Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов




НазваниеПрогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов
Дата публикации17.10.2016
Размер9,76 Kb.
ТипДокументы
УДК 00.00.000

Д.В. ДОБИКОВА

Башкирский Государственный Университет

ПРОГНОЗИРОВАНИЕ ПОКАЗАТЕЛЯ СЕБЕСТОИМОСТИ ЭЛЕКТРОЭНЕРГИИ КАРМАНОВСКОЙ ГРЭС С ПОМОЩЬЮ МАТЕМАТИЧЕСКИХ МЕТОДОВ
В настоящее время Кармановская ГРЭC является одной из крупнейших тепловых электростанций Урала и самой крупной в Республике Башкортостан. Она имеет шесть энергетических блоков по 300 МВт, её установленная мощность составляет 1800 МВт, и в год отпускает потребителям около 10 млрд.кВт*ч электроэнергии и около 100 000 Гкал тепла. Кармановская ГРЭС входит в тройку лучших электростанций России с энергоблоками 300 МВт, а по расходу электроэнергии на собственные нужды – на первом месте.

Важным показателем, характеризующим работу предприятия, является себестоимость электрической энергии. От ее уровня зависят финансовые результаты деятельности электростанции, темпы расширенного воспроизводства, финансовое состояние субъекта хозяйствования. Проведённый анализ себестоимости электроэнергии позволил выявить тенденцию роста себестоимости электроэнергии, особенно в кризисный период. Например, темп роста за 2009 г. составил 107,1%, то есть произошло увеличение себестоимости на 7,1% по сравнению с 2008 г. Моделирование и прогнозирование данного показателя позволяет выработать своевременные корректирующие меры по использованию возможностей снижения себестоимости продукции.

Для прогнозирования показателя себестоимости электроэнергии нами был выбран метод социально-экономического прогнозирования, в частности компонентный анализ.

Временной ряд состоит из нескольких компонент: тренд, сезонная компонента, циклическая компонента (стационарный случайный процесс) и случайная компонента. Задача компонентного анализа состоит в фильтрации и автономном изучении каждой компоненты, а также в последующем построении прогноза. Прогнозирование с помощью компонентного анализа состоит из следующих шагов: оценка и удаление тренда, оценка и удаление сезонной компоненты, моделирование стационарного случайного процесса, конструирование прогнозной модели и выполнение прогноза. В конце, после прогнозирования мы проверяем полученную модель на адекватность, то есть соответствие модели исследуемому объекту или процессу. Модель временного ряда считается адекватной, если правильно отражает систематические компоненты временного ряда.

В качестве исходного временного ряда в данной работе выступает ряд значений себестоимости электроэнергии. Исходные данные являются месячными за период с декабря 2004 г. по апрель 2010 г., единица измерения ряда коп./10 кВт*ч. Источником данных выступает статистическая информация по технико-экономическим показателям Кармановской ГРЭС. Все расчёты проводились с использованием пакета Statistica.

Требования предъявляемые к временным рядам, для нашего ряда полностью выполняются:

  1. Сопоставимость: все уровни ряда исследуемого показателя были сформированы по единой методике, используются одинаковые единицы измерения и шаг наблюдений.

  2. Однородность: во временном ряду отсутствуют сильные изломы тенденции и нетипичные аномальные наблюдения, что подтверждается правилом «трёх сигма», которое гласит: если наблюдение отклоняется от среднего арифметического значения на величину ±3σ, где σ – среднеквадратическое отклонение, то данное наблюдение можно исключить из выборки или заменить средним значением соседних точек.

  3. Устойчивость: в изменении уровней ряда закономерность преобладает над случайностью, что визуально прослеживается на графике исходного ряда:



Рис.1. График исходного ряда себестоимости электроэнергии

Из представленного графика видно, что ряд содержит в себе мультипликативную сезонность и линейный тренд, а также является нестационарным. Для получения аддитивной сезонности следует прологарифмировать исходный ряд.

Как известно из теории, существует три подхода к оценке тренда: параметрический, непараметрический и с помощью взятия разностей. Но для построения прогноза всегда используется параметрический метод в силу того, что он позволяет строить уравнение тренда и вычисляет параметры этого тренда, что необходимо для прогнозирования этой компоненты. Параметрический метод – это оценка тренда на основе гладких функций. Он заключается в подборе функции времени, наилучшим образом отражающей поведение тренда. Для нашего временного ряда тренд является линейным и его функция выглядит следующим образом (в скобках указаны t-статистики):

ut=387,96+7,64t.

(283,54) (22,46)

С помощью наложения графика исходного временного ряда и графика тренда можно увидеть, насколько оцененный с помощью линейной функции тренд отображает устойчивую долговременную тенденцию исходного временного ряда значений себестоимости электроэнергии (рис.2).



Рис.2. Наложение графиков исходного ряда и линейного тренда

Как видно по графику, тренд действительно имеет вид линейной регрессии и достаточно хорошо отражает фактические реальные данные. В ряду, очищенном от тренда параметрическим методом, долговременная тенденция удалена, но присутствуют сезонные колебания.

Для оценивания сезонной компоненты были разработаны различные подходы. В данной работе мы воспользовались тремя способами – оценивание с помощью тригонометрических функций, оценивание методом сезонных индексов и оценивание с помощью варианта Х-11 метода Census 2. Наилучшим образом описывает сезонные колебания для нашего ряда вариант Х-11 метода Census 2. В дальнейшем будем моделировать стационарный случайный процесс с помощью ряда, очищенного от тренда параметрическим методом и очищенного от сезонности с помощью варианта Х-11 метода Census 2. После удаления из ряда, очищенного от тренда, оцененную сезонную компоненту, то получится ряд, изображённый на рис.3.



Рис.3. График ряда после удаления тренда и сезонной компоненты

Данный ряд не содержит чётко видимую на глаз сезонность и метод вариант Х-11 метода Census 2 наилучшим образом описывает сезонность в нашем временном ряду. В дальнейшем будем моделировать стационарный случайный процесс с помощью ряда, очищенного от тренда параметрическим методом и очищенного от сезонности с помощью данного метода. Для моделирования стационарного случайного процесса предварительно изучают графики автокорреляционной (АКФ) и частной автокорреляционной функций (ЧАКФ), представленные на рис.4 и рис.5.

Рис.4. График АКФ ряда, очищенного от тренда и сезонности

Рис.5. График ЧАКФ ряда, очищенного от тренда и сезонности

По построенным графикам коэффициентов автокорреляции очевидно, что АКФ «затухает» с экспоненциальной скоростью, и можем судить о стационарности ряда, очищенного от тренда и сезонности. По графику ЧАКФ можно увидеть, что 12-ый лаг незначим, то есть сезонность была хорошо удалена. Таким образом, переходим к моделированию стационарного случайного процесса на основе модели ARMA(p;q). В силу того, что АКФ убывает с экспоненциальной скоростью, ЧАКФ имеет значимую частную корреляцию только для членов ряда, разделённых одним лагом, можно выдвинуть предположение о соответствии ряда модели авторегрессии первого порядка, то есть p=1 и q=0. Оценненая модель ARMA(1;0) имеет вид:

vt= 0,56 vt-1 t

(4,91)

Значение параметра ρ=0,56 свидетельствует о стационарности временного ряда, так как для стационарного ряда должно выполняться условие |ρ|<1. Для проверки адекватности АRMA-модели, а также модели разложения на трендовую, сезонную и циклическую компоненты, изучим остатки εt.

Разброс значений остатков модели невелик, и они осциллируют около нуля. Можно считать полученный ряд остатков белым шумом. Подтвердим это с помощью графиков АКФ и ЧАКФ остатков:



Рис.6. График АКФ остатков



Рис.7. График ЧАКФ остатков

По графику АКФ видим, что представленный ряд остатков является белым шумом, так как все лаги лежат в доверительном интервале. Также график ЧАКФ свидетельствует о том, что ряд остатков является белым шумом. Таким образом, можем считать, что модель разложения временного ряда логарифма себестоимости электроэнергии Кармановской ГРЭС на отдельные компоненты является адекватной, и по ней можно строить прогноз.

При компонентном анализе прогноз строится по каждой компоненте, а затем полученные прогнозные значения компонент суммируются. На основе построенной модели был сделан прогноз значений себестоимости электрической энергии на 2 шага вперед, то есть для мая и июня 2010 г. Полученные прогнозные значения каждой компоненты на 2 периода вперёд представлены в табл.1.

Таблица 1

Прогнозные значения при компонентном анализе

Дата

Прогнозные значения

Прогнозные значения ряда

Тренд-циклической компоненты

Сезонной компоненты

Нерегулярной компоненты

Май 2010

810,434000

-22,539247

-2,019678

785,875075

Июнь 2010

797,522000

-20,433467

-2,854336

774,234197

Как правило, далее необходимо проверить точность построенного прогноза. Но ввиду недоступности оперативных данных по предприятию проверка ошибки прогноза не представляется возможной.

Увеличение себестоимости электрической энергии неблагоприятно сказывается на финансовых результатах работы Кармановской ГРЭС. Но в настоящий момент данное предприятие постепенно возвращается к прежним объемам производства и, как нам кажется, в ближайшем будущем весьма успешно будет увеличивать производство электрической энергии и непременно снижать её себестоимость.


Похожие:

Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов iconПопроцессный метод учета затрат и калькуляция себестоимости продукции
Попроцессный метод является одним из основных методов калькулирования себестоимости в управленческом учете, в нем объединены отечественные...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов icon4. калькулирование себестоимости в данной теме рассматриваются традиционные...
Для исчисления плановой (бюджетной) и фактической себестоимости осуществляется калькулирование себестоимости продукции по статьям...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов iconЗадача №1. Определение общих и средних издержек предприятия (себестоимости),...
Определите годовые общие и средние издержки предприятия, их структуру по экономическим элементам. Проанализируйте структуру и наметьте...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов iconВременные ряды и прогнозирование
Временной ряд совокупность значений какого-либо показателя за несколько последовательных моментов или периодов. Каждый уровень временного...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов icon35 Прогнозирование состояния внеш среды в принятии упр решений
Прогнозирование это предположение динамики развития ситуации в будущем, основанное на имеющейся информации. Различают прогнозы экономические,...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов iconТворческие работы учащихся – исследовательские работы, выполненные...
Предложен способ получить представление о физическом состоянии своего организма, с помощью математических формул
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов iconРасчет отклонений
Этот метод заключается в получении промежуточных значений обобщающего показателя путем последовательной замены базисных значений...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов iconНаука о веществах, их строении, свойствах и превращениях. В широком...
Ни одно серьезное химическое исследование не обходится без использования физических методов для установления структуры веществ и...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов icon«Изучение действий с десятичными дробями через составление и решение...
Направленность на познание внешнего мира в соответствии с целями, задачами и условиями учебной деятельности. Уметь отыскать информационный...
Прогнозирование показателя себестоимости электроэнергии кармановской грэс с помощью математических методов iconРегламент расчета плановой себестоимости
Цель: Организация процедуры расчета и утверждения плановой себестоимости всех изделий завода
Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
dopoln.ru
Главная страница