摘 要:应收电费足额回收是电力企业经营成果的最终体现,加强电费安全风险管理,建立电费回收风险预警体系,是防范和规避电费安全和供电公司经营风险的有效措施。本课题对大用户用电进行预警分析,主要从电力大用户用电生产数据信息着手,进行了分类分析,建立logistic模型对电力大用户进行电费回收风险预测。提出了科学合理的风险计算方法,为电力公司规避风险、及时有效的采取措施催收电费提供有力的科学依据。
关键词:电费回收;分类分析;logistic;风险预警
Electricity large users of electricity logistic risk warning based on industry classification
YU Dong-xian
(Ya’an State Grid Electric Power (Group) Company, Ya’an 625000)
Abstract:The full collection of electricity charge receivable can best mark power enterprises’ management achievements. Strengthening electricity charge security management, and establishing risk forewarning system are effective ways for power enterprises to avoid both the risk of bill security and their management. This paper mainly makes classification analysis on the electricity statistics of large power users, and puts forward to build logistic model for charge risk forecasting. This thesis provides a scientific risk calculation method, and offers power enterprises the convincing scientific evidence to avoid risks and take timely measures in charge collection.
Keywords:Electric toll collection;classification analysis;logistic;risk forewarning
电费足额回收是电力企业经营成果的最终体现。目前用电管理方面面临很多的问题,主要体现在拖欠电费、违章用电、窃电现象等,这影响了电力公司经营成果和资金链的有效运转,使电力公司的电费回收工作愈发困难。而电力大用户是电力公司电费回收来源的主要对象,所以加强对地区电力大用户的经营状况分析及亏欠电费预测,是确保供电公司电费资金的及时回收,规避经营风险的有效途径。在雅安,高载能行业逐渐成为雅安工业经济的支柱产业,该类企业每月电费金额巨大,企业的生产经营情况受市场环境、国家宏观政策影响波动困难,电费回收风险巨大。对电网企业而言,电费资金的回收与管理直接关系整个电力公司的有效运转。加强对这些高耗能行业经营状况的监控与预警是非常重要的内容。
1 研究背景
雅安地处川西偏远山区,地域辽阔,水电资源丰富,售电规模约80亿千瓦时,售电结构以工业电量为主,占比达80%以上,其中高载能用户占工业用电量的83%。高载能行业成为雅安工业经济的支柱产业,且随着近几年电网条件的改善、雅安地方电价比较优势的形成,全市高载能企业新增规模扩大且产能得到释放,电力需求迅猛发展。高载能行业电力成本比重过大,且对外界市场环境因素过度敏感,生产大起大落,尤其是中小载能企业抗市场风险能力弱,制约了雅安经济平稳、健康的发展。据统计雅安全市非鼓励类高载能企业装机容量占高载能产业总容量的44.5%,1.25万千瓦以下的中小炉子比重过大,这类企业在国家产能结构调整政策和市场优胜劣汰的竞争机制中极易倒闭破产。对电网企业而言,电费资金的回收与管理至关重要。加强电费资金的及时回收,可提高资金的综合利用效益,防范和规避经营风险。目前电费回收工作的困难主要是管理手段落后、缺乏有效预控。目前,摆在电力企业面前亟待解决的重要课题包括:(1)及时有效地掌握电力大用户每个行业的成本和经营状况;(2)建立灵活的分类大用户电价成本盈亏测算联动机制;(3)有效防范和化解电费回收风险。
本文提出了首先对电力企业按行业进行分类分析,即按照企业生产产品进行行业分类,利用某一行业的用电及相关指标的历史数据,通过指标数据进行行业分析判断;其次建立该行业的欠费风险预测模型,通过该模型对这些高耗能用户进行是否发生欠费进行预测;并采用logistic 模型对电力客户的信用等级进行计算,为电力公司规避电费回收风险、催收电费提供有力的依据。
2 行业分类分析
在现有管理机制下,电力公司在对电力大用户经营状况、电费回收风险分析时,针对不同的电力大用户,往往集中于每一户用户历史电费缴纳情况和财务报表分析。财务报表本身的局限性将降低电力公司判断的准确性。一是企业财务报表数据往往涉及商业机密,极难取得;二是即使能得到相关历史财务数据,该数据也仅代表该用户以前的经营状况,算出的财务指标必然滞后于经营状况的恶化,得到的趋势分析也不一定符合现实状况。在这要的前提下,基于每户用户微观分析而做出的电费风险判断往往具有滞后和失真的现象,不能更好的加强电费风险判断,从而导致国有资产存在流失风险。
基于雅安高载能企业行业用电特性分类明显的现状,在原有电费风险管理的基础上还应该注重宏观经济对各类企业生产影响分析,即对电力大用户分行业进行分析。因为对高载能企业而言,用户所处行业的发展趋势对客户的生产经营状况有着重要的影响,分析行业发展状况,从趋势上把握行业不同发展阶段的特征,对电费回收风险、确定产业结构调整对企业的影响判断具有重大意义。行业是介于宏观经济和微观经济之间的重要经济范畴,是由具有共同特征的企业群体所组成。由于同一行业内的企业成员在生产经营上存在着相同性或相似性,其产品或服务具有很强的替代性,行业内的企业成员彼此间处于一种更为紧密联系的状态之中。行业的兴衰与国民经济发展的特定阶段有较强的相关性。在同一时期,一些行业的增长与经济同步增长,而一些行业增长可能领先经济增长,还有一些行业可能随着经济的增长反而衰落甚至消失。行业的兴衰决定了行业内部企业生存的条件和发展状况,进而影响到与行业相关的电费安全回收的风险。从这几年的情况看,电费回收困难电力用户有相当一部分就是由于行业的衰落而引起的。由于行业收缩,有相当部分贷款转化为不良资产,因此,行业分析应成为电费回收的重要因素。
本文所研究的行业分析重点从生产的产品类别进行行业分类,对企业所处行业周期及行业地位进行分析,重点关注企业的用电量走势、宏观政策、产品价格、原材料价格等系列因素,利用电力企业能及时掌控的用电量信息进行分类比对,对企业相关的非财务信息进行分析,准确了解企业的行业生产动态,建立分类用户欠费预警提示。
电极箔由特质的高纯铝箔经过电化学或化学腐蚀后扩大表面积,再经过电化成作用在其表面形成一层氧化膜,是铝电解电容器制造的关键原材料,属国家鼓励和支持的新型电子和基础材料,其电费成本占总成本的40%左右,典型的高耗能产业。受雅安水电资源环境优势和电价优势的双重影响,截止目前雅安已建成电极箔企业12家,共计213条生产线,电极箔行业在全国的市场占有率已超过了60%,预计到十二五末将建成300余条生产线,年用电量达30亿千瓦时,在雅安的工业经济中占有相当大的比重。从行业发展趋势看,整个行业一定程度上存在产能过剩的情况,同样面临节能减排淘汰落后等市场竞争,因各厂分布在雅安的不同区域,在政策、电价等方面存在差异,各厂的技术力量、企业实力也有很大差异,一些技术落后、靠价格取胜的小企业,在市场竞争进程中,该类企业极易被市场所淘汰,属电力公司重点防范风险对象。
以雅安2012-2013年雅安12家电极箔企业的总用电量和对电力公司的总欠费为例,绘制图形(见图2.1)进行该行业类别的分析:
对雅安的电极箔行业的用电量及欠费金额的历史数据进行分析,可得看出2012年到2013年这两年的时间内,电极箔行业总用电量增加时,行业欠费却逐渐减少,,这说明在整个市场总体行情向好时,整个电极箔行业经营形势较好,企业欠费反而减少。如2012年10月,电极箔用电量达到顶峰,产生电费最大,而欠费却最少。在用户单位产品能耗趋于稳定的前提下,用电量的增减直观反映了其产品市场的需求情况和行业走势,一旦电极箔行业的大部分企业用电量减少,说明该行业的产品产出在减少,这势必会影响到电极箔行业在雅安工业经济中的发展走势。行业的经营走势发展必定会影响到其公司资金流情况,进而影响电力公司的电费回收,当整个行业低迷时,电力公司将面临巨大的电费风险。尤其对雅安电力公司这种高载能用户电量电费达到绝对占比企业,密切关注各类高载能企业行业走势,提高对各高载能行业的风险警示,时刻关注行业的经营变化,充分利用行业电量变化的快速导向,提出行业预警,并结合行业内每一家企业的历史电费缴纳情况,建立企业欠费风险预警,及时采取措施防范电费风险具有积极的作用。
3 基于行业分类的logistic欠费风险预警模型的构建
3.1 指标的选取
结合雅安的实际情况,很多电力客户均不是上市公司,很难获取去财务数据及其企业的经营情况数据,主要选取的指标是电力企业角度能掌握的企业基础信息。指标的选取分为定性指标和定量指标。定性指标选取产业宏观调控政策、行业生命周期、支柱产业、市场地位、技术水平。定量指标选取行业的欠费率, 行业用电量环比增长率, 企业历史欠费比重, 企业用电量环比增长率,企业本期欠费比重,企业累计电费欠费次数比率,企业环比用电量增减户数比重。
(1)定性指标
定性指标主要采用专家打分法对其赋值,其度量表如表3.1所示.
表3.1 风险预警定性指标表
赋值
指标 1 2 3 4
定性指标 产业宏观调控政策C1 鼓励 支持 限制 淘汰
产业的生命周期C2 导入期 成长期 成熟期 衰退期
支柱产业C3 国家重点 区域重点 一般产业 弱小产业
市场地位C4 领导者 追随者 挑战者 补缺者
技术能力指标C5 国际水平 国内领先 一般水平 落后
(2)定量指标
定量指标主要选取的能够从电力生产系统中获取的数据,其定义如下:
3.2 logistic模型的简介
Logistic模型又称logistic回归分析模型,是分类数据统计分析的一种重要方法,研究多水平(包括2个水平)的因变量与其影响因子间关系的回归分析,即用于分析某类事件发生概率与自变量之间依存关系的回归。Logistic模型由于不要求变量满足正态分布和等协方差,而且可用于解决非线性分类问题,因此得到了广泛的应用。目前主要在流行病学中应用较多,比较常用的情形是探索某疾病的危险因素,根据危险因素预测某疾病发生的概率。在这里本文将Logistic模型引入到某一类用户中,研究某一户用户在不同的环境下产生欠费的概率。
本文将影响结果变量发生的因素分为自变量与因变量,建立回归方程。
令Y=1,表示电力客户发生欠费;Y=0,表示电力客户按时交纳电费。若记电力客户发生欠费的概率P,故它与自变量之间的logistic的回归模型为:
(1)
相反的,电力客户按时交纳电费的概率:
(2)
其中为偏回归系数,是表示一组自变量。
3.3 基于行业分类欠费风险预测模型的构建
选取2012-2013年12家电极箔企业数据,共288组数据,使用spss软件进行欠费风险预测的仿真分析,建立电极箔行业logistic欠费风险预警模型
表3.2观测量汇总表
案例处理汇总
未加权的案例a N 百分比
选定案例 包括在分析中 288 100.0
缺失案例 0 .0
总计 288 100.0
未选定的案例 0 .0
总计 288 100.0
由表3.2可知,在计算过程中的观测量数量和缺失值的数量;以及它们所占的百分比。由表中可得288组数据全部进入计算中,没有缺失数据。
表3.3表最终的观测量分类
分类表a
已观测 已预测
欠费 百分比校正
0 1
步骤 1 欠费 0 254 5 98.1
1 6 23 79.3
总计百分比 96.2
a. 切割值为 .500
表3.3表示以0.5作为欠费与不会发生拖欠电费的切割值,得出的预测值与实际数据的比较表。从表中可以看到254个不会发生拖欠电费的对象被正确的预测,正确率达到98.1%,同时会发生欠费的23个会发生拖欠电费的对象被正确的预测,准确率为79.3%,总的正确判断率为96.2%。
由于本文按照行业分类进行分析,定性指标在每组数据中不会发生变化,系统自动剔除了定性指标。表3.4可知模型中各个变量的相关统计量,根据表中各个变量的系数(B),可得到最终的Logistic数学模型如下:
(3)
其中:
其中表示x1行业的欠费率;x2行业用电量环比增长率;x3企业环比用电量增减户数比重;x4企业历史欠费比重;x5企业用电量环比增长率;x6企业本期欠费比重;x7企业累计电费欠费次数比率。
4 总结与展望
本文通过对雅安2012-2013年电极箔行业的历史数据分析,建立了电极箔行业电力企业是否拖欠电费的风险预测的数学模型,能够对该行业电力客户是否发生欠费进行准确的预测,电力公司能够通过历史数据对预警行业内电力企业按照信用排序进行重点防范,为规避风险、催收电费提供有力的依据。但此模型也存在很多不足,如雅安的电力企业均不是上市公司,很难准确的获取其财务指标,未考虑其财务指标及其运营情况。同时此模型还存在很多后续的工作,下一步将通过分析某一行业的历史数据,建立该行业的电价联动模型,在销售电价相对稳定的情况下,预测产品价格、或原材料价格的波动预警,将市场价格和用电量变化情况有效结合,构建电费回收风险预警系统,基于电能量实时采集系统对电力客户进行实时风险预警,并针对各企业给出规避风险的方案,为有效规避和防范风险提供有力的依据。
参考文献
[1] 韩宁宁.供电公司电费安全风险预警模型研究[J].华北电力大学.2012(3)
[2] 牛小梅,朱银铃.层次分析法在电力客户信用风险中的评价[J].计算机仿真.2010.28(5):333—336
[3] 周韩,刘东,吴子美等.电力系统安全预警评估指标及其应用[J].电力系统自动化.2007.31(20).45—48
[4] 刘春辉,刘敏.电力市场环境下考虑大用户直购电的电网公司风险管理研究[J].电力系统保护与控制.2011.39(12):94—101
[5] 李美娟.电力市场中市场力风险预警系统的构建[J].科技管理研究.2011(8).75.79
[6] 张健业.电力系统信息安全风险评估工作探讨[J].新疆电力.2005(3):39—41
[7] Martin,W.and Lothar,G.Seismic early warning system for a nuclear power plant [M].12WCEE.Auckland:IAEE.2000.1781—1788
[8] Schwe,Early wannngandpre control of Controllable Risks in management [J].MarketingSeienee,1993,7(5):23—31
[9] 吴子美,刘东,周韩.基于风险的电力系统安全预警的预防性控制决策分析[J].电力自动化设备.2009.29(9):105.109