Коэффициент сезонности: алгоритм расчета. товары сезонного спроса

ПРЕДСКАЗ и ТЕНДЕНЦИЯ в Excel

​ результате получается сглаженный​ + 37747.​ должны быть соразмерны.​ разные характеристики.​ известное уравнение подставим​Линейный тренд хорошо подходит​ ближе к 1,​y​Скользящее среднее​​ содержатся первые члены​​Выделите ячейку, в которой​​2, 3​​ и нелинейных данных​: 1. По сути​

​ линии тренда подбирается​​ статистической оценкой погрешности.​ методу. На рисунке​ динамический ряд значений,​Показатели линейного тренда будем​ Если используется несколько​бланк прогноза деятельности предприятия​ рассчитанные коэффициенты (х​ для формирования плана​ тем лучше линия​-значения, возвращаемые этими функциями,​введите в поле​

1. ​ прогрессии и требуется,​ находится первое значение​

2. ​ можно применять функции​​ любой расчет можно​​ так, чтобы сумма​Точно так же находим​

​ считать для каждого​​ переменных, то диапазон​Чтобы посмотреть общую картину​​ – номер периода).​​ по продажам для​ соответствует данным.​ можно построить прямую​Период​ чтобы приложение Microsoft​ создаваемой прогрессии.​Для прогнозирования экспоненциальной зависимости​​ или средство регрессионный​​ представить на графике​​ квадратов отклонений исходных​​ скользящее среднее по​

1. ​ тренда скользящего среднего​ тенденцию изменений исследуемого​ месяца.​​ с заданными значениями​​ с графиками выше​Чтобы определить коэффициенты сезонности,​

​ или кривую, описывающую​​число периодов, используемых​​ Excel создало прогрессию​​Команда​ выполните следующие действия.​​ анализ из надстройки​​2. =ЛИНЕЙН, =ТЕНДЕНЦИЯ​ данных от построенной​ трем месяцам. Меняется​ сдвинуты относительно линии​ параметра.​Получаем данные тренда и​​ y должен вмещаться​​ описанного прогноза рекомендуем​​ сначала найдем отклонение​​Excel – это лучший​

​ будущих продаж:​ существующие данные.​​ для расчета скользящего​​ автоматически, установите флажок​

​Прогрессия​

office-guru.ru>

Алгоритм прогнозирования объёма продаж в MS Excel

На сегодняшний день наука достаточно далеко продвинулась в разработке технологий прогнозирования. Специалистам хорошо известны методы нейросетевого прогнозирования, нечёткой логики и т.п. Разработаны соответствующие программные пакеты, но на практике они, к сожалению, не всегда доступны рядовому пользователю, а в то же время многие из этих проблем можно достаточно успешно решать, используя методы исследования операций, в частности имитационное моделирование, теорию игр, регрессионный и трендовый анализ, реализуя эти алгоритмы в широко известном и распространённом пакете прикладных программ MS Excel.

В данной статье представлен один из возможных алгоритмов построения прогноза объёма реализации для продуктов с сезонным характером продаж. Сразу следует отметить, что перечень таких товаров гораздо шире, чем это кажется. Дело в том, что понятие “сезон” в прогнозировании применим к любым систематическим колебаниям, например, если речь идёт об изучении товарооборота в течение недели под термином “сезон” понимается один день. Кроме того, цикл колебаний может существенно отличаться (как в большую, так и в меньшую сторону) от величины один год. И если удаётся выявить величину цикла этих колебаний, то такой временной ряд можно использовать для прогнозирования с использованием аддитивных и мультипликативных моделей.

Аддитивную модель прогнозирования можно представить в виде формулы:

где: F – прогнозируемое значение; Т – тренд; S – сезонная компонента; Е – ошибка прогноза.

Применение мультипликативных моделей обусловлено тем, что в некоторых временных рядах значение сезонной компоненты представляет собой определенную долю трендового значения. Эти модели можно представить формулой:

На практике отличить аддитивную модель от мультипликативной можно по величине сезонной вариации. Аддитивной модели присуща практически постоянная сезонная вариация, тогда как у мультипликативной она возрастает или убывает, графически это выражается в изменении амплитуды колебания сезонного фактора, как это показано на рисунке 1.

Рис. 1. Аддитивная и мультипликативные модели прогнозирования.

Алгоритм построения прогнозной модели

Для прогнозирования объема продаж, имеющего сезонный характер, предлагается следующий алгоритм построения прогнозной модели:

1.Определяется тренд, наилучшим образом аппроксимирующий фактические данные. Существенным моментом при этом является предложение использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели.

2.Вычитая из фактических значений объёмов продаж значения тренда, определяют величины сезонной компоненты и корректируют таким образом, чтобы их сумма была равна нулю.

3.Рассчитываются ошибки модели как разности между фактическими значениями и значениями модели.

4.Строится модель прогнозирования:

где: F– прогнозируемое значение; Т– тренд; S – сезонная компонента; Е — ошибка модели.

5.На основе модели строится окончательный прогноз объёма продаж. Для этого предлагается использовать методы экспоненциального сглаживания, что позволяет учесть возможное будущее изменение экономических тенденций, на основе которых построена трендовая модель. Сущность данной поправки заключается в том, что она нивелирует недостаток адаптивных моделей, а именно, позволяет быстро учесть наметившиеся новые экономические тенденции.

где: F_{пр t} — прогнозное значение объёма продаж; F_{ф t-}1 – фактическое значение объёма продаж в предыдущем году; F_{м t} — значение модели; а – константа сглаживания

Практическая реализация данного метода выявила следующие его особенности:

• для составления прогноза необходимо точно знать величину сезона. Исследования показывают, что множество продуктов имеют сезонный характер, величина сезона при этом может быть различной и колебаться от одной недели до десяти лет и более;
• применение полиномиального тренда вместо линейного позволяет значительно сократить ошибку модели;
• при наличии достаточного количества данных метод даёт хорошую аппроксимацию и может быть эффективно использован при прогнозировании объема продаж в инвестиционном проектировании.

Применение алгоритма рассмотрим на следующем примере.

Исходные данные: объёмы реализации продукции за два сезона. В качестве исходной информации для прогнозирования была использована информация об объёмах сбыта мороженого “Пломбир” одной из фирм в Нижнем Новгороде. Данная статистика характеризуется тем, что значения объёма продаж имеют выраженный сезонный характер с возрастающим трендом. Исходная информация представлена в табл. 1.

Таблица 1. Фактические объёмы реализации продукции

Как использовать сезонность в маркетинговой кампании

Планирование эффективной сезонной кампании требует не только отличной организации, но и времени. Ниже приведены некоторые советы, которые помогут выстроить эффективную кампанию.

Выберите правильное предложение под сезон

В каждом сезоне актуальны свои предложения. Главное здесь — быть избирательным, проводить исследования и собирать данные о том, когда ваши клиенты наиболее активны.

Если есть достаточно понятная взаимосвязь между событием или сезоном и вашим предложением, тем легче адаптировать их и связать вместе. Но даже для услуг, не привязанных к времени года, можно придумать повод для вовлечения аудитории.

Не забывайте и о спонтанных событиях — открытие новых туристических направлений, законодательные запреты и разрешения могут послужить триггером для успешного продаж.

Например, если выйдет закон о полном запрете авиапассажирам провоза внешних аккумуляторов ёмкостью выше 5 000 mAh в ручной клади, продажи ваших скромных пауэрбанков на 2 000 mAh могут подскочить при запуске грамотной маркетинговой кампании.

О таких банальностях, как цветы и торты на 8 марта и 1 сентября не стоит и говорить. В эти праздники не готовит специальные предложения только тот, у кого бизнес абсолютно не может быть ассоциирован с ними — например, продажи бурильного оборудования.

Постройте коммуникации

• Составьте карту пути клиента и точки контакта с ним. Карта даёт общее представление об опыте клиента: первоначальный контакт, процесс взаимодействия и перспективы долгосрочных отношений.
• Обратитесь к эмоциям — это позволит создать более тесную связь с вашей аудиторией и сделает их восприимчивыми к вашему сообщению.
• Призыв к действию: разработайте CTA для всех этапов коммуникации. Для каждого шага должно быть продумано ясное побуждение к действию. Не заставляйте людей продираться сквозь многослойные намёки.

Выделите бюджет

Ключом к успешной сезонной маркетинговой кампании является точная настройка бюджет во избежание сюрпризов.

Помимо увеличенных расходов на интернет-маркетинг, продумайте, какие дополнительные затраты могут иметь место:

• Бонусы и подарки для клиентов;
• Расходы на мероприятия;
• Расходы на зарплату сезонных работников;
• Транспортные расходы, если вы рассылаете подарки.

Чтобы оптимизировать расходы на рекламу, используйте сквозную аналитику — она отражает полную картину эффективности каждого канала коммуникации.

Как рассчитать коэффициент вариации в Эксель

Microsoft Excel позволяет максимально упростить пользователю ряд задач. С помощью данной утилиты можно в одно мгновение производить сложнейшие расчеты, применяя исходные данные. Сегодня мы поговорим о том, как использовать коэффициент вариации в Excel.

Коэффициент вариации показывает отношение стандартного отклонения к среднему арифметическому, а результат отображается в процентах.

Шаг 1. Расчет стандартного отклонения

Данный инструмент также называют среднеквадратичным отклонением, которое представляет собой квадратный корень из дисперсии. Чтобы рассчитать стандартное отклонение, применяется функция СТАНДОТКЛОН. В последних версиях Excel она разделена на две части, в зависимости от того, как происходит вычисление: СТАНДОТКЛОН.Г(по генеральной совокупности), СТАНДОТКЛОН.В(по выборке). Записываются функции следующим образом:

= СТАНДОТКЛОН(Число1;Число2;…) — Для старой версии

= СТАНДОТКЛОН.В(Число1;Число2;…) — Для новой версии соответственно.

1. Чтобы начать расчет стандартного отклонения, выделите подходящую ячейку и нажмите кнопку «Вставить функцию», расположенную в верхней панели инструментов.

2. Откроется окно мастера функций. Перейдите в категорию «Статистические», затем выберите строку с названием «СТАНДОТКЛОН»(СТАНДОТКЛОН .В или .Г соответственно). Нажмите «ОК».

3. В открывшемся окне аргументов необходимо указать диапазон ячеек, с которыми будет производиться расчет. Также можно ввести конкретные числа. После указания параметров нажмите кнопку «ОК».

4. В ранее выделенной ячейке отобразится итоговый расчет стандартного отклонения.

Шаг 2. Расчет среднего арифметического

Среднее арифметическое отражает общую сумму значений числового ряда, поделенных на их количество. Для этого используем функцию СРЗНАЧ.

1. Выделите нужную ячейку для отображения конечного результата, затем воспользуйтесь кнопкой «Вставить функцию».

2. Перейдите в категорию «Статистические» и выберите поле с наименованием «СРЗНАЧ», после этого нажмите «ОК».

4. В раннее выбранной ячейке выведется результат вычислений среднего арифметического.

Шаг 3. Нахождение коэффициента вариации

Мы получили все предварительные данных для конечных вычислений, поэтому приступаем к последнему шагу, а именно к расчету коэффициента вариации.

1. Выделите ячейку для конечного результата, затем поменяйте формат ячейки на процентный. Сделать это можно во вкладке «Главная», кликнув по полю формата и выбрав соответствующий.

2. Снова вернитесь к ранее выбранной ячейке и выделите ее двойным щелчком левой кнопки мыши. Поставьте в ней знак «=», затем выделите ячейку с результатом вычислений стандартного отклонения. Теперь нажмите кнопку «/»(разделить) на клавиатуре и выберите ячейку со средним арифметическим. После ввода данных нажмите клавишу Enter.

3. Результат будет автоматически выведен на экран.

Также существует способ рассчитать коэффициент вариации без предварительных шагов, который мы рассмотрим ниже:

1. Аналогично выделите ячейку, затем придайте ей процентный формат. Впишите в нее следующую формулу:

«Диапазон значений» указывает с исходными данными. Можете указать его вручную, либо просто выделив нужный диапазон ячеек. Вместо оператора СТАНДОТКЛОН также можно ввести СТАНДОТКЛОН .В или СТАНДОТКЛОН .Г соответственно(для новых версий Excel).

2. После занесения всех параметров нажмите клавишу Enter, чтобы получить конечный результат.

С помощью Excel мы смогли максимально упростить выполнение сложных расчетов. Для этого нам понадобилось лишь грамотное использование встроенных инструментов приложения. Как видите, пока не существует способа рассчитать коэффициент вариации в одно действие, поэтому мы воспользовались обходными путями. Надеемся, вам помогла наша статья.

Качество прогнозирования

Проверка качества прогнозирования возможна в случае наличия достаточной выборки и является важной проверкой на достоверность
прогноза, для проверки и оптимизации значений α, β и γ необходимо построить прогноз на существующие данные,
например, если у нас в наличии данные за пять лет и мы хотим предсказать следующий год, то необходимо построить модель на первых
четырёх годах, проверить и оптимизировать коэффициенты для минимизации ошибки между прогнозом и данными на 5й год. После оптимизации
модель может быть перестроена с учётом последнего периода для повышения точности, далее следует построение прогноза.. Методы оптимизации будут описаны в отдельной статье, ниже представлен пример прогнозирования методом Хольт Винтерса.

Методы оптимизации будут описаны в отдельной статье, ниже представлен пример прогнозирования методом Хольт Винтерса.

График 9. Данные о посещаемости сайта за четыре недели

#	Данные	s	t	p	s	t	p
1	93	93	93
2	91	92	-0.1	-0.5	92	-0.1	0.99
3	72	84	-0.89	-6	84	-0.89	0.93
4	75	80	-1.2	-2.5	80	-1.2	0.97
5	75	77	-1.38	-1	77	-1.38	0.99
6	57	68	-2.14	-5.5	68	-2.14	0.92
7	66	66	-2.13	66	-2.13	1
8	123	88	0.28	17.5	38	-4.72	1.62
9	85	87	0.15	-1.25	54	-2.65	1.28
10	85	89	0.34	-5	67	-1.09	1.1
11	91	91	0.51	-1.25	77	0.02	1.08
12	102	96	0.96	2.5	87	1.02	1.08
13	73	90	0.26	-11.25	85	0.72	0.89
14	60	78	-0.97	-9	75	-0.35	0.9
15	99	79	-0.77	18.75	69	-0.92	1.53
16	108	91	0.51	7.88	75	-0.23	1.36
17	98	96	0.96	-1.5	80	0.29	1.16
18	104	100	1.26	1.38	87	0.96	1.14
19	83	93	0.43	-3.75	84	0.56	1.03
20	68	88	-0.11	-15.63	81	0.2	0.86
21	62	81	-0.8	-14	76	-0.32	0.86
22	59	64	-2.42	6.88	61	-1.79	1.25
23	80	66	-1.98	10.94	59	-1.81	1.36
24	121	87	0.32	16.25	76	0.07	1.38
25	112	97	1.29	8.19	85	0.96	1.23
26	85	94	0.86	-6.38	85	0.86	1.02
27	106	106	1.97	-7.82	101	2.37	0.95
28	82	103	1.47	-17.5	100	2.03	0.84

График 9. Пример предсказания посещаемости сайта на основе данных за четыре недели. Жёлтая линия — исходные данные, красная — прогноз на пятую
неделю на основе первых четырёх. Закрашена линия сглаженного уровня при α=0.4, β=0.1, γ=0.5

Какие инструменты могут помочь в прогнозировании промоакций с учетом сезонности?

Описанный комбинированный подход к прогнозированию продаж сезонных продуктов реализован в системе планирования и прогнозирования эффектов промоакций GoodsForecast.Promo. Кроме этого, система позволяет учитывать сезонность и для магазинов, продажи которых характеризуются сезонным колебанием трафика и спроса (например, расположенных в дачных поселках или вблизи объектов общественного досуга). Все продукты и торговые точки, являющиеся сезонными, а также коэффициенты изменения их спроса система определяет автоматически на основании истории продаж за несколько лет, периода проведения планируемой промоакции и периода, являющегося базовым для расчета прогноза.

В совокупности с такими учитываемыми факторами, как каннибализация спроса между похожими товарами в промоакции, а также восстановление дефицитов в исторических акциях, алгоритм системы, основанный на технологиях Machine Learning, позволяет получать стабильный и точный прогноз, из которого вытекают выполнение планов по продажам и маржинальности промоакций, а также сокращение списаний и избыточного запаса.

С 01.07.2020 по 30.09.2020 компания GoodsForecast предлагает внедрение системы планирования и прогнозирования промоакций GoodsForecast.Promo на уникальных условиях:

• скидка на лицензию до 25% и привязка части остаточного лицензионного платежа к достижению
  KPI
  по точности прогнозирования (текущие и целевые KPI фиксируются по итогам исследования, проводимого на первом этапе проекта)

• скидка на работы по внедрению до 15%.

Быстрое соотношение

Также называется коэффициентом кислотного теста, коэффициент быстрой связи является близким родственником текущего отношения. Оба отражают способность компании выполнять все свои краткосрочные обязательства, если они станут обязательными сразу, путем сопоставления ее текущих активов с ее текущими обязательствами. Однако быстрое соотношение является более строгой метрикой ликвидности, поскольку оно исключает определенные активы, в первую очередь инвентарные запасы, которые используются при расчете текущего коэффициента. В отличие от товарных ценных бумаг, которые могут быть куплены и проданы по заранее определенной цене на фондовой бирже, для ликвидации запасов часто требуется время. Кроме того, необходимость быстрого получения наличных денег может привести к тому, что компания возьмет меньшую прибыль за некоторые товары. Примером может служить продажа вне бизнеса.

Основными источниками активов, включенными в расчет коэффициента быстрой ликвидности, являются денежные средства, товарные ценные бумаги и дебиторская задолженность. Чтобы обеспечить быстрое соотношение, сумма этих активов делится на общие текущие обязательства или те долги, которые подлежат погашению в течение следующего года. Быстрое соотношение 1 указывает, что текущие активы компании, минус инвентарь, в точности равны ее текущим обязательствам. Стандарт для хорошего быстрого соотношения зависит от отрасли. Быстрое соотношение может быть особенно полезным показателем ликвидности в тех отраслях, где значительная часть активов компании неликвидна, например, розничная торговля или строительство, где денежные средства связаны с запасами или оборудованием.

Рассчитываем коэффициент в Экселе

К сожалению, в Excel не заложена стандартная формула, которая бы позволила рассчитать показатель вариации автоматически. Но это не значит, что вам придётся производить расчёты в уме. Отсутствие шаблона в «Строке формул» никоим образом не умаляет способностей Excel, потому вы вполне сможете заставить программу выполнить необходимый вам расчёт, прописав соответствующую команду вручную.

Вставьте формулу и укажите диапазон данных

Для того чтобы рассчитать показатель вариации в Excel, необходимо вспомнить школьный курс математики и разделить стандартное отклонение на среднее значение выборки. То есть на деле формула выглядит следующим образом — СТАНДОТКЛОН(заданный диапазон данных)/СРЗНАЧ(заданный диапазон данных). Ввести эту формулу необходимо в ту ячейку Excel, в которой вы хотите получить нужный вам расчёт.

Не забывайте и о том, что поскольку коэффициент выражается в процентах, то ячейке с формулой нужно будет задать соответствующий формат. Сделать это можно следующим образом:

1. Откройте вкладку «Главная».
2. Найдите в ней категорию «Формат ячеек» и выберите необходимый параметр.

Как вариант, можно задать процентный формат ячейке при помощи клика по правой кнопке мыши на активированной клеточке таблицы. В появившемся контекстном меню, аналогично вышеуказанному алгоритму нужно выбрать категорию «Формат ячейки» и задать необходимое значение.

Выберите «Процентный», а при необходимости укажите число десятичных знаков

Возможно, кому-то вышеописанный алгоритм покажется сложным. На самом же деле расчёт коэффициента так же прост, как сложение двух натуральных чисел. Единожды выполнив эту задачу в Экселе, вы больше никогда не вернётесь к утомительным многосложным решениям в тетрадке.

Всё ещё не можете сделать качественное сравнение степени разброса данных? Теряетесь в масштабах выборки? Тогда прямо сейчас принимайтесь за дело и осваивайте на практике весь теоретический материал, который был изложен выше! Пусть статистический анализ и разработка прогноза больше не вызывают у вас страха и негатива. Экономьте свои силы и время вместе с табличным редактором Excel.

Сезонные коэффициенты в 1С Управление торговлей

Коэффициенты сезонности предлагают пользователю классифицировать номенклатуры по разным группам для последующего автоматического корректирования планов продаж с учетом сезонного показателя. Основные команды приведены в таблице и собраны в ней для детального изучения читателем.

№ п\п	Функциональная возможность	Описание команд ПО
1	Сезонные коэффициенты	Команда помогает распределить использование сезонных коэффициентов при планировании реализации. Эта команда доступна в администрировании в маркетинге и планировании
2	Периоды коэффициентов	Они прописываются в том же меню, но при выборе опции периодичности указания сезонных коэффициентов, где пользователь указывает свой период продолжения сезона, будь-то месяц или квартал

Базовые функции опции “Сезонные коэффициенты” в 1С Управление торговлей – в инфографике ниже:

Коэффициенты сезонности сельскохозяйственных потребителей

Вид потребителя	С е з о н
зима	весна	лето	осень
Традиционные потребители Орошение Закрытый грунт на электро-обогреве Осенне-летние потребители	1,0 0-0,1 0,3 0,2	0,8 0,3-0,5 1,0	0,7 1,0 1,0	0,9 0,2-0,5 1,0

Таблица 2.6

Зависимость годового числа часов использования максимума

от расчетной нагрузки

	Число часов использования максимума (ТМ) при характере нагрузки
коммунально-бытовая	производственная	смешанная
До 10 10-20 20-50 50-100 100-250 более 250	900 1200 1600 2000 235 2600	1100 1500 2000 2500 2700 2800	1300 1700 2200 2800 3200 3400

Таблица 2.7

Коэффициенты одновременности для суммирования электрических

нагрузок в сетях напряжением 6 – 20 кВ

Количество ТП	2	3	5	10	20	25 и более
Коэффициент одновременности (КО)	0,9	0,85	0,8	0,75	0,70	0,65

Таблица 2.8

Суммирование нагрузок в сетях 10 кВ

Р*	∆Р**	Р	∆Р	Р	∆Р	Р	∆Р	Р	∆Р	Р	∆Р
1	+0,6	34	+23,6	84	+63,5	250	+194	580	+465	910	+749
2	+1,2	35	+24,4	86	+64,0	260	+204	590	+474	920	+758
3	+1,8	36	+25,2	88	+65,5	270	+212	600	+483	930	+767
4	+2,5	37	+26,0	90	+67,0	280	+220	610	+492	940	+776
5	+3,1	38	+26,8	92	+68,5	290	+227	620	+500	950	+785
6	+3,7	39	+27,6	94	+70,0	300	+235	630	+508	960	+794
7	+4,3	40	+28,4	96	+71,5	310	+243	640	+517	970	+803
8	+5,0	41	+29,2	98	+73,0	320	+251	650	+525	980	+812
9	+5,6	42	+30,0	100	+74,5	330	+259	660	+534	990	+821
10	+6,3	43	+30,8	105	+78,0	340	+267	670	+543	1000	+830
11	+7,0	44	+31,6	110	+82,0	350	+275	680	+552	1020	+847
12	+7,7	45	+32,4	115	+86	360	+283	690	+561	1040	+865
13	+8,4	46	+33,2	120	+90	370	+291	700	+570	1060	+882
14	+9,0	47	+34,0	125	+94	380	+299	710	+578	1080	+900
15	+9,7	48	+34,8	130	+98	390	+307	720	+586	1100	+918
16	+10,4	49	+35,6	135	+102	400	+315	730	+594	1120	+935
17	+11,0	50	+36,5	140	+106	410	+323	740	+602	1140	+953
18	+11,6	52	+38,0	145	+110	420	+332	750	+610	1160	+970
19	+12,3	54	+39,5	150	+115	430	+340	760	+618	1180	+987
20	+13,0	56	+41,0	155	+119	440	+348	770	+626	1200	+1005
21	+13,7	58	+42,5	160	+123	450	+357	780	+634	1220	+1022
22	+14,4	60	+44,0	165	+127	460	+365	790	+642	1240	+1040
23	+15,1	62	+45,6	170	+131	470	+374	800	+650	1260	+1057
24	+15,8	64	+47,2	175	+135	480	+382	810	+659	1280	+1075
25	+16,5	66	+48,8	180	+139	490	+391	820	+668	1300	+1193
26	+17,2	68	+50,4	185	+143	500	+400	830	+676	1320	+1110
27	+18,0	70	+52,0	190	+147	510	+408	840	+686	1340	+1128
28	+18,8	72	+53,5	195	+151	520	+416	850	+695	1360	+1146
29	+19,6	74	+55,0	200	+155	530	+424	860	+704	1380	+1164
30	+20,4	76	+56,5	210	+162	540	+432	870	+713	1400	+1182
31	+21,2	78	+58,0	220	+170	550	+440	880	+722	1420	+1200
32	+22,0	80	+59,5	230	+178	560	+448	890	+731	1440	+1218
33	+22,8	82	+61,0	240	+186	570	+456	900	+740	1460	+1235
							4			1480	+1252
										1500	+1270

Ρ* — меньшая из слагаемых нагрузок

Ρ**- добавка к большей слагаемой нагрузке

Таблица 2.9

Коэффициенты одновременности для суммирования

электрических нагрузок в сетях 35-110 кВ

Количество подстанций 110-35/10 кВ или линий 35, 110 кВ	2	3	4 и более
Коэффициенты одновременности (КО)	0,97	0,95	0,90

Таблица2.10