前言:想要寫出一篇引人入勝的文章?我們特意為您整理了數(shù)據(jù)挖掘的電網(wǎng)企業(yè)收入預(yù)算預(yù)測系統(tǒng)范文,希望能給你帶來靈感和參考,敬請閱讀。
摘要:收入預(yù)算預(yù)測對引導業(yè)務(wù)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(zhuǎn)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(yù)算的可控性大大降低。在新形勢下,如何提高預(yù)測收入預(yù)算的準確度成為實務(wù)界和理論家廣泛關(guān)注的重要問題。本文以D電網(wǎng)企業(yè)電費收入預(yù)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(luò)模型的電網(wǎng)企業(yè)收入預(yù)算預(yù)測系統(tǒng),為我國企業(yè)實現(xiàn)收入預(yù)算精細化管理,提升預(yù)算管理的戰(zhàn)略導向水平作出有益探索。
關(guān)鍵詞:收入預(yù)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(yù)算是指電網(wǎng)企業(yè)以年度目標利潤為基礎(chǔ),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(yù)測,并制定出相應(yīng)預(yù)算指標的一種預(yù)算管理活動。當前電網(wǎng)企業(yè)收入預(yù)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(yù)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(yù)算預(yù)測難度進一步增加?;谏鲜霰尘埃疚脑噲D利用數(shù)據(jù)挖掘方法構(gòu)建收入預(yù)算預(yù)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(yīng)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(shù)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(shù)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(shè)計等方面具有良好的應(yīng)用[1]。已有文獻發(fā)現(xiàn),人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘法無需人為設(shè)定數(shù)學模型,能夠減少模型設(shè)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(yīng)能力(洪流等,2004)[2]。陳章良(2008)利用挖掘技術(shù)構(gòu)建了電力營銷系統(tǒng)的預(yù)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(guān)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(cè)重于電費收入與氣象時間等自然因素的影響關(guān)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(yù)測準確性的改善進行直接的經(jīng)驗研究。
三、構(gòu)建思路與應(yīng)用案例
根據(jù)國家發(fā)改委統(tǒng)計口徑,我們首先將收入預(yù)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(shù)服務(wù)業(yè)、商業(yè)住宿餐飲業(yè)、金融房地產(chǎn)居民服務(wù)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(shè)置了30個特征指標作為上述影響因素的變量。其中,每個行業(yè)選擇2個經(jīng)濟因素指標,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(wù)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(yù)算收入、國家財政預(yù)算支出、居民儲蓄收入和居民家用電器產(chǎn)量。氣象因素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(jié)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(yù)期,確定上述影響因素的預(yù)測,得出2018年電量預(yù)測值。結(jié)合D市2017年1-12月的平均售電價,系統(tǒng)最終輸出2018年1-12月D市電費收入的預(yù)測值。該預(yù)測值可作為我們編制、審核和調(diào)整電費收入預(yù)算的重要參考。我們采用該預(yù)測值作為2018年D市的月度分解預(yù)算,則表2可展示2018年1-12月D市電費收入預(yù)算明細。我們計算了電費收入預(yù)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)。絕大部分行業(yè)預(yù)測誤差率小于20%,農(nóng)林牧漁業(yè)、商業(yè)住宿餐飲業(yè)預(yù)測誤差率均小于10%,工業(yè)1月、信息傳輸軟件與信息技術(shù)服務(wù)業(yè)4月、城鄉(xiāng)居民生活5月、金融房地產(chǎn)居民服務(wù)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(yù)測誤差率小于1%。上述結(jié)果表明,基于人工神經(jīng)網(wǎng)絡(luò)模型的電量預(yù)測具有較高的準確度,本文系統(tǒng)對D市電費收入預(yù)測的結(jié)果是穩(wěn)健可靠的。
四、研究結(jié)論
本文研究表明利用人工神經(jīng)網(wǎng)絡(luò)模型能夠有效改善電網(wǎng)企業(yè)收入預(yù)算預(yù)測的準確性,有助于電網(wǎng)企業(yè)提升收入預(yù)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(yù)算預(yù)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(jié)合各地級市的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟指標可設(shè)置地區(qū)調(diào)整系數(shù),并采用動態(tài)數(shù)據(jù)流技術(shù),使預(yù)測數(shù)據(jù)和實際數(shù)據(jù)能夠?qū)崿F(xiàn)全自動更新與存儲,將能夠更好實現(xiàn)預(yù)算的滾動預(yù)測,增強預(yù)算調(diào)整對外部經(jīng)營環(huán)境變化的適應(yīng)性。
作者:賴婧 歐通澤 單位:廣東電網(wǎng)發(fā)展研究院有限責任公司 中國銀行廣州東山支行