CN116071102A - 一种基于订单的电力变压器供应预警方法及系统 - Google Patents
一种基于订单的电力变压器供应预警方法及系统 Download PDFInfo
- Publication number
- CN116071102A CN116071102A CN202310215966.6A CN202310215966A CN116071102A CN 116071102 A CN116071102 A CN 116071102A CN 202310215966 A CN202310215966 A CN 202310215966A CN 116071102 A CN116071102 A CN 116071102A
- Authority
- CN
- China
- Prior art keywords
- copper
- silicon steel
- power transformer
- time
- steel sheet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000010949 copper Substances 0.000 claims abstract description 167
- 229910000976 Electrical steel Inorganic materials 0.000 claims abstract description 137
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 136
- 229910052802 copper Inorganic materials 0.000 claims abstract description 136
- 239000002994 raw material Substances 0.000 claims abstract description 106
- 238000013507 mapping Methods 0.000 claims abstract description 29
- 230000010485 coping Effects 0.000 claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims description 46
- 239000000463 material Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 7
- 241001123248 Arma Species 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910000746 Structural steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
Landscapes
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力变压器供应预警技术领域。一种基于订单的电力变压器供应预警方法建立电力变压器规格型号与原材料重量映射表;基于所述映射表,确定硅钢片和铜的第一预设时间段内的历史价格,并预测所述硅钢片和所述铜在的第二时间段内的价格,其中,所述硅钢片和所述铜为所述电力变压器制作材料,所述第二时间段表示订单签订时到订单交付时间段;根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,确定临期交货时长,其中,所述交货期表示距离交货的时间;根据所述临期交货时长,确定所述预警条件;根据所述警示条件,提出预警信息;基于预警信息,确定应对策略。具有警示性好,提升供应链的韧性和稳定性。
Description
技术领域
本发明涉及电力变压器供应预警技术领域,尤其是涉及一种基于订单的电力变压器供应预警方法及系统。
背景技术
全球大宗价格持续波动,带动硅钢片和铜等原材料价格剧烈波动,对以硅钢片和铜为主要原料的电力变压器供应链稳定运行提出了更高的要求,需要判断硅钢片和铜等原材料价格对电力变压器产生的影响,例如,签订电力变压器的订单,需要判断电力变压器的生产量、生产时间以及在生产的时间段内硅钢片和铜的价格,避免签订了订单时存在利润空间,但是在完成订单的过程中,受到原材料价格上涨的影响,导致最终交付订单时,利润为负。
基于上述原因亟需一种能够根据订单的电力变压器所需要的硅钢片和铜的价格波动对电力变压器供应链的扰动分析方法。
发明内容
本发明的目的在于提供一种基于订单的电力变压器供应预警方法及系统,该基于订单的电力变压器供应预警方法及系统能够解决订单的电力变压器所需要的硅钢片和铜价格波动对电力变压器供应链的扰动所造成的影响。
本发明第一方面提供一种基于订单的电力变压器供应预警方法,方法包括:
建立电力变压器规格型号与原材料重量映射表;
基于所述映射表,确定硅钢片和铜的第一预设时间段内的历史价格,并预测所述硅钢片和所述铜在的第二时间段内的价格,其中,所述硅钢片和所述铜为所述电力变压器制作材料,所述第二时间段表示订单签订时到订单交付时间段;
根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,确定临期交货时长,其中,所述交货期表示距离交货的时间;
根据所述临期交货时长,确定所述预警条件;
根据所述警示条件,提出预警信息;
基于预警信息,确定应对策略。
可实施的一种方式中,所述建立电力变压器规格型号与原材料重量映射表的步骤,包括:
获取不同规格型号的电力变压器信息,确定所述不同规格型号的电力变压器中所述硅钢片和所述铜占原材料的比重;
基于所述硅钢片和所述铜的比重,建立所述原材料与所述电力变压器规格型号的映射表。
可实施的一种方式中,所述根据硅钢片和铜的第一预设时间段内的历史价格,预测所述硅钢片和所述铜在的第二时间段内的价格的步骤,包括:
获取所述硅钢片和所述铜的第一预设时间段内的历史价格;
根据经验模态分解法分别将所述硅钢片和所述铜的价格历史序列分解为多个序列;
根据层次聚类法,将多个所述序列重构形成高频、中频和低频数据,以及趋势项四个序列;
分别根据四个序列的特征分布采用ARMA模型、神经网络模型以及非线性回归进行预测;
将预测的四个序列,确定预测结果,其中,所述预测结果表示所述硅钢片和所述铜在的第二时间段内的价格。
可实施的一种方式中,所述根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,确定临期交货时长的步骤,包括:
获取实际交货期,以及电力变压器生产所需时间;
基于实际交货期以及电力变压器生产所需时间,确定电力变压器生产的起始时间;
根据所述第二时间段内的价格,确定所述电力变压器生产的起始时间的所述硅钢片和所述铜的价格。
可实施的一种方式中,所述根据所述临期交货时长,确定所述预警条件的步骤,包括:
根据所述临期交货时长,确定所述电力变压器生产的起始时间的所述硅钢片和所述铜的价格,其中,
订单签订时刻原材料成本计算公式:
pcon(Cu)=NCu×pCu(t签订)
pcon(Si)=NSi×pSi(t签订)
pcon(原)=pcon(Cu)+pcon(Si)
其中,所述pcon(Cu)、pcon(Si)分别表示合同签订时刻原材料铜、硅钢片的成本,NCu、NSi分别表示铜、硅钢片的重量,pCu(t签订)、pSi(t签订)分别表示合同签订时刻原材料铜、硅钢片的价格,Pcon(原)表示合同签订时刻原材料铜、硅钢片合计价格;
建立合同执行时刻原材料成本计算公式:
p′con(Cu)=NCu×pCu(t执行)
p′con(Si)=NSi×pSi(t执行)
p′con(原)=p′con(Cu)+p′con(Si)
其中,p’con(Cu)、p’con(Si)分别表示合同执行时刻原材料铜、硅钢片的成本,p’con(原)表示合同执行时刻原材料合计价格;
预警识别条件为:
其中,pcon表示电力变压器合同价格。
可实施的一种方式中,所述根据所述警示条件,提出预警信息的步骤,包括:
根据所述警示条件,确定所述预警级别阈值,其中,计算公式为:
其中,error表示为模型误差,profit-rate是利润率,min(),max()分别对应表示比较取最小值和最大值,Default-cost表示违约成本。
可实施的一种方式中,所述基于预警信息,确定应对策略的步骤,包括:
若所述应对策略为公式(1),表示所述原材料价格大于零,且小于合同签订时的设定所述原材料价格上涨的第一阈值,根据已有原材料以及需要原材料,确定补充原材料所需的第一时间;
若所述应对策略为公式(2),表示所述原材料价格大于合同签订时的设定所述原材料价格上涨的第一阈值,已有原材料以及需要原材料,确定原材料准备的第二时间;
若所述应对策略为公式(3),表示所述原材料价格大于合同签订时的设定所述原材料价格上涨第二阈值,取消所述合同;其中,
所述第二阈值大于所述第一阈值,且所述第一阈值和所述第二阈值均表示所述价格上涨的百分比。
本申请第二方面提供一种基于订单的电力变压器供应预警系统,应用于前述的基于订单的电力变压器供应预警方法,所述系统包括:
建立单元,用于建立电力变压器规格型号与原材料重量映射表;
预测单元,用于基于所述映射表,确定硅钢片和铜的第一预设时间段内的历史价格,并预测所述硅钢片和所述铜在的第二时间段内的价格,其中,所述硅钢片和所述铜为所述电力变压器制作材料,所述第二时间段表示订单签订时到订单交付时间段;
临期交货时长单元,用于根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,其中,所述交货期表示距离交货的时间;确定临期交货时长;
预警条件单元,用于根据所述临期交货时长,确定所述预警条件;
提出警示信息单元,用于根据所述警示条件,提出预警信息;
应对策略单元,用于基于预警信息,确定应对策略。
本申请第三方面提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现前述的一种基于订单的电力变压器供应预警方法。
本申请第四方面提供一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现前述的一种基于订单的电力变压器供应预警方法的步骤。
本发明有益效果:
建立变压器规格型号与原材料重量映射表,基于映射表,确定所需要的硅钢片和铜的第一预设时间段内的历史价格,并预测所述硅钢片和所述铜在的第二时间段内的价格;再根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,确定临期交货时长;接下来,根据所述临期交货时长,确定所述预警条件;然后,根据所述警示条件,提出预警信息;最后基于预警信息,确定应对策略。利用上述方式,可通过映射表得到硅钢片和铜所需要的数量以及第一预设时间段内的历史价格,并根据第一预设时间段内的历史价格预设第二时间段内的硅钢片和铜的价格,实时分析变压器预期合同执行价格与中标价格异动变化。在得到第二时间段内的硅钢片和铜的价格以及交货期的时长的情况下,及时提醒内、外部各方提早做好应对措施,全面提升变压器供应链韧性和稳定性,为服务电网企业生产建设、服务电力保供提供坚强物资保障。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于订单的电力变压器供应预警方法的流程图;
图2为本发明一种基于订单的电力变压器供应预警方法的建立映射表的流程图;
图3为本发明一种基于订单的电力变压器供应预警方法的预测第二时间段的价格流程图;
图4为本发明一种基于订单的电力变压器供应预警方法的确定原材料价格预测模型中原材料的价格流程图;
图5为本发明一种基于订单的电力变压器供应预警方法的实施例的硅钢(30Q120)月度均价走势图;
图6为本发明一种基于订单的电力变压器供应预警方法的层次聚类法得到的4个不同频率序列曲线图;
图7为本发明一种基于订单的电力变压器供应预警方法的四个序列特征分布的示意图;
图8为本发明一种基于订单的电力变压器供应预警方法的四个序列特征分布的示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,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。基于本发明中的实施例,本领域普通技术人员在没有做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。
在本发明的描述中,需要理解的是,术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语"第一"、"第二"仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,"多个"的含义是两个或两个以上,除非另有明确具体的限定。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面对本申请中出现的一些名词进行解释,便于对本方案的理解:
经验模态分解法,Empirical Mode Decomposition,EMD,自适应时频数据分析方法,是依据数据自身的时间尺度特征来进行信号分解,无需预先设定任何基函数,是一种时频域信号处理方式。
层次聚类法,通过某种相似性测度计算节点之间的相似性,并按相似度由高到低排序,逐步重新连接个节点。
ARMA模型,Autoregressive moving average model,自回归滑动平均模型,是研究时间序列的重要方法,由自回归模型(简称AR模型)与移动平均模型(简称MA模型)为基础“混合”构成。
神经网络模型,神经网络也被称为人工神经网络,是深度学习算法的核心,利用人工神经网络构建的模型。
非线性回归,回归函数关于未知回归系数具有非线性结构的回归。常用的处理方法有回归函数的线性迭代法、分段回归法、迭代最小二乘法等。
电力变压器在生产过程中,主要以硅钢片和铜作为主要原料,并且生产周期长,因此,电力变压器的生产成本受硅钢片和铜的市场价格影响较大,需要展开对硅钢片和铜的价格分析,才能够保证电力变压器的利润。也就是说需要对基于订单对硅钢片和铜的未来市场价格进行预估。
本申请一种基于订单的电力变压器供应预警方法,包括:
如图1所示,S100:建立电力变压器规格型号与原材料重量映射表。
其中,由于电力变压器的特殊性,需要分析不同电压等级的电力变压器中硅钢片和铜占电力变压器成本的比重,根据比重进一步判断出电力变压器所需要的硅钢片和铜的成本。
具体地,建立映射表的步骤包括S101和S102。
如图2所示,S101:获取不同规格型号的电力变压器信息,确定不同规格型号的电力变压器中硅钢片和铜占原材料的比重。
其中,根据订单信息得到订单中不同规格型号的电力变压器的信息,在获取到不同规格型号的电力变压器的信息后,即可分析出所需要的硅钢片和铜占原材料的比重,从而得到硅钢片和铜的数量。
S102:基于硅钢片和铜的比重,建立原材料与电力变压器规格型号的映射表。
通过分析不同电压等级的电力变压器中硅钢片和铜的比重,进一步形成电力变压器规格型号与原材料重量映射表,映射表反应出了每一台电力变压器对应需要的原材料的重量情况。也就是说通过映射表可以直观的了解到生产一台电力变压器所需要的原材料成本价钱。
S200:基于映射表,确定硅钢片和铜的第一预设时间段内的历史价格,并预测硅钢片和铜在的第二时间段内的价格。
其中,硅钢片和铜为电力变压器制作材料,第二时间段表示订单签订时到订单交付时间段。
具体地,根据映射表确定硅钢片和铜在第一预设时间段内的历史价格,该历史价格可以为过去一段时间的价格,时间段可以根据需要设定,例如设定时间段为一个月、一个季度、两个季度或一年等。在根据第一预设时间段内的硅钢片和铜的走向趋势,预设硅钢片和铜在第二时间段内的价格。
需要说明地是,对于第一预设时间段内的历史价格预测第二时间段的价格的步骤包括:S201至S205。
如图3所示,S201:获取硅钢片和铜的第一预设时间段内的历史价格。
其中,示例性地,以月为单位计算过去5年内60个月的硅钢片和铜的历史价格,并将历史价格制作成曲线图,通过曲线图观察硅钢片和铜的价格走势。硅钢片和铜分别构成曲线图,分别进行观察和分析。
S202:根据经验模态分解法分别将硅钢片和铜的价格历史序列分解为多个序列。
其中,根据经验模态分解法将硅钢片和铜由历史价格构成的曲线图进行分解,分解成多个序列。以便后续动作中将序列进行重构,对硅钢片和铜的未来价格进行预测。
S203:根据层次聚类法,将多个序列重构形成高频、中频和低频数据,以及趋势项四个序列。
其中,利用层次聚类法,将曲线图分解构成的多个序列进行重构,具体是以高频、中频和低频数据,以及趋势作为相似性进行重构,形成四个序列。以使每个序列具有相同的特征。
S204:分别根据四个序列的特征分布采用ARMA模型、神经网络模型以及非线性回归进行预测。
其中,根据四个序列的特征分布,分布采用ARMA模型、神经网络模型以及非线性回归进行预测进行集成。
依次地,分别对四个序列进行ARMA模型、神经网络模型以及非线性回归进行预测和集成。
S205:将预测的四个序列,确定预测结果。
其中,预测结果表示硅钢片和铜在的第二时间段内的价格。
具体地,将四个序列分别进行预设和集成后得到预测结果,该结果记为第二时间段内的硅钢片和铜的价格。
在获知第二时间段内的硅钢片和铜的价格后,即可根据订单中电力变压器所需要的硅钢片和铜的比重,确定硅钢片和铜所需要的金额,进而判断在交付订单时的利润。
S300:根据预测的第二时间段内的硅钢片和铜的价格以及交货期的时长,确定临期交货时长。
其中,交货期表示距离交货的时间。临期交货时长表示由生产到生产结束,订单中对应型号的电力变压器所需要的生产时间。
具体地,以实际交货期和极限生产时间反向推导,确定原材料价格预测模型中原材料的价格的步骤包括S301至S303。
如图4所示,S301:获取实际交货期,以及电力变压器生产所需时间。
其中,根据订单内容可以获知订单中电力变压器的实际交货期(实际交货期会写在订单中)。当得到实际交货期后,再根据订单中电力变压器的型号,确定该型号的电力变压器的生产周期。根据得到的生产周期,即可得到开始生产电力变压器的日期。
S302:基于实际交货期以及电力变压器生产所需时间,确定电力变压器生产的起始时间。
其中,根据实际交货期以及电力变压器生产所需的时间,确定至少要何时开始生产才能够保证订单实际交货期限内,电力变压器生产完成,示例性地,若订单的实际交货期为在2022年12月25日,订单中电力变压器对应的型号生产周期需要10天,则至少要在2022年12月15日开始生产。可以理解地是,10天仅为示例性地说明,以具体的生产时间为准。
S303:根据第二时间段内的价格,确定电力变压器生产的起始时间的硅钢片和铜的价格。
其中,根据预测的第二时间段内的硅钢片和铜的价格,确定第二时间段内硅钢片和铜的价格走向,继续以前述示例,进行示例性地说明,假若2022年12月25日为订单实际交货期,生产时间需要10天,则需要了解2022年12月15日硅钢片和铜的价格。需要说明地是,2022年12月15日为未来的时间点,假若今天为2022年12月1日的情况下,需要根据前述步骤中得到的预测结果预测第二时间段内硅钢片和铜的价格。也就是说,需要预测2022年12月15日硅钢片和铜的价格。根据2022年12月15日的硅钢片和铜的价格,以及电力变压器所需要的硅钢片和铜占整体材料的比重,确定是否有利润,若存在利润,则代表可以签订订单,若不具有利润,则可能会不签订订单。
具体地,以实际交货期和极限生产时间进行倒推,确定原材料价格预测模型预测的最长长度TF-M。
其中,M=1,2,...,180天;TF为实际交货期距今的天数。
S400:根据临期交货时长,确定预警条件。
其中,根据前述步骤中得到的临期交货时长,通过查询电力变压器规格型号与原材料重量映射表,订单中对应型号的电力变压器所需要的原材料的重量,计算中标时刻(中标时刻,表示的是签订订单时刻)与预测时刻原材料成本,从而识别预警条件。
具体地,可以根据当前的硅钢片和铜的市场价格,确定中标时刻的硅钢片和铜的价格,应当了解的是,中标时刻的硅钢片和铜的价格,并不等于实际生产时硅钢片和铜的价格。示例性地,中标时刻硅钢片和铜的价格为分别为1的情况下,在实际生产时,硅钢片和铜的价格会因时长的价格波动,而产生变化。例如中标后半个月开始生产则需要考虑中标半个月后硅钢片和铜的价格是否为1,若价格大于1则说明利润变少或无利润,若小于1则说明有利润。基于上述原因需要根据临期交货时长,确定电力变压器生产的起始时间的硅钢片和铜的价格,通过如下公式进行计算:
pcon(Cu)=NCu×pCu(t签订)
pcon(Si)=NSi×pSi(t签订)
pcon(原)=pcon(Cu)+pcon(Si)
其中,pcon(Cu)、pcon(Si)分别表示合同签订时刻原材料铜、硅钢片的成本,NCu、NSi分别表示铜、硅钢片的重量,pCu(t签订)、pSi(t签订)分别表示合同签订时刻原材料铜、硅钢片的价格。Pcon(原)表示合同签订时刻原材料铜、硅钢片合计价格。
需要说明地是,计算合同签订时刻原材料成本计算公式后,还需要建立合同执行时刻原材料成本计算公式:
p′con(Cu)=NCu×pCu(t执行)
p′con(Si)=NSi×pSi(t执行)
p′con(原)=p′con(Cu)+p′con(Si)
其中,p’con(Cu)、p’con(Si)分别表示合同执行时刻原材料铜、硅钢片的成本,p’con(原)表示合同执行时刻原材料合计价格。
进一步地,建立预警识别条件:
其中,pcon表示电力变压器合同价格。
通过上述公式即可得出预警识别条件,预警识别条件即可作为合同是否签订的判断条件。
S500:根据警示条件,提出预警信息。
其中,得到警示条件后,根据警示条件,建立预警信息。
具体地,根据警示条件,确定预警级别阈值,根据预警级别阈值进一步判断合同是否签订已经是否应该终止,预警级别阈值为:
其中,error表示为模型误差,profit-rate是利润率,min(),max()分别对应表示比较取最小值和最大值,Default-cost表示违约成本。
具体地,error表示为模型误差约为5%,profit-rate是利润率可通过投标商务文件利润表估计(例如某变压器企业利润表中过去两年利润率为3%),Default-cost是供应商违约成本可以通过合同违约条款约定(如供应商原因终止合同交合同总额的20%违约金)。
S600:基于预警信息,确定应对策略。
其中,根据预警级别阈值的公式(1)至公式(3)进一步指定应对策略。
具体地,若应对策略为公式(1),表示原材料价格大于零,且小于合同签订时的设定原材料价格上涨的第一阈值,根据已有原材料以及需要原材料,确定补充原材料所需的第一时间。
示例性地,公式(1)表明原材料价格较合同签订时出现小幅上涨。项目单位应落实该订单否完成备料,若无,则督促供应商应尽快备料,锁定原材料价格。
若应对策略为公式(2),表示原材料价格大于合同签订时的设定原材料价格上涨的第一阈值,已有原材料以及需要原材料,确定原材料准备的第二时间。
示例性地,公式(2)表明原材料价格出现较大幅度的上涨,供应商大概率亏损。项目单位应落实该订单是否完成备料,若无,项目单位采取加大催缴力度、变更交货期等措施,并需加强质量监督。
若应对策略为公式(3),表示原材料价格大于合同签订时的设定原材料价格上涨第二阈值,取消合同。
示例性地,公式(3)表明原材料价格显著上涨,供应商原材料成本已超出中标价格,该订单确定亏损。项目单位应落实该订单是否完成备料,若无,项目单位应根据情况采取加大催缴力度、变更交货期、变更合同价格、协商解约合同等措施。
其中,所述第二阈值大于所述第一阈值,且所述第一阈值和所述第二阈值均表示所述价格上涨的百分比。
实施例:
如图5-8所示,假若即将签订电力变压器的订单,对原材料供应进行预警分析。
1.建立变压器规格型号与原材料重量映射表。
电力变压器是由绕组、铁芯、变压器油、油箱及其他必要组部件构成的电力设备。对应的原材料主要是铜、硅钢片、绝缘油、结构钢等,经过调研发现铜和硅钢片是电力变压器最主要的原材料。
根据对110千伏至750千伏变压器的调研显示,铜和硅钢片成本相对订单单价占比平均值分别为30.96%、20.76%,标准偏差分别为3.58%和2.34%。变压器电压等级等相关参数,对铜与硅钢片成本占比影响不大。表1为不同电压等级变压器原材料占比均值情况表。
表1
2.对硅钢片和铜的价格开展预测。
(1)硅钢片(30Q120,30Q120为硅钢片的型号):
如图5所示,选取2016年以来硅钢(30Q120)月度均价进行分析,共78个观测值。
如图6所示,将硅钢(30Q120)月度均价根据层次聚类法分解并重构为4个不同频率序列(高频、中频、低频数据和趋势项),并进行模型拟合。
如图7所示,高频数据使用神经网络模型进行训练和拟合,中频和低频数据采用支持向量机回归进行拟合,趋势项采用非线性回归进行拟合,总体的拟合效果均较良好。
进行向前6期(6个月)预测,5-10月的1#电解铜预测价格分别为73701.7、72640.7、71571.9、70562.8、69825.9、69413.9元/吨。相较于2022年前4个月的70510.0、71297.5、72991.4、74345.5价格水平,未来6个月1#电解铜价格将从历史高位回调,可能于三季度回落至70000元/吨的价格水平,月度降幅维持在1%左右,至10月,1#电解铜价格有望较4月历史最高值下降超6.5%。
3.确定临近交货期时长
订单情况:XXXX,物料描述“110kV油浸有载变压器,50MVA,110/10,水平分体”,数量为2台,订单生效日期是2021年6月18日,确定交货期为2022年9月5日。中标含税单价为212.97万元。
原材料投入生产时价格:以2022年9月5日为基准,变压器主要原材料铜与硅钢片需至少提前70天、60天投入生产。所以,铜预测至2022年6月25日,硅钢片预测至2022年7月5日。通过铜与硅钢片预测模型,2022年6月份铜材预测72866.02元/吨;2022年7月取向硅钢片预计17000元/吨。原材料订单签订时价格:以2021年6月18日为基准,通过原材料历史价格查询,当时铜价69937.86万元/吨,硅钢片14150元/吨。
4.识别预警条件
以原材料数量为基数,通过物料描述查调研表可知,铜需要8吨,硅钢片需要25.8吨。则该订单每台变压器所需铜与硅钢片的中标价格(签订时价格)为:
pcon(Cu)=8吨×69937.86元/吨=559502.88元
pcon(Si)=25.8吨×14150元/吨=365070元
综合考虑铜与硅钢片则中标价格为:
pcon(原)=pcon(Cu)+pcon(Si)=559502.88元+365070元=924572.88元
订单含税单价为212.97万元;推算铜与硅钢片占订单单价比重分别为26.27%、17.14%。与调研占比30%与21%相比略低。误差分别为3.73%,3.86%。
铜与硅钢片执行价格(最晚采购时间价格)为:
p′con(Cu)=8吨×72866.02元/吨=582928.16元
p′con(Si)=25.8吨×17000元/吨=438600元
综合考虑铜与硅钢片则合同执行价格:
p′con(原)=p′con(Cu)+p′con(Si)=582928.16元+438600元=1021528.16元
5.提出预警信息
4.55%超过模型误差3.86%与供应商平均利润率约3%,小于违约成本20%,定位公式(2)的预警级别。
6.确定应对策略
应对策略可以根据实际的情况设定,本申请并不加以限定。例如,该订单执行价格已经超过了供应商利润率与模型误差率的最大值,小于违约成本。供应商有可能要求延期,观望原材料市场行情。要加强项目跟踪和供应商生产跟踪,若备料则要做好项目单位工作,及时收货;若未备料,则要加强生产跟踪巡查力度,落实备料。
本申请第二方面提供一种基于订单的电力变压器供应预警系统,应用于前述的基于订单的电力变压器供应预警方法,所述系统包括:
建立单元,用于建立电力变压器规格型号与原材料重量映射表;
预测单元,用于基于所述映射表,确定硅钢片和铜的第一预设时间段内的历史价格,并预测所述硅钢片和所述铜在的第二时间段内的价格,其中,所述硅钢片和所述铜为所述电力变压器制作材料,所述第二时间段表示订单签订时到订单交付时间段;
临期交货时长单元,用于根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,其中,所述交货期表示距离交货的时间;确定临期交货时长;
预警条件单元,用于根据所述临期交货时长,确定所述预警条件;
提出警示信息单元,用于根据所述警示条件,提出预警信息;
应对策略单元,用于基于预警信息,确定应对策略。
本申请第三方面提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现前述的一种基于订单的电力变压器供应预警方法。
本申请第四方面提供一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现前述的一种基于订单的电力变压器供应预警方法的步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于订单的电力变压器供应预警方法,其特征在于,包括:
建立电力变压器规格型号与原材料重量映射表;
基于所述映射表,确定硅钢片和铜的第一预设时间段内的历史价格,并预测所述硅钢片和所述铜在的第二时间段内的价格,其中,所述硅钢片和所述铜为所述电力变压器制作材料,所述第二时间段表示订单签订时到订单交付时间段;
根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,确定临期交货时长,其中,所述交货期表示距离交货的时间;
根据所述临期交货时长,确定所述预警条件;
根据所述警示条件,提出预警信息;
基于预警信息,确定应对策略。
2.根据权利要求1所述的基于订单的电力变压器供应预警方法,其特征在于,所述建立电力变压器规格型号与原材料重量映射表的步骤,包括:
获取不同规格型号的电力变压器信息,确定所述不同规格型号的电力变压器中所述硅钢片和所述铜占原材料的比重;
基于所述硅钢片和所述铜的比重,建立所述原材料与所述电力变压器规格型号的映射表。
3.根据权利要求1所述的基于订单的电力变压器供应预警方法,其特征在于,所述根据硅钢片和铜的第一预设时间段内的历史价格,预测所述硅钢片和所述铜在的第二时间段内的价格的步骤,包括:
获取所述硅钢片和所述铜的第一预设时间段内的历史价格;
根据经验模态分解法分别将所述硅钢片和所述铜的价格历史序列分解为多个序列;
根据层次聚类法,将多个所述序列重构形成高频、中频和低频数据,以及趋势项四个序列;
分别根据四个序列的特征分布采用ARMA模型、神经网络模型以及非线性回归进行预测;
将预测的四个序列,确定预测结果,其中,所述预测结果表示所述硅钢片和所述铜在的第二时间段内的价格。
4.根据权利要求1所述的基于订单的电力变压器供应预警方法,其特征在于,所述根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,确定临期交货时长的步骤,包括:
获取实际交货期,以及电力变压器生产所需时间;
基于实际交货期以及电力变压器生产所需时间,确定电力变压器生产的起始时间;
根据所述第二时间段内的价格,确定所述电力变压器生产的起始时间的所述硅钢片和所述铜的价格。
5.根据权利要求1所述的基于订单的电力变压器供应预警方法,其特征在于,所述根据所述临期交货时长,确定所述预警条件的步骤,包括:
根据所述临期交货时长,确定所述电力变压器生产的起始时间的所述硅钢片和所述铜的价格,其中,
订单签订时刻原材料成本计算公式:
pcon(Cu)=NCu×pCu(t签订)
pcon(Si)=NSi×pSi(t签订)
pcon(原)=pcon(Cu)+pcon(Si)
其中,所述pcon(Cu)、pcon(Si)分别表示合同签订时刻原材料铜、硅钢片的成本,NCu、NSi分别表示铜、硅钢片的重量,pCu(t签订)、pSi(t签订)分别表示合同签订时刻原材料铜、硅钢片的价格,Pcon(原)表示合同签订时刻原材料铜、硅钢片合计价格;
建立合同执行时刻原材料成本计算公式:
pc′on(Cu)=NCu×pCu(t执行)
pc′on(Si)=NSi×pSi(t执行)
pc′on(原)=pc′on(Cu)+pc′on(Si)
其中,p’con(Cu)、p’con(Si)分别表示合同执行时刻原材料铜、硅钢片的成本,p’con(原)表示合同执行时刻原材料合计价格;
预警识别条件为:
其中,pcon表示电力变压器合同价格。
7.根据权利要求6所述的基于订单的电力变压器供应预警方法,其特征在于,所述基于预警信息,确定应对策略的步骤,包括:
若所述应对策略为公式(1),表示所述原材料价格大于零,且小于合同签订时的设定所述原材料价格上涨的第一阈值,根据已有原材料以及需要原材料,确定补充原材料所需的第一时间;
若所述应对策略为公式(2),表示所述原材料价格大于合同签订时的设定所述原材料价格上涨的第一阈值,已有原材料以及需要原材料,确定原材料准备的第二时间;
若所述应对策略为公式(3),表示所述原材料价格大于合同签订时的设定所述原材料价格上涨第二阈值,取消所述合同;其中,
所述第二阈值大于所述第一阈值,且所述第一阈值和所述第二阈值均表示所述价格上涨的百分比。
8.一种基于订单的电力变压器供应预警系统,其特征在于,应用于权利要求1-7中任一项所述的基于订单的电力变压器供应预警方法,所述系统包括:
建立单元,用于建立电力变压器规格型号与原材料重量映射表;
预测单元,用于基于所述映射表,确定硅钢片和铜的第一预设时间段内的历史价格,并预测所述硅钢片和所述铜在的第二时间段内的价格,其中,所述硅钢片和所述铜为所述电力变压器制作材料,所述第二时间段表示订单签订时到订单交付时间段;
临期交货时长单元,用于根据预测的所述第二时间段内的所述硅钢片和所述铜的价格以及交货期的时长,其中,所述交货期表示距离交货的时间;确定临期交货时长;
预警条件单元,用于根据所述临期交货时长,确定所述预警条件;
提出警示信息单元,用于根据所述警示条件,提出预警信息;
应对策略单元,用于基于预警信息,确定应对策略。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的一种基于订单的电力变压器供应预警方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的一种基于订单的电力变压器供应预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310215966.6A CN116071102A (zh) | 2023-03-01 | 2023-03-01 | 一种基于订单的电力变压器供应预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310215966.6A CN116071102A (zh) | 2023-03-01 | 2023-03-01 | 一种基于订单的电力变压器供应预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116071102A true CN116071102A (zh) | 2023-05-05 |
Family
ID=86175105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310215966.6A Pending CN116071102A (zh) | 2023-03-01 | 2023-03-01 | 一种基于订单的电力变压器供应预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116071102A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541200A (zh) * | 2024-01-10 | 2024-02-09 | 福建亿安智能技术股份有限公司 | 一种基于ltc流程的项目管理方法及系统 |
-
2023
- 2023-03-01 CN CN202310215966.6A patent/CN116071102A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541200A (zh) * | 2024-01-10 | 2024-02-09 | 福建亿安智能技术股份有限公司 | 一种基于ltc流程的项目管理方法及系统 |
CN117541200B (zh) * | 2024-01-10 | 2024-03-29 | 福建亿安智能技术股份有限公司 | 一种基于ltc流程的项目管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112132351A (zh) | 电动汽车充电负荷聚类预测方法及装置 | |
CN116071102A (zh) | 一种基于订单的电力变压器供应预警方法及系统 | |
CN115271187A (zh) | 物流中转站关键指标的预测方法、装置、设备及存储介质 | |
CN107358477A (zh) | 旅游网站酒店实时定价方法、系统、存储介质和电子设备 | |
CN108429260B (zh) | 售电公司多时间尺度交易电量决策方法和系统 | |
CN110705738A (zh) | 基于人工智能的智能用电激励需求响应方法和系统 | |
CN117114776A (zh) | 一种面向省间日前现货交易的量价申报方法 | |
CN110956318A (zh) | 一种基于预先构建的预测模型进行预测的方法及装置 | |
CN116703491A (zh) | 一种计及负荷率水平的电力市场偏差电量定价方法 | |
JP2019046467A (ja) | 電力取引支援装置及び電力取引支援方法 | |
CN112633771B (zh) | 电力资源数值计算方法、装置、计算机设备和存储介质 | |
CN113962751A (zh) | 电力套餐的零售价格预测方法、装置及存储介质 | |
CN114066642A (zh) | 电力零售的风险预测方法、终端及存储介质 | |
CN115169089A (zh) | 基于核密度估计和copula的风电功率概率预测方法和装置 | |
CN114692973A (zh) | 一种数据处理方法及装置 | |
CN108346112B (zh) | 中长期交易电量分解方法、系统、电子设备及存储介质 | |
CN113298663A (zh) | 物流运输平台用户保障业务的动态差异化定价方法及系统 | |
Sadeghian et al. | Net saving improvement of capacitor banks in power distribution systems by increasing daily size switching number: A comparative result analysis by artificial intelligence | |
CN117217822B (zh) | 电力交易指数预测的方法、装置、终端设备及存储介质 | |
CN116011698B (zh) | 机组组合确定方法、装置、计算机设备和存储介质 | |
CN113780630B (zh) | 一种基于用电客户历史用电数据实现表码预测的方法 | |
WO2023218927A1 (ja) | 情報処理装置、情報処理方法、情報処理システム及びコンピュータプログラム | |
CN114399096A (zh) | 一种基于强化学习算法的交易电量优化方法 | |
He | Electrochemical Technologies for Low-carbon Energy Systems and Industries: Decisions, Business Models, Economics, and Policy | |
CN114117932A (zh) | 一种能源数据预测模型的训练方法、预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |