基于配電網(wǎng)創(chuàng)一流指標(biāo)的精準(zhǔn)投資成效研究

摘要： 本文結(jié)合某電力企業(yè)“十四五”發(fā)展規(guī)劃， 建立一個(gè)全面而系統(tǒng)的創(chuàng)一流指標(biāo)體系。同時(shí)， 利用回歸分析方法， 結(jié)合歷史數(shù)據(jù)和相關(guān)指標(biāo)， 構(gòu)建了一個(gè)基于回歸分析的投資預(yù)測(cè)模型， 以預(yù)測(cè)未來(lái)的投資額。此外， 運(yùn)用數(shù)據(jù)包絡(luò)分析（DEA）模型對(duì)預(yù)測(cè)結(jié)果進(jìn)行綜合分析， 從多個(gè)維度分析每年投資總額與創(chuàng)一流各指標(biāo)的有效性與最優(yōu)效率， 以此得出精準(zhǔn)的投資方向。

關(guān)鍵詞： 配電網(wǎng)； 投資； 回歸分析； 數(shù)據(jù)包絡(luò)分析

DOI：10.12433/zgkjtz.20241113

近年來(lái)， 隨著經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的加速推進(jìn)， 電力供應(yīng)的可靠性和穩(wěn)定性對(duì)于現(xiàn)代社會(huì)的正常運(yùn)行至關(guān)重要。在有限的資源下， 如何進(jìn)行精準(zhǔn)的投資決策， 以實(shí)現(xiàn)配電網(wǎng)的創(chuàng)一流水平， 仍然是一個(gè)值得深入研究的課題。

相關(guān)文獻(xiàn)中， 有研究配電網(wǎng)規(guī)劃中基于規(guī)劃可靠性指標(biāo)的精準(zhǔn)投資方法的； 有從裝備水平、 供電能力等方面構(gòu)建了兩級(jí)配電網(wǎng)項(xiàng)目投資效益評(píng)估指標(biāo)體系， 進(jìn)而對(duì)各項(xiàng)目投資效益的優(yōu)劣進(jìn)行排序的； 有基于時(shí)空分解的可靠性指標(biāo)建立精準(zhǔn)投資決策模型， 從而確定待擴(kuò)建項(xiàng)目的先后順序的； 有運(yùn)用數(shù)據(jù)挖掘和分析方法， 建立配電網(wǎng)精準(zhǔn)投資策略的； 還有利用層析分析法構(gòu)建低壓配電臺(tái)區(qū)的評(píng)價(jià)指標(biāo)模型， 并利用數(shù)據(jù)包絡(luò)法對(duì)新的評(píng)價(jià)指標(biāo)體系進(jìn)行評(píng)價(jià)的。

但從目前的文獻(xiàn)來(lái)看， 尚未有基于配電網(wǎng)創(chuàng)一流指標(biāo)的精準(zhǔn)投資問(wèn)題的研究。本文旨在填補(bǔ)這一空白， 探索如何構(gòu)建全面的配電網(wǎng)創(chuàng)一流指標(biāo)體系， 為精準(zhǔn)投資決策提供科學(xué)依據(jù)。

一、 回歸分析模型

回歸分析是一種強(qiáng)大的統(tǒng)計(jì)分析工具， 用于探究變量之間的關(guān)系并建立預(yù)測(cè)模型。一般， 稱由[y=β0+β1x]確定的模型為一元線性回歸模型， 其中[β0]， [β1]為回歸系數(shù)。如果自變量的冪大于1， 則回歸方程是多項(xiàng)式回歸方程， 多項(xiàng)式方程的表示為： [y=β0+β1x2]。

回歸分析步驟為： 收集數(shù)據(jù)、 擬合回歸模型、 檢驗(yàn)回歸模型、 確定回歸模型。

二、 數(shù)據(jù)包絡(luò)DEA模型

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis， DEA）模型是一種評(píng)估決策單元（如企業(yè)、 機(jī)構(gòu)等）效率的方法。基本思想是通過(guò)找到一組最優(yōu)權(quán)重， 使每個(gè)決策單元的產(chǎn)出與投入比達(dá)到最大， 或使每個(gè)決策單元相對(duì)于其他決策單元更具效率。

DEA的模型有很多種， 其中常用的模型是BCC模型， 其具體的表達(dá)式如下：

[minTEj][s.t.i=1nλixij?TEj?xjji=1nλiyij?yjji=1nλi=1λi?0，i=1，2，...，n]

其中， [xi]和[yi]分別是決策單元的投入和產(chǎn)出； [TEj]是決策單元[j]的“技術(shù)效益”； [λi]是常數(shù)。

DEA模型的一般步驟：

確定評(píng)估指標(biāo)。確定用于衡量決策單元效率的輸入和輸出指標(biāo)。

構(gòu)建線性規(guī)劃模型。根據(jù)輸入和輸出指標(biāo)， 建立線性規(guī)劃模型。該模型的目標(biāo)是最大化決策單元的效率， 同時(shí)滿足各項(xiàng)約束條件。

計(jì)算相對(duì)效率得分。通過(guò)求解線性規(guī)劃模型， 計(jì)算每個(gè)決策單元的相對(duì)效率得分。相對(duì)效率得分通常介于0和1之間， 值越接近1， 表示效率越高。

評(píng)估相對(duì)效率。將各個(gè)決策單元按照相對(duì)效率得分排序， 確定哪些單位相對(duì)效率最高。

三、 指標(biāo)體系的構(gòu)建與量化

（一）指標(biāo)體系構(gòu)建

本文圍繞經(jīng)營(yíng)實(shí)力、 效率效益、 質(zhì)量與服務(wù)三個(gè)方面， 按照層次分析法建立初步的評(píng)價(jià)指標(biāo)體系， 結(jié)合國(guó)務(wù)院國(guó)資委《關(guān)于開展對(duì)標(biāo)世界一流管理提升行動(dòng)的通知》要求， 某電力企業(yè)構(gòu)建的“十四五”創(chuàng)一流指標(biāo)體系， 如圖1所示。

（二）指標(biāo)數(shù)據(jù)規(guī)范化處理

1.單項(xiàng)指標(biāo)對(duì)標(biāo)得分的計(jì)算方法

先基于樣本數(shù)據(jù)劃分出每一項(xiàng)指標(biāo)的評(píng)價(jià)標(biāo)準(zhǔn)， 確定每一項(xiàng)指標(biāo)各檔次的標(biāo)準(zhǔn)值， 然后采用分段線性插值法計(jì)算單項(xiàng)指標(biāo)得分。標(biāo)準(zhǔn)值得分和樣本分位的對(duì)應(yīng)關(guān)系如表1所示：

2.對(duì)標(biāo)綜合得分的計(jì)算方法

根據(jù)經(jīng)營(yíng)實(shí)力、 效率效益、 質(zhì)量服務(wù)等多維度的指標(biāo)得分， 通過(guò)加權(quán)求和的方法計(jì)算對(duì)標(biāo)綜合得分。計(jì)算公式如下：

對(duì)標(biāo)綜合得分=經(jīng)營(yíng)實(shí)力系數(shù)×Σ（效率效益指標(biāo)×權(quán)重）+Σ（質(zhì)量服務(wù)指標(biāo)×權(quán)重）

取各個(gè)系數(shù)的平均值作為經(jīng)營(yíng)實(shí)力系數(shù)的值， 如表2所示。

四、 算法設(shè)計(jì)

輸入： 創(chuàng)一流指標(biāo)完成值數(shù)據(jù)、 歷史投資額數(shù)據(jù)及預(yù)測(cè)投資額數(shù)據(jù)。

輸出： 投資額的預(yù)測(cè)模型和結(jié)果以及投資方向評(píng)估。

步驟一： 數(shù)據(jù)的收集和準(zhǔn)備

收集創(chuàng)一流指標(biāo)完成值數(shù)據(jù)及歷史投資額數(shù)據(jù)。

確定每一項(xiàng)指標(biāo)各檔次的標(biāo)準(zhǔn)值， 采用分段線性插值法計(jì)算單項(xiàng)指標(biāo)得分。

由經(jīng)營(yíng)實(shí)力、 效率效益、 質(zhì)量服務(wù)等各維度指標(biāo)得分， 加權(quán)求和計(jì)算得到對(duì)標(biāo)綜合得分， 即一流評(píng)價(jià)指數(shù)。

步驟二： 構(gòu)建回歸分析投資預(yù)測(cè)模型

將歷史投資額作為因變量， 將一流評(píng)價(jià)指數(shù)作為自變量， 構(gòu)建曲線回歸模型。

通過(guò)數(shù)據(jù)擬合和參數(shù)估計(jì)， 得到回歸方程。

步驟三： 投資預(yù)測(cè)

根據(jù)已建立的回歸模型， 將新的相關(guān)指標(biāo)數(shù)據(jù)輸入模型， 進(jìn)行投資額的預(yù)測(cè)計(jì)算， 得到未來(lái)投資額的預(yù)測(cè)結(jié)果。

步驟四： DEA綜合評(píng)估

運(yùn)用DEA模型， 首先輸入每年的投資總額和創(chuàng)一流指標(biāo)完成值， 其次對(duì)指標(biāo)中的負(fù)向指標(biāo)進(jìn)行逆向化處理， 最后進(jìn)行綜合評(píng)估。

DEA模型分析每年投資總額與創(chuàng)一流各指標(biāo)的有效性和最優(yōu)效率。

步驟五： 投資方向評(píng)估

根據(jù)DEA模型的結(jié)果， 評(píng)估年度的效率得分和最優(yōu)效率。

根據(jù)效率得分和最優(yōu)效率， 確定哪些投資方向具有較高的效益和潛在價(jià)值。

結(jié)合回歸分析模型的預(yù)測(cè)結(jié)果和DEA模型的評(píng)估結(jié)果， 得出精準(zhǔn)投資方向建議。

五、 實(shí)例分析

結(jié)合某電力企業(yè)2021年至2023年創(chuàng)一流各指標(biāo)完成值數(shù)據(jù)、 2024年和2025年創(chuàng)一流各指標(biāo)預(yù)測(cè)值數(shù)據(jù)， 利用式（1）對(duì)標(biāo)得分計(jì)算方法， 計(jì)算得出2021年至2025年的對(duì)標(biāo)綜合得分， 即一流評(píng)價(jià)指數(shù)， 具體數(shù)據(jù)如表3所示。同時(shí)， 該電力企業(yè)在2021年至2022年對(duì)配電網(wǎng)的投資金額也已在表3中列出。設(shè)一流評(píng)價(jià)指數(shù)為[x]， 投資總額為[y]。

為了直觀地揭示一流評(píng)價(jià)指數(shù)[x]與投資總額[y]之間的關(guān)系， 利用2021年至2023年的數(shù)據(jù)繪制了散點(diǎn)圖， 可以清晰地觀察到[x]與[y]的分布呈曲線趨勢(shì)。選用一元曲線回歸模型[y=ax2+bx+c]進(jìn)行擬合， 最終得出具體模型如下：

[y=0.2881x2-48.191x+2030.8] 式（1）

其中， 模型的[R2=1]說(shuō)明投資總額模型可以由一元曲線回歸模型來(lái)確定。

為了更好地闡明所得模型的準(zhǔn)確性， 對(duì)2021年至2023年的精度進(jìn)行了檢驗(yàn)。從表4中可以看到， 2021年至2023年的精度均在5%以內(nèi)， 且平均精度為0.68%， 說(shuō)明擬合出的模型效果較好， 可以用于投資指導(dǎo)。將2024年和2025年的一流評(píng)價(jià)指數(shù)代入回歸模型， 預(yù)測(cè)出投資總額分別為23.35億元、 27.22億元。

為了得出精準(zhǔn)的投資方向， 運(yùn)用DEA模型從多維度分析該電力企業(yè)2021年至2023年的投資總額、 2024年和2025年投資總額的預(yù)測(cè)值、 2021年至2023年創(chuàng)一流各指標(biāo)完成值、 2024年和2025年創(chuàng)一流各指標(biāo)完成值的預(yù)測(cè)值， 分析結(jié)果如下：

（一）有效性分析

從表5中可以看出， 2021年和2022年， 某電力企業(yè)創(chuàng)一流各項(xiàng)指標(biāo)投入產(chǎn)出綜合效益等于1， 達(dá)到了有效狀態(tài)， 說(shuō)明2021年和2022年的創(chuàng)一流各項(xiàng)指標(biāo)投入產(chǎn)出達(dá)到了飽和狀態(tài)。但是， 2023年至2025年， 其綜合效益均小于1， 說(shuō)明2023年至2025年的投入產(chǎn)出沒(méi)有達(dá)到有效狀態(tài)。

（二）規(guī)模報(bào)酬分析

從表6可以看到， 2021年和2022年規(guī)模報(bào)酬系數(shù)等于1， 說(shuō)明這兩年的規(guī)模收益不變， 即達(dá)到最優(yōu)狀態(tài)； 2023年至2025年規(guī)模報(bào)酬系數(shù)均大于1， 說(shuō)明這三年規(guī)模收益遞減， 可通過(guò)減少規(guī)模增加效益， 即減少2023年至2025年的投資總額， 將2023年至2025年的投資額分別調(diào)整為小于17.80億元、 23.35億元、 27.22 億元。

（三）投入冗余和產(chǎn)出不足分析

投入冗余分析： 2021年至2025年投資總額的松馳變量S-分析和投入冗余率全為0， 說(shuō)明投資總額達(dá)到最優(yōu)效率。

產(chǎn)出不足分析： 從表7中可以看出， 2021年和2022年松馳變量S+分析和產(chǎn)出不足率均為0， 達(dá)到最優(yōu)效率狀態(tài)。但是， 2023年至2025年松馳變量S+分析和產(chǎn)出不足率不全為0， 說(shuō)明這三年沒(méi)有達(dá)到最優(yōu)效率狀態(tài)。具體分析如下：

2023年， 除了百萬(wàn)工時(shí)工傷意外率指標(biāo)的松馳變量S+分析和產(chǎn)出不足率均為0外， 其它13個(gè)指標(biāo)的松馳變量S+分析和產(chǎn)出不足率均大于0。從松馳變量S+的角度可以確定， 這13個(gè)指標(biāo)的產(chǎn)出相對(duì)較低， 產(chǎn)出效率還有提升空間（即產(chǎn)出不足）。從產(chǎn)出不足的角度看， 總資產(chǎn)周轉(zhuǎn)率的產(chǎn)出不足率最高， 達(dá)到6.71%， 其次是線損率， 其產(chǎn)出不足率為3.555%。這表明在2023年的規(guī)劃中， 應(yīng)更加重視這些指標(biāo)， 提高它們的產(chǎn)出水平。

2024年， 除了百萬(wàn)工時(shí)工傷意外率指標(biāo)的松馳變量S+分析和產(chǎn)出不足率均為0外， 其它13個(gè)指標(biāo)的松馳變量S+分析和產(chǎn)出不足率均大于0。從松馳變量S+的角度確定， 這13個(gè)指標(biāo)的產(chǎn)出相對(duì)較低， 產(chǎn)出效率還有提升空間（即產(chǎn)出不足）。從產(chǎn)出不足的角度看， 總資產(chǎn)周轉(zhuǎn)率的產(chǎn)出不足率最高， 達(dá)到7.664%， 其次是線損率， 其產(chǎn)出不足率為4.238%。這表明在2024年的規(guī)劃中， 應(yīng)更加重視這些指標(biāo)， 提高它們的產(chǎn)出水平。

2025年， 除了售電電子化結(jié)算率率指標(biāo)的松馳變量S+分析和產(chǎn)出不足率均為0外， 其它13個(gè)指標(biāo)的松馳變量S+分析和產(chǎn)出不足率均大于0。從松馳變量S+的角度可以確定， 這13個(gè)指標(biāo)的產(chǎn)出相對(duì)較低， 產(chǎn)出效率還有提升空間。從產(chǎn)出不足的角度看， 總資產(chǎn)周轉(zhuǎn)率的產(chǎn)出不足率最高， 達(dá)到17.581%， 其次是百萬(wàn)工時(shí)工傷意外率、 線損率， 其產(chǎn)出不足率依次為9.901%、 9.021%。這表明在2025年的規(guī)劃中， 應(yīng)更加重視這些指標(biāo)， 提高產(chǎn)出水平。

六、 結(jié)語(yǔ)

本文構(gòu)建了三個(gè)一級(jí)指標(biāo)（經(jīng)營(yíng)實(shí)力、 效率效益、 質(zhì)量與服務(wù)）和14個(gè)二級(jí)指標(biāo)， 對(duì)“創(chuàng)一流”各指標(biāo)的完成值進(jìn)行轉(zhuǎn)換， 并根據(jù)結(jié)果分析各年份的投資總額與創(chuàng)一流評(píng)價(jià)指數(shù)之間的關(guān)系。同時(shí)， 利用回歸分析方法， 結(jié)合歷史數(shù)據(jù)和相關(guān)指標(biāo)， 構(gòu)建了一個(gè)基于回歸分析的投資預(yù)測(cè)模型， 并預(yù)測(cè)未來(lái)的投資額。此外， 還運(yùn)用DEA模型對(duì)預(yù)測(cè)結(jié)果進(jìn)行了綜合分析， 從多個(gè)維度分析每年的投資總額與創(chuàng)一流各指標(biāo)的有效性與最優(yōu)效率， 以此得出精準(zhǔn)的投資方向。

參考文獻(xiàn)：

[1]宋憂樂(lè)，聶鼎，王科，等.配電網(wǎng)規(guī)劃中基于供給側(cè)可靠性指標(biāo)及其時(shí)空分解的精準(zhǔn)投資問(wèn)題研究[J].電測(cè)與儀表，2023，60（5）：126-131.

[2]賀春光，檀曉林，周興華，等.基于博弈論組合賦權(quán)的智能配電網(wǎng)項(xiàng)目投資效益評(píng)價(jià)[J].電力科學(xué)與技術(shù)學(xué)報(bào)，2022（1）：161-167.

[3]黃宏和，吳臻，琚軍，等.基于數(shù)據(jù)挖掘技術(shù)的配電網(wǎng)精準(zhǔn)投資策略研究[J].浙江電力，2019，38（3）：92-97.

[4]張宏偉.基于大數(shù)據(jù)價(jià)值的配網(wǎng)精準(zhǔn)投資管理[J].農(nóng)電管理，2023（4）：46-48.

[5]范韓璐，徐鐳.基于數(shù)據(jù)包絡(luò)分析的配電臺(tái)區(qū)綜合指標(biāo)量化評(píng)價(jià)[J].東北電力技術(shù)，2021（3）：46-50.

[6]汪林光，謝小榮，賀靜波，等.采用多元線性回歸方法分析短路比對(duì)風(fēng)電并網(wǎng)系統(tǒng)小干擾穩(wěn)定性的影響[J].電力建設(shè)，2023（4）：113-118.