楊　進

(國家電網(wǎng)公司冀北電力有限公司 財務(wù)資產(chǎn)部，北京 100053)

?

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

楊進

(國家電網(wǎng)公司冀北電力有限公司 財務(wù)資產(chǎn)部，北京 100053)

摘要：大數(shù)據(jù)是一個世界范圍內(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)，這些問題的理解者或許并沒有那么多，本文的目的有兩個：一是通過閱讀本文，讀者能夠?qū)Υ髷?shù)據(jù)有個全面的正確的認識和理解；二是以某電網(wǎng)企業(yè)為例，運用各種數(shù)據(jù)分析工具(包括時間序列分析、回歸分析、聚類分析)，將大數(shù)據(jù)理念與實際的電網(wǎng)企業(yè)財務(wù)決策掛鉤，通過分析兩個財務(wù)決策情景來展示大數(shù)據(jù)的財務(wù)應(yīng)用，讓對大數(shù)據(jù)仍有模糊認識的讀者更加清晰、形象地看到大數(shù)據(jù)是如何應(yīng)用的，以此來加快我國大數(shù)據(jù)的應(yīng)用發(fā)展。通過案例應(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)；財務(wù)；時間序列分析；聚類分析

近年來，隨著全球能源問題日益嚴峻，世界各國都開展了智能電網(wǎng)的研究工作,2011年麥肯錫研究報告《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿領(lǐng)域》 使得大數(shù)據(jù)在企業(yè)界迅速火熱。大數(shù)據(jù)被視為下一個創(chuàng)新和生產(chǎn)力提升的前沿,2009年，谷歌公司通過大數(shù)據(jù)業(yè)務(wù)對美國經(jīng)濟的貢獻就為540 億USD，而這只是大數(shù)據(jù)所蘊含的巨大經(jīng)濟效益的冰山一角,隨著大數(shù)據(jù)研究的地位以及將會給社會帶來的價值，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)生于整個系統(tǒng)的各個環(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)可以每隔一段時間獲取用戶的用電信息，從而收集了比以往粒度更細的海量電力消費數(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)財務(wù)大數(shù)據(jù)的號召，電網(wǎng)企業(yè)財務(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”的最好方式，通過對數(shù)據(jù)進行分析可以更合理地設(shè)計電力需求響應(yīng)系統(tǒng)和短期負荷預(yù)測系統(tǒng)、更好的理解電力客戶的用電行為等。但是，由于云計算平臺的廣泛應(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，“普通的計算機軟件無法在可接受的時間范圍內(nèi)捕捉、管理、處理的規(guī)模龐大的數(shù)據(jù)集”。定義中提到了三個關(guān)鍵詞：數(shù)據(jù)量、處理時間和處理工具。說明，在對大數(shù)據(jù)的理解方面，巨大的數(shù)據(jù)量、盡快的處理時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)量和實時的處理時間卻又是矛盾的，因此對處理工具的多樣性和實用性提出很高的要求。學(xué)界普遍認同的三個大數(shù)據(jù)特性是體量大(Volume)、類型多(Variety)和速度快(Velocity)。除此之外，IBM 公司認為大數(shù)據(jù)還應(yīng)具有可信性和可用性(Veracity)，而國際數(shù)據(jù)公司(IDC)則認為數(shù)據(jù)應(yīng)當具有價值性(Value)。

(二)電力企業(yè)如何理解大數(shù)據(jù)

可以說智能電網(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、國家、社會達成統(tǒng)一目標，協(xié)調(diào)多方面利益，最終實現(xiàn)經(jīng)濟轉(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：財務(wù)數(shù)據(jù)，即有關(guān)于各種資產(chǎn)成本、運維成本、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)運行狀態(tài)及相關(guān)監(jiān)測信息，如網(wǎng)絡(luò)運行拓撲、設(shè)備狀態(tài)信息；運營數(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)及營銷信息，如用戶的用電量信息等，美國太平洋天然氣電力公司每個月從900 萬個智能電表中收集超過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)存儲在數(shù)據(jù)庫里，可以用二維表結(jié)構(gòu)來邏輯表達實現(xiàn)的數(shù)據(jù)。相對于結(jié)構(gòu)化數(shù)據(jù)，無法用二維邏輯表表達的數(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)測圖片和視頻、設(shè)備檢修管理等的日志信息等，這部分數(shù)據(jù)增長非常迅速，互聯(lián)網(wǎng)數(shù)據(jù)中心(Internet data center，IDC)的一項調(diào)查報告指出：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60%。

(三)按數(shù)據(jù)實時性分類

從數(shù)據(jù)實時性上來分，主動配電網(wǎng)中的數(shù)據(jù)又可以分為準實時數(shù)據(jù)、非實時數(shù)據(jù)、實時數(shù)據(jù)。設(shè)備運行日志、監(jiān)測視頻、用戶營銷信息等信息因其應(yīng)用實時性要求低，列為非實時數(shù)據(jù)；以保證配電網(wǎng)的正常運行，設(shè)備的狀態(tài)監(jiān)測信息、氣象信息等并非實時調(diào)用的信息目的是供后期對設(shè)備狀態(tài)分析及預(yù)測使用，歸為準實時信息；配電網(wǎng)調(diào)度、控制、保護等需要的數(shù)據(jù)一般時效性很高，為真實完整記錄生產(chǎn)運行的每個細節(jié)，完整反映生產(chǎn)運行過程，要求達到“實時變化采樣”，因此大部分為實時數(shù)據(jù)。這些數(shù)據(jù)中蘊藏著豐富的信息，對于分析生產(chǎn)運行狀態(tài)、提供控制和優(yōu)化策略、故障診斷以及知識發(fā)現(xiàn)和數(shù)據(jù)挖掘具有重要意義。

三、電力行業(yè)財務(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，對會計數(shù)據(jù)進行分析和信息挖掘，也可以對成本、費用、收入、利潤等進行行業(yè)比較分析、區(qū)域市場分析、增長情況分析等，從而發(fā)現(xiàn)經(jīng)濟的近期和遠期規(guī)律，從而在挖掘市場潛力的同時，更好的控制行業(yè)風(fēng)險、提升行業(yè)競爭力。在進行模型預(yù)測的基礎(chǔ)上，利用全面預(yù)算管理解決方案，得到不同時期、不同產(chǎn)品類別的明細數(shù)據(jù)情況，便于企業(yè)的實際和預(yù)算數(shù)據(jù)進行比較，分析差距，找到解決問題的方法。通過與網(wǎng)絡(luò)報銷、費用控制等分析工具的配合，可以大大提高財務(wù)管控能力，幫助企業(yè)實現(xiàn)戰(zhàn)略落地。

2.通過成本效益分析，支持基建決策

發(fā)電企業(yè)通過大數(shù)據(jù)提供的有效數(shù)據(jù)預(yù)先進行成本效益預(yù)測，進而更科學(xué)的做出發(fā)電站的選址、輸電線路的設(shè)計的決策。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，借此提高財務(wù)的決策支撐、資源配置、風(fēng)險防范作用，進而提高電網(wǎng)公司的盈利能力、投資能力。

3.升級客戶分析，提高財務(wù)收益

電網(wǎng)公司的財務(wù)管理倡導(dǎo)投資管理精益化，以此來提高投資效率，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)建營銷數(shù)據(jù)分析模型。另外，為了對各級數(shù)據(jù)需求者提供多為、直觀的分析展示，應(yīng)建立各種針對營銷的系統(tǒng)性算法模型庫，并且注重開發(fā)多樣性的數(shù)據(jù)可視化工具，進而主動把握市場動態(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.提高財務(wù)管控能力，加強財務(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、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)性嚴重，橫向不能共享，上下級間縱向貫通困難。通過實施大數(shù)據(jù)管理，可以整合電力行業(yè)生產(chǎn)、運營、銷售、管理的數(shù)據(jù)，設(shè)計各部門全環(huán)節(jié)數(shù)據(jù)共享平臺，將優(yōu)化內(nèi)部信息溝通，使財務(wù)、人事等工作的開展更順暢，進而提高財務(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。通過與用戶進行互動式對話，可以發(fā)掘更多節(jié)能降耗的關(guān)鍵點，比如，隨著電動汽車的發(fā)展，用戶可以在用電低谷給電動汽車充電，然后在用電高峰期將存儲的電貢獻出來，電網(wǎng)公司可以提供其相當于高峰電價的補助，這樣既緩解了電網(wǎng)公司的波動性，又給用戶帶來了部分收入。

除了與用戶進行數(shù)據(jù)互換外，還可以與外界進行數(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)測模型，進而為各級決策者提供多維、直觀、全面、深入的預(yù)測數(shù)據(jù)，主動把握市場動態(tài)。

作為重要經(jīng)濟先行數(shù)據(jù),用電數(shù)據(jù)和會計數(shù)據(jù)同樣重要。如果說用電數(shù)據(jù)是一個地區(qū)經(jīng)濟運行的“風(fēng)向標”，那么會計數(shù)據(jù)是準確反映一個國家經(jīng)濟運行情況的“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)分析支持財務(wù)管理決策

(一)變電站運檢成本變動規(guī)律分析

一個資產(chǎn)從投入到運維、檢修最后到資產(chǎn)退役，整個過程中成本的發(fā)生不是固定的，剛投入的設(shè)備運行狀態(tài)良好，需要檢修、運維的成本花費較低，隨著后期使用年限的增加，各種問題隨之出現(xiàn)：零件壞損、外殼腐蝕、地標更換、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越繁重，危險點分析越發(fā)復(fù)雜，運維壓力逐漸增大，因此，全面透徹的對一個變電站在投運后不同階段發(fā)生的成本進行分析，有利于及時的核算所需資源、人力，使得財務(wù)工作的實施更具準確性、可操作性、可預(yù)見性，提高整個財務(wù)工作在變電運維方面的管控能力。

變電站的選擇：變電站根據(jù)電壓等級可分為：500KV、220KV、110KV、35KV、10KV，不同的等級的變電站運維檢修成本必然不同，因此首要工作就是選擇一個適當?shù)碾妷旱燃壍淖冸娬咀鳛榉治瞿繕恕１疚倪x取變電站電壓等級有兩個原則，一：該等級變電站數(shù)量較多，保證多個變電站的平均數(shù)據(jù)具有客觀性；二：該等級變電站數(shù)據(jù)可得、且操作上可行。因為電網(wǎng)公司500KV變電站數(shù)量一般較少，約3個左右，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。

最后需說明的一點是：本文的重點是提供一個運用大數(shù)據(jù)提高財務(wù)分析、預(yù)測能力的使用方案，對于數(shù)據(jù)的準確性是其次，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變電站多年運維數(shù)據(jù)累計，得出一個標準的220KV變電站自投入運行后每年的成本，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、變電運行成本。假設(shè)自2000年投運，一個標準220KV變電站自投運后每年成本如下：

20009453720011053852002113464200312865920042038712005224585200624309620073205072008346736200936453920104253922011474396

圖1220KV變電站每年成本(元/MVA)

運用EVIEWS軟件畫出這12年數(shù)據(jù)的時序圖如下：

圖2　220KV變電站成本時序圖

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

因此可以選擇以下模型進行該序列的分析：

costt=Tt+St+It

其中，Tt代表長期趨勢，即圖中的增長趨勢；St代表周期波動；It代表隨機波動

長期趨勢擬合：

分別用線性擬合和曲線擬合進行嘗試

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

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%，說明擬合結(jié)果良好且時間因素能解釋大部分數(shù)據(jù)變動，唯一不足之處是常數(shù)的系數(shù)不顯著。

通過長期趨勢擬合，可以得到趨勢擬合圖，下面對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情況，擬合效果仍有可提升的空間。

圖3　東、中、西部全社會用電量及增速

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，無論從各系數(shù)顯著性和判決系數(shù)來看，曲線擬合都比線性擬合要效果優(yōu)良很多，下面通過擬合效果圖來直觀的查看擬合效果。

圖4　趨勢擬合效果圖

上圖可以看出趨勢效果已經(jīng)基本擬合完成，只剩下部分的周期波動效果有待提升，因此在趨勢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：

1.隨著時間T的增加，變電站維護成本呈遞增趨勢。

2.成本增加不是線性的，增長幅度隨T的增加而增大，為18454+144T。由此可見，隨著投運時間的增加，檢修運維各項成本的增加并不是線性的，而是以越來越快的速度增加。

周期波動因素分析：

除了趨勢效果外，還可能存在周期波動，又稱為季節(jié)波動，季節(jié)波動最好理解的就是氣溫、商品零售額、某景點旅游人數(shù)等現(xiàn)象，這些現(xiàn)象都會呈現(xiàn)明顯的季節(jié)變動規(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)，即每隔一段時間，成本會大幅上升一次，下面進行季節(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：

1.波動因子以1為分界線，等于1的年份為該年成本與長期趨勢一致，大于1的年份為成本除了長期趨勢外還有向上波動的趨勢，小于1的年份為該年除了長期趨勢外，有向下波動的趨勢。由此可以看出第8年以后，每年的成本除了長期趨勢的增加外，還有季節(jié)性向上波動的趨勢，總體來說成本會漲的更快；而第2-4,6-7年均有向下的波動，總體來說成本漲的會比長期趨勢慢一些。

2.自投運后的第5年、第9年、第11年均為成本波動劇增期，在這些運營期到來之前，應(yīng)提高自己的財務(wù)管控能力，擴大資金來源，節(jié)約成本，搞好資本運作，為財務(wù)工作提供堅實的基礎(chǔ)。

3.在第4、8、10年為花費波動較小的年份，在這些期間最重要的是節(jié)約成本，提高運維效率，為波動最劇烈時期的到來做好準備。

以上現(xiàn)象從常理來推斷亦可理解，因為在前期投入運營后，設(shè)備新、狀態(tài)好，因此運維檢修成本波動不大，而運維一段時間后，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，因此運維檢修成本會有一個突然增加的年份，技改大修過后，設(shè)備狀態(tài)又煥然一新，運維檢修成本又恢復(fù)平穩(wěn)，以此類推，每隔幾年便會有突然增加的年份，通過大數(shù)據(jù)，可以預(yù)測出這些成本突增的年份是在投運后的第幾年，由此提前做好人員上的安排以及資金上的供給，防止計劃提前造成捉襟見肘，可大大提高財務(wù)計劃的前瞻性、可預(yù)測性和科學(xué)性，為增強財務(wù)管控能力提供堅實的分析基礎(chǔ)。

圖6　最終擬合效果圖

經(jīng)過上述的趨勢擬合及季節(jié)因子分析，可以得出全新的擬合效果圖，通過該圖可以發(fā)現(xiàn)不僅長期的曲線增長趨勢被擬合了，同時每年不同的波動情況也擬合的良好，說明用該方法與大數(shù)據(jù)理念來分析變電站運維檢修成本科學(xué)且有效。

(二)變電站運維成本預(yù)測

在上述分析的基礎(chǔ)上，我們可以大致預(yù)測出一個變電站每年的運維檢修成本變化趨勢，如果一個變電站的年限為20年，那么可以把之前相似變電站的成本進行擬合，再考慮貨幣時間價值因素，完全的擬合出一個該種變電站的運維成本圖，以此作為新建變電站的成本參考，提前預(yù)測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，因為考慮到技術(shù)的進步速度、國家政策的變更、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，這時再用之前老站的成本來對新站進行估計的話，無疑會錯誤的誘導(dǎo)財務(wù)計劃編制人員，影響其對資金需求的判斷，從而導(dǎo)致財務(wù)甚至整個企業(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)測方法。

下面的這種預(yù)測方法原理與之前有很大不同，該方法不是單純的通過眾多相似變電站來尋找運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)生額來預(yù)測未來幾年的成本發(fā)生，簡單來說，上面的方法是橫向分析多個變電站從大數(shù)據(jù)中取得關(guān)系，而該方法是縱向分析單個變電站，用該站歷史數(shù)據(jù)預(yù)測未來。

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

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

通過白噪聲檢驗發(fā)現(xiàn)仍存在部分相關(guān)性，經(jīng)過試驗發(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，預(yù)測值及效果如下

可見預(yù)測效果很好，現(xiàn)擬合未來兩年的成本，擬合圖如下：

圖7　預(yù)測效果圖

圖8　擬合效果圖

由此，對待沒有運維經(jīng)驗的新站，可以用此方法，根據(jù)某站前幾年的運行數(shù)據(jù)來預(yù)測未來幾年的成本情況，這樣無疑更提高了財務(wù)預(yù)測與編制的準確性、科學(xué)性。

(三)對需求側(cè)進行分析

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、電價不同，因而針對各類用戶，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)，相對的居民用電和農(nóng)業(yè)用電可調(diào)節(jié)性高，通過電價制定，可以促使其在用電高峰與低谷之間進行合理轉(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)供電的幾個地區(qū)按某些指標進行分類，分類后每個類別內(nèi)的地區(qū)在總用電量、用電構(gòu)成上具有相似性，進而在用電收入核算和電價制定上具有可效仿性。另外，如果該電網(wǎng)擴大供電區(qū)域，也可以將新區(qū)域納入分類系統(tǒng)，預(yù)測新區(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個指標。選取城市數(shù)值如下：

編號地區(qū)名GDP(億)fistv(億)secondv(億)population(萬)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進行聚類分析，分析過程中的數(shù)據(jù)處理為：1.原始變量標準化；2.聚類方法為組內(nèi)聯(lián)結(jié)法，計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，縱坐標代表各個地區(qū)，橫坐標代表距離數(shù)，以不同的距離數(shù)為界，可以有不同精細程度的分類。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個地區(qū)，因此最后的聚類結(jié)果是，天津、沈陽、長春、大連為一類；石家莊、太原為一類，上海單獨一類，呼和浩特和哈爾濱勉強為一類。如果以距離10為界，可以得到三組分類，以此類推。通過上述分類，與現(xiàn)實對照可以發(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、電價等用電策略，以此提高財務(wù)的管理能力和收益能力。

五、總結(jié)

本文通過各種統(tǒng)計方法，將大數(shù)據(jù)理念與財務(wù)數(shù)據(jù)結(jié)合，展示了財務(wù)部門如何應(yīng)用大數(shù)據(jù)來提高財務(wù)決策工作，希望有一個拋磚引玉的作用，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，提高我國企業(yè)在財務(wù)決策中利用大數(shù)據(jù)的實際應(yīng)用能力。另外，面對海量的智能電網(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，是一項非常有挑戰(zhàn)性的工作，也是未來要探索的方向。

參考文獻：

[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 短期負荷預(yù)測方法研究[J]．中國電機工程學(xué)報，2006(18)．

[5]謝華成，陳向東．面向云存儲的非結(jié)構(gòu)化數(shù)據(jù)存取[J]．計算機應(yīng)用，2012(7)．

[6]江蘇瑞中數(shù)據(jù)股份有限公司．海迅實時數(shù)據(jù)庫助力智能電網(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

作者簡介：楊進，男，國家電網(wǎng)公司冀北電力有限公司財務(wù)資產(chǎn)部稽核處處長，高級經(jīng)濟師。

中圖分類號：F407.61

文獻標識碼：A

文章編號：1008-2603(2016)02-0033-07