摘要：電網(wǎng)應(yīng)急物資保障是確保在緊急情況下能夠及時(shí)、有效地提供必要的電力資源和物品的過程。針對傳統(tǒng)電力數(shù)據(jù)驅(qū)動的應(yīng)急物資需求預(yù)測中存在的主觀性強(qiáng)、風(fēng)險(xiǎn)評估不夠量化等問題，文章基于大數(shù)據(jù)、人工智能技術(shù)，通過整合物資、庫存、氣象、設(shè)備等多源數(shù)據(jù)，構(gòu)建了一套基于災(zāi)損預(yù)測的電網(wǎng)應(yīng)急物資保障風(fēng)險(xiǎn)評估模型，能夠精確預(yù)測應(yīng)急事件所需的物資規(guī)模，還能結(jié)合物資運(yùn)輸時(shí)效性及庫存狀況，科學(xué)劃分應(yīng)急物資保障的風(fēng)險(xiǎn)等級，為電網(wǎng)應(yīng)急物資管理提供更為客觀、精準(zhǔn)的決策支持。

關(guān)鍵詞：電網(wǎng)應(yīng)急物資；物資保障；需求預(yù)測；風(fēng)險(xiǎn)評估；大數(shù)據(jù)

中圖分類號：G642文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2025）15-0100-04

0引言

近年來極端天氣和異常氣候事件頻繁發(fā)生，對電網(wǎng)的安全穩(wěn)定運(yùn)行帶來了前所未有的挑戰(zhàn)。因此，對于電網(wǎng)應(yīng)急物資保障，需要加強(qiáng)風(fēng)險(xiǎn)研判，合理調(diào)配各類資源，并迅速響應(yīng)應(yīng)急處置，以滿足更高的要求[1]。在數(shù)字化轉(zhuǎn)型的背景下，大數(shù)據(jù)、人工智能技術(shù)已成為物資管理改革的重要手段。目前國內(nèi)外在應(yīng)急物資領(lǐng)域研究方面已經(jīng)有很多理論和方法，但大多是結(jié)合單一維度數(shù)據(jù)對物資需求的預(yù)測或?qū)ξ镔Y調(diào)配的分析[2]，缺少對多源數(shù)據(jù)的整合利用。本文通過充分發(fā)揮電網(wǎng)公司優(yōu)勢，結(jié)合物資、庫存、氣象等多維度數(shù)據(jù)，提出一種基于災(zāi)損預(yù)測的電網(wǎng)應(yīng)急物資保障風(fēng)險(xiǎn)評估方法，為電網(wǎng)應(yīng)急管理提供更為客觀、精準(zhǔn)的決策支持。

1基于災(zāi)損預(yù)測的電網(wǎng)應(yīng)急物資保障風(fēng)險(xiǎn)評估方法

1.1數(shù)據(jù)獲取與處理

分析使用到的物資、庫存、設(shè)備等數(shù)據(jù)主要來源于國網(wǎng)公司內(nèi)部的生產(chǎn)經(jīng)營管理系統(tǒng)、企業(yè)資源管理系統(tǒng)、電子商務(wù)平臺等業(yè)務(wù)系統(tǒng)，氣象數(shù)據(jù)來源于國網(wǎng)公司接入氣象局的氣象數(shù)據(jù)。對于獲取到的數(shù)據(jù)，采用插值法填充其中的缺失值，并通過四分位距異常檢測法對數(shù)據(jù)集的異常值進(jìn)行剔除，以確保數(shù)據(jù)的質(zhì)量和完整性。

1.2模型架構(gòu)

基于災(zāi)損預(yù)測的電網(wǎng)應(yīng)急物資保障風(fēng)險(xiǎn)評估模型包括應(yīng)急物資災(zāi)損預(yù)測、應(yīng)急物資保供分析、應(yīng)急事件風(fēng)險(xiǎn)量化評估三個(gè)子模型，模型架構(gòu)如圖1所示。首先，基于歷史應(yīng)急事件數(shù)據(jù)及相關(guān)的氣象、物資信息，運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法構(gòu)建應(yīng)急物資災(zāi)損預(yù)測模型，預(yù)測不同應(yīng)急事件下不同地區(qū)的電網(wǎng)物資災(zāi)損量。其次，基于應(yīng)急物資災(zāi)損預(yù)測模型結(jié)果，進(jìn)一步綜合考慮物資庫存數(shù)據(jù)和倉庫位置數(shù)據(jù)，結(jié)合線性優(yōu)化算法，構(gòu)建應(yīng)急物資保障供應(yīng)分析模型，確定最優(yōu)的物資運(yùn)輸數(shù)量和時(shí)間。最后，通過整合應(yīng)急物資損失預(yù)測和供應(yīng)模型的輸出數(shù)據(jù)，實(shí)現(xiàn)對特定時(shí)段和地區(qū)的應(yīng)急事件風(fēng)險(xiǎn)等級評估。

1.3應(yīng)急物資災(zāi)損預(yù)測

通過分析歷年應(yīng)急物資調(diào)配臺賬數(shù)據(jù)，選取低壓電力電纜、電力電纜、架空絕緣導(dǎo)線、10kV變壓器、小型發(fā)電機(jī)等13類物資作為重點(diǎn)物資進(jìn)行災(zāi)損預(yù)測。針對電網(wǎng)運(yùn)行影響較大的四類應(yīng)急事件（臺風(fēng)、地震、洪澇、雨雪冰凍），基于歷史應(yīng)急事件及對應(yīng)的氣象、物資數(shù)據(jù)，構(gòu)建模型指標(biāo)體系，運(yùn)用神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練應(yīng)急物資災(zāi)損預(yù)測模型，實(shí)現(xiàn)對不同應(yīng)急事件下各地區(qū)物資災(zāi)損量的預(yù)測[3]。

應(yīng)急物資災(zāi)損預(yù)測模型采用多層感知機(jī)（MLP，Multi-LayerPerceptron）[4-5]算法。MLP能夠?qū)斎胄盘栠M(jìn)行非線性轉(zhuǎn)換，使其能夠模擬復(fù)雜的非線性關(guān)系，因而適用于處理復(fù)雜的應(yīng)急物資災(zāi)損預(yù)測問題。

1）特征選取

應(yīng)急物資災(zāi)損預(yù)測模型涉及物資、氣象、設(shè)備等多方面數(shù)據(jù)，依據(jù)四類氣象災(zāi)害，通過相關(guān)性分析確定不同氣象災(zāi)害下對電網(wǎng)物資災(zāi)損影響最大的特征，模型訓(xùn)練字典如表1所示。

為提升模型的預(yù)測精度和泛化能力，考慮進(jìn)行特征工程操作，通過特征縮放、特征降維、特征冗余性檢查等方式變換原始數(shù)據(jù)來創(chuàng)建更有效的特征，更好地揭示數(shù)據(jù)的內(nèi)在規(guī)律。

2）災(zāi)損預(yù)測

①數(shù)據(jù)準(zhǔn)備

首先進(jìn)行數(shù)據(jù)準(zhǔn)備工作，樣本集需整合歷年應(yīng)急物資調(diào)配臺賬數(shù)據(jù)及相應(yīng)的氣象數(shù)據(jù)等，記為：

其中Z一般為標(biāo)量。

將樣本集隨機(jī)劃分為訓(xùn)練集（80%）、驗(yàn)證集（10%）和測試集（10%）。使用Python中的數(shù)據(jù)加載庫構(gòu)建數(shù)據(jù)管道，高效地加載批量數(shù)據(jù)。同時(shí)設(shè)置批量大小，有助于加速訓(xùn)練并提高模型泛化能力。

②模型訓(xùn)練

對于物資災(zāi)損的預(yù)測，需要?dú)v史的應(yīng)急事件災(zāi)損情況以及與因素之間的關(guān)聯(lián)去判斷未來類似事件的物資災(zāi)損情況，物資災(zāi)損預(yù)測模型的依據(jù)主要包括以下兩種，首先是：氣象指標(biāo)決定該類應(yīng)急事件的破壞程度，是反映物資災(zāi)損的關(guān)鍵指標(biāo)。其次：在運(yùn)設(shè)備密度的一定程度上影響該類設(shè)備在應(yīng)急事件下的災(zāi)損情況，設(shè)備密度越大，在面對相同規(guī)模的應(yīng)急事件時(shí)，該類設(shè)備的災(zāi)損規(guī)模也越大。

選擇數(shù)據(jù)標(biāo)準(zhǔn)化后的受災(zāi)區(qū)域設(shè)備密度、最大風(fēng)速、最低氣壓等指標(biāo)作為協(xié)變量，歷史應(yīng)急事件的設(shè)備災(zāi)損數(shù)量作為因變量。通過創(chuàng)建兩個(gè)隱藏層，使用修正線性單元作為激活函數(shù)，通過Adam優(yōu)化算法進(jìn)行權(quán)重更新，設(shè)置權(quán)重衰減系數(shù)為0.01，不斷訓(xùn)練更新權(quán)重和偏置參數(shù)，使得損失函數(shù)最小化，模型網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

在模型迭代過程中，通過繪制訓(xùn)練集和驗(yàn)證集的學(xué)習(xí)曲線，監(jiān)控模型是否過擬合。通過“早?！钡姆绞?，在測試集上的性能開始下降時(shí)，停止訓(xùn)練并保存模型參數(shù)，形成最佳模型。

③模型評估

訓(xùn)練一定次數(shù)的定型周期（epoch）后，將測試集輸入到模型中進(jìn)行前向傳播，獲取模型的預(yù)測物資災(zāi)損規(guī)模。通過下述公式計(jì)算均方誤差（MSE），評估模型在測試集上的性能：

其中Y為真實(shí)值，Y為預(yù)測值，n是樣本數(shù)量。

1.4應(yīng)急物資保供分析

基于應(yīng)急物資災(zāi)損預(yù)測模型的預(yù)測結(jié)果，確定物資需求類型和數(shù)量，進(jìn)一步考慮物資的需求、倉庫的位置、運(yùn)輸時(shí)間等因素，結(jié)合線性優(yōu)化算法，構(gòu)建應(yīng)急物資保障供應(yīng)分析模型，最終明確物資調(diào)配的具體倉庫、調(diào)配時(shí)間和成本等[6]，得到最優(yōu)的物資運(yùn)輸數(shù)量和時(shí)間，該模型能夠靈活適應(yīng)各種應(yīng)急需求，確保在滿足災(zāi)區(qū)需求的同時(shí)，實(shí)現(xiàn)資源的高效利用。

1）特征選取

應(yīng)急物資保供分析模型涉及基于應(yīng)急物資災(zāi)損預(yù)測結(jié)果，結(jié)合倉庫、庫存等數(shù)據(jù)設(shè)計(jì)數(shù)據(jù)指標(biāo)，特征字典如表2所示。

1.5應(yīng)急事件風(fēng)險(xiǎn)量化評估

1）特征選取

應(yīng)急物資災(zāi)損預(yù)測模型輸出數(shù)據(jù)包括物資類型、物資災(zāi)損數(shù)量，應(yīng)急物資保供分析模型輸出數(shù)據(jù)包括物資需求類型和數(shù)量、所需調(diào)配的物資類型和數(shù)量、調(diào)配物資的時(shí)間。通過整合應(yīng)急物資災(zāi)損預(yù)測和應(yīng)急物資保供分析的輸出結(jié)果，綜合考慮物資需求預(yù)測、災(zāi)損預(yù)測，以及保供能力分析等多個(gè)因素，通過設(shè)定合理的評估標(biāo)準(zhǔn)和權(quán)重，制定明確的風(fēng)險(xiǎn)等級劃分標(biāo)準(zhǔn)[9]，將物資保障風(fēng)險(xiǎn)等級分為低風(fēng)險(xiǎn)地區(qū)、中風(fēng)險(xiǎn)地區(qū)、高風(fēng)險(xiǎn)地區(qū)3個(gè)等級，實(shí)現(xiàn)對特定時(shí)段和地區(qū)的應(yīng)急事件風(fēng)險(xiǎn)等級評估，特征字典如表3所示。

2）風(fēng)險(xiǎn)量化評估

通過量化需求風(fēng)險(xiǎn)、運(yùn)輸時(shí)間風(fēng)險(xiǎn)評估災(zāi)區(qū)的風(fēng)險(xiǎn)等級。

①風(fēng)險(xiǎn)量化

需求量風(fēng)險(xiǎn)反映災(zāi)區(qū)物資需求的緊迫程度。需求量越大，風(fēng)險(xiǎn)越高。通過分析歷史應(yīng)急物資調(diào)配數(shù)據(jù)和專家研討方式確定每類物資的物資高需求閾值，當(dāng)需求量超過閾值時(shí)，需求風(fēng)險(xiǎn)大于1，表明需求量處于高壓狀態(tài)。

需求風(fēng)險(xiǎn)=需求量/物資高需求量閾值運(yùn)輸時(shí)間風(fēng)險(xiǎn)反映物資運(yùn)輸時(shí)效的緊迫性。運(yùn)輸時(shí)間越長，風(fēng)險(xiǎn)越高。通過分析歷史應(yīng)急物資調(diào)配數(shù)據(jù)和專家研討方式確定每類物資的合理運(yùn)輸時(shí)間閾值，若運(yùn)輸時(shí)間超過合理時(shí)間閾值，時(shí)間風(fēng)險(xiǎn)大于1，表明存在延誤風(fēng)險(xiǎn)。

運(yùn)輸時(shí)間風(fēng)險(xiǎn)=實(shí)際運(yùn)輸時(shí)間/合理運(yùn)輸時(shí)間閾值

②綜合風(fēng)險(xiǎn)計(jì)算

綜合風(fēng)險(xiǎn)評分是根據(jù)需求量、運(yùn)輸時(shí)間的風(fēng)險(xiǎn)評分，首先基于層次分析法，根據(jù)相對重要性的打分判斷矩陣，然后進(jìn)行匯總計(jì)算得到各因素的權(quán)重，通過一致性校驗(yàn)得到最終權(quán)重，最終通過加權(quán)平均的方式計(jì)算得出結(jié)果。

綜合風(fēng)險(xiǎn)評分=ω1?需求風(fēng)險(xiǎn)+ω2?運(yùn)輸時(shí)間風(fēng)險(xiǎn)其中ω1和ω2為該指標(biāo)的最終權(quán)重。

③風(fēng)險(xiǎn)等級劃分

根據(jù)綜合風(fēng)險(xiǎn)評分，將風(fēng)險(xiǎn)等級劃分為低風(fēng)險(xiǎn)（0-1分）、中風(fēng)險(xiǎn)（1-1.5分）、高風(fēng)險(xiǎn)（1.5分以上）三檔，劃分條件如表4所示。

2結(jié)論

本文提出了一種基于災(zāi)損預(yù)測的電網(wǎng)應(yīng)急物資保障風(fēng)險(xiǎn)評估方法，通過機(jī)器學(xué)習(xí)模型整合多源數(shù)據(jù)，能有效實(shí)現(xiàn)對應(yīng)急物資需求的精確預(yù)測和風(fēng)險(xiǎn)等級的科學(xué)劃分，對全面提升電力系統(tǒng)面對自然災(zāi)害和突發(fā)事件的應(yīng)對能力具有積極意義。未來將持續(xù)優(yōu)化模型算法，增強(qiáng)其對新災(zāi)害類型的適應(yīng)能力，并探索集成更多維度的數(shù)據(jù)，以提升預(yù)測的精準(zhǔn)度。此外將關(guān)注模型的實(shí)時(shí)性能，確保在動態(tài)變化的環(huán)境中能夠及時(shí)調(diào)整物資保障策略，以及評估模型在不同電網(wǎng)結(jié)構(gòu)下的適用性和可靠性，為電網(wǎng)應(yīng)急響應(yīng)提供更強(qiáng)的科學(xué)支撐。

參考文獻(xiàn)：

[1]萬里.T市大面積停電事件應(yīng)急管理研究[D].山東農(nóng)業(yè)大學(xué)，2022.

[2]羅振敏，潘競超.應(yīng)急物資需求預(yù)測研究現(xiàn)狀與發(fā)展趨勢[J].科學(xué)技術(shù)與工程，2023，23（18）：7622-7630.

[3]俞虹，程文美，代洲，等.基于機(jī)器學(xué)習(xí)的應(yīng)急物資需求預(yù)測模型設(shè)計(jì)[J].電子設(shè)計(jì)工程，2021，29（22）：19-23.

[4]馮笑，董騰飛，李溫靜，等.多策略混合改進(jìn)蝴蝶算法的多層感知器訓(xùn)練優(yōu)化[J].計(jì)算機(jī)工程與設(shè)計(jì)，2023，44（5）：1555-1564.

[5]邢超，高敬業(yè)，畢貴紅，等.基于多層感知器的LCC-MMC并聯(lián)型特高壓三端混合直流輸電線路故障檢測方法探討[J].電力自動化設(shè)備，2023，43（3）：138-145.

[6]何章瑋，皮云霞.基于需求預(yù)測的電力應(yīng)急物資調(diào)配優(yōu)化方法[J].電力設(shè)備管理，2021（9）：184-186.

[7]雍龍泉，劉三陽.單純形法的復(fù)雜性與計(jì)算效率[J].高等數(shù)學(xué)研究，2024，27（3）：50-52，55.

[8]雷航，劉河生，張瑞剛，等.基于單純形法的風(fēng)電機(jī)組獨(dú)立變槳控制技術(shù)研究與仿真[J].熱力發(fā)電，2023，52（3）：144-150.

[9]江田漢，鄧云峰，李湖生，等.基于風(fēng)險(xiǎn)的突發(fā)事件應(yīng)急準(zhǔn)備能力評估方法[J].中國安全生產(chǎn)科學(xué)技術(shù)，2011，7（7）：35-41.

【通聯(lián)編輯：王力】