关键
21128219841109****
摘要：电力的安全生产和可靠供应关系着人民美好生活的质量与经济社会的稳定发展，尤其是在疫情防控新增的各种用电需求及全社会复工复产的关键阶段，保障电力的安全供应尤为重要，而燃煤库存的控制与管理直接决定着发电企业的安全生产与健康运营，通过建立科学合理的燃煤库存既可以调节供求差异，对供货时间等不确定因素进行缓冲，提高安全运行效率，又可以通过减少不必要的燃煤库存积压，降低资金成本，提升资金流转效率，促使发电企业在市场竞争中保持健康可持续发展。因此研究发电企业燃煤库存，对燃煤库存管理中存在的问题进行优化，进而保持科学、合理的库存水平对发电企业乃至全社会都有重要意义。
关键词：大数据时代;发电企业;库存管理；
引言
火力发电厂生产成本中，燃料成本占据了60%～70%，入厂煤的价格、质量、优劣质煤的搭配等是燃料管理人员工作的重中之重，合理搭配使用入炉煤有利于控制生产成本。基于此，对发电企业燃煤库存管理进行分析。
1燃煤库存管理在大数据时代所面临的问题
目前，很多发电企业都在进行库存信息化建设，不断应用新的信息软件开发系统，取得了不小的进步，库存信息化水平不断提高。当前主流的库存信息化管理方式是通过连续监测库存内部的控制系统，所发挥的作用主要是实时监测仓储中各种燃料的剩余量，当库存内部的剩余量低于安全库存时，则向采购部门发出通知，采购部门进行采购，补充存货。但随着大数据技术的深入应用，多业务系统数据的不断融合，现有的信息管理方式的整体效率和实际作用效果都存在着明显的不足，无法满足精准、智能和高效的库存控制，例如对于燃煤锅炉匹配的燃煤无法进行准确控制，在配煤掺烧后的热值无法达到锅炉于负荷需要，引发熄火或负荷不足的生产事故。同时，由于发电企业库存信息系统只是单一地服务于采购部门，未能将库存信息在内外部供应链中及时共享，库存信息在内外部供应链中存在信息传递障碍问题。在外部供应链中，信息传递障碍引发“牛鞭效应”，供应链中各节点的发电企业独立的库存管理引起最终的需求变异逐步放大，导致上游煤炭企业维持较高的库存水平，不仅要支付资金占用成本，还造成了大量的机会成本。上游煤炭企业成本的激增带来煤炭价格的上扬，导致整个供应链整体绩效不佳。同时，信息传递障碍使得发电企业无法及时收集供应链中的信息。及时获取外部信息对于库存管理十分重要，当外部环境出现变化时，如电煤供应链中的上游企业出现停产或在运输过程中由于天气等不可抗力造成运输停滞，发电企业库存管理部门无法及时获取库存相关外部信息，对于不确定因素的风险不能及时把控，则会造成生产事故。在内部供应链中，信息传递障碍使得发电企业中的物资管理部门及其他有关部门不能及时获取燃煤库存的最新信息，信息不通畅导致各个部门间各自运作、分散运行，直接影响企业内部的资源调配与管理，加重了企业的生产成本。
2大数据时代下燃煤库存管理的优化
2.1燃煤采购全局化
燃煤采购是燃料管理至关重要的第一环节，也是燃料管理核心，其直接影响燃煤成本和品质。在日常运营过程中要准确把握煤炭市场行情，做好燃煤采购任务。1）市场评估。煤炭市场分析是对煤炭行业市场规模、市场竞争、区域市场、市场走势及吸引范围等调查资料所进行的分析。它是指通过煤炭行业市场调查和供求预测，根据煤炭行业产品的市场环境、竞争力和竞争者，分析、判断煤炭行业的产品在限定时间内是否有市场，以及采取怎样的采购策略来实现企业赢利的目的。
企业的采购策略只有建立在扎实的市场分析的基础上，只有在对影响需求的外部因素和影响购、产、销的内部因素充分了解和掌握以后，才能减少失误，提高决策的科学性和正确性，从而将经营风险降到最低限度。2）透过现象分析本质。关注煤炭市场行情的基本面，在中国煤炭资源网、中国煤炭网等信息平台注册会员，根据需要购买一些预判价格走势的指标，比如CCI价格指数，全国煤炭月度产量和日产量、各地煤矿价、港口库存和交易量，沿海六大电厂库存及日耗、进口煤煤量等，这些指标是动力煤价格变化的风向标；关注动力煤期货行情（至少比现货超前15天）；关注国家环保政策、供给侧改革、发改委进口煤配额调整、产煤大省安全整顿等系列影响煤价的文件和政策。通过分析一些数据指标和研读国家政策，不断总结经验，提高价格预判的准确性。
2.2构建发电企业燃煤预测大数据平台
正确掌握需求变化的原因是准确预测的关键，通过对影响发电燃煤需求的因素进行分析，发现主要影响因素可以归纳为内部因素与外部不确定性因素，在数据收集模块中通过采用多网融合技术与物联网数据库资源，采集内外部影响因素的数据信息。内部采集的数据主要包括：燃煤库存现状数据、燃煤采购历史数据、消耗历史数据、不同燃煤品种对生产影响程度权重、生产任务数据；外部采集的数据主要包括：煤炭采购地区产量、运输状态、消费地电源结构、气候环境、政策变化等。由于数据采集的广度与频度大大提高，数据库的伸缩性显著增强，数据采集的难度与成本显著降低。将采集的内外部数据输入至大数据挖掘分析模块，该模块将应用包括模式识别、大规模并行处理数据库、互联网可扩展的存储系统以及分布式文件系统等多个领域的技术。大数据挖掘分析模块将对采集到的大量结构化或者非结构化的异构数据进行挖掘分析，将从数据类型、数据体量、数据密度、从属关系、相关关系等多个维度出发，利用聚类算法、关联规则算法、ARAM算法和改进的深度学习网络技术进行计算分析，整合分析各异构数据库之间的关联性，提取异构数据间的关联关系，同时将对影响燃煤需求的无关干扰因素进行剔除，进而建立燃煤需求关联关系网络。大数据挖掘分析模块在对数据进行处理时，为了提高处理效率，采用分级处理分析模式，模块将根据数据资源的优先级程度，选择对优先级高的数据进行优先处理，满足了系统化的处理体系，提高了运行效率。同时，大数据挖掘分析模块考虑到数据收集模块可能采集到错误数据，大数据挖掘分析模块会对数据进行实时监控，实时关注数据出现的变化，及时将信息反馈给数据收集模块，使得采集的数据尽可能完善，为数据处理的精确性提供保障。
2.3数据计算
近年来，电力数据使用场景大量增加，电力公司越来越趋向于使用新的数据处理技术，来更有效利用软件和硬件资源，以减少投资，维护成本，降低能耗，同时提供更稳定和更强的数据处理能力。在提出的电力大数据架构中，数据计算层通过数据集成层访问数据，进行各种分析和处理工作。各种数据分析技术可以位于这一层，例如并行分布式计算、内存计算和流处理。
结束语
大数据、互联网、物联网等新兴技术的快速发展与应用对发电企业燃煤库存管理提出了更高的要求，同时也是燃煤库存管理优化的重要契机，利用大数据等技术对燃煤需求进行精准预测，并加速供应链中信息的传递速度，提升发电企业燃煤库存的精准管控，为今后发电企业燃煤库存优化提供了新的理念与方向，具有一定的借鉴意义。但对于具体的落地实施以及后续的技术推广等方面还有待更深入的研究。
参考文献
[1]高扬,王辉.基于大数据时代发电企业燃煤库存优化研究[J].长江信息通信,2021,34(01):178-180.
[2]梁诗莹.火力发电企业燃煤成本管理问题研究[J].财富生活,2020(22):121-122.
[3]徐璐.陡河发电厂燃煤库存管理优化研究[D].华北电力大学(北京),2017.
[4]张广宏.数字燃煤环境下发电企业燃煤库存管理优化研究[D].华北电力大学(北京),2016.
[5]马姗姗.发电企业燃煤库存管理优化研究[D].华北电力大学,2014.