-
对于电网企业，综合计划管理是从企业的全局出发，对企业未来一年各类计划及其执行情况进行全程管理的一项工作。综合计划管理从价值创造、客户服务、内部运营、企业成长等四个维度，多个指标进行计划任务分解和目标考核[1]。综合线损率属于企业内部运营中的重要指标之一，是衡量供电单位技术和管理水平的一项重要指标，既代表电网提升经济效益水平的需求，又代表社会对供电企业节能环保的社会效益需求。根据经验和数据分析，综合线损率与相关投资并非独立存在，而是存在着一定的驱动与相互转化关系[2,3,4]。但是它们之间的关系分析，长期以来都停留在定性分析阶段，不能从定量上分析投资一定的金额，通过网架结构与设备水平的改善，可以降低多少线损率。本文，首先通过对综合线损率及相关驱动因素的分析，用面板数据回归分析，求解相关驱动因素对综合线损率的影响权重，建立综合线损非价值量指标体系。然后，探究综合线损率与相关投资间的量化关系，辅助电网企业该如何合理安排投资，兼顾企业追求的经济价值与社会效益、用电安全等方面的共赢，提升电网投资效益。
HTML
-
本模型采集到某省18个地市供电局2014—2016的综合线损率及三级指标的数据，鉴于综合线损率相关指标数据特点(如：数据缺失、指标个数多等)，在建模前，先基于数据间相关性特点，采用属性约减法，对数据进行降维。同时，因为选取的时间长度较短，18个供电局样本个体充分大于时间序列，所以考虑面板数据模型，测算综合线损率与各级指标的数量关系。
面板数据(Panel Data)也叫“平行数据”，是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。其有时间序列和截面两个维度，当这类数据按两个维度排列时，是排在一个平面上，列成一个m×n的数据矩阵。与一维数据有明显的不同，该数据的整个表格像是一个面板，因此国内常把panel data译作“面板数据”。
用面板数据建立的模型通常有3种，分别是混合模型、固定效应模型和随机效应模型[8]，基于本文的数据特点，我们选择固定效应模型。
固定效应模型又被分为3种类型，分别是个体固定效应模型、时点固定效应模型和个体时点双固定效应模型。
将数据代入模型，进行求解，通过测算及参数检验，综合线损率在时间方面，效应不显著，在个体方面(即地市局)，效应显著，影响体现在回归方程截距上，求解的模型为个体固定效应模型，三级指标与综合线损率的关系非完全线性，而是部分线性，部分对数变换后呈现显著线性，结果如表1所示：
二级指标 三级指标 系数 对应变量 地市局 截距 规划降损 供电半径合格率 0.4 kV供电半径合格率 0.419 LNC1 供电局1 1.228 851 10 kV供电半径合格率 -0.357 LND2 供电局2 3.133 319 主变容载比 35 kV主变容载比 0.62 LNE1 供电局3 -3.517 073 110 kV主变容载比 1.168 LNF2 供电局4 -2.991 456 变电站无功配置比例 35 kV变电站无功配置比例 -0.314 GH 供电局5 -2.114 829 110 kV变电站无功配置比例 -0.314 供电局6 0.854 518 10 kV配变无功补偿合格率 10 kV配变无功补偿合格率 -0.352 LNI7 供电局7 0.342 485 10 kV导线截面过小占比 10 kV导线截面过小占比 -0.971 J8 供电局8 -2.301 694 管理降损 老旧低压电能表占比 老旧低压电能表占比 18.815 K9 供电局9 2.515 222 电能表实抄率 电能表实抄率 0.365 L10 供电局10 -0.954 883 计量故障差错率 计量故障差错率 126.869 M11 供电局11 1.882 761 线损异常处置率 0.4 kV线损异常处置率 1.575 LNN0 供电局12 0.974 2 10 kV线损异常处置率 1.575 供电局13 0.482 391 四类终端完整率 厂站终端完整率 2.04 P14 供电局14 -2.215 296 专变终端完整率 -0.317 QR 供电局15 -0.640 872 配变终端完整率 -0.317 供电局16 3.593 725 低压终端完整率 — — 供电局17 1.235 706 线损异常率 全年0.4 kV台区线损异常率 0.645 TU 供电局18 -1.477 077 全年10 kV分线线损异常率 0.645 C 3.287 035 运行降损 10 kV线路重过轻负载比例 10 kV线路重过轻负债比例 -2.213 V20 — — 配变重过轻负载比例 配变重过轻负载比例 1.065 W21 — — 综合电压合格率 综合电压合格率 4.149 X22 — — 功率因数合格率 35 kV及以上主变功率因数合格率 -0.619 Y23 — — 10 kV馈线功率因数合格率 — — — — 站用电率 站用电率 0.228 881 LNAA25 — — 母线电量不平衡率的合格率 母线电量不平衡率的合格率 -0.826 13 AB26 — — 技术降损 有载调压主变比例 有载调压主变比例 -0.076 858 AC27 — — 节能主变比例 节能主变比例 -0.633 AD28 — — 老旧设备比例 35 kV主变老旧率 -0.095 375 AE29 — — 35 kV线路老旧率 2.090 5 AFH — — 10 kV线路老旧率 2.090 5 公用配变老旧率 -1.188 995 AG31 — — 高损耗配变比例 高损耗配变比例 2.709 AI33 — — Table 1.
Index weight system of comprehensive power loss rate on the wire 回归方程结果如下：
式中：Yi∈Y，αi∈α。
图2中蓝色曲线为综合线损率的预测值，黑色曲线为实际值，从图可反映，模型能够很好的体现综合线损率的增长变化趋势。
Figure 2. Comparative analysis between the predicted and actual values of comprehensive power loss rate on the wire
基于模型求解结果，系数绝对值的大小反映对综合线损率的影响程度，为工作中应重点关注的指标。根据求解的系数绝对值大小，进行权重排序，得到该省电网公司各驱动因素中对综合线损率影响程度排前10的驱动因素指标如表2所示。
驱动因素 所属维度 计量故障差错率 管理降损 老旧低压电能表占比 管理降损 线路老旧率 技术降损 综合电压合格率 运行降损 线损异常处置率 管理降损 高损耗配变比例 技术降损 10 kV线路重过轻负载比例 运行降损 厂站终端完整率 管理降损 主变容载比 规划降损 线损异常率 管理降损 Table 2.
Impact factors of comprehensive power loss rate on the wire 从表2可知，该省电网综合线损驱动因素中重点应关注的指标依次为：计量故障差错率、老旧低压电能表占比、线路老旧率、综合电压合格率、线损异常处置率、高损耗配变比例、中压线路重过轻负载比例、厂站终端完整率、主变容载比(特别是110 kV主变)、线损异常率。同时，根据重点关注指标的分布来看，管理降损占重点关注指标的50%，对综合线损率指标改善的影响度较大。
-
建立综合线损率与几个主要投资项(电网基建投资、生产技改投资、营销技改投资)间的函数关系，具体如下：
注：首先分析因变量与自变量间的函数关系，如果不呈现线性关系，则进行线性变换。
-
通过定性分析，找出影响综合线损率的非价值量指标与各项投资(电网基建投资、生产技改投资、营销技改投资)之间的对应关系，然后建立各项投资与综合线损间的函数关系。
式中：xj表示投资对应的非价值量指标；Zj表示投资项。
-
建立指标体系，并利用面板数据模型测算出综合线损率与各非价值量指标间的数量关系，下一步分析各级指标与投资之间的关系，这里采用弹性分析方法进行定量分析。
确定影响项目投资的主要因素，可以用弹性模型对投资进行弹性分析得到。定义建设项目的弹性为投资改变量与相关因素的变化量之比，记为：
Ei的含义是若第i个因素变化一个百分点则将引起建设项目投资改变Ei个百分点。当Ei为正值时，表示ΔI与ΔXi的变化方向相同，这时ΔXi每增加一个百分点，I就会增加Ei个百分点；ΔXi每减少一个百分点，也会使I减少Ei个百分点。当Ei为负值时，表示ΔI与ΔXi的变化方向相反。Ei的绝对值越大，说明该因素对建设项目投资的影响度越大，该因素为建设项目投资的敏感因素，应作为未来工作的重点关注对象。
Ei的计算可按下式进行：
-
基于通过对全省的投资分析可知，目标降低ΔY个百分点的综合线损率，需要投入：
式中：Y表示前一年的综合线损率万元的资金投入。
如果全省2017年综合线损要降低0.03个百分比，则投资需在2016年基础上增加投入17 774.5万元，即2017年电网基建、生产技改、营销技改共需投资453 865万元。根据历史投资数据，电网基建、生产技改、营销技改各专业投资比例权重系数分别为0.893、0.082、0.025，各专业投资可以基于此比例，进行投资分配。
此外，结合2017年全省的实际投资情况，全省实际投资459 266万元，实现了综合线损率降低了0.03个百分点的目标，模型测算投资453 865万元，通过比较分析，实际投资值与模型测算值估计偏差率为1.176%，估计偏差率极小，说明量化模型较好。
进一步测算其它两个地市局的投资，并验证模型，得到以下结论：
-
针对A供电局，若降低ΔY个百分点的综合线损率，则需要投入：
如果A供电局2017年要保证综合线损率不升，则投资需在2016年基础上保持不变，即2017年电网基建、生产技改、营销技改共需投资91 308万元。结合综合线损非价值量指标的定性分析，A供电局线路的重过载比率较高，建议增加完善网架结构方面的电网基建投资，重点关注线路重过载问题的解决，以降低综合线损率。A供电局生产技改和营销技改投资呈上升趋势，对应综合线损的驱动因素指标均呈现逐年下降趋势，反应出投资的有效性。
此外，结合2017年A局的实际投资情况，实际投资91 532万元，实现了综合线损率在2016年基础上保持不变的目标，模型测算投资91 308万元，通过比较分析，实际投资值与模型测算值估计偏差率为0.024%，估计偏差率极小，说明量化模型极好。
-
针对B供电局，若降低ΔY个百分点的综合线损率，则需要增加投入：
如果B供电局2017年综合线损要降低0.01个百分比，则投资需在2016年基础上增加投入408.543 75万元，即2017年电网基建、生产技改、营销技改共需投资27 034万元。结合综合线损非价值量指标的定性分析，B供电局的线路出现过载，配变重过载率在同类地市局中最高，建议增加改善线路及配变重过载方面的电网基建投资。同时，B供电局生产技改投资力度高于同类地市供电局，但对应的线损驱动因素指标却居高不下，说明生产技改投资结构需优化。B供电局在营销技改上投资额在同类地市局中最低，对应的综合线损驱动因素指标也是最高的，反应出B供电局在营销技改方面的投资不足。
此外，结合2017年B局的实际投资情况，实际投资29 726万元，实现了综合线损率在2016年基础上降低0.01个百分点的目标，模型测算投资27 034万元，通过比较分析，实际投资值与模型测算值估计偏差率为9.06%，估计偏差率较小，说明量化模型较好。
-
本文以综合线损率为目标，定量分析了综合线损率的相关驱动因素对线损的影响，构建了非价值量指标权重体系；建立了综合线损率指标(非价值量指标)与对应电网基建投资、技改投资(价值量指标)的潜在量化关系，对综合线损率与投资之间的量化关系展开了研究。用建立的模型对某省及两个重点地市局进行了投资分析，建模结果显示，模型测算值与实际投资值之间的偏差极小，量化模型较好。电网基建、生产技改和营销技改各专业投资比例，建议在参考往年投资比例的基础上，结合地区综合线损非价值量指标的定性分析进行决策。通过该模型可以明确各因素变化下，指标对象投入产出的变化规律，使每一笔投入，都能做到事前可衡量，事后可评估，便于科学决策。为各地市局投资计划与分析提供了重要参考，对电网投资精益化管理提供辅助。
DownLoad:
