林江剛

(江蘇省工程咨詢中心，江蘇 南京 210003)

能源互聯(lián)網(wǎng)是進入21世紀(jì)后在“互聯(lián)網(wǎng)+”能源的基本架構(gòu)上搭建起來的，將發(fā)電、輸變電、能源燃料供應(yīng)等各個領(lǐng)域的物聯(lián)網(wǎng)數(shù)據(jù)進行充分整合，最終形成的互聯(lián)網(wǎng)體系。能源互聯(lián)網(wǎng)的本質(zhì)是能源大數(shù)據(jù)，其功能實現(xiàn)來自對大數(shù)據(jù)的深度挖掘和人工智能技術(shù)。在能源互聯(lián)網(wǎng)支持下，各電廠的能源燃料配送、各種相關(guān)設(shè)施的耗材和設(shè)備配件供應(yīng)，以及相關(guān)的供應(yīng)鏈保障措施，在理論上可以得到大數(shù)據(jù)支持，即保證整個相關(guān)供應(yīng)鏈體系可以得到有效監(jiān)控并提供數(shù)據(jù)預(yù)警。

文獻[1]研究了將能源互聯(lián)網(wǎng)的數(shù)據(jù)融合用于解決能源產(chǎn)業(yè)的運行效率，其中實現(xiàn)智慧供應(yīng)鏈?zhǔn)窃撐墨I的重要展望方向；陳積光等[2]研究了在電力系統(tǒng)物聯(lián)網(wǎng)基礎(chǔ)上搭建智慧供應(yīng)鏈的有效途徑；賈景姿等[3]在供應(yīng)鏈運作參考模型(supply-chain operations reference model,SCOR模型)基礎(chǔ)上對能源互聯(lián)網(wǎng)體系進行了優(yōu)化，并使其大數(shù)據(jù)得到了更深度的挖掘應(yīng)用；王棟等[4]研究了將區(qū)塊鏈的智能合約技術(shù)應(yīng)用到能源互聯(lián)網(wǎng)智慧供應(yīng)鏈的實現(xiàn)過程，實現(xiàn)了去中心化的智慧供應(yīng)鏈模式。

可以看出，2015年前能源互聯(lián)網(wǎng)及其應(yīng)用仍處于概念研究階段，該技術(shù)在當(dāng)前技術(shù)條件下仍為“互聯(lián)網(wǎng)+”能源體系中的前沿課題，但因為早期單項物聯(lián)網(wǎng)的硬件建設(shè)已經(jīng)初具規(guī)模，所以能源互聯(lián)網(wǎng)的相關(guān)功能建設(shè)推進速度較快[5]。本文對能源互聯(lián)網(wǎng)支持智慧供應(yīng)鏈的功能實現(xiàn)進行研究，有助于進一步完善能源互聯(lián)網(wǎng)的整體研究[6]。

1 能源互聯(lián)網(wǎng)與智慧供應(yīng)鏈技術(shù)基礎(chǔ)分析

1.1 能源互聯(lián)網(wǎng)的技術(shù)基礎(chǔ)

眾所周知，能源互聯(lián)網(wǎng)的本質(zhì)是對與能源相關(guān)的物聯(lián)網(wǎng)、互聯(lián)網(wǎng)數(shù)據(jù)進行融合。物聯(lián)網(wǎng)數(shù)據(jù)通過網(wǎng)橋設(shè)施與公共互聯(lián)網(wǎng)整合，同時在各相關(guān)互聯(lián)網(wǎng)數(shù)據(jù)中心(internet data center，IDC)的應(yīng)用程序接口(application programming interface，API)服務(wù)器之間構(gòu)建邏輯連接。而能源互聯(lián)網(wǎng)本身的云計算架構(gòu)需要在專用IDC中構(gòu)建，用于控制能源互聯(lián)網(wǎng)本身的數(shù)據(jù)資源并提供相應(yīng)的云計算功能，如圖1所示。

圖1 能源互聯(lián)網(wǎng)的數(shù)據(jù)來源及數(shù)據(jù)采集模式

圖1中，獨立物聯(lián)網(wǎng)數(shù)據(jù)通過協(xié)議轉(zhuǎn)化網(wǎng)橋與公共互聯(lián)網(wǎng)連接，特定IDC下的功能物聯(lián)網(wǎng)將數(shù)據(jù)整合到本地IDC后，IDC數(shù)據(jù)與公共互聯(lián)網(wǎng)連接，部分不涉及物聯(lián)網(wǎng)的相關(guān)功能IDC機房的相關(guān)數(shù)據(jù)直接與公共互聯(lián)網(wǎng)連接，而能源互聯(lián)網(wǎng)的專用IDC設(shè)施從公共互聯(lián)網(wǎng)中獲得相關(guān)數(shù)據(jù)，數(shù)據(jù)在各自API服務(wù)器之間使用加密傳輸構(gòu)建邏輯連接[7]。

能源互聯(lián)網(wǎng)專用IDC的構(gòu)建模式與傳統(tǒng)IDC并無顯著差異，其數(shù)據(jù)倉庫部分、計算中心部分、云計算服務(wù)支持部分、任務(wù)管理部分、防火墻及網(wǎng)絡(luò)安全部分、路由及訪問行為控制部分均使用常規(guī)布局；與其他相關(guān)IDC和網(wǎng)橋設(shè)施之間的數(shù)據(jù)傳輸，使用基于API服務(wù)器搭建的加密邏輯連接構(gòu)成虛擬子網(wǎng)，以滿足在公共互聯(lián)網(wǎng)上傳遞弱脫敏涉密數(shù)據(jù)的傳輸需要[8]。在王楠[9]對于基于區(qū)塊鏈實現(xiàn)可搜索加密公平性的研究中可以看出，使用區(qū)塊鏈加密技術(shù)或使用其他對稱密鑰加密等手段，可以保障數(shù)據(jù)的安全性。

1.2 智慧供應(yīng)鏈的技術(shù)基礎(chǔ)

智慧供應(yīng)鏈的基本架構(gòu)能否不斷地運行，關(guān)鍵在于物資的物流和交易過程，在交易過程上構(gòu)建交易平臺、物資數(shù)據(jù)平臺、物流追溯平臺、供應(yīng)鏈金融平臺，對于智慧供應(yīng)鏈的運行起到了極為關(guān)鍵的作用。智慧供應(yīng)鏈可以通過相關(guān)數(shù)據(jù)來判斷相關(guān)物資的倉儲量和需求量的關(guān)系，且可以實現(xiàn)對相關(guān)物資和供應(yīng)鏈資金的調(diào)用，如圖2所示。

圖2 智慧供應(yīng)鏈的基本構(gòu)成圖

圖2中，以相關(guān)物資的實際流通過程構(gòu)成物流層，相關(guān)的物聯(lián)網(wǎng)體系包括倉庫管理系統(tǒng)、物流管理系統(tǒng)、進銷存系統(tǒng)、內(nèi)部市場化系統(tǒng)等。該體系通過獲取倉庫內(nèi)的相關(guān)物資的數(shù)量推算其用量，服務(wù)于物流層的各個相關(guān)功能。金融層中相關(guān)賬戶的授信額度和賬戶余額，也作為信息反饋給智慧供應(yīng)鏈相關(guān)功能模塊。智慧供應(yīng)鏈系統(tǒng)的數(shù)據(jù)來源見表1。

表1 智慧供應(yīng)鏈的數(shù)據(jù)來源匯總表

2 智慧供應(yīng)鏈的數(shù)據(jù)分析算法

2.1 數(shù)據(jù)回歸及曲線估計策略設(shè)計

五階多項式回歸在大部分數(shù)據(jù)分析平臺中均可得到應(yīng)用，包括金山的VBS數(shù)據(jù)分析、Python的數(shù)據(jù)分析、LAMP的數(shù)據(jù)分析等平臺。這些數(shù)據(jù)分析平臺將數(shù)據(jù)回歸和曲線估計過程進行了封裝，所以本文僅對數(shù)據(jù)回歸及曲線估計的策略進行分析。五階多項式在1/10周期內(nèi)擁有較高的數(shù)據(jù)趨勢信度，在1/100周期內(nèi)擁有較高的數(shù)據(jù)量值信度，即在1 000步長的離散數(shù)據(jù)中，使用五階多項式策略進行曲線估計，向前延伸100步長，其數(shù)據(jù)趨勢仍有較高信度，向前延伸10步長，其數(shù)據(jù)量值仍有較高信度。

五階多項式的基函數(shù)為：

(1)

式中：Y為最終估計的曲線；M為原數(shù)據(jù)的總步長數(shù)；Aj為在第j階多項式項中的待回歸變量；Xi為第i個輸入數(shù)據(jù)。

為充分做出數(shù)列的曲線估計，提升最終的數(shù)據(jù)量值估計精度和數(shù)據(jù)信度，可以采用原值-差值法進行雙向回歸和數(shù)據(jù)擬合。即對Xi序列進行回歸的同時，使用ΔXi=Xi-Xi-1構(gòu)成差值序列，并對差值序列同步進行曲線估計。實際的曲線估計預(yù)測值使用下述平差算法進行數(shù)據(jù)擬合：

(2)

式中：Y′(Xi)為平差后的最終估計值；Y(Xi)為第i個步長的量值估計值；ΔY(Xi)為第i個步長的差值估計值。

式(2)為迭代公式，經(jīng)過深度迭代后，該估計值將更加精確。表1中買方倉庫的物資余量、買方倉庫的物資調(diào)用量、買方支付賬戶資金余額、買方授信余額等信息，均需要進行曲線估計分析并作出預(yù)警。

2.2 數(shù)據(jù)預(yù)警的模糊矩陣設(shè)計

為每個數(shù)據(jù)設(shè)定一個預(yù)警紅線，即該值低于或者高于該預(yù)警紅線時，代表該數(shù)據(jù)應(yīng)被管理干預(yù)。低于紅線預(yù)警的數(shù)據(jù)，被稱作上部控制數(shù)據(jù)；高于紅線預(yù)警的數(shù)據(jù)，被稱作下部控制數(shù)據(jù)。其中，物資余量、支付賬戶資金余額、授信余額等，為上部控制數(shù)據(jù)，物資調(diào)用量數(shù)據(jù)為下部控制數(shù)據(jù)。為使數(shù)據(jù)預(yù)警更加具有前瞻性，對數(shù)據(jù)紅線進行衍生層次劃分，見表2。

表中X為預(yù)警紅線值，如1.0X就是1.0倍預(yù)警紅線值。針對該紅線衍生層次布局，對下部控制方法和上部控制方法設(shè)定數(shù)據(jù)預(yù)警模糊矩陣，可得表3和表4。表4中D為曲線估計結(jié)果的導(dǎo)數(shù)值等效斜率。

在該模糊矩陣策略下，可以實現(xiàn)對表1中買方倉庫的物資余量、買方倉庫的物資調(diào)用量、買方支付賬戶資金余額、買方授信余額等信息的曲線估計結(jié)果進行一定前瞻周期的數(shù)據(jù)預(yù)警。其算法數(shù)據(jù)流如圖3所示。

表2 數(shù)據(jù)紅線的衍生層次布局設(shè)計表

表3 下部控制方法模糊控制矩陣設(shè)計

表4 上部控制方法模糊控制矩陣設(shè)計

圖3 本文算法的數(shù)據(jù)流圖

3 數(shù)據(jù)仿真驗證及討論

3.1 本文系統(tǒng)的數(shù)據(jù)仿真驗證

本文選擇2個變電站、2個燃煤發(fā)電廠、2個風(fēng)光一體化新能源電廠共6個能源互聯(lián)網(wǎng)用戶的設(shè)備庫智慧供應(yīng)鏈歷史數(shù)據(jù)作為數(shù)據(jù)仿真驗證原始數(shù)據(jù)，按照1/10的數(shù)據(jù)劃分，使用前90%數(shù)據(jù)作為實驗數(shù)據(jù)，使用后10%數(shù)據(jù)作為驗證數(shù)據(jù)。數(shù)據(jù)的曲線估計結(jié)果偏差程度的仿真結(jié)果詳見表5。

表5 數(shù)據(jù)仿真準(zhǔn)確率結(jié)果表 %

從表5可以看到，對1/100步長比的短周期數(shù)據(jù)估計值，數(shù)據(jù)精度控制在±1.00%以內(nèi)；對5/100步長比的中長周期數(shù)據(jù)的估計值，數(shù)據(jù)精度控制在±2.00%以內(nèi)；對10/100步長比的長周期數(shù)據(jù)的估計值，數(shù)據(jù)精度控制在±6.00%以內(nèi)。如此可以認為，本文設(shè)計的算法在實際分析過程中，在1/100步長比的短周期數(shù)據(jù)和5/100步長比的中長周期數(shù)據(jù)中，數(shù)據(jù)精度處理擁有較高的參考價值；而在10/100步長比的長周期數(shù)據(jù)中，對數(shù)據(jù)變化趨勢有較高的參考價值。

在10/100步長比條件下，如果數(shù)據(jù)的曲線估計可用的原始數(shù)據(jù)時間設(shè)定為2 a，步長為1 d，那么，可用原始數(shù)據(jù)步長數(shù)為730條的記錄，其短周期估計能力為7 d，中長周期估計能力為35 d(約1月)，長周期估計能力為73 d(約2.5月)。由此可知，該估計能力可以基本滿足大部分供應(yīng)鏈的實際智慧運行需求。

3.2 本文系統(tǒng)的應(yīng)用場景

本文系統(tǒng)中對買方庫存的曲線估計及數(shù)據(jù)預(yù)警，可以幫助能源系統(tǒng)的運行管理單位及時制定產(chǎn)品的采購計劃，防止出現(xiàn)相應(yīng)問題后因為備用物資儲備不足而導(dǎo)致系統(tǒng)維護延期，更可以避免因過度儲備相應(yīng)物資造成的資金浪費。

在對買方支付賬戶及相關(guān)授信進行數(shù)據(jù)預(yù)警時，一方面可以幫助能源系統(tǒng)的運行管理單位及時調(diào)整資金規(guī)劃，確保供應(yīng)鏈的資金供應(yīng)，選擇對應(yīng)金融機構(gòu)的資金服務(wù)項目；另一方面也可與合作金融機構(gòu)合作，實現(xiàn)對特定賬戶的主動授信管理，完善相應(yīng)的金融服務(wù)產(chǎn)品和金融服務(wù)體系。

在本文系統(tǒng)的后續(xù)延伸開發(fā)中，還可以引入其他數(shù)據(jù)的采集和分析過程，實現(xiàn)更多的智慧供應(yīng)鏈應(yīng)用。

3.3 相關(guān)算法的選擇原則

如圖3所示，本文在選擇算法時，并未采用機器學(xué)習(xí)相關(guān)算法。這是因為機器學(xué)習(xí)的統(tǒng)計學(xué)本質(zhì)就是數(shù)據(jù)的深度迭代回歸，而本文不僅采用了順序程序下的深度迭代差值分析和平差計算，同時還兼用剛性算法完成對數(shù)據(jù)的曲線估計。這是由于機器學(xué)習(xí)過程需要更多的數(shù)據(jù)倉庫存量數(shù)據(jù)和更大算力的浮點工作站提供支持，且數(shù)據(jù)響應(yīng)周期較長，硬件占用量較大。

本文對于相關(guān)算法的選擇過程中，采用了較少的浮點工作站算力，實現(xiàn)了在最小IDC規(guī)模下更高精度的數(shù)據(jù)曲線估計和迭代回歸分析。但是在實際算法設(shè)計過程中，本著足夠但不過度冗余的算法設(shè)計理念，可以使用最小硬件條件和數(shù)據(jù)生產(chǎn)環(huán)境，實現(xiàn)需求的功能。本文的IDC系統(tǒng)占用的硬件較少，可以與用戶機構(gòu)管理中的其他相關(guān)IDC設(shè)施一起實現(xiàn)機房物理空間的共享，節(jié)省了電力、空調(diào)等其他IDC附屬設(shè)施的投資。該算法選擇過程本身也是供應(yīng)鏈優(yōu)化的重要組成部分。

4 結(jié)束語

能源互聯(lián)網(wǎng)是一種新型的“互聯(lián)網(wǎng)+”能源的實現(xiàn)方式，也是重要的戰(zhàn)略互聯(lián)網(wǎng)資源，其目的是為了保障能源系統(tǒng)的充分數(shù)據(jù)融合，同時實現(xiàn)更豐富的應(yīng)用層功能，在各項功能的應(yīng)用下提升能源系統(tǒng)相關(guān)企業(yè)和機構(gòu)的“互聯(lián)網(wǎng)+”行業(yè)生態(tài)優(yōu)化效果。本文采用的算法實現(xiàn)了長周期數(shù)據(jù)預(yù)警的基本功能，可以在現(xiàn)有能源互聯(lián)網(wǎng)硬件基礎(chǔ)上實現(xiàn)精準(zhǔn)的智慧供應(yīng)鏈數(shù)據(jù)支持。