電網(wǎng)的正常運(yùn)行，設(shè)備的狀態(tài)監(jiān)測(cè)信息、氣象信息等并非實(shí)時(shí)調(diào)用的信息目的是供后期對(duì)設(shè)備狀態(tài)分析及預(yù)測(cè)使用，歸為準(zhǔn)實(shí)時(shí)信息；配電網(wǎng)調(diào)度、控制、保護(hù)等需要的數(shù)據(jù)一般時(shí)效性很高，為真實(shí)完整記錄生產(chǎn)運(yùn)行的每個(gè)細(xì)節(jié)，完整反映生產(chǎn)運(yùn)行過(guò)程，要求達(dá)到“實(shí)時(shí)變化采樣”，因此大部分為實(shí)時(shí)數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)藏著豐富的信息，對(duì)于分析生產(chǎn)運(yùn)行狀態(tài)、提供控制和優(yōu)化策略、故障診斷以及知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘具有重要意義。

三、電力行業(yè)財(cái)務(wù)部門如何應(yīng)用大數(shù)據(jù)

(一)大數(shù)據(jù)的內(nèi)部應(yīng)用

1.提高財(cái)務(wù)管控能力，幫助企業(yè)戰(zhàn)略落地

相比較企業(yè)內(nèi)外部的其他類型的數(shù)據(jù)，財(cái)務(wù)數(shù)據(jù)更復(fù)雜、更龐大，因此包含著更多的寶貴信息。例如，可以建立數(shù)據(jù)分析模型，對(duì)會(huì)計(jì)數(shù)據(jù)進(jìn)行分析和信息挖掘，也可以對(duì)成本、費(fèi)用、收入、利潤(rùn)等進(jìn)行行業(yè)比較分析、區(qū)域市場(chǎng)分析、增長(zhǎng)情況分析等，從而發(fā)現(xiàn)經(jīng)濟(jì)的近期和遠(yuǎn)期規(guī)律，從而在挖掘市場(chǎng)潛力的同時(shí)，更好的控制行業(yè)風(fēng)險(xiǎn)、提升行業(yè)競(jìng)爭(zhēng)力。在進(jìn)行模型預(yù)測(cè)的基礎(chǔ)上，利用全面預(yù)算管理解決方案，得到不同時(shí)期、不同產(chǎn)品類別的明細(xì)數(shù)據(jù)情況，便于企業(yè)的實(shí)際和預(yù)算數(shù)據(jù)進(jìn)行比較，分析差距，找到解決問(wèn)題的方法。通過(guò)與網(wǎng)絡(luò)報(bào)銷、費(fèi)用控制等分析工具的配合，可以大大提高財(cái)務(wù)管控能力，幫助企業(yè)實(shí)現(xiàn)戰(zhàn)略落地。

2.通過(guò)成本效益分析，支持基建決策

發(fā)電企業(yè)通過(guò)大數(shù)據(jù)提供的有效數(shù)據(jù)預(yù)先進(jìn)行成本效益預(yù)測(cè)，進(jìn)而更科學(xué)的做出發(fā)電站的選址、輸電線路的設(shè)計(jì)的決策。另外，如果條件允許的話，還可以根據(jù)衛(wèi)星系統(tǒng)數(shù)據(jù)將月相與潮汐數(shù)據(jù)進(jìn)行綜合，更好的服務(wù)與電網(wǎng)公司基建建設(shè)。不確定的宏觀環(huán)境對(duì)電網(wǎng)企業(yè)投資決策科學(xué)化提出更高的要求，因此，電網(wǎng)公司需要充分利用大數(shù)據(jù)的分析優(yōu)勢(shì)，借此提高財(cái)務(wù)的決策支撐、資源配置、風(fēng)險(xiǎn)防范作用，進(jìn)而提高電網(wǎng)公司的盈利能力、投資能力。

3.升級(jí)客戶分析，提高財(cái)務(wù)收益

電網(wǎng)公司的財(cái)務(wù)管理倡導(dǎo)投資管理精益化，以此來(lái)提高投資效率，在具體的數(shù)據(jù)分析方面，應(yīng)該以分析型數(shù)據(jù)為基礎(chǔ)，科學(xué)配置各種服務(wù)資源，構(gòu)建營(yíng)銷數(shù)據(jù)分析模型。另外，為了對(duì)各級(jí)數(shù)據(jù)需求者提供多為、直觀的分析展示，應(yīng)建立各種針對(duì)營(yíng)銷的系統(tǒng)性算法模型庫(kù)，并且注重開發(fā)多樣性的數(shù)據(jù)可視化工具，進(jìn)而主動(dòng)把握市場(chǎng)動(dòng)態(tài),為企業(yè)獲得更好的效益、為顧客提供更好的基礎(chǔ)做好鋪墊。

4.提高財(cái)務(wù)管控能力，加強(qiáng)財(cái)務(wù)同其他部門的協(xié)同管理

電網(wǎng)各信息系統(tǒng)大多是基于本業(yè)務(wù)或本部門的需求，存在不同的平臺(tái)、應(yīng)用系統(tǒng)和數(shù)據(jù)格式，導(dǎo)致信息與資源分散，異構(gòu)性嚴(yán)重，橫向不能共享，上下級(jí)間縱向貫通困難。通過(guò)實(shí)施大數(shù)據(jù)管理，可以整合電力行業(yè)生產(chǎn)、運(yùn)營(yíng)、銷售、管理的數(shù)據(jù)，設(shè)計(jì)各部門全環(huán)節(jié)數(shù)據(jù)共享平臺(tái)，將優(yōu)化內(nèi)部信息溝通，使財(cái)務(wù)、人事等工作的開展更順暢，進(jìn)而提高財(cái)務(wù)部門的管控水平。

(二)大數(shù)據(jù)的外部應(yīng)用

利用電力行業(yè)數(shù)據(jù)可給用戶提供更加豐富的增值服務(wù)內(nèi)容。通過(guò)與用戶進(jìn)行互動(dòng)式對(duì)話，可以發(fā)掘更多節(jié)能降耗的關(guān)鍵點(diǎn)，比如，隨著電動(dòng)汽車的發(fā)展，用戶可以在用電低谷給電動(dòng)汽車充電，然后在用電高峰期將存儲(chǔ)的電貢獻(xiàn)出來(lái)，電網(wǎng)公司可以提供其相當(dāng)于高峰電價(jià)的補(bǔ)助，這樣既緩解了電網(wǎng)公司的波動(dòng)性，又給用戶帶來(lái)了部分收入。

除了與用戶進(jìn)行數(shù)據(jù)互換外，還可以與外界進(jìn)行數(shù)據(jù)的交換，例如挖掘用戶用電與天氣、交通等因素所隱藏的關(guān)聯(lián)關(guān)系，完善用戶用電需求預(yù)測(cè)模型，進(jìn)而為各級(jí)決策者提供多維、直觀、全面、深入的預(yù)測(cè)數(shù)據(jù)，主動(dòng)把握市場(chǎng)動(dòng)態(tài)。

作為重要經(jīng)濟(jì)先行數(shù)據(jù),用電數(shù)據(jù)和會(huì)計(jì)數(shù)據(jù)同樣重要。如果說(shuō)用電數(shù)據(jù)是一個(gè)地區(qū)經(jīng)濟(jì)運(yùn)行的“風(fēng)向標(biāo)”，那么會(huì)計(jì)數(shù)據(jù)是準(zhǔn)確反映一個(gè)國(guó)家經(jīng)濟(jì)運(yùn)行情況的“晴雨表”，可作為投資決策者的參考依據(jù)。

四、大數(shù)據(jù)應(yīng)用案例——電網(wǎng)企業(yè)大數(shù)據(jù)分析支持財(cái)務(wù)管理決策

(一)變電站運(yùn)檢成本變動(dòng)規(guī)律分析

一個(gè)資產(chǎn)從投入到運(yùn)維、檢修最后到資產(chǎn)退役，整個(gè)過(guò)程中成本的發(fā)生不是固定的，剛投入的設(shè)備運(yùn)行狀態(tài)良好，需要檢修、運(yùn)維的成本花費(fèi)較低，隨著后期使用年限的增加，各種問(wèn)題隨之出現(xiàn)：零件壞損、外殼腐蝕、地標(biāo)更換、事故及異常事件發(fā)生頻率增加等等，最后的結(jié)果是檢修消缺工作越來(lái)越繁重，危險(xiǎn)點(diǎn)分析越發(fā)復(fù)雜，運(yùn)維壓力逐漸增大，因此，全面透徹的對(duì)一個(gè)變電站在投運(yùn)后不同階段發(fā)生的成本進(jìn)行分析，有利于及時(shí)的核算所需資源、人力，使得財(cái)務(wù)工作的實(shí)施更具準(zhǔn)確性、可操作性、可預(yù)見性，提高整個(gè)財(cái)務(wù)工作在變電運(yùn)維方面的管控能力。

變電站的選擇：變電站根據(jù)電壓等級(jí)可分為：500KV、220KV、110KV、35KV、10KV，不同的等級(jí)的變電站運(yùn)維檢修成本必然不同，因此首要工作就是選擇一個(gè)適當(dāng)?shù)碾妷旱燃?jí)的變電站作為分析目標(biāo)。本文選取變電站電壓等級(jí)有兩個(gè)原則，一：該等級(jí)變電站數(shù)量較多，保證多個(gè)變電站的平均數(shù)據(jù)具有客觀性；二：該等級(jí)變電站數(shù)據(jù)可得、且操作上可行。因?yàn)殡娋W(wǎng)公司500KV變電站數(shù)量一般較少，約3個(gè)左右，因此不適合第一條原則。而110KV以下的變電站數(shù)量又太多，數(shù)據(jù)搜集及處理比較繁瑣，因此根據(jù)數(shù)量和數(shù)據(jù)可得性、可處理性選擇220KV變電站。

數(shù)據(jù)單位的選擇：即便都是220KV變電站，各自的容量也是不同的，為了更具科學(xué)性，本文選取的成本單位為元/MVA。

最后需說(shuō)明的一點(diǎn)是：本文的重點(diǎn)是提供一個(gè)運(yùn)用大數(shù)據(jù)提高財(cái)務(wù)分析、預(yù)測(cè)能力的使用方案，對(duì)于數(shù)據(jù)的準(zhǔn)確性是其次，出于保密考慮該數(shù)據(jù)有所偏頗，但依舊可以從該分析方法上窺探大數(shù)據(jù)對(duì)電網(wǎng)公司的巨大作用。

以220KV變電站為例，根據(jù)各220KV變電站多年運(yùn)維數(shù)據(jù)累計(jì)，得出一個(gè)標(biāo)準(zhǔn)的220KV變電站自投入運(yùn)行后每年的成本，該成本由三部分組成：變電檢修成本、變電站通信設(shè)備檢修成本、變電運(yùn)行成本。假設(shè)自2000年投運(yùn)，一個(gè)標(biāo)準(zhǔn)220KV變電站自投運(yùn)后每年成本如下：

20009453720011053852002113464200312865920042038712005224585200624309620073205072008346736200936453920104253922011474396

圖1220KV變電站每年成本(元/MVA)

運(yùn)用EVIEWS軟件畫出這12年數(shù)據(jù)的時(shí)序圖如下：

圖2　220KV變電站成本時(shí)序圖

從上圖可以看出該序列具有兩個(gè)特點(diǎn)：1.明顯的上升趨勢(shì)，因此并非平穩(wěn)序列；2.有較明顯的周期波動(dòng)性，第一次波動(dòng)時(shí)隔4年，后兩次均為3年。

因此可以選擇以下模型進(jìn)行該序列的分析：

costt=Tt+St+It

其中，Tt代表長(zhǎng)期趨勢(shì)，即圖中的增長(zhǎng)趨勢(shì)；St代表周期波動(dòng)；It代表隨機(jī)波動(dòng)

長(zhǎng)期趨勢(shì)擬合：

分別用線性擬合和曲線擬合進(jìn)行嘗試

線性擬合：選用costt=a+bt+It;E(It)=0,Var(It)=σ2進(jìn)行擬合

擬合結(jié)果如下：

VariableCoefficientStd.Errort-StatisticProb.C20244.8013894.301.4570580.1758T35926.021887.86319.029990.0000

由擬合結(jié)果可知，T的系數(shù)顯著非零，且判決系數(shù)為97%，說(shuō)明擬合結(jié)果良好且時(shí)間因素能解釋大部分?jǐn)?shù)據(jù)變動(dòng)，唯一不足之處是常數(shù)的系數(shù)不顯著。

通過(guò)長(zhǎng)期趨勢(shì)擬合，可以得到趨勢(shì)擬合圖，下面對(duì)比原序列與擬合序列的圖譜之間的吻合度，見圖3。

圖3　趨勢(shì)擬合效果圖

從圖3可以看出，線性擬合雖然擬合出了大部分效果，可是仍然存在一些波動(dòng)情況，擬合效果仍有可提升的空間。

圖3　東、中、西部全社會(huì)用電量及增速

下面嘗試曲線擬合，擬合模型如下：

costt=a+b*t+c*t2

擬合結(jié)果如下表：

VariableCoefficientStd.Errort-StatisticProb.C61011.7017854.223.4172150.0077T18454.496314.6342.9224950.0170T*T1343.964472.85932.8422080.0193

可以看出，無(wú)論從各系數(shù)顯著性和判決系數(shù)來(lái)看，曲線擬合都比線性擬合要效果優(yōu)良很多，下面通過(guò)擬合效果圖來(lái)直觀的查看擬合效果。

圖4　趨勢(shì)擬合效果圖

上圖可以看出趨勢(shì)效果已經(jīng)基本擬合完成，只剩下部分的周期波動(dòng)效果有待提升，因此在趨勢(shì)擬合方面最終采用曲線擬合，擬合方程為：

costt=61011+18454*t+1344*t2

從擬合方程可以看出一下幾點(diǎn)：

1.隨著時(shí)間T的增加，變電站維護(hù)成本呈遞增趨勢(shì)。

2.成本增加不是線性的，增長(zhǎng)幅度隨T的增加而增大，為18454+144T。由此可見，隨著投運(yùn)時(shí)間的增加，檢修運(yùn)維各項(xiàng)成本的增加并不是線性的，而是以越來(lái)越快的速度增加。

周期波動(dòng)因素分析：

除了趨勢(shì)效果外，還可能存在周期波動(dòng)，又稱為季節(jié)波動(dòng)，季節(jié)波動(dòng)最好理解的就是氣溫、商品零售額、某景點(diǎn)旅游人數(shù)等現(xiàn)象，這些現(xiàn)象都會(huì)呈現(xiàn)明顯的季節(jié)變動(dòng)規(guī)律。相應(yīng)的，由變電站成本序列圖可以看出，該序列也存在季節(jié)效應(yīng)，即每隔一段時(shí)間，成本會(huì)大幅上升一次，下面進(jìn)行季節(jié)效應(yīng)分析。

下圖為各年的季節(jié)因子數(shù)及因子圖

圖5　各年的季節(jié)因子數(shù)及因子圖

由上圖可以看出以下幾點(diǎn)：

1.波動(dòng)因子以1為分界線，等于1的年份為該年成本與長(zhǎng)期趨勢(shì)一致，大于1的年份為成本除了長(zhǎng)期趨勢(shì)外還有向上波動(dòng)的趨勢(shì)，小于1的年份為該年除了長(zhǎng)期趨勢(shì)外，有向下波動(dòng)的趨勢(shì)。由此可以看出第8年以后，每年的成本除了長(zhǎng)期趨勢(shì)的增加外，還有季節(jié)性向上波動(dòng)的趨勢(shì)，總體來(lái)說(shuō)成本會(huì)漲的更快；而第2-4,6-7年均有向下的波動(dòng)，總體來(lái)說(shuō)成本漲的會(huì)比長(zhǎng)期趨勢(shì)慢一些。

2.自投運(yùn)后的第5年、第9年、第11年均為成本波動(dòng)劇增期，在這些運(yùn)營(yíng)期到來(lái)之前，應(yīng)提高自己的財(cái)務(wù)管控能力，擴(kuò)大資金來(lái)源，節(jié)約成本，搞好資本運(yùn)作，為財(cái)務(wù)工作提供堅(jiān)實(shí)的基礎(chǔ)。

3.在第4、8、10年為花費(fèi)波動(dòng)較小的年份，在這些期間最重要的是節(jié)約成本，提高運(yùn)維效率，為波動(dòng)最劇烈時(shí)期的到來(lái)做好準(zhǔn)備。

以上現(xiàn)象從常理來(lái)推斷亦可理解，因?yàn)樵谇捌谕度脒\(yùn)營(yíng)后，設(shè)備新、狀態(tài)好，因此運(yùn)維檢修成本波動(dòng)不大，而運(yùn)維一段時(shí)間后，由于部分設(shè)備出現(xiàn)故障，因此需要一定的大修甚至技改，因此運(yùn)維檢修成本會(huì)有一個(gè)突然增加的年份，技改大修過(guò)后，設(shè)備狀態(tài)又煥然一新，運(yùn)維檢修成本又恢復(fù)平穩(wěn)，以此類推，每隔幾年便會(huì)有突然增加的年份，通過(guò)大數(shù)據(jù)，可以預(yù)測(cè)出這些成本突增的年份是在投運(yùn)后的第幾年，由此提前做好人員上的安排以及資金上的供給，防止計(jì)劃提前造成捉襟見肘，可大大提高財(cái)務(wù)計(jì)劃的前瞻性、可預(yù)測(cè)性和科學(xué)性，為增強(qiáng)財(cái)務(wù)管控能力提供堅(jiān)實(shí)的分析基礎(chǔ)。

圖6　最終擬合效果圖

經(jīng)過(guò)上述的趨勢(shì)擬合及季節(jié)因子分析，可以得出全新的擬合效果圖，通過(guò)該圖可以發(fā)現(xiàn)不僅長(zhǎng)期的曲線增長(zhǎng)趨勢(shì)被擬合了，同時(shí)每年不同的波動(dòng)情況也擬合的良好，說(shuō)明用該方法與大數(shù)據(jù)理念來(lái)分析變電站運(yùn)維檢修成本科學(xué)且有效。

(二)變電站運(yùn)維成本預(yù)測(cè)

在上述分析的基礎(chǔ)上，我們可以大致預(yù)測(cè)出一個(gè)變電站每年的運(yùn)維檢修成本變化趨勢(shì)，如果一個(gè)變電站的年限為20年，那么可以把之前相似變電站的成本進(jìn)行擬合，再考慮貨幣時(shí)間價(jià)值因素，完全的擬合出一個(gè)該種變電站的運(yùn)維成本圖，以此作為新建變電站的成本參考，提前預(yù)測(cè)到該站全生命周期內(nèi)成本的總和及分布。然而，上述方式還存在不足之處，因?yàn)榭紤]到技術(shù)的進(jìn)步速度、國(guó)家政策的變更、環(huán)境壓力的增加、用電人口的增多等等因素，新建的變電站可能在技術(shù)、容量、運(yùn)維方式等方面發(fā)生巨大的變化，因而之前老舊變電站的成本參考性大大降低，這時(shí)再用之前老站的成本來(lái)對(duì)新站進(jìn)行估計(jì)的話，無(wú)疑會(huì)錯(cuò)誤的誘導(dǎo)財(cái)務(wù)計(jì)劃編制人員，影響其對(duì)資金需求的判斷，從而導(dǎo)致財(cái)務(wù)甚至整個(gè)企業(yè)資金鏈斷裂，其重大影響促使我們考慮其他更科學(xué)的預(yù)測(cè)方法。

下面的這種預(yù)測(cè)方法原理與之前有很大不同，該方法不是單純的通過(guò)眾多相似變電站來(lái)尋找運(yùn)維年份與成本之間的關(guān)系，而是根據(jù)同一變電站的歷史年份的成本發(fā)生額來(lái)預(yù)測(cè)未來(lái)幾年的成本發(fā)生，簡(jiǎn)單來(lái)說(shuō)，上面的方法是橫向分析多個(gè)變電站從大數(shù)據(jù)中取得關(guān)系，而該方法是縱向分析單個(gè)變電站，用該站歷史數(shù)據(jù)預(yù)測(cè)未來(lái)。

條件假定：假設(shè)新型變電站已經(jīng)運(yùn)維12年，且其運(yùn)維成本與上述數(shù)據(jù)一致，下面進(jìn)行未來(lái)年份數(shù)據(jù)的預(yù)測(cè)。

由上述分析可知，此階段曲線擬合效果最好，因此首先進(jìn)行數(shù)列的2階差分，差分后自相關(guān)、偏自相關(guān)圖如下：

通過(guò)白噪聲檢驗(yàn)發(fā)現(xiàn)仍存在部分相關(guān)性，經(jīng)過(guò)試驗(yàn)發(fā)現(xiàn)AR(3)模型能很好的擬合，擬合后參數(shù)如圖：

VariableCoefficientStd.Errort-StatisticProb.C-22831.0049899.87-0.4575360.6665AR(3)0.7626170.2398373.1797360.0245

因此擬合模型為：

因此最終展開后的擬合模型為：

costt=2*costt-1+costt-2+0.76costt-3-1.52costt-5+0.76costt-6

從第7期開始預(yù)測(cè)，預(yù)測(cè)值及效果如下

可見預(yù)測(cè)效果很好，現(xiàn)擬合未來(lái)兩年的成本，擬合圖如下：

圖7　預(yù)測(cè)效果圖

圖8　擬合效果圖

由此，對(duì)待沒(méi)有運(yùn)維經(jīng)驗(yàn)的新站，可以用此方法，根據(jù)某站前幾年的運(yùn)行數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)幾年的成本情況，這樣無(wú)疑更提高了財(cái)務(wù)預(yù)測(cè)與編制的準(zhǔn)確性、科學(xué)性。

(三)對(duì)需求側(cè)進(jìn)行分析

用電用戶按用途可以分為四類：大工業(yè)用電、一般商業(yè)用電、居民用電、農(nóng)業(yè)用電，不同類型的用戶用電需求不同、電價(jià)不同，因而針對(duì)各類用戶，可以采用不同的電能管理政策。例如，大工業(yè)和一般商業(yè)用電一般需求難以調(diào)節(jié)，相對(duì)的居民用電和農(nóng)業(yè)用電可調(diào)節(jié)性高，通過(guò)電價(jià)制定，可以促使其在用電高峰與低谷之間進(jìn)行合理轉(zhuǎn)移，由此提高用電的靈活性和平穩(wěn)性。本文要做的就是將某電網(wǎng)供電的幾個(gè)地區(qū)按某些指標(biāo)進(jìn)行分類，分類后每個(gè)類別內(nèi)的地區(qū)在總用電量、用電構(gòu)成上具有相似性，進(jìn)而在用電收入核算和電價(jià)制定上具有可效仿性。另外，如果該電網(wǎng)擴(kuò)大供電區(qū)域，也可以將新區(qū)域納入分類系統(tǒng)，預(yù)測(cè)新區(qū)域的收入與政策效果。

影響電量收入的因素有很多，綜合考慮影響總用電量和四種用電比例的影響因子，最終選定居民GDP、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、人口數(shù)4個(gè)指標(biāo)。選取城市數(shù)值如下：

編號(hào)地區(qū)名GDP(億)fistv(億)secondv(億)population(萬(wàn))1天津14,442.01186.967,275.451,003.972石家莊4,863.66488.712,359.501,003.153太原2,412.8738.611,052.08367.454沈陽(yáng)7,158.57321.613,698.91727.115呼和浩特2,710.39134.72866.74233.966大連7,650.79477.593,891.95591.457長(zhǎng)春5,003.18332.052,658.65752.678哈爾濱5,017.05587.121,743.93995.219上海21818.15124.897907.811432.34

選用SPSS進(jìn)行聚類分析，分析過(guò)程中的數(shù)據(jù)處理為：1.原始變量標(biāo)準(zhǔn)化；2.聚類方法為組內(nèi)聯(lián)結(jié)法，計(jì)算距離選擇平方歐式距離；最后輸出樹狀聚類圖如圖9。

圖9　樹狀聚類圖

在圖9中，縱坐標(biāo)代表各個(gè)地區(qū)，橫坐標(biāo)代表距離數(shù)，以不同的距離數(shù)為界，可以有不同精細(xì)程度的分類。如果以5為界可以得到4組分類：第一組(1，4，7，6)、第二組(2,3)、第三組(9)、第四組(5,8)圖中的1-9分別代表從上至下9個(gè)地區(qū)，因此最后的聚類結(jié)果是，天津、沈陽(yáng)、長(zhǎng)春、大連為一類；石家莊、太原為一類，上海單獨(dú)一類，呼和浩特和哈爾濱勉強(qiáng)為一類。如果以距離10為界，可以得到三組分類，以此類推。通過(guò)上述分類，與現(xiàn)實(shí)對(duì)照可以發(fā)現(xiàn)，以上分類基本是合理和科學(xué)的，而且很方便，因此可以應(yīng)用到實(shí)際電網(wǎng)公司供電區(qū)域的聚類上，聚類完成后，可以分別考慮各自組別的用電量、電價(jià)等用電策略，以此提高財(cái)務(wù)的管理能力和收益能力。

五、總結(jié)

本文通過(guò)各種統(tǒng)計(jì)方法，將大數(shù)據(jù)理念與財(cái)務(wù)數(shù)據(jù)結(jié)合，展示了財(cái)務(wù)部門如何應(yīng)用大數(shù)據(jù)來(lái)提高財(cái)務(wù)決策工作，希望有一個(gè)拋磚引玉的作用，促使各位學(xué)者積極投身于大數(shù)據(jù)的具體應(yīng)用中去，提高我國(guó)企業(yè)在財(cái)務(wù)決策中利用大數(shù)據(jù)的實(shí)際應(yīng)用能力。另外，面對(duì)海量的智能電網(wǎng)數(shù)據(jù)，如何在有限的屏幕空間下，以一種直觀、容易理解的方式展現(xiàn)給用戶，是一項(xiàng)非常有挑戰(zhàn)性的工作，也是未來(lái)要探索的方向。

參考文獻(xiàn)：

[1]Divyakant Agrawal，Philip Bernstein，Elisa Bertino，et al．Challengesand opportunities with big data[J]．Proceedings of the VLDB Endowment，2012(12)．

[2]周暉，鈕文潔，王毅．從繳費(fèi)行為分析電力客戶的信用度[J]．電力需求側(cè)管理，2006(6)．

[3]Conejo A J，Morales J M，Baringo L．Real-time demand responsemodel[J]．IEEE Transactions on Smart Grid，2010(3)．

[4]牛東曉，谷志紅，邢棉，等．基于數(shù)據(jù)挖掘的SVM 短期負(fù)荷預(yù)測(cè)方法研究[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2006(18)．

[5]謝華成，陳向東．面向云存儲(chǔ)的非結(jié)構(gòu)化數(shù)據(jù)存取[J]．計(jì)算機(jī)應(yīng)用，2012(7)．

[6]江蘇瑞中數(shù)據(jù)股份有限公司．海迅實(shí)時(shí)數(shù)據(jù)庫(kù)助力智能電網(wǎng)建設(shè)[EB/OL]．http://wenku.baidu.com/view/f3ee4ed 1614e852458fb5744.html．

[7]Wong P C，Shen H W，Chen C，et al．Top ten interaction challenges in extreme-scale visual analytics[J]．Computer Graphics and Applications，2012(4)．

(責(zé)任編輯：王荻)

Research on Application of Big Data on Financial Decision-making of Power Grid Enterprises

YANG Jin

(Financial Assets Pivision,State Grid North Hebei Electric Power Co.,Ltd.,Beijing 100053,China)

Abstract:Big data is an increasingly important topic in the world,however,what big data meaning and how to apply is still unclear.There are two aims in this article :firstly,it give the readers a comprehensive understanding about big data; secondly,takes one grid enterprise for example to show how to use big data through all kinds of analytic tools (including time series analysis、cluster analysis、regression analysis),two scenarios about financial decision-making are demonstrated in order to display the application of big data.The results show that big data will and can make a difference in grid enterprise.

Key words:big data; smart power grids; finance; time series analysis; cluster analysis

收稿日期:2015-12-23

作者簡(jiǎn)介：楊進(jìn)，男，國(guó)家電網(wǎng)公司冀北電力有限公司財(cái)務(wù)資產(chǎn)部稽核處處長(zhǎng)，高級(jí)經(jīng)濟(jì)師。

中圖分類號(hào)：F407.61

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1008-2603(2016)02-0033-07