论文部分内容阅读
摘 要：本文通过对某供电电网维修费用和资产状态、风险因素、净资产之间关系的研究，分析各因素之间的相互联系。研究结果表明资产维修费用同资产的正常状态占比呈现负相关关系，与缺陷次数和净资产总值呈现正相关关系。本研究不但有助于更好的理解电网运行过程中维修费用影响因素，也为电网企业实现对维修费用的管理和预测提供了参考。
关键词：电网维修费;资产风险状态;设备缺陷次数
一、引言
电网的安全稳定至关重要，足量的电网运维费的预算配置是保障电网安全的重要措施。如何计算、管理、预测电网维修费用，电网维修费用受到哪些因素的影响，一直是电网企业关注的重点。本文以某市电网为研究对象，探索维修费用和资产状态、风险因素、净资产之问的相互关系，以便结合自身的现状量化对维修费用的管理，优化电网的质量，满足社会和客户对高质量供电的要求，优质服务的要求，实现对社会和客户庄严的承诺。
二、研究假设
资产状态可以分为正常状态、注意状态、异常状态和严重状态四个等级，在研究中我们将选取正常状态所占比例作为状态变量，此数值越接近l，则说明设备状态越好。显然，资产的正常状态占比越低，供电网络就越不稳定，故障发生的频率就越高，维护电网稳定所需要的维修费用就会增加。
电网设备缺陷根据运行的影响程度可以分为不同的等级，研究中缺陷次数指标主要选取的是重大紧急缺陷次数。重大紧急缺陷指的是电网设备在运行中发生了偏离且超过了运行标准允许范围的误差，对人身和设备产生重要威胁，需要紧急处理的缺陷。否则会造成设备损坏，大面积停电，人员伤亡等事故。电网设备缺陷次数越多则需要投入的维修费用就越大。
净资产是电网设备所投入的资产衡量指标，净资产是资产原值和累计折旧的差额。净资产体现了电网系统的规模，净资产越高说明电网的规模就越大，产生故障的概率就会增加，维护费用就越高。
因此本文提出如下假设。
H1：资产的正常状态占比越低，所需要的维修费用就越高。
H2：电网设备缺陷次数越多，维修费用就越大。
H3：电网净资产越高，维修费用就越多。
三、样本数据和研究设计
（一）设备维修费影响因素与变化
电网设备维修费的影响因素，通常与设备的运行年限有关，每年发生的缺陷次数有关，与目前设备的风险状态有关。我们以此为主要考量因素，进行研究。
本文根据某电网现有2011～2016年设备运行和维修费用的数据，我们来研究主变资产、GIS设备系统的维修费用和资产状态、缺陷次数以及净资产之间的关系。本文的研究涉及的电压等级分别为110kV，220kV和500kV。
根据某电网提供的数据，2011～2016年不同电压等级下主变资产维修费和GIS维修费走势图如图1所示。通过图1可以直观地看出，主变110kV下的资产维修费是逐渐升高的，而主变220kV资产和主变500资产的维修费呈现震荡走势：GIS个电压等级下资产的维修费整体呈现震荡走高的趋势。
2011～2016年主变资产和CIS资产各不同电压等级下的缺陷次数见图2。主变110kV和主变220kV资产的缺陷次数近几年呈现增加的趋势，主变500kV资产的缺陷次数变动并不大：GIS资产的缺陷次数在不同电压等级下于2015年、2016年都出现了大幅增加。
（二）模型的构建
现实中，电网某一类设备，有很多不同的运行年限，如何考虑这类设备年限的总体情况呢？
为了把不同年限的设备台数引入分析的数学模型中，我们引入“某电压等级下某设备的净资产价值”作为分析变量。
某电压等级下某设备净资产价值=∑[（资产原值/总台数）×不同年限下的设备台数。（折旧年限一已运行年限）/折旧年限]
据此，可以计算主变和GIS净资产的价值。一般而言，CIS系统和主变资产的折旧年限均为12年。对某电网2011- 2016年主变资产和CIS资产进行分压统计计算，不同资产的不同电压下的净资产总值见表l。
同样，某类设备，有不同台数的风险状态，比如若干台是没有风险的，若干台需要关注的，若干台需要维修的，那么如何综合考虑这类设备的总体风险状态呢？为了把设备资产风险的状态引入数学模型中，我们引入一个“状态变量”。
（某设备的）状态变量=∑（不同状态设备台数。相应状态占比）/相应电压等级下的总台数
据此，可以计算出某类设备的总体风险状态。
本文对主变和GIS设备的110 kV、220 kV、500 kV的维修费用、资产的正常状态占比、缺陷次数、净资产总值进行整理，选取维修费（ WXF）作为因变量，以正常状况占比（ ZCB）、缺陷次数（QXs）、净资产值（JZC）作为白变量构建多元回归建模，见公式l。 WXF=βo +β1ZCB +β2QXS+β3JZC+μ（公式1） 对变量进行统计分析可以得到：平均维修费为984.06万元，正常状态占比平均为0.28，缺陷次數平均为90次，净资产总值平均为20458.39万元。
分别采用OLS混合回归（0LS）、同定效应模型（FE）、随机效应模型（RE）进行估计，结果见表2。在进行同定效应模型估计时，本文同时进行了F检验，发现无法拒绝原假设（混合回归是可以接受的）。本文还进行了豪斯曼检验检验，结果显示p值为0.9921，无法拒绝原假设（个体效应与解释变量不相关），认为随机效应模型优于同定效应模型。对比随机效应模型和OLS混合回归，发现随机效应模型的显著性水平优于混合回归，因此回归系数采用随机效应模型的估计结果更为合理。
WXF= 524.50 - 3342.73×ZCB+ 2.43×QXS+0.06×JZC
通过方程，可以看出，正常状态每提高一个单位，维修费用减少3342.73万元：缺陷次数每增加一次，即增加2.43万元修理费，净资产每增加l万元，维修费用增加0. 06万元。
四、研究结论
本文通过对某电网维修费用和资产规模、资产状态、风险等因素的关系的研究，找出各因素之间的相互联系。研究结果发现资产维修费用和资产规模之间存在显著的正相关关系，维修费用同正常状态占比呈现负相关关系、与缺陷次数和净资产总值呈现正相关关系。通过建立模型，可以方便地预测出总体的维修费和各类别的维修费。
参考文献：
[1]张粒子，扶柠柠，王春丽等.基于回归分析的电网运行维修费合理性评估[J].电力系统自动化，2014，38（13）：140-144.
[2]朱明雯.新电改下电网企业成本费用储备化管理思路[J].财务与会计，2016（14）：22-24.
[3]王伟.新电改下中国电力监管体制改革路径[J].中共中央党校学报，2016，20（5）：108-112.
[4]吴鸣，任学婧，周丹等.新电改背景下产业园区供电系统容量优化配置方法[J].电力系统自动化，2018，42（5）：2-8.
关键词：电网维修费;资产风险状态;设备缺陷次数
一、引言
电网的安全稳定至关重要，足量的电网运维费的预算配置是保障电网安全的重要措施。如何计算、管理、预测电网维修费用，电网维修费用受到哪些因素的影响，一直是电网企业关注的重点。本文以某市电网为研究对象，探索维修费用和资产状态、风险因素、净资产之问的相互关系，以便结合自身的现状量化对维修费用的管理，优化电网的质量，满足社会和客户对高质量供电的要求，优质服务的要求，实现对社会和客户庄严的承诺。
二、研究假设
资产状态可以分为正常状态、注意状态、异常状态和严重状态四个等级，在研究中我们将选取正常状态所占比例作为状态变量，此数值越接近l，则说明设备状态越好。显然，资产的正常状态占比越低，供电网络就越不稳定，故障发生的频率就越高，维护电网稳定所需要的维修费用就会增加。
电网设备缺陷根据运行的影响程度可以分为不同的等级，研究中缺陷次数指标主要选取的是重大紧急缺陷次数。重大紧急缺陷指的是电网设备在运行中发生了偏离且超过了运行标准允许范围的误差，对人身和设备产生重要威胁，需要紧急处理的缺陷。否则会造成设备损坏，大面积停电，人员伤亡等事故。电网设备缺陷次数越多则需要投入的维修费用就越大。
净资产是电网设备所投入的资产衡量指标，净资产是资产原值和累计折旧的差额。净资产体现了电网系统的规模，净资产越高说明电网的规模就越大，产生故障的概率就会增加，维护费用就越高。
因此本文提出如下假设。
H1：资产的正常状态占比越低，所需要的维修费用就越高。
H2：电网设备缺陷次数越多，维修费用就越大。
H3：电网净资产越高，维修费用就越多。
三、样本数据和研究设计
（一）设备维修费影响因素与变化
电网设备维修费的影响因素，通常与设备的运行年限有关，每年发生的缺陷次数有关，与目前设备的风险状态有关。我们以此为主要考量因素，进行研究。
本文根据某电网现有2011～2016年设备运行和维修费用的数据，我们来研究主变资产、GIS设备系统的维修费用和资产状态、缺陷次数以及净资产之间的关系。本文的研究涉及的电压等级分别为110kV，220kV和500kV。
根据某电网提供的数据，2011～2016年不同电压等级下主变资产维修费和GIS维修费走势图如图1所示。通过图1可以直观地看出，主变110kV下的资产维修费是逐渐升高的，而主变220kV资产和主变500资产的维修费呈现震荡走势：GIS个电压等级下资产的维修费整体呈现震荡走高的趋势。
2011～2016年主变资产和CIS资产各不同电压等级下的缺陷次数见图2。主变110kV和主变220kV资产的缺陷次数近几年呈现增加的趋势，主变500kV资产的缺陷次数变动并不大：GIS资产的缺陷次数在不同电压等级下于2015年、2016年都出现了大幅增加。
（二）模型的构建
现实中，电网某一类设备，有很多不同的运行年限，如何考虑这类设备年限的总体情况呢？
为了把不同年限的设备台数引入分析的数学模型中，我们引入“某电压等级下某设备的净资产价值”作为分析变量。
某电压等级下某设备净资产价值=∑[（资产原值/总台数）×不同年限下的设备台数。（折旧年限一已运行年限）/折旧年限]
据此，可以计算主变和GIS净资产的价值。一般而言，CIS系统和主变资产的折旧年限均为12年。对某电网2011- 2016年主变资产和CIS资产进行分压统计计算，不同资产的不同电压下的净资产总值见表l。
同样，某类设备，有不同台数的风险状态，比如若干台是没有风险的，若干台需要关注的，若干台需要维修的，那么如何综合考虑这类设备的总体风险状态呢？为了把设备资产风险的状态引入数学模型中，我们引入一个“状态变量”。
（某设备的）状态变量=∑（不同状态设备台数。相应状态占比）/相应电压等级下的总台数
据此，可以计算出某类设备的总体风险状态。
本文对主变和GIS设备的110 kV、220 kV、500 kV的维修费用、资产的正常状态占比、缺陷次数、净资产总值进行整理，选取维修费（ WXF）作为因变量，以正常状况占比（ ZCB）、缺陷次数（QXs）、净资产值（JZC）作为白变量构建多元回归建模，见公式l。 WXF=βo +β1ZCB +β2QXS+β3JZC+μ（公式1） 对变量进行统计分析可以得到：平均维修费为984.06万元，正常状态占比平均为0.28，缺陷次數平均为90次，净资产总值平均为20458.39万元。
分别采用OLS混合回归（0LS）、同定效应模型（FE）、随机效应模型（RE）进行估计，结果见表2。在进行同定效应模型估计时，本文同时进行了F检验，发现无法拒绝原假设（混合回归是可以接受的）。本文还进行了豪斯曼检验检验，结果显示p值为0.9921，无法拒绝原假设（个体效应与解释变量不相关），认为随机效应模型优于同定效应模型。对比随机效应模型和OLS混合回归，发现随机效应模型的显著性水平优于混合回归，因此回归系数采用随机效应模型的估计结果更为合理。
WXF= 524.50 - 3342.73×ZCB+ 2.43×QXS+0.06×JZC
通过方程，可以看出，正常状态每提高一个单位，维修费用减少3342.73万元：缺陷次数每增加一次，即增加2.43万元修理费，净资产每增加l万元，维修费用增加0. 06万元。
四、研究结论
本文通过对某电网维修费用和资产规模、资产状态、风险等因素的关系的研究，找出各因素之间的相互联系。研究结果发现资产维修费用和资产规模之间存在显著的正相关关系，维修费用同正常状态占比呈现负相关关系、与缺陷次数和净资产总值呈现正相关关系。通过建立模型，可以方便地预测出总体的维修费和各类别的维修费。
参考文献：
[1]张粒子，扶柠柠，王春丽等.基于回归分析的电网运行维修费合理性评估[J].电力系统自动化，2014，38（13）：140-144.
[2]朱明雯.新电改下电网企业成本费用储备化管理思路[J].财务与会计，2016（14）：22-24.
[3]王伟.新电改下中国电力监管体制改革路径[J].中共中央党校学报，2016，20（5）：108-112.
[4]吴鸣，任学婧，周丹等.新电改背景下产业园区供电系统容量优化配置方法[J].电力系统自动化，2018，42（5）：2-8.