灰色預測在電網企業(yè)物資需求預測中的應用

張 雨 晴

1. 國家電網重慶市電力公司市北供電分公司，重慶 400025； 2. 國家電網重慶市電力公司營銷服務中心，重慶 400025

改革開放以來，電力行業(yè)是推動我國經濟高速發(fā)展的重要支柱．隨著我國經濟體量不斷擴大，人民生活質量普遍提高，電力供應的需求也在日益增長．與此同時，傳統(tǒng)電力設備老化，以及技術更新換代引發(fā)的新老設備更替和電網改造，導致新型電力系統(tǒng)設備需求日益增大[1]．國家電網作為國民經濟發(fā)展的支柱產業(yè)，企業(yè)在各年度的投資項目和物資需求會隨著國家經濟和產業(yè)政策布局的變化而不斷進行調整，加之電力物資需求還會受到企業(yè)綜合計劃、項目投資變化、工程進度、市場需求變化等諸多因素影響，使得物資需求預測及采購成為物資采購部門工作的難點[2]．

新一輪電力改革對國家電網的生產經營模式將產生重要影響，精準預測電網物資需求，提高采購準確性，降低采購成本，降低工程項目物資資金結余率是公司發(fā)展的必然趨勢．在新形勢下，傳統(tǒng)的電力物資采購需求預測方法已經不能適應企業(yè)的發(fā)展要求，需要企業(yè)管理部門采用有效的措施進行改革和創(chuàng)新[3-4]．近年來，大數據和機器學習等技術方法在企業(yè)經營管理中的應用日益廣泛．基于大數據的電網物資采購需求預測分析方法在結合企業(yè)年度投資項目需求分析的基礎上，強調對歷史數據信息進行詳細分析和充分挖掘，從繁雜的數據中尋找有規(guī)律的信息，應用項目儲備、投資計劃等信息生成采購需求計劃儲備庫，提升年度采購規(guī)模預測精準度，為后續(xù)物資采購需求預測及管理提供可靠依據[5]．

本文研究的實踐價值在于： ① 將大數據分析理念引入電網物資采購需求的預測中，采用灰色預測算法探索電網物資需求變化規(guī)律，有效提升電網物資采購管理效率； ② 通過建立分析預測模型，可以解決因采購金額與實際需求偏差過大導致工程物資出現“斷檔”或“滯緩”的局面，實現物資成本精益化管控； ③ 結合標準物料在科研階段落實項目儲備，實現項目的精準投資，進一步提高企業(yè)的投資效益．

1 電網物資采購基本情況分析

1.1 投資項目實際物資需求變動規(guī)律分析

國家電網重慶分公司投資主要分布為大修、供電分離、基建、技改、居配、農網、配網、營銷、應急、運維及成本等項目．圖1報告了2014-2018年期間各類主要投資項目實際物資需求，可以發(fā)現大部分投資項目在不同年度的實際物資需求波動呈現出不同的規(guī)律．如圖1所示，2014年居配項目實際物資需求為7.85億元，2015年增長至28.04億元，增長幅度超過400%，但2016年卻降至4.22億元，甚至還低于2014年的實際需求金額．與此同時，配網項目卻在2015年之后呈現出逐年遞增的趨勢，2018年的實際物資需求已超過15億元．上述數據分析結果表明，實際物資需求在不同年度呈現出巨大的波動，且不同類別投資項目波動并不一致，使得依靠需求單位(部門)工作經驗進行主觀預測的方法，已不能滿足新形勢下各投資項目對實際物資的需求．

1.2 投資項目物資需求分析

國家電網重慶分公司每年投資項目物資需求品類多達70種以上，如果進一步按產品明細分類核算，數量則多達300種以上．圖2是選取了部分物資品類在2014-2018年間的需求情況，分別報告了這部分物資品類需求數量在2014-2018年間的最大值、最小值和平均值．從圖2可以發(fā)現，電能表在樣本觀測期間的需求數量波動幅度非常大，最大值為61 200萬元，而最小值只有222萬元，最大值比最小值高出近300倍； 10千伏互感器、控制電纜和低壓電流互感器等物資在樣本觀測期間平均值、最大值和最小值均非常接近，表明這類物資在不同年度的實際需求數量較為穩(wěn)定，降低了物資需求預測的難度．但是，類似于電能表波動幅度的物資品類，由于不同年度對物資的實際需求數量差異巨大，導致僅依靠歷史數據或工作經驗對下一年度的實際物資需求進行預測非常困難．

圖1 投資項目物資需求金額

圖2 電網物資需求波動幅度

1.3 物資需求預測偏差分析

為提高物資采購效率，實現物資成本精益化管控，保障投資項目的順利進行，國家電網重慶分公司非常重視物資采購品類及數量的預測工作．但是，由于國家電網在各年度投資項目和物資需求會隨著國家經濟和產業(yè)政策布局的變化而不斷進行調整，同時電力物資需求還會受到企業(yè)綜合計劃、項目投資變化、工程進度、市場需求變化等諸多因素影響，使得物資需求預測及采購成為困擾物資采購部門相關工作的難題．表1報告了所有物資品類中偏差率【(實際使用-預測金額)/預測金額】位居前10的物資品類，可以發(fā)現集線器和柱上變臺模塊的偏差率均大于10，但從絕對值來看差異并不大； 所以表2補充分析了所有物資按偏差金額【實際使用-預測金額】位居前10物資品類，可以發(fā)現電能表、錐形水泥桿、架空絕緣線、10千伏鐵附件和低壓電力電纜的實際使用金額與預測值之間的差額均高達億元以上．上述數據表明，在現階段物資采購工作中投資項目實際所需的物資金額與預測值存在較大偏差是一種較為普遍的現象，導致在實際工作中，往往存在有些物資經常出現“斷檔”或“滯緩”的情況，同時還存在部分物資出現大量結余，無人使用的問題．

表1 2018年預測偏差率前10的物資品類

表2 2018年偏差金額前10的物資品類 萬元

2 物資需求預測——以農網低壓配電箱為例

國家電網重慶分公司物資采購數據只覆蓋2014-2018年，即只有5個觀測值．由于歷史數據匱乏，且物資實際需求容易受到外部隨機事件的影響，使得時序預測模型對物資采購量估算存在一定的困難．因此，本文選取農網低壓配電箱這一物資為例，利用灰色預測方法進行預測．

2.1 灰色預測方法及模型設定

灰色預測是對既含有已知信息，又含有不確定信息的系統(tǒng)進行預測，針對數據在一定范圍內變化的、與時間有關的灰色過程進行預測[6-8]．該方法主要用于數據變動沒有明顯的趨勢，即在數據觀測期間，數據變化趨勢和變化方向具有不可預測的特點，與電網企業(yè)歷史需求數據并無顯著趨勢的特點較為接近[9-10]．灰色預測通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度進行關聯分析，并對原始數據進行生成處理來尋找系統(tǒng)變動規(guī)律，生成有較強規(guī)律性的數據序列，然后建立相應的微分方程模型，從而預測事物未來發(fā)展趨勢的狀況[11]．在實際預測時，我們使用灰色預測的GM(1，1)模型，其步驟及方法如下：

第1步，選擇時間序列數據Y(0)，

Y(0)={Y(0)(1)，Y(0)(2)，…，Y(0)(N)}

式(1)中的Y為各年度歷史數據．

第2步，對時間序列數據做一次累加生成Y(1)，

Y(1)={Y(1)(1)，Y(1)(2)，…，Y(1)(N)}

在上述時間序列數據中

Y(1)(k)=Y(1)(k-1)+Y(1)(k)，Y(1)(1)=Y(0)

(1)

第3步，構造累加矩陣B和常數向量X

(2)

X=(Y(0)(2)，Y(0)(3)，…，Y(0)(N))T

(3)

式(2)和式(3)中，B，X都是關于Y的矩陣，α，μ是用最小二乘法求出的模型中的2個參數．

(4)

第4步，將得到的參數代入微分方程并求解，可以得到一次累加序列的預測模型

(5)

第5步，進行還原得到原始時間序列數據的預測值

Y(1)(t+1)=Y(0)(t+1)+Y(1)(t)

(6)

2.2 模型測算及結果分析

國家電網重慶分公司于2014年才建立物資實際需求數據庫．因此，本文只選取2014-2017年的數據作為研究樣本： ① 將農網低壓配電箱2014-2017年的實際需求數據作為歷史數據； ② 結合歷史數據采用灰色預測法對農網低壓配電箱2018年的需求量進行預測．2014-2017年，農網低壓配電箱的實際需求分別為394個、7 269個、3 954個、1 723個．根據上述數據可以發(fā)現，農網低壓配電箱在不同年度的實際需求毫無規(guī)律可循，即數據并無趨勢特征，按照灰色預測模型，時間序列數據為

Y(0)={394，7269，3954，1723}

大括號中的數據兩兩累加生成Y(1)

Y(1)={394，7 663，11 617，13 340}

計算得到矩陣B

矩陣X為

計算得到2個參數：α=0.647 1，μ=9 955，并在此基礎上得到

Y(2)={394，7 536.09，11 275.29，13 232.93，14 257.84}

最后，計算不同年度的預測值分別為

S={394，7 142.09，3 739.20，1 957.63，1 024.91}

S為預測值，根據預測結果可知，2018年的預測值為1 024.91．

3 結 語

在新一輪電力改革的背景下，提高電網物資需求預測精確度，降低工程項目物資資金結余率是國家電網物資采購的必然趨勢．本文結合電力行業(yè)及投資項目需求的特點，選取農網低壓配電箱作為研究對象，運用灰色預測方法構建模型，重點考察2018年農網配電箱的實際需求與預測值之間的誤差，以檢驗模型預測的準確度．本文研究方法及使用的預測模型能夠大幅提高現有條件下物資采購預測的精確程度，對降低工程項目物資資金結余具有重要的參考價值．

本文仍存在以下研究局限： ① 在模型實際預測中我們僅使用了2014-2017年的數據．由于數據年限較短，會對預測的精確度造成一定的影響，未來隨著數據累計量的增加，預測效果可能會更為理想．② 現有預測方法及模型設計并未考慮電力行業(yè)設備更新和技術改造的周期性．傳統(tǒng)電力設備的老化，以及技術更新換代而引發(fā)的新老設備更替和電網改造具有一定的周期性，在現有數據結構下，我們還無法有效觀察到投資項目的周期性變動，隨著時間的推移，將周期性變動加入預測模型在一定程度上可以改善模型的預測效果．③ 電力行業(yè)的特殊性導致各類投資項目缺少標準化的物資需求．由于電網項目投資不僅需要關注經濟社會發(fā)展對電力的需求，還需要考慮電網項目施工過程中可能面臨的困難，特別是不同地形條件對項目施工進度和物資需求數量存在巨大差異，導致在項目施工前沒辦法準確預測物資的可能需求量．在綜合考慮城市特征、地形地貌和投資項目類型的基礎上，如果能將電網施工項目所在地或投資項目類型設定標準化的成本物資需求，那么對項目實際物資的需求預測精度將會得到進一步提升．