新形势背景下电网企业现代数字供应链体系运作研究

为助力电网企业的发展,规范企业在经济市场内的运作,本文以某供电局为例,开展新形势背景下电网企业现代数字供应链体系运作的研究。对当前供应链主要问题进行汇总与统计,发现需求、采购、供应、逆向业务问题占比88%,其中需求准确率、供应及时、逆向物资退库再利用、业财融合、采购效率、设备质量、风险防控等相关的问题占比90%,是当前供应链主要问题;以此为依据,分析全流程业务问题根本原因;为解决问题,引进数字化技术,研究应用云大物移智等新技术融合业务场景,进行电网企业供应链的智能化转型,实现物资全过程透明管理、智能急救包等数字化场景构建,以此提升业务效率及跨领域协同水平,助力现代数字供应链体系建设;加强电网企业的业务协同,提升供应链与工程、生产协同,强化业财融合,构建供应链生态圈,实现电网企业供应链体系运作中的内外高效协同。

基于ABC分类法与正态分布模型的配电网定额储备物资管理方法

常规的配电网定额储备物资管理方法多采用特征分类原理设计,在实际管理过程中,存在定额储备物资库存周转率较低的问题,降低了供电公司利益效率。为改善此问题,本文开展了基于ABC分类法、PRS分类法与正态分布模型的配电网定额储备物资管理方法研究。首先,利用ABC分类法、PRS分类法分类配电网储备物资,判断配电网是否需要纳入储备物资。其次,在此基础上,利用正态分布模型建立需求满足率与储备数量的数量关系,使物资库存量满足配电网的运行需求。结果表明,按照提出方法管理配电网定额储备物资后,物资库存周转率较高,在供电公司同额资金下,有效提升了定额储备物资管理利益率。

基于机器学习和时序预测的电力建设物资需求预测

电力建设物资需求预测是电网企业生产规划和管理的重要环节,是有效控制库存,降低成本,提升效益的重要手段。本文首先对电力建设物资进行了分析,总结出其具有规律性强、时效性强等特点。然后以历史数据为基础,利用时间序列方法和机器学习算法对电力建设物资需求进行预测。基于机器学习和时序预测的电力建设物资需求预测模型具有较高的预测精度和较强的泛化能力,适用于电力建设物资需求预测工作。

基于GA-PSO-BP神经网络的电力物资需求预测研究

目前电网公司对电网物资的预测和研究存在诸多问题,如何准确预测变电站及配网工程的物资需求,在保障工程进度的前提下提高资金的利用率、节约成本,提升电力物资预测的精准性和可靠性,对于电力企业在新的市场环境下快速发展具有重要意义。本文以电力物资项目类型为基础,基于遗传算法选取电力物资影响因素,最后构建基于PSO-BP神经网络电力物资预测模型。

输配电价改革背景下省级电网企业投资优化策略研究

结合当前全国范围内开展的输配电价改革试点工作,阐述了新颁布的省级电网输配电价定价办法的主要特点。对电网企业固定资产管理进行了深层次研究,阐明现阶段电价改革对电网企业带来的监管和成本约束影响,分析了电网固定资产管理的特点,以及输配电有效资产与输配电价的逻辑关系,并提出未来投资管理建议,助力提高电网企业固定管理水平,优化电网投资效益。