摘 要：應(yīng)收電費足額回收是電力企業(yè)經(jīng)營成果的最終體現(xiàn)，加強電費安全風(fēng)險管理，建立電費回收風(fēng)險預(yù)警體系，是防范和規(guī)避電費安全和供電公司經(jīng)營風(fēng)險的有效措施。本課題對大用戶用電進行預(yù)警分析，主要從電力大用戶用電生產(chǎn)數(shù)據(jù)信息著手，進行了分類分析，建立logistic模型對電力大用戶進行電費回收風(fēng)險預(yù)測。提出了科學(xué)合理的風(fēng)險計算方法，為電力公司規(guī)避風(fēng)險、及時有效的采取措施催收電費提供有力的科學(xué)依據(jù)。

關(guān)鍵詞：電費回收；分類分析；logistic；風(fēng)險預(yù)警

Electricity large users of electricity logistic risk warning based on industry classification

YU Dong-xian

（Yaan State Grid Electric Power （Group） Company， Yaan 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

電費足額回收是電力企業(yè)經(jīng)營成果的最終體現(xiàn)。目前用電管理方面面臨很多的問題，主要體現(xiàn)在拖欠電費、違章用電、竊電現(xiàn)象等，這影響了電力公司經(jīng)營成果和資金鏈的有效運轉(zhuǎn)，使電力公司的電費回收工作愈發(fā)困難。而電力大用戶是電力公司電費回收來源的主要對象，所以加強對地區(qū)電力大用戶的經(jīng)營狀況分析及虧欠電費預(yù)測，是確保供電公司電費資金的及時回收，規(guī)避經(jīng)營風(fēng)險的有效途徑。在雅安，高載能行業(yè)逐漸成為雅安工業(yè)經(jīng)濟的支柱產(chǎn)業(yè)，該類企業(yè)每月電費金額巨大，企業(yè)的生產(chǎn)經(jīng)營情況受市場環(huán)境、國家宏觀政策影響波動困難，電費回收風(fēng)險巨大。對電網(wǎng)企業(yè)而言，電費資金的回收與管理直接關(guān)系整個電力公司的有效運轉(zhuǎn)。加強對這些高耗能行業(yè)經(jīng)營狀況的監(jiān)控與預(yù)警是非常重要的內(nèi)容。

1 研究背景

雅安地處川西偏遠(yuǎn)山區(qū)，地域遼闊，水電資源豐富，售電規(guī)模約80億千瓦時，售電結(jié)構(gòu)以工業(yè)電量為主，占比達(dá)80%以上，其中高載能用戶占工業(yè)用電量的83%。高載能行業(yè)成為雅安工業(yè)經(jīng)濟的支柱產(chǎn)業(yè)，且隨著近幾年電網(wǎng)條件的改善、雅安地方電價比較優(yōu)勢的形成，全市高載能企業(yè)新增規(guī)模擴大且產(chǎn)能得到釋放，電力需求迅猛發(fā)展。高載能行業(yè)電力成本比重過大，且對外界市場環(huán)境因素過度敏感，生產(chǎn)大起大落，尤其是中小載能企業(yè)抗市場風(fēng)險能力弱，制約了雅安經(jīng)濟平穩(wěn)、健康的發(fā)展。據(jù)統(tǒng)計雅安全市非鼓勵類高載能企業(yè)裝機容量占高載能產(chǎn)業(yè)總?cè)萘康?4.5%，1.25萬千瓦以下的中小爐子比重過大，這類企業(yè)在國家產(chǎn)能結(jié)構(gòu)調(diào)整政策和市場優(yōu)勝劣汰的競爭機制中極易倒閉破產(chǎn)。對電網(wǎng)企業(yè)而言，電費資金的回收與管理至關(guān)重要。加強電費資金的及時回收，可提高資金的綜合利用效益，防范和規(guī)避經(jīng)營風(fēng)險。目前電費回收工作的困難主要是管理手段落后、缺乏有效預(yù)控。目前，擺在電力企業(yè)面前亟待解決的重要課題包括：（1）及時有效地掌握電力大用戶每個行業(yè)的成本和經(jīng)營狀況；（2）建立靈活的分類大用戶電價成本盈虧測算聯(lián)動機制；（3）有效防范和化解電費回收風(fēng)險。

本文提出了首先對電力企業(yè)按行業(yè)進行分類分析，即按照企業(yè)生產(chǎn)產(chǎn)品進行行業(yè)分類，利用某一行業(yè)的用電及相關(guān)指標(biāo)的歷史數(shù)據(jù)，通過指標(biāo)數(shù)據(jù)進行行業(yè)分析判斷；其次建立該行業(yè)的欠費風(fēng)險預(yù)測模型，通過該模型對這些高耗能用戶進行是否發(fā)生欠費進行預(yù)測；并采用logistic 模型對電力客戶的信用等級進行計算，為電力公司規(guī)避電費回收風(fēng)險、催收電費提供有力的依據(jù)。

2 行業(yè)分類分析

在現(xiàn)有管理機制下，電力公司在對電力大用戶經(jīng)營狀況、電費回收風(fēng)險分析時，針對不同的電力大用戶，往往集中于每一戶用戶歷史電費繳納情況和財務(wù)報表分析。財務(wù)報表本身的局限性將降低電力公司判斷的準(zhǔn)確性。一是企業(yè)財務(wù)報表數(shù)據(jù)往往涉及商業(yè)機密，極難取得；二是即使能得到相關(guān)歷史財務(wù)數(shù)據(jù)，該數(shù)據(jù)也僅代表該用戶以前的經(jīng)營狀況，算出的財務(wù)指標(biāo)必然滯后于經(jīng)營狀況的惡化，得到的趨勢分析也不一定符合現(xiàn)實狀況。在這要的前提下，基于每戶用戶微觀分析而做出的電費風(fēng)險判斷往往具有滯后和失真的現(xiàn)象，不能更好的加強電費風(fēng)險判斷，從而導(dǎo)致國有資產(chǎn)存在流失風(fēng)險。

基于雅安高載能企業(yè)行業(yè)用電特性分類明顯的現(xiàn)狀，在原有電費風(fēng)險管理的基礎(chǔ)上還應(yīng)該注重宏觀經(jīng)濟對各類企業(yè)生產(chǎn)影響分析，即對電力大用戶分行業(yè)進行分析。因為對高載能企業(yè)而言，用戶所處行業(yè)的發(fā)展趨勢對客戶的生產(chǎn)經(jīng)營狀況有著重要的影響，分析行業(yè)發(fā)展?fàn)顩r，從趨勢上把握行業(yè)不同發(fā)展階段的特征，對電費回收風(fēng)險、確定產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對企業(yè)的影響判斷具有重大意義。行業(yè)是介于宏觀經(jīng)濟和微觀經(jīng)濟之間的重要經(jīng)濟范疇，是由具有共同特征的企業(yè)群體所組成。由于同一行業(yè)內(nèi)的企業(yè)成員在生產(chǎn)經(jīng)營上存在著相同性或相似性，其產(chǎn)品或服務(wù)具有很強的替代性，行業(yè)內(nèi)的企業(yè)成員彼此間處于一種更為緊密聯(lián)系的狀態(tài)之中。行業(yè)的興衰與國民經(jīng)濟發(fā)展的特定階段有較強的相關(guān)性。在同一時期，一些行業(yè)的增長與經(jīng)濟同步增長，而一些行業(yè)增長可能領(lǐng)先經(jīng)濟增長，還有一些行業(yè)可能隨著經(jīng)濟的增長反而衰落甚至消失。行業(yè)的興衰決定了行業(yè)內(nèi)部企業(yè)生存的條件和發(fā)展?fàn)顩r，進而影響到與行業(yè)相關(guān)的電費安全回收的風(fēng)險。從這幾年的情況看，電費回收困難電力用戶有相當(dāng)一部分就是由于行業(yè)的衰落而引起的。由于行業(yè)收縮，有相當(dāng)部分貸款轉(zhuǎn)化為不良資產(chǎn)，因此，行業(yè)分析應(yīng)成為電費回收的重要因素。

本文所研究的行業(yè)分析重點從生產(chǎn)的產(chǎn)品類別進行行業(yè)分類，對企業(yè)所處行業(yè)周期及行業(yè)地位進行分析，重點關(guān)注企業(yè)的用電量走勢、宏觀政策、產(chǎn)品價格、原材料價格等系列因素，利用電力企業(yè)能及時掌控的用電量信息進行分類比對，對企業(yè)相關(guān)的非財務(wù)信息進行分析，準(zhǔn)確了解企業(yè)的行業(yè)生產(chǎn)動態(tài)，建立分類用戶欠費預(yù)警提示。

電極箔由特質(zhì)的高純鋁箔經(jīng)過電化學(xué)或化學(xué)腐蝕后擴大表面積，再經(jīng)過電化成作用在其表面形成一層氧化膜，是鋁電解電容器制造的關(guān)鍵原材料，屬國家鼓勵和支持的新型電子和基礎(chǔ)材料，其電費成本占總成本的40%左右，典型的高耗能產(chǎn)業(yè)。受雅安水電資源環(huán)境優(yōu)勢和電價優(yōu)勢的雙重影響，截止目前雅安已建成電極箔企業(yè)12家，共計213條生產(chǎn)線，電極箔行業(yè)在全國的市場占有率已超過了60%，預(yù)計到十二五末將建成300余條生產(chǎn)線，年用電量達(dá)30億千瓦時，在雅安的工業(yè)經(jīng)濟中占有相當(dāng)大的比重。從行業(yè)發(fā)展趨勢看，整個行業(yè)一定程度上存在產(chǎn)能過剩的情況，同樣面臨節(jié)能減排淘汰落后等市場競爭，因各廠分布在雅安的不同區(qū)域，在政策、電價等方面存在差異，各廠的技術(shù)力量、企業(yè)實力也有很大差異，一些技術(shù)落后、靠價格取勝的小企業(yè)，在市場競爭進程中，該類企業(yè)極易被市場所淘汰，屬電力公司重點防范風(fēng)險對象。

以雅安2012-2013年雅安12家電極箔企業(yè)的總用電量和對電力公司的總欠費為例，繪制圖形（見圖2.1）進行該行業(yè)類別的分析：

對雅安的電極箔行業(yè)的用電量及欠費金額的歷史數(shù)據(jù)進行分析，可得看出2012年到2013年這兩年的時間內(nèi)，電極箔行業(yè)總用電量增加時，行業(yè)欠費卻逐漸減少，這說明在整個市場總體行情向好時，整個電極箔行業(yè)經(jīng)營形勢較好，企業(yè)欠費反而減少。如2012年10月，電極箔用電量達(dá)到頂峰，產(chǎn)生電費最大，而欠費卻最少。在用戶單位產(chǎn)品能耗趨于穩(wěn)定的前提下，用電量的增減直觀反映了其產(chǎn)品市場的需求情況和行業(yè)走勢，一旦電極箔行業(yè)的大部分企業(yè)用電量減少，說明該行業(yè)的產(chǎn)品產(chǎn)出在減少，這勢必會影響到電極箔行業(yè)在雅安工業(yè)經(jīng)濟中的發(fā)展走勢。行業(yè)的經(jīng)營走勢發(fā)展必定會影響到其公司資金流情況，進而影響電力公司的電費回收，當(dāng)整個行業(yè)低迷時，電力公司將面臨巨大的電費風(fēng)險。尤其對雅安電力公司這種高載能用戶電量電費達(dá)到絕對占比企業(yè)，密切關(guān)注各類高載能企業(yè)行業(yè)走勢，提高對各高載能行業(yè)的風(fēng)險警示，時刻關(guān)注行業(yè)的經(jīng)營變化，充分利用行業(yè)電量變化的快速導(dǎo)向，提出行業(yè)預(yù)警，并結(jié)合行業(yè)內(nèi)每一家企業(yè)的歷史電費繳納情況，建立企業(yè)欠費風(fēng)險預(yù)警，及時采取措施防范電費風(fēng)險具有積極的作用。

3 基于行業(yè)分類的logistic欠費風(fēng)險預(yù)警模型的構(gòu)建

3.1 指標(biāo)的選取

結(jié)合雅安的實際情況，很多電力客戶均不是上市公司，很難獲取去財務(wù)數(shù)據(jù)及其企業(yè)的經(jīng)營情況數(shù)據(jù)，主要選取的指標(biāo)是電力企業(yè)角度能掌握的企業(yè)基礎(chǔ)信息。指標(biāo)的選取分為定性指標(biāo)和定量指標(biāo)。定性指標(biāo)選取產(chǎn)業(yè)宏觀調(diào)控政策、行業(yè)生命周期、支柱產(chǎn)業(yè)、市場地位、技術(shù)水平。定量指標(biāo)選取行業(yè)的欠費率， 行業(yè)用電量環(huán)比增長率， 企業(yè)歷史欠費比重， 企業(yè)用電量環(huán)比增長率，企業(yè)本期欠費比重，企業(yè)累計電費欠費次數(shù)比率，企業(yè)環(huán)比用電量增減戶數(shù)比重。

（1）定性指標(biāo)

定性指標(biāo)主要采用專家打分法對其賦值，其度量表如表3.1所示.

表3.1 風(fēng)險預(yù)警定性指標(biāo)表

賦值

指標(biāo) 1 2 3 4

定性指標(biāo) 產(chǎn)業(yè)宏觀調(diào)控政策C1 鼓勵 支持 限制 淘汰

產(chǎn)業(yè)的生命周期C2 導(dǎo)入期 成長期 成熟期 衰退期

支柱產(chǎn)業(yè)C3 國家重點 區(qū)域重點 一般產(chǎn)業(yè) 弱小產(chǎn)業(yè)

市場地位C4 領(lǐng)導(dǎo)者 追隨者 挑戰(zhàn)者 補缺者

技術(shù)能力指標(biāo)C5 國際水平 國內(nèi)領(lǐng)先 一般水平 落后

（2）定量指標(biāo)

定量指標(biāo)主要選取的能夠從電力生產(chǎn)系統(tǒng)中獲取的數(shù)據(jù)，其定義如下：

3.2 logistic模型的簡介

Logistic模型又稱logistic回歸分析模型，是分類數(shù)據(jù)統(tǒng)計分析的一種重要方法，研究多水平（包括2個水平）的因變量與其影響因子間關(guān)系的回歸分析，即用于分析某類事件發(fā)生概率與自變量之間依存關(guān)系的回歸。Logistic模型由于不要求變量滿足正態(tài)分布和等協(xié)方差，而且可用于解決非線性分類問題，因此得到了廣泛的應(yīng)用。目前主要在流行病學(xué)中應(yīng)用較多，比較常用的情形是探索某疾病的危險因素，根據(jù)危險因素預(yù)測某疾病發(fā)生的概率。在這里本文將Logistic模型引入到某一類用戶中，研究某一戶用戶在不同的環(huán)境下產(chǎn)生欠費的概率。

本文將影響結(jié)果變量發(fā)生的因素分為自變量與因變量，建立回歸方程。

令Y=1，表示電力客戶發(fā)生欠費；Y=0，表示電力客戶按時交納電費。若記電力客戶發(fā)生欠費的概率P，故它與自變量之間的logistic的回歸模型為：

（1）

相反的，電力客戶按時交納電費的概率：

（2）

其中為偏回歸系數(shù)，是表示一組自變量。

3.3 基于行業(yè)分類欠費風(fēng)險預(yù)測模型的構(gòu)建

選取2012-2013年12家電極箔企業(yè)數(shù)據(jù)，共288組數(shù)據(jù)，使用spss軟件進行欠費風(fēng)險預(yù)測的仿真分析，建立電極箔行業(yè)logistic欠費風(fēng)險預(yù)警模型

表3.2觀測量匯總表

案例處理匯總

未加權(quán)的案例a N 百分比

選定案例 包括在分析中 288 100.0

缺失案例 0 .0

總計 288 100.0

未選定的案例 0 .0

總計 288 100.0

由表3.2可知，在計算過程中的觀測量數(shù)量和缺失值的數(shù)量；以及它們所占的百分比。由表中可得288組數(shù)據(jù)全部進入計算中，沒有缺失數(shù)據(jù)。

表3.3表最終的觀測量分類

分類表a

已觀測 已預(yù)測

欠費 百分比校正

0 1

步驟 1 欠費 0 254 5 98.1

1 6 23 79.3

總計百分比 96.2

a. 切割值為 .500

表3.3表示以0.5作為欠費與不會發(fā)生拖欠電費的切割值，得出的預(yù)測值與實際數(shù)據(jù)的比較表。從表中可以看到254個不會發(fā)生拖欠電費的對象被正確的預(yù)測，正確率達(dá)到98.1%，同時會發(fā)生欠費的23個會發(fā)生拖欠電費的對象被正確的預(yù)測，準(zhǔn)確率為79.3%，總的正確判斷率為96.2%。

由于本文按照行業(yè)分類進行分析，定性指標(biāo)在每組數(shù)據(jù)中不會發(fā)生變化，系統(tǒng)自動剔除了定性指標(biāo)。表3.4可知模型中各個變量的相關(guān)統(tǒng)計量，根據(jù)表中各個變量的系數(shù)（B），可得到最終的Logistic數(shù)學(xué)模型如下：

（3）

其中：

其中表示x1行業(yè)的欠費率；x2行業(yè)用電量環(huán)比增長率；x3企業(yè)環(huán)比用電量增減戶數(shù)比重；x4企業(yè)歷史欠費比重；x5企業(yè)用電量環(huán)比增長率；x6企業(yè)本期欠費比重；x7企業(yè)累計電費欠費次數(shù)比率。

4 總結(jié)與展望

本文通過對雅安2012-2013年電極箔行業(yè)的歷史數(shù)據(jù)分析，建立了電極箔行業(yè)電力企業(yè)是否拖欠電費的風(fēng)險預(yù)測的數(shù)學(xué)模型，能夠?qū)υ撔袠I(yè)電力客戶是否發(fā)生欠費進行準(zhǔn)確的預(yù)測，電力公司能夠通過歷史數(shù)據(jù)對預(yù)警行業(yè)內(nèi)電力企業(yè)按照信用排序進行重點防范，為規(guī)避風(fēng)險、催收電費提供有力的依據(jù)。但此模型也存在很多不足，如雅安的電力企業(yè)均不是上市公司，很難準(zhǔn)確的獲取其財務(wù)指標(biāo)，未考慮其財務(wù)指標(biāo)及其運營情況。同時此模型還存在很多后續(xù)的工作，下一步將通過分析某一行業(yè)的歷史數(shù)據(jù)，建立該行業(yè)的電價聯(lián)動模型，在銷售電價相對穩(wěn)定的情況下，預(yù)測產(chǎn)品價格、或原材料價格的波動預(yù)警，將市場價格和用電量變化情況有效結(jié)合，構(gòu)建電費回收風(fēng)險預(yù)警系統(tǒng)，基于電能量實時采集系統(tǒng)對電力客戶進行實時風(fēng)險預(yù)警，并針對各企業(yè)給出規(guī)避風(fēng)險的方案，為有效規(guī)避和防范風(fēng)險提供有力的依據(jù)。

參考文獻(xiàn)

[1] 韓寧寧.供電公司電費安全風(fēng)險預(yù)警模型研究[J].華北電力大學(xué).2012（3）

[2] 牛小梅，朱銀鈴.層次分析法在電力客戶信用風(fēng)險中的評價[J].計算機仿真.2010.28（5）：333—336

[3] 周韓，劉東，吳子美等.電力系統(tǒng)安全預(yù)警評估指標(biāo)及其應(yīng)用[J].電力系統(tǒng)自動化.2007.31（20）.45—48

[4] 劉春輝，劉敏.電力市場環(huán)境下考慮大用戶直購電的電網(wǎng)公司風(fēng)險管理研究[J].電力系統(tǒng)保護與控制.2011.39（12）：94—101

[5] 李美娟.電力市場中市場力風(fēng)險預(yù)警系統(tǒng)的構(gòu)建[J].科技管理研究.2011（8）.75.79

[6] 張健業(yè).電力系統(tǒng)信息安全風(fēng)險評估工作探討[J].新疆電力.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] 吳子美，劉東，周韓.基于風(fēng)險的電力系統(tǒng)安全預(yù)警的預(yù)防性控制決策分析[J].電力自動化設(shè)備.2009.29（9）：105.109

作者簡介

余冬先（1982-），四川仁壽人，工程師，碩士研究生，主要從事電力市場研究。