CC BY
51
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ЭНЕРГОПОТРЕБЛЕНИЯ В БЮДЖЕТНОЙ СФЕРЕ
РЕГИОНА
Е.А. МАЛЫШЕВ,
кандидат экономических наук, доцент Пермский государственный технический университет
Как известно, переход к рыночным условиям хозяйствования стимулирует повышение эффективности использования ресурсов в экономике. Однако в ряде секторов экономики, прежде всего в бюджетной сфере и жилищно-коммунальном хозяйстве сохраняется директивное планирование от достигнутого, затратные и неэффективные принципы функционирования, оставшиеся в наследство от плановой экономики.
Значимость рационального использования ресурсов в бюджетной сфере связана с двумя причинами: а) непроизводительные расходы по содержанию бюджетных учреждений снижают эффективность бюджета в экономике регионов, на функционирование учреждений тратится все больший объем налоговых доходов; б) нерациональное использование ресурсов ведет к снижению качества бюджетных услуг, предоставляемых населению. В результате население несет все возрастающие расходы, получая взамен прежние или даже менее качественные услуги, гарантированные государством [1, с. 9].
Высокая энергоемкость бюджетных услуг заставляет государственные власти, бюджетные учреждения решать проблему повышения эффективности расходования энергетических ресурсов, эффективного энергоснабжения в каждом бюджетном учреждении.
Главным препятствием на пути повышения уровня использования энергетических ресурсов в бюджетной сфере региона является полное отсутствие экономических регуляторов, стимулирующих снижение расхода энергозатрат. Отсутствуют соответствующие организационные механизмы управления, адекватные условиям функционирования бюджетной сферы. Противоречия интересов энергоснабжающих организаций и бюджетов территорий проявляются на фоне крайней незаинтересованности как самого бюджетного учреждения в целом, так и его работников в рациональном использовании энергетических ресурсов. В резуль-
тате рост текущих расходов учреждений, дефицит капитальных вложений приводят к высокому износу инженерных систем бюджетных учреждений, прогрессирующему росту энергоемкости и расходов бюджета на энергоресурсы.
Поиск решения проблемы эффективного использования ресурсов в бюджетной сфере ведут практически все регионы, но применяемые полумеры здесь не помогают, а «спускаемые» сверху задания по экономии лишь усиливают бедственное положение бюджетных учреждений. Бюджетное директивное планирование без учета рыночных принципов ведет к субъективизму в планировании и исполнении расходов. В то же время, эффективное использование ресурсов может дать более существенный результат.
Проблема повышения эффективности использования энергетических ресурсов в бюджетной сфере выбрана не случайно. Во-первых, в себестоимости бюджетных услуг доля энергоресурсов достигает 15 %, после расходов на заработную плату, функциональных расходов. Во-вторых, решение проблемы повышения уровня использования энергоресурсов в бюджетной сфере находится на стыке множества дисциплин, требует качественной организации достижения целей управления. В-третьих, попытки оптимизировать потребление энергоресурсов, повысить их эффективное использование бюджетными учреждениями в регионах решается по-разному, однако важно отметить, что нигде проблема принципиально не решена. Научные исследования в этой области, как правило, направлены на решение проблем «большой» энергетики, упуская важную связь «энергосистема — потребитель». Между тем, бюджетная сфера в совокупности с населением страны потребляют более 52 % реализуемой тепловой энергии в стране, только на их теплоснабжение расходуется более 400 млн т условного топлива в год, что составляет около 43 % энергоресурсов, используемых в стране [2, с. 12].
Для решения существующей проблемы необходима разработка нового методологического
РЕгиомьнАя экономикА: теория и практика
99
подхода к формированию системы управления энергетической эффективностью в бюджетной сфере. Основными элементами такой системы, по мнению автора, должны быть:
1) инновационная система планирования;
2) новая система стимулирования снижения расходов;
3) новая организованная структура управления энергосбережением — Агентство энергоэффективности.
Предлагаемый подход позволяет оптимально реализовать основные функции управления (рис. 1).
ПЛАНИРОВАНИЕ ♦ | КОНТРОЛЬ
СТИМУЛИРОВАНИЕ^ |
ОРГАНИЗАЦИЯ
Рис. 1. Взаимоотношение функций управления использованием энергоресурсов в бюджетной сфере
Инновационная система планирования основывается на прогнозе расходов энергоресурсов на основе нейросетевых технологий.
К системе планирования энергетических расходов в бюджетной сфере предъявляются такие требования, как точность расчетов для планирования расходов бюджета, возможность прогнозирования расходов в связи с формированием трех и пятилетних планов исполнения бюджета, адекватность расчетов для изменения экономической ситуации и повышения эффективности использования энергоресурсов.
Существующая с 1998 г. система планирования расходов на энергоресурсы основывалась на среднем количестве энергии, предъявленной к оплате, и приобретенного топлива собственными котельными учреждений за последние три года [3, с. 16]. Самым большим недостатком такого подхода является то, что учреждения, недополучившие тепло по вполне объективным причинам в предыдущих отопительных сезонах (не было топлива, «теплая» зима и т д.), заранее оказываются в худших условиях. В таких же условиях оказываются организации, уже внедрившие у себя технологии энергосбережения и имеющие сбалансированные объемы потребления энергоресурсов.
Предлагаемые методы планирования энергетических расходов, в частности, использования
топлива, тепловой и электрической энергии можно разделить на два направления:
1) методы, основанные на линейных моделях
планирования и прогнозирования расхода
энергоресурсов.
2) методы, основанные на нейросетевых технологиях.
Методы на основе линейных моделей решают проблему планирования и прогнозирования с помощью методик, традиционно использующихся при проектировании вновь строящихся объектов общественных учреждений. Так, например, по расчету расхода тепловой энергии могут быть применены: методика возмещения тепловых потерь зданиями или методика расчета по укрупненным удельным тепловым характеристикам зданий, используемая на предпроектных стадиях.
Линейные модели для расчета затрат на энергоресурсы учитывают укрупненные теплотехнические характеристики, электрические нагрузки строений и состояние инженерных систем зданий, климатические условия местности и температурные санитарно-гигиенические нормы. Применение таких моделей делает неотложными меры по совершенствованию расчетов балансовых потребностей бюджетных учреждений в каждом конкретном виде энергии, а также нормированию и лимитированию их расхода с учетом сезонного потребления.
Вместе с тем применение методов, использующих линейные модели планирования и прогнозирования расхода энергоресурсов, имеет ряд ограничений. Данный подход не позволяет достаточно точно прогнозировать потребность в энергии, особенно в помесячном режиме; учитывать взаимосвязь видов энергии на будущие периоды: 3, 5, 10 лет. Метод не учитывает все многообразие факторов, влияющих на энергопотребление зданий, таких как теплопотери, вызванные элементами здания, спецификой планировки здания. Кроме того, во многих учреждениях необходимая документация, содержащая сведения о строениях, схемах энергоснабжения, оборудовании утеряна, представляемые данные о количественных значениях параметров энергоснабжения, как правило, искажаются работниками бюджетных учреждений.
В то же время рост ставок тарифов на энергоносители для бюджетных организаций, внедрение казначейской системы исполнения бюджета, ужесточение договорных отношений с энергоснабжа-ющими организациями повышают требования к уровню планирования расхода энергоресурсов. Возникает объективная потребность в новых
подходах к планированию: более простых и одновременно обеспечивающих достаточную точность планирования расхода энергоресурсов [4, с. 9].
Для решения указанной задачи нами была апробирована возможность применения искусственных нейронных сетей (ИНС) при прогнозировании расхода электрической энергии бюджетными организациями. Надо отметить, что нейросетевые и нейрокомпью-терные технологии в настоящее время стремительно развиваются и уже показали свою эффективность в тех сферах человеческой деятельности, где требуется выполнение прогнозирования с учетом большого количества разнообразных факторов, достоверность которых не является 100-процентной [5, с. 36].
В качестве полигона для отработки технологии были выбраны организации здравоохранения. Из всех бюджетных организаций структура расхода электрической энергии в учреждениях здравоохранения наиболее сложная. Кроме того, организации здравоохранения расходуют более трети электрической энергии, потребляемой всей бюджетной сферой.
С точки зрения математических расчетов задача планирования и прогнозирования расхода энергетических ресурсов с использованием ИНС в самом общем варианте ставится следующим образом: необходимо рассчитать планируемое потребление энергии организацией на будущий год таким образом, чтобы этого количества энергии хватило полностью. При этом следует подчеркнуть, что планироваться должен не максимальный расход организацией этой энергии, а именно незначительно перекрывающее наиболее вероятное ее потребление.
Для расчета расхода электрической энергии в качестве входных параметров были введены такие показатели, как фактический годовой расход электроэнергии зданием, организацией; установленная проектная мощность здания [6, с. 12]. В модели планирования могут также учитываться такие параметры как: количество койкомест для медицинских организаций; посещаемость для организаций образования; общая площадь здания организации — потребителя электроэнергия; удельная электрическая нагрузка (кВт/место); количество часов использования электроэнергии в сутки (месяц, год); общая площадь здания организации, включая прилегающие к зданию территории, такие как стоянки, парки, и т. д. В общем случае параметров может быть достаточно много, однако из-за недостатка их качественных характеристик (недостоверность, некорректность из-за невозможности точно их оценить либо большая трудоемкость сбора данных) количество параметров в модели может быть сокращено.
Выходными параметрами модели являются расчетные: годовой и месячные расходы электроэнергии зданием/организацией бюджетной сферы.
Обучающая выборка ИНС состояла из данных о расходе электроэнергии за 2002 — 2004 гг. всеми организациями здравоохранения г. Перми.
На основе имеющихся данных необходимо обучить нейронную сеть прогнозировать помесячно расход электроэнергии на следующий год [7, с. 29].
Данная задача прогнозирования расхода электроэнергии решалась двумя способами:
1) с использованием различных характеристик организаций;
2) с применением так называемого метода окон. В случае моделирования с использованием
различных характеристик организации обучающая выборка состояла из данных о расходе организациями электроэнергии в 2002 — 2004 гг., а также других характеристик организации.
В качестве входных параметров модели были определены:
• фактическое потребление электроэнергии за предшествующий год (кВт-час);
• фактическое потребление электроэнергии за соответствующий месяц прошедшего года;.
• количество зданий, входящих в организацию;
• общая площадь зданий, входящих в организацию;
• предельное годовое потребление электроэнергии по временным строительным нормам;
• удельная электрическая нагрузка. Выходные параметры модели:
• прогноз общего потребления электроэнергии на следующий год (кВт-час);
• прогноз потребления электроэнергии на каждый месяц.
Первоначально в перечень входных параметров входили «Внутреннее освещение, часы» и «Внешнее освещение, часы», однако после исследования значимости этих параметров на данном этапе решения поставленной задачи они были исключены из модели.
Поставленная задача была решена при помощи программы на основе нейронной сети прямого распространения. Программа использует алгоритм обратного распространения ошибки для обучения нейронной сети. В параметрах нейронной сети изначально были указаны два скрытых слоя по пять нейронов в каждом с сигмоидальной активационной функцией. В качестве выходного параметра выступал помесячный расход электроэнергии. Обучающее множество состояло из данных о расходе электроэнергии
региональная экономикА: теория и практика
101
по бюджетным организациям здравоохранения. После загрузки обучающего множества было проведено обучение нейронной сети. В качестве точности обучения для года была указана максимальная ошибка в 200 000 кВт • час, а для месяцев — 40 000 кВт • час.
После того, как нейронная сеть была обучена, была произведена ее оптимизация, сокращение числа нейронов, после чего были сохранены параметры и весовые коэффициенты нейросети. Для тестирующего множества была взята аналогичная информация по ГЗУ «Онкологический диспансер». В результате тестирования отклонение прогноза годового расхода от фактического расхода составило 6,3 % (удовлетворительный) (рис. 2).
Как видно, модель довольно точно повторяет сезонные колебания, но невысокая точность прогноза заставляет более подробно остановиться на проблеме адекватности модели. Основной проблемой, которая не дает корректно работать модели, основанной на ИНС, является достаточно часто встречающаяся недостоверность снимаемых с электросчетчиков показателей фактического расхода организациями электроэнергии и даже показателей установленной мощности. Поэтому распознавание истинного значения расхода энергии (по сути, норм расхода) в этих зашумленных параметрах, сохраняя при этом учет всех параметров, которые используются в расчетной модели, является задачей следующего уровня. С другой стороны, проблемой нейросетевого подхода является требование достаточно большой обучающей выборки для корректного обучения. Недостаточное количество данных, малое количество образцов в обучающей выборке может привести к результатам с большей погрешностью.
Рассматривая факторы, от которых зависит успешность обучения нейронной сети правильному
200
9
I
О
180
160
140
120
100
80
* ч
Фактический расход Прогноз нейронной сети
& 2
©
Рис. 2. Прогноз расхода электроэнергии ГУЗ «Онкологический диспансер» на 2004 г., составленный на основе внутренних характеристик организации
решению задачи, нужно отметить, что сеть должна быть достаточно гибкой, т. е. структура сети должна состоять из достаточного количества нейронов и связей для правильного решения примеров обучающей выборки.
На основании обучающей выборки достаточно сложно определить, сколько слоев и нейронов сети необходимо. Если выбранная сеть не может обучиться, то пробуют обучить сеть большего размера. Однако, даже увеличение размера нейронной сети не поможет, если обучающая выборка противоречива, т. е. в обучающей выборке присутствуют задачи с одинаковыми входными векторами данных, но разными выходными. Таким задачам нейронная сеть обучиться не может. Здесь возникает проблема разрешения такой противоречивой ситуации. Появление конфликтных примеров может означать недостаточность набора входных признаков, поскольку при расширении признакового пространства конфликтным примерам могут соответствовать разные значения добавляемого признака. В любом случае решить эту проблему можно даже простым исключением конфликтных примеров из обучающего множества.
Природу ошибок нейронной сети на тестируемом множестве нужно изучать в каждом конкретном случае. Одна возможная причина, как было указано выше — нерепрезентативность обучающей выборки, когда обучающая выборка не охватывает всего множества ситуаций (выборка мала или узкоспециализирована). Иной причиной большого количества ошибок может быть неодинаковое число примеров разных классов. При этом при тестировании нейросеть будет достаточно хорошо распознавать примеры класса, для которого в обучающей выборке было большинство примеров, и относить к этому же классу много примеров другого класса. Поэтому желательно, чтобы в обучающей выборке было примерно одинаковое число примеров для каждого класса, или, по крайней мере, не было отличия на порядок и более.
Второй метод прогнозирования — метод окон предполагает достаточно длинный ретроспективный временной ряд. На основании данных за 24 месяца (2002 - 2003 гг.) была предпринята попытка обучения нейронной сети и прогнозирования потребле-
Таблица 1
Общая схема тестируемой выборки для прогнозирования методом окон
Вход 1 Вход 2 Вход 3 Вход... Вход 8 Вход 9 Выход
Апр. 03 Май. 03 Июн. 03 Нояб. 03 Дек. 03 Янв. 04
Май. 03 Июн. 03 Июл. 03 Дек. 03 Янв. 04 Фев. 04
Фев. 04 Мар. 04 Апр. 04 Сен. 04 Окт. 04 Нояб. 04
Мар. 04 Апр. 04 Май. 04 Окт. 04 Нояб. 04 Дек. 04
ния электроэнергии на 2004 г. Для этого использовалось окно «размером» в 9 месяцев, трехслойная ИНС прямого распространения (табл. 1).
Реализация метода окон подразумевает, что помесячный прогноз потребления электроэнергии строится на основе данных полученных в пошаговом режиме. При этом на каждом шаге, когда окно было за пределами выборки, использовался прогноз нейронной сети на соответствующий месяц планируемого года.
Соответственно, для получения прогноза на октябрь 2004 г. уже использовались только прогнозные значения с января 2004 г. по сентябрь 2004 г., полученные самой нейронной сетью. На выходе — один нейрон, потребление электроэнергии на следующий месяц. После того, как нейронная сеть была обучена, на вход был подан вектор, характеризующий потребление электроэнергии за период с апреля 2003 г. по декабрь 2003 г.. На выходе нейронной сети получился прогнозный расход электроэнергии на январь 2004 г. Далее окно было смещено еще на один месяц, и спрогнозированное нейронной сетью потребление за январь 2004 г. использовалось в качестве входного параметра для получения прогноза уже на февраль 2004 г. Окно соответственно сдвигалось на один месяц вправо, до тех пор, когда не был получен прогноз потребления электроэнергии на последний месяц
еЭ
о о о о
о о о о
гч г) г) (Ч
о. о. о. о.
>о ю ю ю
« « к ч
Е и О О о X и Ч
©
Рис. 3. Прогноз расхода электроэнергии ГУЗ «Онкологический диспансер» на 2004 г., полученный с помощью метода окон
2004 г. — декабрь. Результаты прогноза нейронной сети представлены на рис. 3.
Как видно из графика, нейронная сеть не только обучилась повторять сезонные закономерности, но и дает качественный прогноз расхода энергии на 2004 г. в размере 1 664 491 кВт • час. Для сравнения, уточненная норма расхода электроэнергии, рассчитанная по установленной фактической мощности, составляет 1 677 932 кВт • час. Фактический расход электроэнергии за 2004 г. составил 1 654 099 кВт • час. Таким образом, можно с уверенностью сказать, что применение данного метода оказалось успешным для решения задачи планирования расхода электроэнергии. Напомним, что именно получение значения прогнозируемого расхода электроэнергии более близкого к фактическому значению было поставлено наиболее приоритетной задачей. Погрешность составила всего 0,63 %.
Нейросетевая модель демонстрирует обнадеживающие результаты — средняя ошибка — менее 1 % при прогнозировании на плановый год. Тем не менее, как видно из графика, возникают периодические «выбросы» ошибки предсказания, достигающей 20 — 30 %. В рассматриваемом примере выбросы характерны для следующих месяцев: январь, июнь, сентябрь.
Первые два выброса можно отнести к разряду несоответствия фактического расхода и оплаченного объема электроэнергии организациями, для которых характерна оплата «вперед» за неизрасходованную электроэнергию. Это связано с особенностями системы бюджетного финансирования. Неиспользованные средства в конце года аннулируются, а выделяемые ассигнования в следующем году поступают после 1 квартала в соответствии с уровнем собираемости налоговых платежей. Поэтому понятны мотивы бюджетных организаций авансировать платежи за энергоресурсы.
§ к
и
На сентябрь приходится начало отопительного периода, и нет сомнений, что на величину расхода электроэнергии оказывает влияние количество тепла, отпущенного бюджетным организациям через систему централизованного теплоснабжения.
Следовательно, для повышения точности прогнозирования на основе нейронных сетей необходим более детальный сбор данных для использования их в качестве входных параметров. В целом задача прогнозирования расхода электроэнергии бюджетными организациями на основе искусственных нейронных сетей может решаться со средней погрешностью менее 10 % при прогнозировании расхода по месяцам и менее 1 % при прогнозировании общего расхода на год. Решение подобной задачи играет существенную роль в разрешении проблем управления энергопотреблением.
Внедрение нейросетевого подхода в практику управления использованием энергоресурсов требует расширения методологии управления. Это связано с тем, что данный подход позволяет прогнозировать процесс использования ресурсов во всей его сложности, что вызывает пересмотр принципов и методов управления. В данном случае уместно вести речь о новом направлении исследований в теории управления с точки зрения использования в управлении достижений систем искусственного интеллекта. Но самое главное, предложенный подход таит в себе значительные возможности повышения эффективности управления в практической сфере, так как предполагает глубокое и интуитивное проникновение в сущность моделируемого процесса использования ресурсов.
С позиции прогнозирования наиболее вероятное место применения нейросетевых технологий в управлении - использование в качестве нового подхода к осуществлению функции планирования в управлении различными социальными организациями. Обученная нейронная сеть, имеющая высокую точность расчетов, организованная в программный комплекс, повышает объективность планирования, исключает возможность волюнтаризма в определении плановых объемов расхода ресурсов. Созданная модель прогнозирования на основе нейросетевых технологий с заданными целями управления впоследствии ставит объективные плановые задания как для субъекта, так и объекта планирования. Модель прогнозирования на основе нейросетевых технологий рекомендована к применению Распоряжением губернатора Пермской области от 11.01.2005 №3-р «Об утверждении методики определения нормативов потребления энергоресурсов бюджетными учреждениями».
Применительно к использованию организациями бюджетной сферы энергоресурсов нейросете-вые технологии позволяют:
1) с точки зрения органов власти — объективно рассчитывать плановый уровень расходов на энергоресурсы, финансируемые в планируемом периоде (году). Придерживаясь такого подхода в долгосрочной перспективе, можно не только добиться необходимого соответствия между выделяемыми и израсходованными бюджетными средствами, но и точно определять полученную экономию средств за год;
2) с точки зрения поставщиков энергоресурсов—ней-росетевые технологии необходимы для формирования соответствующих договорных отношений. Не секрет, что в настоящее время договорными отношениями предусмотрены штрафные санкции к бюджетным организациям в трех-пяти-кратном размере от стоимости энергии в случае превышения либо недоиспользования указанного в договоре объема потребления. Таким образом, точное планирование расхода энергии для формирования договоров энергоснабжения снижает возможные потери бюджетных организаций, особенно в случаях, когда бюджетная организация имеет еще и субабонентов, потребляющих энергию (население, другие бюджетные организации).
Важно отметить, что нейросетевые технологии позволяют не только осуществлять прогнозирование, но и проводить расчеты норм и нормативов расхода энергии. Сравнивая подходы к планированию на основе традиционных норм и планов-прогнозов на основе нейросетевых технологий (рис. 4), можно подойти к проблеме обоснования стратегии реализации того или иного подхода планирования в долгосрочной перспективе.
Результаты сравнительного анализа свидетельствуют о необходимости развития системы планирования в перспективе, учитывая возможности обоих подходов. В целях минимизации затрат на реализацию функции планирования, повышения эффективности использования энергоресурсов бюджетными организациями следует применять относительно недорогие и достаточно эффективные нейросетевые технологии, проводя дорогостоящие энергоаудиты только на выявленных проблемных объектах.
Следует отметить, что существует широкий спектр возможностей планирования и прогнозирования общественных расходов. Примеры внедрения нормирования потребления энергетических ресурсов в бюджетной сфере, использование нелинейных методов прогнозирования в долгосрочной перспективе дают возможность дальнейшего применения данных подходов в целях:
Характеристика методов Планирование и прогнозирование на основе норм и нормативов Планирование и прогнозирование на основе нейронных сетей
СИЛЬНЫЕ СТОРОНЫ • Достаточная точность планирования расходов, мониторинг в информационной системе • Устранение субъективных факторов в планировании • Высокая точность прогнозирования расходов
СЛАБЫЕ СТОРОНЫ • Раздельный учет видов энергии, нет взаимосвязи • Необходима динамика расходов за предыдущий период
ВОЗМОЖНОСТИ • Определение резервов энергосбережения • Обоснованная база для стимулирования работников • Перспективное планирование и прогнозирование на 3, 5, 10 лет • Моделирование взаимосвязей потребления видов энергии
УГРОЗЫ • Неточность исходной для расчетов информации • Отсутствие информации об установленных э/мощностях, нагрузках • Недостаточность исходных параметров для обучения сети и высокой точности расчетов
Рис. 4. Сравнительный анализ подходов к планированию расходов энергоресурсов в бюджетной сфере
• текущего и долгосрочного планирования потребления воды, прочих коммунальных и иных расходов бюджета;
• прогнозирования макроэкономических показателей развития региона;
• решения подобных задач в сфере жилищно-коммунального хозяйства. Формирование социальной заинтересованности в рациональном использовании энергоресурсов. Действующая нормативно-правовая база финансов региона развивается в рамках усиления механизмов внешнего контроля бюджетных расходов, регламентации и централизации управления финансами органами власти в рамках годового финансового планирования. Дальнейшее усиление контроля и регламентации, движимые идеями наведения порядка, борьбы с финансовыми злоупотреблениями и нецелевым использованием бюджетных средств, не приводят к реальному контролю и сковывают финансовую систему сектора государственного управления. Денежные расходы бюджетных организаций подвергаются двойной-тройной предварительной проверке со стороны вышестоящего распорядителя бюджетных средств — казначейства и финансового органа — и осуществляются по усмотрению финансового органа. Внедрение принципа единого бюджетного счета и лицевых счетов бюджетных организаций, с одной стороны, ускорило прохождение денежных средств, но с другой стороны, увеличило цикл осуществления расходных операций.
Принимаемый как закон годовой бюджет действует фактически как индикативный план доходов и расходов. Та или иная статья расходов в годовом бюджете означает только право соответствующих распорядителей бюджетных средств потратить определенную сумму бюджетных средств, но не безусловное обязательство органов власти осуществить данный расход. Возникающие в ходе исполнения годового бюджета субъекта Российской Федерации неизбежные отклонения от утвержденной структуры расходов, как правило, фиксируются путем внесения изменений в закон о годовом бюджете и окончательно отражаются в отчете об исполнении бюджета.
В соответствии с действующим законодательством годовой бюджет составляется и исполняется по кассовому принципу, то есть доходы и расходы бюджета определяются как поток денежных средств. При этом сметы доходов и расходов бюджетных организаций не всегда составляются строго в соответствии с кассовым принципом, и в ряде случаев внебюджетные доходы и расходы, прежде всего, связанные с предпринимательской деятельностью, определяются методом начисления [8, с. 19].
Реализуемая модель казначейского исполнения бюджета усиливает централизацию денежных потоков путем прекращения авансирования расходов бюджетных организаций. Для осуществления расходов применяется система заявок на финансирование расходных операций, проверяемых и аккумулируемых в казначействе. Предписываемое бюджетным законодательством предварительное внешнее
санкционирование бюджетных расходов включает процедуру подтверждения исполнения денежных обязательств и разрешительной надписи (рис. 5).
Экономия бюджетных средств, полученная в результате деятельности конкретной бюджетной организации, остается в казначействе, и очень мала вероятность ее обратного получения, хотя бы части этой экономии, на финансирование бюджетной организации, ее получившей.
Для формирования механизма социальной заинтересованности бюджетных организаций в снижении энергопотребления автором предложен к внедрению подход социально-экономического стимулирования, направленный на создание экономической ситуации, способствующей переходу бюджетных организаций из энергорасточительного состояния в энергоэффективное посредством использования социальной заинтересованности организаций бюджетной сферы. Категория социальной заинтересованности в данном контексте включает личную материальную заинтересованность работников организаций в рациональном использовании энергии, в экономии бюджетных средств на ее оплату, а также социальную заинтересованность бюджетной организации в целом.
Суть предложенного для реализации в регионе подхода включает следующие слагаемые:
• точное определение размера экономии ТЭР в каждой бюджетной организации на основе предложенной методики планирования расхода энергоресурсов;
• распределение полученной экономии бюджетных средств с учетом достигнутого уровня использования ресурсов.
Полученную бюджетной организацией экономию рекомендовано направлять в следующем соотношении:
1) на материальное стимулирование личной заинтересованности работников организации — в размере до 20 %;
2)
3)
Рис. 5. Модель казначейского исполнения бюджетных расходов
на возмещение расходов по внедрению энергосберегающих мероприятий — в размере до 50 %;
на осуществление социального развития бюджетных организаций — в размере до 30 %. Предлагаемый подход доработан до уровня методики , которая успешно внедрена в практику управления бюджетными организациями указом губернатора Пермской области от 09.11.2004 № 162 «О мерах по стимулированию снижения расходов на энергообеспечение бюджетных учреждений» [9, с. 21].
Система социальной заинтересованности стимулирует и активизирует инициативу организаций бюджетной сферы, концентрирует их усилия на повышении эффективности использования энергоресурсов за счет ресурсов самих организаций. Разработанная организационно-экономическая форма стимулирования позволяет достигать поставленных целей эффективного энергопотребления. С одной стороны, бюджеты территориальных образований, регионов получают относительное снижение расходов энергоресурсов. С другой стороны, растет спрос на инвестиции со стороны бюджетной сферы, на капитальные работы, оборудование, происходит социально-экономическое развитие бюджетных организаций.
Создание и развитие энергосервисного обслуживания бюджетных организаций. Энергосервисное обслуживание является нетрадиционным подходом к энергохозяйствованию, который делает возможным для бюджетных организаций реализацию потенциала энергосбережения. При этом нет необходимости бюджетной организации располагать необходимыми капитальными средствами. Подавляющую часть риска берет на себя специализированная компания, которая реализует энергосберегающий проект (рис. 6.).
Основной особенностью является непосредственная ответственность компании за эффективность и исправное функционирование установленного оборудования в срок, обусловленный контрактом.
Как видно, все затраты на проект затем возмещаются платежами, которые производятся из полученной экономии платежей за энергию.
В результате проведенного исследования возможности применения энергосервисного обслуживания в регионе организаций бюджетной сферы были сделаны следующие выводы:
Денежные
средства Казначейство /
Начало энергосервиса
Срок распределения экономии
Окончание энергосервиса
Рис. 6. Модель энергосервисного обслуживания
• организации бюджетной сферы располагают потенциалом экономии ресурсов;
• энергосервисные компании нуждаются в объективной информации о возможностях заключения энергосервисных контрактов. Поэтому, с нашей точки зрения, оптимальным
условием развития энергосервиса является создание и реализация соответствующей целевой программы, включающей создание соответствующего правового и информационного поля.
Администрация Пермской области
X
Администрации городов и районов Пермской области
Бюджетные инвестиции
Субъект управления: Агентство энергоэффективности
Планирование, организация, контроль качества
Выбор исполнителей
Тендеры
Заявки
тэо
Реализация мероприятий
Объект управления: Заявители
Государственные учреждения
Муниципальные учреждения
Прочие заявители
Исполнители
Государственные и муниципальные предприятия
Частные предприятия
Индивидуальные предприниматели
Рис. 7. Организационно-экономический механизм управления уровнем использования энергоресурсов в бюджетной сфере
Для массового внедрения такого подхода прежде всего необходимо разработать и реализовать региональную целевую программу поддержки энергосервисного обслуживания бюджетных организаций. В рамках данной программы автор предлагает на основе разработанных методик и рекомендаций направить усилия на создание организационно-экономического механизма управления энергетической эффективностью бюджетной сферы региона (рис. 7).
Среди первоочередных мероприятий по созданию организационно-экономического механизма управления повышением энергетической эффективности бюджетной сферы региона предлагается централизация функций управления в отдельном субъекте управления — Агентстве энергоэффективности [10, с. 164]. В настоящее время функции управления повышением энергетической эффективности распылены между главными распорядителями бюджетных средств, органами исполнительной власти, структурными звеньями администрации области.
Основное управленческое воздействие предполагается направить на создание системы планирования и контроля за процессом потребления энергии бюджетными организациями, объектом управления. Применение экономических методов управления важно для создания условий, оказывающих стимулирующее воздействие на объект управления по энергоэффективному использованию ресурсов, закрепленных соответствующей нормативно-правовой базой.
Важными элементами рассматриваемого механизма управления являются:
1) соответствующая нормативная правовая база, позволяющая получить масштабные и качественные результаты работы;
2) приемы и методы отслеживания возможного потенциала энергосбережения, уровня вы-
Внебюджетные инвестиции под гарантию администраций
а а а-а
I «
4
>а а
!Г
а
! «
а
I &
г
«5
полнения требований энергоэффективности применительно к конкретным бюджетным организациям на основе сравнения оптимально-расчетного уровня энергопотребления с фактически оплаченными энергоресурсами. Использование информационных технологий позволяет оперативно управлять по отклонениям, повысить эффективность управления и качество полученных результатов;
3) подсистема снижения непроизводительного расхода энергоресурсов в бюджетных организациях на основе развития энергосервисного обслуживания бюджетных организаций.
Обеспечение устойчивости в получении экономии от установки приборов учета, мер по повышению энергоэффективности требует создания Агентства энергосбережения региона, основными задачами которого являются:
1) создание и информационное обеспечение процедуры документооборота в сфере расчетов бюджетных организаций за поставки топлива, тепловой и электрической энергии;
2) сверка счеетов, контроль оплаты энергоресурсов, а также методологическая и информационная поддержка процедуры установления лимитов потребления энергии;
3) подготовка тендерной документации на обслуживаение приборов учета, привлечение услуг энергосервисных компаний, контроль за выполнением ими договорных обязательств;
4) информационная подедержка программы, работа в режиме консультационного центра и др.
Агентство может работать как структурное подразделение областной администрации или на договорной основе. Деятельность агентства финансируется за счет части полученной экономии. Агентство должно стать основным элементом организации разработки и внедрения региональной программы содействия энергосервисному обслуживанию организаций бюджетной сферы.
Таким образом, управление на основе программно-целевого подхода развитием энергосервисных услуг, в конечном итоге, содействует повышению энергоэффективности организаций бюджетной сферы. Успешная реализация программы содействия энергосервисному обслуживанию на государственном уровне, уровне субъекта Российской Федерации, позволит выйти с предложениями по созданию единого информационного и правового поля в виде общефедеральной программы развития энергосервисного обслуживания организаций бюджетной сферы.
Государственное управление эффективным использованием энергоресурсов бюджетными организа-
циями региона заключается в применении нормативного подхода на основе современных инновационных технологий, внедрения и развития энергосервисного обслуживания бюджетных организаций.
Внедрение инновационных расчетных систем нормирования потребления энергоресурсов бюджетными организациями позволило выявить потенциал снижения расходов на энергоресурсы, сформировать социальную заинтересованность бюджетных организаций и активизировать их деятельность по эффективному энергопотреблению.
ЛИТЕРАТУРА
1. Национальный доклад «Теплоснабжение Российской Федерации. Пути выхода из кризиса». Книга 1. - Москва, 2002. - 85 с.
2. Энергетическая стратегия России на период до 2020 года. ГУ ИЭС Минэнерго России. - М:, 2001. - 96 с.
3. Постановление Законодательного Собрания Пермской области № 1369 от 22.04.2004 г. «О концепции программы энергосбережения Пермской области на 2004 - 2008 гг.». - 34 с.
4. Малышев Е. А, Мартьянов Н. С. Прогнозирование расхода энергоресурсов организациями бюджетной сферы на основе искусственных нейронных сетей. - Пермь, 2006. - 39 с.
5. Горбат А. Н, Россиев Д. А. Нейронные сети на персональном компьютере. - Новосибирск: Наука, 1996. - 276 с.
6. Вороновский Г. К., Клепиков В. Б., Коваленко М. В, Махотило К. В. Нейросетевая модель связного потребления тепловой и электрической энергии крупным жилым массивом города. // Вестник Харьковского государственного политехнического университета. Серия «Электротехника, электроника и электропривод», Выпуск 113. - Х: ХГПУ, 2000. - С. 363 - 366.
7. Методы нейроинформатики / Под ред. А. Н. Горбаня, КГТУ, Красноярск, 1998. - 205 с.
8. Распоряжение губернатора Пермской области от 11.01.2005 г. № 3-р «Об утверждении Методики определения нормативов потребления энергоресурсов бюджетными учреждениями».
9. Указ губернатора Пермской области от 09.11.2004 г. № 162 «О мерах по стимулированию снижения расходов на энергообеспечение бюджетных учреждений».
10. Малышев Е. А., Теория и методология эффективного функционирования регионального энергетического комплекса. - Пермь, 2007. - 378 с.
