统计分析在火电企业生产经营中的应用论文

统计分析在火电企业生产经营中的应用论文

摘要：随着电力体制改革的深入，发电企业特别是火电企业在节能调度市场环境下的市场竞争越来越激烈。

为适应市场，做好电量预测和电煤采购价格的规律分析，对企业合理安排生产经营目标具有积极意义。本文讨论各经济指标与重庆市全社会用电量的相关性，建立重庆市全社会用电量回归模型，并与其他回归模型对比;研究全社会用电量与统调电网用电量之间的关系并建立数学模型，形成发电量预测方法。从电煤的量价两个角度讨论重庆地区电煤价格的变化趋势，为当地火电企业电煤采购提供参考。

关键词：统计分析;火电企业;电量;电煤

0前言

重庆市作为我国西部开发最重要的战略部署、重要的工业基地和经济发展中心，自1 9 9 2年以来除亚洲金融危机外GDP一直保持两位数以上较快增长，按可比价格年均增长11.6%，2008年GDP总量达到5099.66亿元，人均GDP18025元(按常住人口核算)。伴随经济快速发展，用电量水平也持续稳步增长。2008年全社会用电量为485.56亿kW?h，人均用电量达到17172kW.h，年均增长8.07%。

特别是重庆地区成为国家战略后方，在国家城乡统筹建设示范基地和在两江新区利好政策的刺激下，在2020年前重庆市仍将保持国民经济快速增长的态势，作为重要基础产业的电力工业必须与之保持良好的匹配发展。就发电而言，火电企业作为电力市场主体中主要的市场成员，在节能调度的大环境下和日益高涨的电煤价格情况下，需要通过充分应用统计分析的相关方法，来加强电力和电煤两个市场的预测，找出相关规律，指导企业的生产经营和计划安排。

1统计分析在重庆地区电量预测中的应用1.1重庆全社会用电量的预测全社会用电量是一个多因素的宏观数据，是受当地的经济发展总量水平、经济发展的结构变化、节约环保新技术的使用、宏观经济调控政策等，以及诸如气候状况等非经济性因素共同作用的一个结果。它不仅取决于当期上述变量，诸如固定资产投资(包括投资总量和投资的结构)也将在未来影响全社会用电量的总量水平及其构成。

除非具有全局性的重大变化，宏观经济渐变而具有惯性，宏观经济数据之间的关联也同样渐变而具有惯性，这就使通过数学模型的建立来进行预测全社会用电量具有实际操作意义。

常用电量需求预测方法有：电力弹性系数法、万元GDP电耗法、人均用电量法、横向比较法、投入产出法、分部门预测法等。对重庆市主要经济指标和全社会用电量相关分析，G D P总量及其构成对全社会用电量具有较高相关度。以已知区域历史各年用电量，以及该地区国内生产总值GDP，拟合用电量与GDP之间的回归公式。对比发现：线性回归比指数回归、对数回归、幂函数回归具有更高的拟合度，预测准确率也高于电力弹性系数法和万元GDP电耗法。

1.1.1回归模型样本选取采用重庆市1991—2008年共17年历史资料作为样本系列，内容包括GDP(分产业构成)、人均GDP、能源消费弹性系数、电力消费弹性系数、规模以上工业增加值、万元GDP电耗、万元工业增加值电耗、全社会用电量等，其中剔除了2006年引起国内关注的百年不遇干旱对当年全社会用电量的不合格数据，基础数据见表1。

1.1.2重庆市全社会用电量与其他经济指标的相关性对比全社会用电量与经济发展总量及其构成、固定资产完成情况、常住人口数量、万元GDP电耗、万元工业增加值电耗等因素有关，本文采用EVIEW6.0对表1中数据就用电量的相关性进行分析，按照相关性从高到低依次排序如表2所示。

全社会用电量在一个侧面表明社会经济的活跃程度。

上述相关系数或可阐明：

(1)重庆GDP构成中，第三产业占据相当比重，对期间G D P增长的贡献率较高，且第三产业与居民生活用电一并与迎峰度夏气候有正相关性，使对全社会用电量的相关系数最高。《重庆市2008年统计年鉴》表明第三产业、第二产业、第一产业对GDP多年平均贡献率分别为40.5%、51.9(工业43.4%)和7.6%，对GDP增长拉动分别为4.8、6.1(工业5.3)和0.7，与全国平均有较大差异。

(2)重庆近期城市化改造加速，建筑行业高增长和在经济总量中不低的比重，在一定程度上表征了区域社会经济活跃程度，使其具有全社会用电量较高的相关性。反之，尽管第二产业包括工业在G D P中的具有最大的体量，相关性次于建筑业，期间第二产业年均增长率16.3%(工业16.6%、建筑业15.1%)。以2008年为例，当年固定资产投资中第三产业比重达到62.3%，同比增速为24.9%。

尽管第三产业、建筑业与用电量具有较高的相关系数，但在重庆地区选取GDP作为变量对全社会用电量预测，表2重庆市全社会用电量与其他经济指标相关系数对比相对而言显然具有更大的实践意义，因为这已经具有了较高的线性关系。一个模型涉及参数过多，尽管拟合优度更高，但那只能是一个看上去很美的模型，因为在实际操作中由于参数预测太多、或者采用衍生参数，反而会给整个模型的预测带来更大误差——系统的误差是由逐个环节的误差累计决定，环节越多误差越大。

1.1.3重庆市全社会用电量回归模型建立考虑到重庆市各历史时期产业结构和用电水平的差异，就2000-2008年经济增长进行回归，且同样剔除2006年相关数据。本文一并采用指数、幂函数、对数模型进行回归，其中采用一元线性回归模型：Yi=a+bXi,i=1,2,……,n。其中a和b为回归系数。这里，Xi和Yi(i=1,2,……,n)均是重庆市已有G D P和全社会用电量历史数据。

表3回归系数及相关系数计算结果表对建立的回归模型进行显著性检验，检验结果见表2相关系数R，其中线性回归R值达到0.9868，EVIEWs6.0测试Prob实际显著水平校验0.000006，说明上全社会用电量与G D P之间具有很高相关性，该拟合具高置信。

利用上述模型对2009年实际数据进行检验。2009年重庆实现GDP增长14.9%;为回避09年全国GDP统计口径发生变化带来的影响，以重庆统计局发布的2 0 0 8年G D P和统计分析在火电企业生产经营中的应用胡荣权，等2009年14.9%GDP增幅代入回归模型，得到2009年全社会用电量为547.6217亿千瓦时，与中电联发布的532.3325亿千瓦时相比，误差为2.87%。

表4重庆市2010年前主要年份全社会需电量预测表(1)预测表明2009年、2010年全社会用电量同比增幅分别为10.66%、10.37%，较样本期间7.79%的年均增长率略高，符合用电量增长规律，锲合近年来重庆意识到第二产业特别是工业发展不够而逐年改善的情况。重庆市统计局关于固定资产投资的相关其他分析资料印证了这一点，期间4万亿的投资拉动重庆2009年固定资产投资增长31.5%，第二产业固定资产投资具有相当比重。

(2)从单位GDP产值用电量来看：重庆市2005年为0.

1135kW.h/元，2007年为0.1089kW.h/元，2008年为0.0953kW.h/元，2009年为0.0351kW.h/元，2010年为0.0906kW.h/元，其G D P单位需电量呈现逐年递减趋势，且递减率从2005年的12.91%逐步降到2010年的10.37%，这符合产业结构调整和经济发展的规律。预测数据还进一步表明，2005-2010年期间单位GDP产值的需电量下降19.74%，基本完成下降20%目标。

2.2统调电网用电量占比的预测

统调电网是地区电网的骨架电网，支撑整个电网的稳定运行和社会主要电能需求。统调电网一般覆盖当地主要的经济区域，如前所述电力需求与经济总量密切正相关，由此确定在渐变的经济发展过程中统调电网用电量占全社会用电量的比重，与统调电网所覆盖地区的经济发展状况占当地经济总量的比重呈相关关系。

在静态的电网构架下，尽管随着经济结构调整、新的节能减排措施等的影响，由于中心区域的经济发展与整个区域的经济发展具有渐变性，以及经济结构调整、节能减排措施的影响对电力的需求具有渐变性，使得建立统调电网用电量占全社会用电量的比重的数学模型成为可能。即使随着电网的建设、并购、扩张，在一个足够大的'电力系统中，其变化也具有渐变性。

重庆按照区域划分，分为一圈两翼经济区，即“一圈两翼”战略。一圈即以主城为核心、以大约1小时通勤距离为半径范围的城市经济区，两翼是以万州为中心的三峡库区城镇群(渝东北翼)和以黔江为中心的渝东南城镇群(渝东南翼)。其中统调电网涵盖了一圈区域，分析重庆统调电网用电量占全社会用电量的比重以及一圈GDP在全市G D P的比重，可以看到具有一定规律可循。

2.2.1回归模型样本选取

采用重庆市2002—2008年共7年历史资料作为样本系列，其中剔除了2 0 0 6年百年不遇干旱对当年统调电网用电量在全社会用电量占比的不合格数据，基础数据见表5。

表4重庆统调电网用电量在全社会用电量中的占比2.2.2统调电网用电量在重庆市全社会用电量中占比回归模型建立本文用excel2010对2002-2008年样本进行回归分析，数据样本表明统调电网用电量在全社会用电量中的占比有较强规律，满足多项式回归规律。

根据回归的模型对2 0 0 9年的数据进行校验，预测值为69.51%，实际值为71.89%，误差2.37个百分点。追踪重庆市统计年鉴近期2007-2009年可以查到的数据，一圈GDP在全市GDP的占比与统调电网用电量在全社会用电量总的占比具有很高的相关性，就2007-2009年逐年的“统调电网用电量占比/一圈GDP占比”而言，分别为0.7773、0.7781、0.7768、0.7776，协方差仅为9.764E-5，能够佐证一圈经济在全市经济总的比重影响或者决定了统调电网用电量占全市用电量比重。

表5重庆一小时经济圈GDP在全市GDP中的占比3统计分析在重庆地区电煤采购过程中的应用除电力市场分析预测外，统计方法同样运用于火电企业电煤组织采购和电煤市场分析预测。以下就重庆某发电企业之统计在电煤市场分析中的实例运用进行探讨。

把握区域电煤市场价格走势，在电煤博弈和煤电联动当年不能顺利实现的环境下，对火电厂降低电煤采购成本、把握市场节奏、实现当期收益无疑具有重要的意义。

该企业通过对2008-2009年统调火电电厂的电煤市场运用统计方法进行分析，揭示相关的变化规律，并揭示调整了电煤采购策略。

3.1重庆市PPI与每月统调电厂入厂标煤单价发电企业市场外部环境受宏观经济政策的变动而变动，企业需要追踪这样的变化趋势，来调整自己的电煤采购策略。在宏观经济指标中，P P I是作为一个用来衡量制造商出厂价的平均变化的指数，用于衡量各种商品在不同的生产阶段的价格变化情形。

表6重庆2008-2009年PPI及统调火电厂平均入厂标煤单价重庆某发电企业跟踪近年重庆PPI变化趋势和统调电厂平均入厂标煤单价的走势，查找相关规律。统计数据表明，2008年8月重庆PPI开始下滑，而重庆统调机组煤价自2008年9月下始下滑，滞后1个月。2009年7月重庆PPI见重庆统调机组煤价在2009年8月见底，滞后1个月。重庆市统计局定期的发布月度PPI指数，无疑将指导电厂电煤采购策略的适时调整，降低采购价格。

3.2重庆煤炭月产量与统调电厂月入厂标煤单价发电企业同时需要采用其他统计数据来佐证和辅助判断电煤市场的价格走势。电煤具有一定的经济销售半径，决定了区域煤炭价格和区域电煤市场供需关系密切。

通过分析2008年-2009年重庆市统计局发布的煤炭产能和电厂掌握的统调电厂入场标准煤单价历史数据，重庆某发电企业可以找到如下相关的变化规律。

表7重庆07-09年原煤产量及08-09年统调火电厂入厂标煤单价(单位：元/吨，万吨)3.2.1产量方面重庆地区1-2月部分地方煤矿劳动人员在春节前后放假，产量较低。6-9月丰水期因市场需求减弱带来量价齐跌，产量相对较低(其中6、9两月份为阶段性谷点)，四季度为产能释放期。这样的特点符合重庆区域煤炭生产实际情况，地方小煤矿产量占全市煤矿产量主要比重。

3.2.2价格方面

重庆地区由于丰水期到来电煤需求降低，二季度价格相对较低，9月份开始价格相比产量提前一个月快速上升，结合量价分析可以得出：对电厂而言6-8月是相对较好的采购时机。

3.3电煤供应缺口与价格的关系

重庆煤炭市场细分为动力煤市场和非动力煤市场。

作为一次能源非常匮乏的经济重镇，重庆一直存在煤炭产需缺口。但还需要看到，正是由于电煤的热值低，经济销售半径明显小于其他非动力煤，使其具有如下特点。

表8重庆08-09年原煤、电煤缺口及统调火电厂入厂标煤单价(单位：元/吨，万吨) 3.3.1缺口方面全市煤炭缺口与全市电煤缺口基本不存在相关性，电煤缺口较为稳定，从一个侧面佐证了电煤较小的经济销售半径。图中数据为消耗量-产量(供应量)，负数表明供应充裕，用户的煤炭库存增加，正数表示供应不足用户出现去库存化。

3.3.2价格方面

电煤缺口与电煤价格正相关，但0 9年三季度较二季度电煤缺口增大但价格却走低，原因是重庆地区采用的电煤库存与火电企业发电量指标挂钩的“以煤定电”政策作用，以及为了迎峰度夏的保安系数要求，迫使当地火电厂在二季度大量采购电煤形成电厂高电煤库存，反过来也迫使三季度电煤价格下降，价格降低在时间上相对滞后。针对这样的市场走势，重庆某发电企业制定了“二季度适度降价补充库存，三季度以高库存抑价”的采购策略，取得了较好的经济效果。

4结束语

近年来我国电力行业特别是发电企业迎来了空前的发展机遇，装机容量迅猛增长。但是随着装机容量的增长幅度极大超过电力需求的增幅，利用小时数特别是火电企业的设备利用小时数在一定阶段不可避免出现较大的下降趋势。与此同时，在上游煤炭企业产业集中度逐步提高、市场话语权逐渐放大的情况下，由于电价改革还需要较长的道路要走，使得在一定的时间段火电企业面临较大的经营压力。

在这样的经营环境下，发电量和电煤采购成本作为火电企业开源节流的两个主要方面，对企业的经营管理产生巨大影响。采用统计学理论和相关的分析手段，对电力和电煤两个市场进行分析并形成预测结果，对提高火电企业的经营成效具有很现实的指导意义，特别是在国资委倡导价值管理和EVA考核的今天，运用统计分析来做好这两个市场的分析预测，是发电集团在保障电力供应前提下采用发电权交易方式进行资源优化配置的前提条件。

在上述分析方法的基础上，火电企业可以进一步根据《运行方式》的标幺值对受端电网的外购电量、水电电量进行分析，形成统调火电机组的月度平均利用小时数预测，结合企业自身的检修计划形成月度发电量计划安排，并进行滚动调整;结合对区域电煤市场的分析和本企业电煤采购的反需求曲线，应用弹性理论可以修正和调整本企业的电煤价格采购策略。