新一輪輸配電價監管周期下的電網投資規模預測
——基于優化的支持向量機模型

王 玲，吳鴻亮，彭道鑫

（南方電網能源發展研究院有限責任公司，廣州 510530）

我國即將開展第二輪輸配電價的監管周期，2019 年5 月國家發展改革委、能源局出臺了《輸配電價監管辦法》，2020 年2 月出臺了《省級電網輸配電價定價辦法》《區域電網輸電價格定價辦法》，這些文件的出臺顯示了輸配電改革已經全面實行。輸配電價改革改變了電網企業的盈利模式，由購售電價差轉變為獲取輸配電準許總收入，而該收入與有效投資規模緊密相關，這對投資和資產管理都提出了更高的要求。

輸配電價改革中，電網投資規模深刻地影響著電網公司的有效資產和準許收入。因此，在輸配電價監管周期內合理地對電網公司的電網投資規模進行預測，對保持地區電價穩定以及電網公司可持續發展有重大意義。輸配電價改革以前，相關學者認為投資規模需根據電力需求預測來計算需要建設的變電站數量、線路長度以及相關的配套設施等，從而計算投資規模［1?2］。輸配電價改革之后，電網企業的盈利方式發生轉變，與有效投資規模緊密相關。大量學者對有效投資規模的影響因素進行了分析，具體分電網企業投資的外部因素以及電網企業投資的內部因素。從電網投資的企業內部影響因素來看，相關文獻從財務指標的角度對其進行了分析。企業的投資規模可以通過調整準許收益率，改善資產結構、運營維護費以及折舊率等途徑進行優化［3?6］。而影響電網企業投資的外部因素主要表現為電力需求的影響因素，包括宏觀經濟因素、財政政策因素以及電力市場因素［7］。另外，有學者在影響因素的基礎上探究了電網企業投資的風險［8?9］。基于電網企業投資因素的定性分析，大量學者進一步對定量方法進行探究以及改進。在電網企業投資能力測算方面，應用較為廣泛的方法包括計量回歸方法以及綜合評價方法。計量回歸方法主要集中在多元回歸以及協整分析，但是傳統回歸方法的重要缺點是沒有考慮影響因素對電網投資規模的非線性影響，并且大多數文獻在使用計量模型預測電網投資規模的時候忽略了計量模型的內生性問題［10?14］。許多學者利用綜合評價方法建立電網投資影響因素體系，并在此基礎上分析預測電網企業的投資能力［15?16］。然而，綜合評價方法在指標重要程度的判定上有很大的主觀性。部分文獻對電網投資測算方法進行了創新性的嘗試，包括實物期權法、投資組合模型、信息熵和模糊分析法以及動態規劃方法［17?20］。已有文獻有的僅從電網企業投資的內部因素或者外部因素進行分析，有的從內外部都分析了投資因素，但是不夠全面、客觀。電網企業的投資的因素影響通常是非線性的，現有文獻的大部分定量方法包括回歸、灰色預測等方法均默認因素影響是線性的。而作為預測方法的一種，支持向量機可以更好地考慮了因素的非線性影響。

為了避免因投資和資產增長過快，從而推高準許成本和準許收入，進而帶來輸配電價上漲壓力，政府部門將嚴格控制電網企業的投資規模和運營成本。另外，電網企業需通過建設投資實現自身經營和發展需求，做強有效資產。因此輸配電價改革對電網公司的投資策略和資產管理提出了更高的要求，其面臨的問題主要有以下兩點：一方面在改革和發展的背景下，電網投資的主要影響因素有哪些；另一方面如何確定不同邊界條件下的合理投資規模。對影響因素的全面分析有利于提高電網投資的預測精度，而確定不同邊界條件下的合理投資規模有利于電網企業做好投資決策，以應對不同環境下的電網投資形勢。

基于這兩個問題，本文首先對電網企業的形勢進行分析，以明確今后電網的投資方向，然后分析電網投資的企業內外部影響因素，最后通過支持向量機模型對新一輪輸配電價監管周期下的電網投資規模進行預測，并對不同邊界條件下電網公司的投資變化進行分析。

一、電網企業的投資形勢

當前，我國經濟正在向高質量發展階段轉變，社會仍然對降低電價存在普遍預期，依靠電量增長來支撐大規模電網投資的電網發展方式不再合適，結合當前輸配電價改革，電網投資進入“剎車”階段，由原來的高速、大規模的粗放式投資向注重投資精度、效益以及質量的集約式投資轉變。具體有3 個方面：

（1）以產出定投入，嚴控投資規模。電網企業禁止對擅自擴大投資界面和超標準建設、禁止超過核價投資規模和范圍安排投資、禁止過度追求高可靠性“錦上添花”項目，以杜絕低效無效投資。在優化續建項目投資進度方面，電網企業禁止在投資計劃外安排輸變電資產租賃，禁止以投資、租賃或合同能源管理等方式開展電網側電化學儲能設施建設，不再安排抽水蓄能的新開工項目。另外，電網企業大力壓減短期效益不明顯、投資費效比不高、生產輔助性投入的項目。

（2）加強投資管控。科學制定投資策略，圍繞公司發展戰略，優化投資方向、規模、結構和時序，做到分類管控、分類施策。加強投資過程管控，完善合規性管理，嚴格開工條件審核，落實送售電等協議。強化投資績效考評，加強存量資產技改和新建項目投資效益分析。加快構建精準投資管控體系，實現投資項目全口徑，全過程、全壽命周期閉環管控。

（3）投資分類管控。在管制業務方面，主要對成本進行精益管控。首先有效銜接政府輸配電定價成本監審；其次，完善項目化成本管理機制；然后，對生產運維項目精準安排；最后，嚴控中介咨詢和外委費用，持續優化成本投向，消除浪費。在非管制業務方面，對標行業領先，突出成本效益。非管制類業務進行生產性成本與營業收入規模掛鉤，強化成本同業對標管理，促進業務成本達到行業領先水平。

二、電網投資影響因素分析

（一）宏觀外部環境

影響電網投資的一個基本因素為電力電量需求，根據輸配電價改革定價辦法，電網投資直接與新增電量掛鉤，不同的電量增長率及電力負荷均直接影響電網企業的投資規模。

經濟增長促進電力的消費，而電力消費又影響電網公司投資規模。由于科技的進步、生產力的提高以及人們對生活質量的提高，經濟的發展對電力消費的需求越來越大。

電力負荷與國民經濟的發展有著密切的關系。分析國民經濟發展水平與地區負荷水平的關系，就可根據經濟發展趨勢來預測相應的電力負荷。經濟是影響電網企業投資的重要因素，因此，電力負荷同樣影響著電網的投資規模。

人口增長是一個決定電力需求的重要因素，同樣影響到電網投資，影響主要體現在兩個方面：一是較高的人口增長會增加電力消費；二是人民生活水平的提高也會帶來電力消費的快速增長。

產業結構的變動會引起用電結構的變動，影響負荷在各電壓等級的分布，最終影響到電網公司在各電壓等級的投資規劃。鑒于宏觀外部環境分析，本文所考慮的電網投資宏觀影響因素集為GDP、全年高峰負荷、常住人口、第二產業以及售電量。

（二）企業內部因素

資產負債率是影響企業投資的一個重要因素。企業可以通過債務杠桿來提高股東的收益。但是，資產負債率過高，說明企業來自于債務的資金較多，而權益資本較少，財務風險較高，可能帶來資金鏈斷裂，影響企業的正常經營。因此政府會對國有企業的資產負債率有一定的約束，防止國有企業過高的資產負債率。

輸配電價改革后準許收入中準許收益率是電網公司投資收益的重要決定因素，根據省級輸配電價定價辦法，準許收益率=權益資本收益率×（1-資產負債率）+債務資本收益率×資產負債率。因此，影響準許收益率的一個重要指標是權益資本收益率，在首個監管周期內，電網企業可以參考省級電網企業監管周期前3 年實際稅后凈資產收益率來核定權益資本收益率。

新電改之前，電網公司的成本項目包括購電費用、折舊費、財務費、運維費等。新電改方案實施后，電網公司的核心業務是輸配電，收取過網費，輸配電成本主要為固定資產相關的折舊費用、檢修運行費用等。在電網投資核準、定價參數和準許收入上限確定后，電網實際折舊和運維費用管理策略，不僅決定了實際收益水平的高低，而且影響下一期有效資產和存量資產的運維成本，因而需要對電網公司的運維成本進行研究預測，為制定資產合理的折舊率和運維費率水平奠定基礎。鑒于企業內部因素分析，本文所考慮的電網投資企業內部影響因素集為資產負債率、資產凈值率、凈資產收益率以及運行維護費。

三、不同邊界條件下的電網投資分析

結合第二大節的影響因素分析，本節搭建投資規模預測模型，對投資規模進行預測，并分析不同邊界條件下電網投資的變化情況。

（一）投資規模預測

1.模型說明及預測步驟

投資規模的影響因素有很多，而且各因素對投資規模的影響具有較強的非線性的特點，而支持向量機（SVM）模型通過結構風險最小化原則構造最優回歸函數，然后將回歸分析問題轉化為凸二次規劃問題，再對凸二次規劃問題進行求解。另外，支持向量機模型運用核函數將非線性數據映射到高維空間中，使其在高維空間中可以通過線性學習機器處理。支持向量機中，給定一數據點集G=｛（xi，di）｝n=1，其中xi表示輸入向量，di表示期望值，n表示樣本總數。SVM 采用式（1）來估計函數：

式中φ(x)表示從輸入空間到高維特征空間的非線性映射，通常由核函數確定，徑向基核函數為

系數ω和b由最小化式（3）來估計：

在式（3）給出的正則化風險中，第一部分是經驗風險，它們由式（3）給出的Lε不敏感損失函數來度量；c表示懲罰系數，它決定著經驗風險與正則化部分之間的平衡。第二部分是正則化部分。

對于參數c和σ2的選擇在以往的研究中大部分為主觀選擇，而一種新的尋求最優參數c和σ2的方法樽海鞘群優化算法被提出來［21］。樽海鞘群優化算法是一種模擬樽海鞘的聚集行為的算法。該算法對樣本集合分為領導者集合以及追隨者集合，然后設置一個目標函數或者適應度函數，領導者集合會朝著目標函數或者適應度函數前進，最后追隨者會跟進領導者集合的步伐，最后達到參數優化的效果。樽海鞘群優化算法用于求解最優參數c和σ2的步驟如下。

（1）設置領導者集合以及追隨者集合的初始個數、變量個數、最大的迭代次數、變量的下界以及上界。

（2）對種群位置初始化，設置位置矩陣如下：

其中：表示第m個樽海鞘群的第n個變量值，樽海鞘群的初始位置為隨機生成的，取值范圍為實數集。

（3）建立目標函數或者適應度函數如下：

在矩陣S中，將具有最佳目標值或者適應度值的樽海鞘記為食物源F，領導者集合會向著食物源進行位置的更新。

（4）設置優化迭代過程。領導者的位置移動公式為

其中：(t)表示第t次迭代時樽海鞘的位置。

根據上述的樽海鞘群優化算法模擬得到c和σ2分別為999993.2456 和1503.332944，下一步對運用支持向量機對電網投資規模進行預測。

2020—2025 年投資額具體預測步驟為：①歷史數據歸一化處理和平滑預處理；②形成訓練、預測樣本；③將訓練樣本代入式（1）目標函數；④求解式（1），得到解ω和b；⑤利用預測樣本對未來的投資規模進行預測，進行誤差分析；⑥對2020—2025 年投資規模進行預測。

2.數據處理

本部分投資規模預測模型的輸入變量包括9 個：GDP、常住人口、第二產業占比、全年高峰負荷、售電量、資產負債率、資產凈值率、凈資產收益率以及運行維護費。輸出變量為電網公司投資額。各輸入以及輸出變量時間維度為2010—2018 年。各變量統計性描述見表1。

表1 2010—2018 年輸入變量以及輸出變量的描述性統計

在進行投資規模預測之前，需要對數據進行標準化處理，以消除量綱的影響。變量數據標準化的具體過程為，針對每個變量，找出最大值Xjmax和最小值Xjmin，然后將t年的指標值Xjt同其進行比較運算。采用如下公式：

通過不斷重復模擬，把2010—2016 年的樣本作為訓練集，2017—2018 年的樣本作為預測集，支持向量機的模擬效果達到最優。

3.相關性分析

根據2010—2018 年電網投資額以及各影響因素變量的數據，運用SPSS 軟件計算電網投資額和各影響因素的相關系數，得出電網投資額與各變量相關系數（表2）。由表2 中顯著度可以看出，各影響因素在0.05 的顯著水平下與電網投資額顯著相關，這表明各影響因素對電網投資的影響程度較大。

表2 電網投資額與各變量的相關系數

4.訓練支持向量機模型

運用MATALB 軟件計算通過重復模擬，把2010—2016 年的樣本作為訓練集，2017—2018 年的樣本作為預測集，支持向量機的模擬效果達到最優。圖1 為支持向量機訓練集模型擬合效果圖。

圖1 支持向量機訓練集模型擬合效果圖

5.投資規模預測

新一輪輸配電價監管周期從2020 年開始，為了保持時間的連續性，本文預測的時間段為2019—2025 年。首先需要預測2019—2025 年各輸入變量值，各輸入變量值包括9 個：GDP、常住人口、第二產業占比、全年高峰負荷、售電量、資產負債率、資產凈值率、凈資產收益率以及運行維護費。其中，以2018 年數據為基準，GDP 每年增速取6.8%估算；售電量按4%的增速計算；2019—2021 年資產負債率取省級電網管控水平數據，2022—2025年資產負債率取2021 年管控水平數據；2019—2022 年資產凈值率數據取省級電網規劃值，2023—2025 年資產凈值率保持與2022 年一致；2019—2025 年凈資產收益率不變，取2018 年值6.07%。常住人口、第二產業占比、全年高峰負荷以及運行維護費則使用自回歸滑動平均模型（ARMA）進行預測。取值見表3。

表3 2019—2025 年輸入變量的取值

將2019—2025 年的輸入變量輸入到上述訓練好的支持向量機模型，得出2019—2025 年電網公司投資規模值，結果如圖2 所示。

圖2 2019—2025 年投資規模預測值

由圖2 可知，根據支持向量機模型預測2019—2025 年投資規模，得到的未來投資規模值呈逐年上升趨勢，預計至2025 年，總投資規模將達132 億元。

（二）不同邊界條件下的投資規模預測分析

選取對電網公司影響較大的4 個代表性因素進行敏感性分析，包括宏觀因素GDP 以及售電量，企業內部因素凈資產收益率以及資產負債率，分析不同邊界條件下電網公司的投資規模變化。

1.不同GDP 增速下的投資規模分析

設置年GDP 增速為6.4%、6.6%、6.8%、7.0%、7.2%以及7.4%，輸入訓練完成的支持向量機模型，預測支持不同GDP 增速的投資規模。6.4%～7.4%的GDP 增速下，至2025 年電網公司投資規模預測合理范圍為127 億～135 億元。以6.8%的增速為基準分析敏感度。由表4 可知，GDP 越大，投資規模越大；隨著GDP 的增大，投資規模對GDP 的敏感度呈波動下降。

表4 投資規模對GDP 敏感性分析表

2.不同凈資產收益率下的投資規模分析

2018年電網公司凈資產收益率為6.07%，設置凈資產收益率為6%、6.6%、7.2%、8%和8.4%，輸入訓練完成的支持向量機模型，預測不同凈資產收益率需求下的投資規模參考標準。6%～8.4%的凈資產收益率水平下，至2025年電網公司投資規模控制范圍為129億～131億元。以6%的凈資產收益率為基準分析敏感度。由表5、圖4 可知，凈資產收益率越大，投資規模越小；隨著凈資產收益率的增大，投資規模對凈資產收益率的敏感度整體呈上升趨勢。這說明，電網公司如果希望提高凈資產收率，需合理控制投資，將投資規模控制在合理范圍。

圖3 投資規模對GDP 敏感性分析圖

表5 投資規模對凈資產收益率分析表

圖4 投資規模對凈資產收益率敏感性分析圖

表6 投資規模對資產負債率分析表

3.不同資產負債率水平的投資規模分析

根據省網公司對負債率的管控文件，電網公司2020 年資產負債率的管控指標為49.7%，以49.7%的資產負債率為基準分析敏感度。設置資產負債率為54.67%、52.19%、49.7%、47.22%以及44.73%，輸入訓練完成的支持向量機模型，預測不同資產負債率水平下的投資規模參考標準。在44.73%～54.67%的資產負債率下，至2025 年電網公司投資規模控制范圍在131 億～132 億元。由表6、圖5 可知，資產負債率越高，投資規模越大；隨著資產負債率的增大，投資規模對資產負債率的敏感度呈現上下波動。

圖5 投資規模對資產負債率敏感性分析圖

4.不同電量增速下的投資規模分析

設置年售電量增速為2%、4%、5%、6%以及8%，輸入訓練完成的支持向量機模型，預測支持不同電量增速的投資規模。2%～8%的電量增速下，至2025 年電網公司投資規模預測合理范圍為122 億～153 億元。以2%的增速為基準分析敏感度。由表7、圖6 可知，售電量越大，投資規模越大；投資規模對售電量的敏感度呈現波動下降的趨勢。

表7 投資規模對售電量敏感性分析表

圖6 投資規模對售電量敏感性分析圖

四、研究結論及啟示

（一）研究結論

根據支持向量機模型預測的2019—2025 年電網投資規模呈逐年上升趨勢，2019—2025 年投資規模預測值約為88 億元、93 億元、101 億元、106 億元、114 億元、123 億元以及132 億元，平均增速約為7%。

樣本地區電網公司2025 年在不同邊界條件下投資規模在122 億～153 億元。敏感度分析中，投資規模對GDP 以及售電量的敏感度最高，分別為0.6 和0.5。電網投資對4 個因素的敏感度由大到小依次為GDP、售電量、資產負債率、凈資產收益率。GDP 以及售電量直接反映了地區的電力需求，從而影響電網公司的投資需求，因此GDP 以及售電量對投資規模的影響程度較大。

（二）管理啟示

電網公司的未來投資策略制定不但需要考慮企業內部財務因素，同時更需要著重考慮宏觀外部因素的影響，尤其是經濟增長以及電量增長因素。電力體制改革改革的背景下，充分、客觀地考慮電網投資因素，分析不同環境下的電網投資規模變化情況，便于電網企業應對不同環境下的電網投資形勢，以提高投資精度以及效益，完成高質量投資的轉變。

電網公司需要研究滿足不同發展需求、收益水平、投資能力、價格管制等統籌協調的投資規模和結構優化方案，以完成高質量投資的轉變。從兩方面考慮：一方面是兼顧電網發展需求和企業收益率需求，確定電網投資規模結構，對輸配電價的影響。具體地，以分地區分用戶電力需求為基礎，以滿足電力需求增長、可靠性、服務水平等績效為目標，以電網定價和實際收益率為約束條件，以定價折舊率和運維費率和實際折舊率運維費率為可調參數，以與資本金能力相適應的電網投資空間、時間布局和投資總規模為策略，測算一個階段的輸配電準許收入和輸配電價水平需求。另一方面是兼顧企業收益率需求和輸配電價水平管控需求，確定電網投資規模結構和電網發展需求滿足情況。以分地區分用戶電力需求為基礎，以電網定價和實際收益率為目標，以定價折舊率和運維費率和實際折舊率運維費率為可調參數，以輸配電準許收入和輸配電價水平為策略，測算與資本金能力相適應的電網投資空間、時間布局和投資總規模需求，分析電力供需、可靠性等績效情況。