基于大数据的燃料供应链区域化集中调配智能系统和方法与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及大数据技术领域，特别涉及基于大数据的燃料供应链区域化集中调配智能系统和方法。背景技术：2.燃料是电力生产的必需要素之一，因此对于电力生产来说，燃料供应链运转顺畅是非常重要的基础保障。燃料供应链包含燃料的采集、运输、存储、掺配、燃烧等环节，且燃料供应链存在供应网点多且分布分散、物流路径的线路长、物流路径多且分支复杂的特点。3.现有电力生产的燃料供应链调配已经逐步实现了信息联网，且广泛应用了各类传感器、探测设施、计量设备以及计算机设备。但是，现有的燃料供应链调配系统仍然存在以下缺点：一是体系分散，对于燃料供应链各个环节中存在的大量的网点和路径，缺乏将其有效整合为能够执行调配的功能单元的手段；二是对燃料供应链各个环节、网点、路径的作业状态，均以相关信息的输入、记录和呈现为主，智能化评估、计划和决策的能力明显不足；三是数据不能进行统一、动态地更新，存在数据滞后、数据孤岛。4.综上，现有的燃料供应链调配系统尚不能做到在每个环节都针对大宗燃料进行定时定量的精确调配作业。面对以上情况，对于燃料供应链的调配系统来说，必须提高信息化、智能化的水平，从而降低供应链运行成本、提高供应链运行效率，维持供应链运行稳定。技术实现要素：5.(一)发明目的6.鉴于上述问题，本发明的目的是提出一种基于大数据的燃料供应链区域化集中调配智能系统和方法。本发明以燃料供应链各个环节汇集的大数据为基础，将燃料供应链的网点、路径整合为区域化单元，并针对区域化单元执行智能化的评估、计划和决策，从而实现供应链的精确调配作业。7.(二)技术方案8.作为本发明的第一方面，本发明公开了一种基于大数据的燃料供应链区域化集中调配智能系统，包括：9.数据汇集单元，用于针对燃料供应链的燃料供应链的采集、运输、存储、掺配、燃烧环节，采集燃料供应链的各个网点及路径的作业数据，并按照预定的标准进行数据的规范化、汇集和存储；10.区域集中整合单元，用于基于空间分布以及所述作业数据的状态，将燃料供应链的各个网点及路径集中整合为区域化单元；11.评估决策单元，用于以所述区域化单元为基本单位，根据作业数据执行智能化的评估、计划和决策，形成所述区域化单元的精确调配方案；12.调配指令单元，用于根据所述精确调配方案，向所述区域化单元内的燃料供应链的网点和路径下达调配指令，控制所述网点和路径实施燃料调配。13.优先的是，所述区域集中整合单元根据燃料供应链的采集、运输、存储、掺配、燃烧各环节执行网点的空间位置和以及网点之间路径的联通性，将其定量化为空间分布表征参数；根据燃料供应链的各个环节的任意网点之间的该空间分布表征参数，将空间分布参数高于预设阈值的网点集中在一起，整合为一个区域化单元。14.优选的是，该评估决策单元在预设的区域化单元标准评估维度基础上，基于大数据样本的实际数据，计算各评估维度的权重比例，从而对各个评估维度的权重比例进行优化。15.优选的是，评估决策单元针对表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格作业数据的大数据样本，进行预处理，将大量样本进行分组处理，每组中的样本数量相同；其次，针对多组样本中的某一评估维度的权重比例，建立回归模型：利用大数据优化区域化单元标准评估维度中各评估维度的权重比例，获得优化后的区域化单元评估维度。16.优选的是，评估决策单元将表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据输入至优化后的区域化单元评估维度，获得区域化单元作业数据的智能化的评估结果；进而，根据该评估结果，当区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据中的任意一项或者多项评估结果低于预期评估值，则对应生成所述区域化单元的精确调配方案。17.作为本发明的另一方面，本发明公开了一种基于大数据的燃料供应链区域化集中调配智能方法，包括：18.数据汇集步骤，针对燃料供应链的燃料供应链的采集、运输、存储、掺配、燃烧环节，采集燃料供应链的各个网点及路径的作业数据，并按照预定的标准进行数据的规范化、汇集和存储；19.区域集中整合步骤，基于空间分布以及所述作业数据的状态，将燃料供应链的各个网点及路径集中整合为区域化单元；20.评估决策步骤，以所述区域化单元为基本单位，根据作业数据执行智能化的评估、计划和决策，形成所述区域化单元的精确调配方案；21.调配指令下达步骤，根据所述精确调配方案，向所述区域化单元内的燃料供应链的网点和路径下达调配指令，控制所述网点和路径实施燃料调配。22.优选的是，所述区域集中整合步骤根据燃料供应链的采集、运输、存储、掺配、燃烧各环节执行网点的空间位置和以及网点之间路径的联通性，将其定量化为空间分布表征参数；根据燃料供应链的各个环节的任意网点之间的该空间分布表征参数，将空间分布参数高于预设阈值的网点集中在一起，整合为一个区域化单元。23.优选的是，该评估决策步骤在预设的区域化单元标准评估维度基础上，基于大数据样本的实际数据，计算各评估维度的权重比例，从而对各个评估维度的权重比例进行优化。24.优选的是，评估决策步骤针对表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格作业数据的大数据样本，进行预处理，将大量样本进行分组处理，每组中的样本数量相同；其次，针对多组样本中的某一评估维度的权重比例，建立回归模型：利用大数据优化区域化单元标准评估维度中各评估维度的权重比例，获得优化后的区域化单元评估维度。25.优选的是，评估决策步骤将表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据输入至优化后的区域化单元评估维度，获得区域化单元作业数据的智能化的评估结果；进而，根据该评估结果，当区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据中的任意一项或者多项评估结果低于预期评估值，则对应生成所述区域化单元的精确调配方案。26.(三)有益效果27.本发明公开的一种基于大数据的燃料供应链区域化集中调配智能系统和方法，具有如下有益效果：28.本发明将整个燃料供应链整合为区域化单元，以区域化单元作为本发明后续的供应链集中调配的基本功能单元，解决了电力生产的燃料供应链的大量网点和路径体系分散的问题；针对区域化单元，对燃料供应链各个环节的作业状态执行智能化评估，继而执行精确化的计划和决策，从而对多个方面的作业数据进行统一化的评估和管理。本发明有效优化提高了燃料供应链集中调配的效率，降低了调配管理的复杂性。附图说明29.以下参考附图描述的实施例是示例性的，旨在用于解释和说明本发明，而不能理解为对本发明的保护范围的限制。30.图1是本发明公开的基于大数据的燃料供应链区域化集中调配智能系统的框架示意图；31.图2是本发明公开的基于大数据的燃料供应链区域化集中调配智能方法的流程图。具体实施方式32.为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。33.需要说明的是：在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。34.下面参考图1详细描述本发明公开的一种基于大数据的燃料供应链区域化集中调配智能系统。该系统包括：35.数据汇集单元，用于针对燃料供应链的燃料供应链的采集、运输、存储、掺配、燃烧环节，采集燃料供应链的各个网点及路径的作业数据，并按照预定的标准进行数据的规范化、汇集和存储；36.区域集中整合单元，用于基于空间分布以及所述作业数据的状态，将燃料供应链的各个网点及路径集中整合为区域化单元；37.评估决策单元，用于以所述区域化单元为基本单位，根据作业数据执行智能化的评估、计划和决策，形成所述区域化单元的精确调配方案；38.调配指令单元，用于根据所述精确调配方案，向所述区域化单元内的燃料供应链的网点和路径下达调配指令，控制所述网点和路径实施燃料调配。39.具体来说，目前，电力生产的燃料供应链调配已经逐步实现了信息联网，且广泛应用了各类传感器、探测设施、计量设备以及计算机设备。以此为基础，在燃料供应链的采集、运输、存储、掺配、燃烧等各个环节，每个网点和路径均可以将自身的作业数据实时录入，并上传到供应链数据中心。例如，每个网点或物流路径的主管单位可将表示燃料的实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据录入并上传到供应链数据中心。40.所述数据汇集单元位于该供应链数据中心，作为供应链数据中心与各个网点、路径的接口单元，该数据汇集单元能够接收燃料供应链的各个网点及路径上传的上述作业数据，并按照预定的标准进行数据的规范化、汇集和存储。41.区域集中整合单元，用于基于空间分布的状态，将燃料供应链的各个网点及路径集中整合为区域化单元。42.具体来说，该区域集中整合单元首先根据燃料供应链的采集、运输、存储、掺配、燃烧各环节执行网点的空间位置和以及网点之间路径的联通性，将其定量化为空间分布表征参数。43.将燃料供应链以上采集、运输、存储、掺配、燃烧环节中的两个顺次环节上的2个网点表示为ns和nt，例如对于燃料采集环节的一个采集点为ns，燃料燃烧环节的一个炉点为nt，将联通以上网点ns和nt的燃料供应的可用路径的数量表示为l(s，t)，将l(s，t)条可用路径分别记为且将每条可用路径的长度表示为则以上网点ns和nt的空间分布表征参数定义为：[0044][0045]进而，根据燃料供应链的各个环节的任意网点之间的该空间分布表征参数，将空间分布参数高于预设阈值的网点集中在一起，整合为一个区域化单元。从而，将整个燃料供应链整合为区域化单元。以区域化单元作为本发明后续的供应链集中调配的基本功能单元，解决了电力生产的燃料供应链的大量网点和路径体系分散的问题。[0046]评估决策单元针对所述区域集中整合单元集中整合形成的每个区域化单元作为基本单位，根据归属于该区域化单元的网点或物流路径所上传的作业数据，执行智能化的评估、计划和决策，形成所述区域化单元的精确调配方案。[0047]评估决策单元确定对区域化单元进行智能化评估的优化评估维度。该评估决策单元在预设的区域化单元标准评估维度基础上，基于大数据样本的实际数据，计算各评估维度的权重比例，从而对各个评估维度的权重比例进行优化。[0048]具体来说，评估决策单元基于大数据样本，利用回归分析法，计算出各评估维度的权重比例。首先，评估决策单元先针对表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据的大数据样本，进行预处理，将大量样本进行分组处理，每组中的样本数量相同；其次，针对多组样本中的某一评估维度的权重比例，建立回归模型：[0049][0050]其中，a表示某一评估维度的权重比例，aij表示第i组中第j份样本的样本赋值，i，j＝1，2，3……n；进一步地，求解矩阵a对应的权重向量向量中的元素表示各组样本对评估维度的样本权重，每组样本权重比例的计算公式如下所示：[0051][0052]进一步地，根据权重向量w计算不同样本组的评估维度的样本权重比例，并将相似样本权重比例的样本进行分组，其中每组中的样本组个数相同，且每个样本组内的样本数量相同，计算相似样本权重的相似程度，获得相似矩阵r：[0053][0054]其中，rmn表示第m组样本中的的第i个样本的样本权重比例；进一步，求解r对应的相似程度，计算公式为：[0055][0056]由公式可以看出，rij越接近于1，样本组的权重比例就越相似，所以r为中心对称矩阵且中心为1；进一步地，通过样本组比较，可以得到样本组之间的相似程度系数，为了比较整体情况的偏离程度，可通过以下公式进行计算：[0057][0058]其中，xi表示相似矩阵r中每行元素之和，即第i组样本组的评估维度的样本权重比例与区域化单元标准评估维度的权重比例之间的偏差程度，xi值越小表示偏离程度越大，即第i组样本的样本权重比例与其他样本组结果之间存在较大分歧或出入。[0059][0060]其中，x＝(x1，x2…xn)，i＝1，2，…，n，x分别列出了各组样本组权重比例之间的偏离程度，pi表示第i组样本的评估维度的样本权重比例与最大相似系数的权重之间的差距，差距值越大表示该样本组样本权重比例结论偏离整体水平越大，当pi的值大于一定限度时，应予以舍弃。通过上述步骤，利用大数据优化区域化单元标准评估维度中各评估维度的权重比例，从而获得优化后的区域化单元评估维度。[0061]评估决策单元将表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据输入至优化后的区域化单元评估维度，获得区域化单元作业数据的智能化的评估结果。进而，根据该评估结果，当区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据中的任意一项或者多项评估结果低于预期评估值，则对应生成所述区域化单元的精确调配方案。[0062]进而，所述调配指令单元，用于根据所述精确调配方案，向所述区域化单元内的燃料供应链的网点和路径下达调配指令，控制所述网点和路径实施燃料调配。[0063]下面参考图2详细描述本发明公开的一种基于大数据的燃料供应链区域化集中调配智能方法，具体包括以下步骤：[0064]数据汇集步骤，针对燃料供应链的燃料供应链的采集、运输、存储、掺配、燃烧环节，采集燃料供应链的各个网点及路径的作业数据，并按照预定的标准进行数据的规范化、汇集和存储；[0065]区域集中整合步骤，基于空间分布以及所述作业数据的状态，将燃料供应链的各个网点及路径集中整合为区域化单元；[0066]评估决策步骤，以所述区域化单元为基本单位，根据作业数据执行智能化的评估、计划和决策，形成所述区域化单元的精确调配方案；[0067]调配指令下达步骤，根据所述精确调配方案，向所述区域化单元内的燃料供应链的网点和路径下达调配指令，控制所述网点和路径实施燃料调配。[0068]具体来说，所述数据汇集步骤通过供应链数据中心，接收燃料供应链的各个网点及路径上传的作业数据，并按照预定的标准进行数据的规范化、汇集和存储。[0069]区域集中整合步骤，用于基于空间分布的状态，将燃料供应链的各个网点及路径集中整合为区域化单元。[0070]具体来说，该区域集中整合步骤首先根据燃料供应链的采集、运输、存储、掺配、燃烧各环节执行网点的空间位置和以及网点之间路径的联通性，将其定量化为空间分布表征参数。[0071]将燃料供应链以上采集、运输、存储、掺配、燃烧环节中的两个顺次环节上的2个网点表示为ns和nt，例如对于燃料采集环节的一个采集点为ns，燃料燃烧环节的一个炉点为nt，将联通以上网点ns和nt的燃料供应的可用路径的数量表示为l(s，t)，将l(s，t)条可用路径分别记为且将每条可用路径的长度表示为则以上网点ns和nt的空间分布表征参数定义为：[0072][0073]进而，根据燃料供应链的各个环节的任意网点之间的该空间分布表征参数，将空间分布参数高于预设阈值的网点集中在一起，整合为一个区域化单元。从而，将整个燃料供应链整合为区域化单元。以区域化单元作为本发明后续的供应链集中调配的基本功能单元，解决了电力生产的燃料供应链的大量网点和路径体系分散的问题。[0074]评估决策步骤针对所述区域集中整合步骤集中整合形成的每个区域化单元作为基本单位，根据归属于该区域化单元的网点或物流路径所上传的作业数据，执行智能化的评估、计划和决策，形成所述区域化单元的精确调配方案。[0075]评估决策步骤确定对区域化单元进行智能化评估的优化评估维度。该评估决策步骤在预设的区域化单元标准评估维度基础上，基于大数据样本的实际数据，计算各评估维度的权重比例，从而对各个评估维度的权重比例进行优化。[0076]具体来说，评估决策步骤基于大数据样本，利用回归分析法，计算出各评估维度的权重比例。首先，评估决策步骤先针对表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据的大数据样本，进行预处理，将大量样本进行分组处理，每组中的样本数量相同；其次，针对多组样本中的某一评估维度的权重比例，建立回归模型：[0077][0078]其中，a表示某一评估维度的权重比例，aij表示第i组中第j份样本的样本赋值，i，j＝1，2，3……n；进一步地，求解矩阵a对应的权重向量向量中的元素表示各组样本对评估维度的样本权重，每组样本权重比例的计算公式如下所示：[0079][0080]进一步地，根据权重向量w计算不同样本组的评估维度的样本权重比例，并将相似样本权重比例的样本进行分组，其中每组中的样本组个数相同，且每个样本组内的样本数量相同，计算相似样本权重的相似程度，获得相似矩阵r：[0081][0082]其中，rmn表示第m组样本中的的第i个样本的样本权重比例；进一步，求解r对应的相似程度，计算公式为：[0083][0084]由公式可以看出，rij越接近于1，样本组的权重比例就越相似，所以r为中心对称矩阵且中心为1；进一步地，通过样本组比较，可以得到样本组之间的相似程度系数，为了比较整体情况的偏离程度，可通过以下公式进行计算：[0085][0086]其中，xi表示相似矩阵r中每行元素之和，即第i组样本组的评估维度的样本权重比例与区域化单元标准评估维度的权重比例之间的偏差程度，xi值越小表示偏离程度越大，即第i组样本的样本权重比例与其他样本组结果之间存在较大分歧或出入。[0087][0088]其中，x＝(x1，x2……xn)，i＝1，2，…，n，x分别列出了各组样本组权重比例之间的偏离程度，pi表示第i组样本的评估维度的样本权重比例与最大相似系数的权重之间的差距，差距值越大表示该样本组样本权重比例结论偏离整体水平越大，当pi的值大于一定限度时，应予以舍弃。通过上述步骤，利用大数据优化区域化单元标准评估维度中各评估维度的权重比例，从而获得优化后的区域化单元评估维度。[0089]评估决策步骤将表示区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据输入至优化后的区域化单元评估维度，获得区域化单元作业数据的智能化的评估结果。进而，根据该评估结果，当区域化单元的燃料实时产量、库存量、输运量、掺配比例、掺配种类、燃烧消耗量、采购指标量、采购价格、运输价格等作业数据中的任意一项或者多项评估结果低于预期评估值，则对应生成所述区域化单元的精确调配方案。[0090]进而，所述调配指令步骤用于根据所述精确调配方案，向所述区域化单元内的燃料供应链的网点和路径下达调配指令，控制所述网点和路径实施燃料调配。[0091]从而，本发明将整个燃料供应链整合为区域化单元，以区域化单元作为本发明后续的供应链集中调配的基本功能单元，解决了电力生产的燃料供应链的大量网点和路径体系分散的问题；针对区域化单元，对燃料供应链各个环节的作业状态执行智能化评估，继而执行精确化的计划和决策，从而对多个方面的作业数据进行统一化的评估和管理。本发明有效优化提高了燃料供应链集中调配的效率，降低了调配管理的复杂性。[0092]以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!