基于多数据融合的电力物资供应风险指数研究
——以浙江某中型城市为例

陈勇杰，贾雍，柴彬，沈澄泓，周长星

(1．国网绍兴市上虞区供电公司，浙江 绍兴 312300；2．浙江泛海智行电力科技有限公司，浙江 杭州 310052)

近年来，随着电网基建和改造的不断推进，电力物资需求也持续增长，物资供应成为电网建设工作的一个重要组成部分[1-4]。配网物资种类繁多，供应来源复杂，在运输中会面临不同的风险。

仔细分析并建立物资供应风险防控机制，对保障配网物资供应，避免常态及灾害时期的供应风险，具有重要的实际意义。

2020年疫情发生后，全国大部分地区供应商复工延期，产能受限，电力物资生产排期遭遇短期停滞；运输业受到较大冲击，物资运输、调配运力减弱。而与此同时，3～4月电网建设进入集中开工期，物资需求出现井喷态势，物资供需矛盾突显。除疫情、自然灾害等外部突发事件外，供应商成本控制、资质和信誉、供货质量等因素也是影响物资供应风险的重要因素。

本文从供应链视角出发[5-8]，将风险识别从需求侧向供应商前端和外部环境延伸和拓展，运用层次分析法(analytic hierachy process,AHP)，建立了一个物资供应风险评估模型。该模型融合电力系统海量数据和交通、气象、征信、质量等外部信息，对电力工程物资供应风险进行量化评价和分级。 目前优选的配网物资有115种，由于项目对一定种类的物资有需求而且项目有轻重缓急，所以首先把每月或一段时间内需要施工的项目赋予优先等级。然后在考虑优先级的情况下把属于每个项目的物资用AHP层次分析法模型计算供应风险分值，根据一定的阈值为每一种配网物资赋予一个健康码，比如红色、黄色、绿色，对应风险系数高中低。最后计算每个项目的平均风险分值作为项目整体的供应风险，也同样赋予红色、黄色、绿色的健康码。对于风险较低的绿色工程项目可安排近期开工，风险中等的工程需要物资协调，确认到货时间后安排开工，风险较高的工程项目，要根据库存变化、供应商产能恢复情况再安排施工和停电计划。

1 数据获取

1.1 供电公司内部数据

通过国网浙江电力全业务统一数据中心获取相关业务数据表，具体包括：前三年历史领料、当前物资库存、统购统配交货计划、供应商质量抽检历史、供应商用电量等，数据行数共1千多万条。

线下人工数据上传至云数据中心，具体包括：月度工程物料需求清单、浙江公司10kV配网标准物料清单、供应商延期交货统计数据。

表1 供电公司内部数据Tab.1 Internal data of power supply company

1.2 供电公司外部数据

从浙江政务网站开放数据获取供应商信用评价、灾害预警、气象、交通等数据，数据量接近100万行。通过企业所在地、企业名称，从百度地图API获取400多家供应商所在地经纬度数据。

表2 供电公司外部数据Tab.2 External data of power supply company

2 算法模型

2.1 AHP模型指标体系

本项目使用AHP层次分析法构建物资供应风险指数模型[9-13]。20世纪70年代由美国运筹学家托马斯塞蒂提出的层次分析法是把复杂的多目标决策问题作为系统，把目标分解为多个准则，再分解为多个指标的若干个层次的系统化方法[14-19]。

基于专家分析，从影响物资供应的因素中选取物资需求量、供应商情况、物资可调性和外部环境四个关键因素为一级指标层。其中，物资需求量为某个月份某种物资的实际需求，通常需求量要和库存进行比较；供应商情况细分为供应商产能、质量抽检评价/延期交货、信用评价三个二级指标；物资可调性为物资可被综合调配获取和被替代的容易程度；运输能力主要是指运输路上有无极端天气。

表3 电力物资供应风险指数指标体系Tab.3 Risk index system of power material supply

2.2 各指标的计算方法

本文针对每个风险因素的特性进行打分，风险最小时为0分，风险最大时为100分，对超出数额范围的数据做取边界处理，风险计算小于0时取0，大于100时取100。例如，如果项目的物资需求量减去供电公司的库存量小于0为负时，风险打分为0等等。

2.2.1 物资需求量

对物资需求量风险作如下定义：

物资需求风险=(月度物资需求量-库存量)/前3年的区域该种物资平均月需求量*100

(1)

考虑到安全库存，定义:

月度物资需求量=月度项目物资需求量+20%*前3年区域该物资平均月度需求

(2)

月度项目物资需求量是指计划中配网项目的物资需求，月度物资需求量一定超过月度项目物资需求量是因为有常态下运维的物资需要。

2.2.2 供应商情况

图1 某供应商用电曲线Fig.1 Power consumption curve of a supplier

本文基于供应商用电恢复情况计算供应商产能风险，公式为：

产能情况风险值=(1-供应商复工复产用电比例)/(1-0.1)*100

(3)

其中复工电量比例=2020年当月日平均用电量/2019年同期日平均用电量。

质量抽检和延期交货风险打分：3个月内供应商有问题风险值是90分，6个月内值是60分，一年内值是30分，一年以上或无问题记录是0分。

信用评价风险打分：供应商信用评估结果可分为A-E五个级别，风险值按评价等级进行划分，对应为0，25，50，75，100。

2.2.3 物资可调性

该因素主要考虑配网物资的调配容易程度及可替代程度。根据物资特点可分为定制定长类、储检配、可调类以及超市化物资这四类。可调类以材料类为主，供应风险相对较小。超市化采购物资灵活性强，没有固定的供应商，所以这样的物资供应风险也相对较少。其次是用储检配方式运送的物资，它们受中心库库存和物流运送的影响。定制定长类物资是根据图纸生产和制造，该类物资的供应风险非常高。因此四类物资风险打分如下：

(1)定制定长类物资在仓库储量足够的时候风险值是50，不然风险值是100；

(2)储检配类物资在仓库储量足够的时候风险值是0，不然风险值是50；

(3)可调类物资在仓库储量足够的时候风险值是0，不然风险值是35；

(4)超市化的物资在仓库储量足够的时候风险值是0，不然风险值是35。

2.2.4 运输能力

运输能力风险打分：统计该中型城市未来15天的极端天气，然后对运输风险进行打分，如雪灾、台风等气候占2/3以上的风险值是90分，1/3以上的风险值是60分，1天以上风险值是30分，无极端天气风险值是0分。

2.3 计算指标权重

模型具体公式为：

(4)

通过专家对同一层指标重要性的两两判断，构造判断矩阵。从层次结构模型的第2层开始，对于从属于上一层每个指标的同一层诸指标，用成对比较法和1～9比较尺度构造成对比较阵，直到最下层。模型一级指标和二级指标构建的判断矩阵如下：

(1)第一层判断矩阵F和第二层供应商情况下判断矩阵S2为：

其中C1、C2、C3、C4分别为物资需求量、供应商情况、物资可调性、运输能力(天气)，A21、A22、A23分别为产能情况、质量抽检/延期交货、信用评价。

对于判断矩阵需计算最大特征值及对应特征向量，并做一致性检验。若检验通过，特征向量归一化后即为权重向量；若不通过，则需重新构造两两重要性判断矩阵。

检验判断矩阵一致性的方法如下：

计算衡量一个两两重要性判断矩阵 A (n>1 阶方阵)不一致程度的指标CI：

(5)

其中λ(A)是矩阵A的最大特征值。使用平均随机一致性指标RI来检验判断矩阵A的一致性，RI仅与矩阵阶数有关，如下表所示。

表4 RI与矩阵阶数n对照表Tab.4 Comparison table between RI and matrix order n

接着计算判断矩阵A的随机一致性比率CR：

(6)

当CR<0.1时，判断矩阵A通过一致性检验。

计算得到两层级的CI与CR值，如下表所示：

表5 评价层级的CI和CR值Tab.5 CI and CR values of evaluation level

由上表可以看出，两个层级的CR值均小于0.1，两层判断矩阵都通过了一致性检验，说明判断结果可靠。

经过计算，第一层矩阵F的权重向量W=(0.3912,0.2474,0.2008,0.1606)T，即物资需求量、供应商情况、物资可调性、运输能力四个因素的权重分别为0.3912，0.2474，0.2008，0.1606；第二层判断矩阵S2的权重向量分别为W2=(0.5396,0.2969,0.1634)T，即产能情况、质量抽检/延期交货、信用评价三个因素的权重分别为0.5396、0.2969、0.1634。

2.4 模型输出结果

AHP层次分析法模型输出的物资供应风险指数的值域为[0,33.3)时，评级是绿色，对应低风险；输出的风险指数的值域为[33.3,66.6)时，评级是黄色，对应中风险；输出的风险指数的值域为[66.6,100]时，评级是红色，对应高风险。

项目的风险指数反映的是项目的总体风险水平，它的计算公式如下：

(7)

3 实例

为验证该模型输出的物资供应风险指数的准确性，公司收集到该中型城市下辖某县2020年6月份施工的工程物资清单，首先与浙江数据开放平台的浙江省重点建设工程项目信息进行匹配，将与浙江省重点建设工程项目有关的1个配套工程的优先级设定为1，其他2个普通工程的优先级设定为2。

对选取的数据进行处理，得到3个建设工程涉及的每类物资编码及其需求量，并与物资的库存量、对应供应商的产能和质量抽检/延期交货情况和信用情况、物资可调性类别、天气状况进行匹配。

计算物资需求量风险时要考虑项目的优先级，优先级高的项目先使用库存，优先级低的项目后使用库存，每种物资需求数量减去库存后，归一化成为物资需求量风险指标。

供应商情况指标下面着重分析供应商产能情况和信用评价，数据共匹配到58家供应商，供应商产能情况风险是基于供应商用能恢复情况计算得出的，部分结果如表6所示，前3家公司用电量较前一年的下半年有明显的下降，进而判断其产能风险较高。

表6 供应商产能情况风险Tab.6 suppliers’ capacity and risk

供应商的信用评价分则是根据浙江数据开放平台中的信用信息如企业环境行为信用评价、严重失信者名单、质量信用平台违法、行政处罚信息、信用评价信息(A级纳税人)、企业注(吊)销信息等计算得出。部分结果如表7所示，其中第一个公司的信用评价风险最低。

表7 供应商信用评价Tab.7 Supplier credit evaluation

部分物资的可调性数据如下表8所示，10kV配网标准物料清单中，大约54.5%是可调类，18.5%是定制定长，16.5%超市化，10.5%是储检配。

表8 部分物资的可调性Tab.8 Distributability of some material

运输能力指标则根据浙江数据开放平台中的天气预报信息、高速事件信息计算得出，部分结果如下：

表9 运输能力指标 Tab.9 Transportation capacity index

大部分物资的运输都能如期送达，偶尔会出现天气恶劣或交通堵塞的情况，影响物资的运输，但影响程度不大。

应用该模型计算出每类物资的供应风险指数，并对风险进行“红”“黄”“绿”的评级。对评级结果进行统计汇总，结果见图2，此次工程中共用到117种物资，其中绿色风险物资82种，占比70.1%，黄色占比28.2%，红色仅占比1.7%。

图2 物资风险指数等级分布Fig.2 Grade distribution of material risk index

最后将各工程对应的物资风险进行算术平均得到2020年6月将要施工的各个项目的风险指数。图3为三个工程的风险指数计算结果，由于6月份供应商都已复工复产，因此供应商风险都处于较低水平，最后项目A、B、C中，C的风险值最高为16.92，属于低风险。

图3 项目风险指数Fig.3 Project risk index

4 新形势下模型扩展

本文所述的物资供应风险指数模型可以在形势变化的情况下做任意的调整和扩展，例如2021年上半年由于疫情和运输、贸易等因素，导致原材料价格大幅上涨，其背后最根本的原因是自上一年一直延续的全球信用货币宽松、原材料供需不平衡等各个因素引发的综合效应。原材料价格的大幅上涨是一项新的物资供应风险。此外，为贯彻“碳中和”“碳达峰”战略部署要求，完成能源消耗的“双控”年度目标任务，全国包括浙江都出台了一系列措施，通过限制高耗能企业用电量、上涨电价、限制用电时段等方式促使降耗减排，目的就是为了碳中和。节能降耗的同时，也影响了供电公司的一些上游供应商(电工装备企业)的产能，这也增加了新的物资供应风险因素[20-32]。下表10是扩展后的指标体系，新模型还有待进一步探讨和验证。

表10 扩展后的指标体系Tab.10 Expanded index system

5 结论

本文基于物资需求量、供应商情况、物资可调性、运输能力这四个因素构建物资供应风险指数AHP模型，该模型在浙江某中型城市试用后，迅速取得了成效，累计服务电网工程3.84亿元，实现供应风险总体压降67.53%，服务供应链金融1300万元。本文所讨论的物资供应风险并非只是在疫情期间有意义，其他自然灾害等突发事件也会对物资供应造成一定风险。因此本项目成果已在中国电力报、国家电网报、国网总部网站等多家行业内媒体报道，下一步可推广至全省系统。同时，鉴于工程建设领域物资供应管理的共性问题和风险特征，本成果也具备在其他行业进行复制、推广的价值。