大型能源集团一体化煤炭供应链实时调度智能决策关键技术研究

王金刚,王树海,马长璐,张志杰,苗 靓

(国家能源集团,北京 100010)

大型能源集团一体化煤炭供应链覆盖煤电路港航等多个关键环节,规模大、结构复杂、影响因素多、动态变化较快,是一个典型的复杂系统。一体化煤炭供应链调度是集团的核心业务之一。2020年起,为了更充分地发挥一体化运营模式的整体竞争优势,集团开始实施一体化联合调度模式,并在集团总调度室成立联合调度中心。实践表明,基于当前的调度方式和手段,集团无法科学预判供应链未来运行趋势和突发情况,在实时调度决策中主要采用人工经验调度的方式,由此导致实时调度决策不能做到精准、高效。

为了探寻集团一体化煤炭供应链实时调度决策问题的最佳解决方案,本文开展了广泛的产学研用现状调研。国内能源行业物流供应链的理论与实践研究虽然不少,但都无法有效应对复杂动态环境下调度优化需求,同时存在调度优化目标单一、覆盖范围不足等问题,目前没有成熟先进的经验或案例可循[1]。国外的大型能源集团,例如猎人谷煤炭供应链、西澳大利亚铁矿供应链、淡水河谷铁矿石供应链等,均不同程度从组织、制度、业务方式和技术手段等方面,对供应链实时调度业务改进和赋能。虽然这些企业在供应链组成、业务组织方式和复杂度上,与集团存在一定差异,但都设置了统一的指挥机构做调度平衡,他们在实时调度方面的先进成功经验,可供集团借鉴参考[2]。总体来说,在能源供应链调度、煤炭调运,尤其是一体化煤炭供应链实时调度业务领域,目前国内外还没有可以直接拿来照搬的业务模式与技术应用范例。京东等国内供应链巨头,在供应链管理模式、运营理念、先进技术应用和平台建设上,进行了大量有益的研究、创新和应用,也取得了非常显著的经济和社会效益,其中很多理念、方法和技术值得集团研究借鉴[3]。

鉴于上述调研启示,集团从现阶段业务转型发展的现实需要出发,明确提出实时调度智能决策的概念,研究建立了面向集团一体化煤炭供应链实时调度运营的智能决策技术和模型体系,开展了决策支持系统的规划设计和技术应用验证实验,逐步探索建立数字化、智能化、协同化实时调度决策的技术路径和应用模式,为一体化煤炭供应链实时调度智能决策工程化奠定先导性的技术与实验基础。

1 智能决策关键技术

智能决策关键技术,主要包括“智能决策框架、仿真推演技术、决策优化技术”3个方面,本文采用“总体框架设计、分项技术研究和总体验证实验”的总—分—总研究思路,实现从技术研究到验证实验的完整闭环,为未来工程化奠定技术路径、模型实例与应用模式基础。

1.1 智能决策框架

一体化煤炭供应链实时调度智能决策框架,本质上是基于数字孪生供应链的决策支持系统[1],即以数字孪生供应链为载体,将预测技术、决策工具(如运筹优化)等与数字孪生技术(核心是仿真推演技术)相结合,突破传统供应链的响应速度和成本瓶颈,有效拉通上下游,基于数据驱动进行精细管理和智能决策,提升供应链效率,降低供应链成本。

1.1.1 智能决策框架结构

智能决策框架由仿真推演和决策优化2部分组成,与真实系统、计划系统实现正向连接和反向控制。智能决策框架各部分的关系如图1所示。

图1 实时调度智能决策框架Fig.1 Real-time scheduling intelligent decision-making framework

实时调度智能决策框架执行逻辑如下:

(1)数据接入。将集团供应链真实系统实时运行状态数据与调度计划系统的计划接入仿真系统。

(2)运行推演。根据真实数据与计划,进行仿真模型实例化,在仿真引擎的驱动下,基于时间和离散事件的混合推进,实现仿真推演预测。

(3)调度决策。通过仿真推演或外部输入,触发实时调度突发情况的产生,基于模型辅助各调度席位协同调度决策,生成优化的调度方案。

(4)方案评估。基于优化的调度方案,再次进行供应链运行仿真推演评估,预测未来供应链运行是否满足预期目标。

(5)方案发布。各调度席集体决议最优调度方案的可行性,决议通过后发布至供应链各环节的二三级调度机构执行落实。

(6)方案执行。在接收到优化的调度方案后,供应链各环节二三级调度机构根据新的调度方案重新制定相关的阶段性执行计划,并组织资源执行落实计划。

1.1.2 智能决策应用场景

智能决策框架,主要应用于供应链突发情况的临机推演和优化决策,也可支撑集团总调度室日常对供应链运行的状态监测、次日计划制定和值班换班时的状态摸底和调度决策。

(1)日常定时推演预测。在供应链正常运行下,仿真系统每隔1 h自动推演1次,预测未来一定时段内是否会发生突发情况。

(2)突发情况临机推演与决策。在捕捉到突发性或预见性突发情况时,仿真系统支持每4～5 h主动推演和决策1次,不断随态势变化做出调度决策,直至供应链正常运行。

(3)次日计划推演评估。在每日18:00前,支持集团总调度室次日计划编排的推演与决策。

(4)值班接班推演预测。在每日9:00—21:00调度大厅交班时,支持接班调度员对供应链当前运行态势进行推演,掌握供应链当前的状态和未来潜在的异常情况。

1.1.3 智能决策应用模式

智能决策,本质上是决策仿真,即将仿真技术应用于决策问题的方法。其应用模式,就是仿真推演与调度决策结合应用、验证与优化反复迭代的技术应用方式。

具体流程为:①依据原计划执行仿真推演;②针对推演产生的突发情况,依据调度决策流程,调度匹配的调度策略,执行对应的决策优化模型,生成新的调度方案,再推给仿真系统推演是否达到预期目标;③如果达不到目标,继续回到调度决策业务逻辑,执行下一个调度策略和决策优化模型,如此往复直至达到目标或策略用尽。最具代表性的预见性海运封航场景的调度决策过程如图2所示。

图2 预见性海运封航场景智能决策应用模式Fig.2 The application mode of intelligent decision-making for predictive sea freight lockdown scenarios

1.2 仿真推演技术

仿真推演技术,主要采用仿真建模技术与仿真推进技术。①围绕一体化煤炭供应链运行机理和业务规则,进行仿真概念建模,识别和定义仿真要素及相互关系;②根据仿真模型对象规模、业务复杂度和推进特征,进行仿真引擎的选型,保证仿真模型高效、可视推进;③根据仿真概念模型和选取的仿真引擎,采用适用的仿真程序建模方法与语言,如多智能体建模、离散事件建模等,进行实例化、可执行的仿真模型创建。

1.2.1 仿真建模技术

(1)仿真建模技术架构。基于一体化煤炭供应链运行机理,本文设计提出了两级仿真建模技术架构,分别是仿真概念模型、仿真程序模型,实现对一体化煤炭供应链业务对象的一次仿真抽象和二次仿真抽象,以模型为载体形式化描述供应链的静态属性和动态行为。仿真推演技术框架如图3所示。

图3 仿真推演技术框架Fig.3 Simulation deduction technology framework

供应链每个关键业务环节对应一个仿真概念模型设计文件,是对物理对象向仿真对象的一次仿真抽象,规范描述了仿真对象的业务需求、组成、属性、活动、规则、算法和输入输出。仿真程序模型是在仿真概念模型设计与仿真引擎选型的基础上,采用基于智能体和离散事件的仿真建模方法,以标准化、结构化的仿真建模语言,对仿真概念模型进行二次抽象,形成可通过仿真引擎驱动运行的可执行程序。

(2)仿真概念模型。仿真概念模型,既是用户需求的体现,也是仿真应用开发的基础,可采用文字、图片、表格、图形、数学表达式等多种形式对仿真对象、属性、参数、关系、事件和行为等进行定义。本文构建了一体化煤炭供应链煤电路港航5大板块的仿真概念模型,规范定义17类业务对象、19项运行活动、20个业务规则以及19大项业务指标,形成了5份标准化的一体化煤炭供应链仿真概念模型设计文档,如图4所示。

图4 仿真概念模型成果Fig.4 Simulation conceptual model results

(3)仿真程序建模。基于仿真概念模型,在选取的成熟仿真引擎框架上,采用多智能体建模与离散事件建模技术,构建对象模型、流程模型、场景模型、算法模型,形成可依托仿真引擎实时运行计算的仿真程序模型[4]。

1.2.2 仿真推进技术选型

根据一体化煤炭供应链业务对象规模大、业务关系复杂和调度周期较长等特征,综合各种仿真计算推进方法[5],本文研究选择了基于时间和离散事件混合推进的仿真计算引擎技术,解决大规模、长时间的供应链高超实时仿真计算问题,实现一体化煤炭供应链多天运行状态的分钟级仿真推演计算。

1.3 决策优化技术

集团实时调度决策具有独特鲜明的业务特征,包括:面向供应链各环节的调度决策可选策略有限,调度策略在各个典型场景下的组合与逻辑固定明确,调度决策关注计划调整的时机和数量。根据上述供应链实时调度决策的业务特征,本文设计提出了基于场景分析的调度决策业务逻辑建模和基于运筹优化的调度决策优化建模的2层优化决策技术框架,第1层框架为调度决策业务逻辑建模,主要分析研究供应链常见的典型场景及其决策目标和调度策略组合;第2层框架为调度决策优化建模,主要从调度计划调整的时机和量出发,设计和开发面向各环节调度策略的调度模型。优化决策技术框架如图6所示。

图5 一体化煤炭供应链仿真推演计算原理Fig.5 Simulation and calculation principles of integrated coal supply chain

图6 决策优化技术架构Fig.6 Decision-making optimization technical architecture

调度决策业务逻辑建模,就是面向不同的典型场景(突发情况),根据各场景的决策目标,提出一组调度策略固定、调度次序明确的调度策略集,并识别各调度策略的决策优化模型,由此实现调度决策的知识化、模板化,形成标准化的调度预案,指导多调度席协同调度决策业务的开展。

调度决策优化建模,就是应用运筹优化方法,将调度目标、约束和策略转化为可求解的数学问题和优化模型,重点关注调度计划调整的时机和数量;再通过模型求解,将数学模型转化为可程序化调用的算法实例,在调度决策过程中随需调用、自动计算。基于此,实现调度决策的模型化、自动化,辅助调度员制定更为科学、精准的调度方案。

1.3.1 调度决策业务逻辑建模

调度决策场景是触发实时调度业务的基本条件,调度决策场景分析是调度决策优化的前置任务。供应链实时调度典型场景,包含突发情况对供应链运行的影响、可选调度策略、调度决策目标、调度决策业务逻辑模型和决策优化模型。一体化煤炭供应链高发性、高风险的典型场景如图7所示。

以预见性海运封航场景为例,进行场景深度分析和决策业务逻辑建模。海运封航分为封航前、封航中、解封后3个阶段,各阶段均有对应的决策目标集和一组具有优先次序的调度策略集(或叫调度决策树)。调度决策执行逻辑为:①按照智能决策应用模式,根据仿真推演的关键指标反馈,遵循调度决策树有次序地调用调度策略及对应的决策优化模型,自动优化调度方案(调度计划集合);②将优化的调度方案推送给仿真系统进行推演,如此往复,直到仿真推演结果达到预期或决策到底;③最终将优化的调度方案以“日计划”加“调度指令”的方式下发到各环节二三级调度机构执行落实。

图7 实时调度典型场景集合Fig.7 Real-time scheduling typical scene collection

1.3.2 调度策略优化建模

调度策略优化建模(图8),是支持调度员执行调度策略的可执行运筹优化模型创建,可根据调度员输入的配置参数,自动运行并返回符合调度目标的优化调度计划[6]。下面以预见性海运封航场景为例,示例性介绍调度策略优化建模与调度策略程序建模方法。

(1)决策优化设计建模。采用运筹优化技术,对海运封航场景下的决策优化建模进行了深入研究,设计了4个单策略的决策模型和1个多策略的决策综合模型,根据封航阶段和策略优先级,优化计算调度方案,生成最优的计划调整的时机和数量,定量解决因封航造成的电厂告急、港口场存超限预警等问题。

图8 调度策略优化模型Fig.8 Scheduling strategy optimization model

(2)策略优化程序建模。基于动态量平衡和时空网络思想,考虑实际场景下不同策略(重车分流、重车保留、装车调整等)的优先级关系,结合贪心策略进行求解,并提供接口仿真系统进行数据交互。

2 决策支持系统

智能决策关键技术,是一套具有极强业务指导性和操作性的新型调度决策方法。从技术可行性验证、工程应用性落地的目标出发,需要构建可演示的智能决策支持系统。

2.1 系统构建框架

智能决策支持系统的构建,是以自主成熟的基础仿真产品为底座,面向决策优化模型和仿真机理模型案例成果,进行仿真资源库、模型库扩展和仿真分析评估功能扩展,以及调度决策支持与模型配置与求解扩展,最终形成支撑仿真推演与优化决策协同的一体化决策支持系统。

2.2 系统应用架构

按照标准化、模块化、层次化软件设计方法和模型驱动的体系结构,以数据模型为中心,构建决策支持系统的应用架构(图9)。

(1)应用层。支持多席位协同应用和态势展示。

(2)服务层。提供知识应用、模型管理、导调控制等辅助业务,以及调度决策、仿真推演、调度协作等核心业务。

(3)平台层。具备数据资源库、数据资源管理、仿真引擎、知识图谱编辑、系统管理、外部接口等基础支撑能力。

(4)支撑层。提供硬件、软件支撑环境,支撑不同业务场景下的应用需求。

3 技术应用案例

实时调度智能决策技术应用验证,需要基于决策支持系统,选取引发全局调度的典型场景预见性海运封航造成港存高为案例场景,通过调用一体化煤炭供应链仿真机理模型、决策优化模型,开展面向一体化煤炭供应链运行机理仿真、实时调度决策支持能力与决策应用模式的演示试验,验证研究成果的科学性、可信性和有效性,以及未来工程化建设的可行性、实用性和可落地性。具体实施步骤如图10所示。

3.1 仿真可信验证

基于供应链的历史运行状态数据、历史调度计划数据,实际运行能力数据和基础数据,进行一段时间内的仿真运行推演,将历史运行数据与仿真推演数据进行对比分析,验证仿真推演技术的真实性、有效性和可信性。

3.2 异常场景技术验证

在预设海运封航事件的情况下,以超实时仿真驱动一体化煤炭供应链推演运行,调度员可以预先发现,供应链按照原计划运行,港口场存、电厂库存等核心指标与各环节关键指标将会出现异常告警,从而触发调度决策。经过优化决策后,调度员基于优化的调度方案再次仿真推演,判断原有的港口场存与部分电厂库存告急问题得到解决或有效缓解,一体化煤炭供应链可最大化地保持平稳高效运行。

(1)实验想定。①实体构成。部署15类仿真对象的基本信息、位置信息、初始状态信息,17个仿真活动及6个仿真规则。②任务信息。各环节运行计划5个,包括装车计划、分流计划、保留计划、航运计划、电厂耗煤计划。③实验输出。一体化煤炭供应链运行态势,各板块综合指标、细节指标及相关异常预警信息。

图10 技术应用验证步骤Fig.10 Technical application verification steps

(2)指标设计。一体化煤炭供应链推演结果从总调维度展示装车完成情况、铁路运输总量、港口综合情况、航运综合情况、电厂综合情况,并且对装车、铁运、港口、航运、电厂版块的关注点进行指标细化展示,共计16个综合指标,各板块关注41个细节指标(图11)。

图11 供应链综合指标与分项指标体系Fig.11 Comprehensive and sub index system for supply chain

(3)实验实施。以供应链仿真推演技术成果仿真程序模型,调度决策优化技术成果决策业务逻辑模型的调度决策逻辑、决策优化模型的求解程序,以及仿真验证环境和实验数据为支撑,实施开展技术验证实验。实验流程如图12所示。

图12 技术验证实验流程Fig.12 Technical verification experiment process

(4)实验结果展示。依托仿真验证环境,输入各板块初始状态数据及计划数据,基于离散事件和时间混合推进的高效引擎,调度仿真模型进行推演计算,并根据统计计算并展示各板块关键运行指标,实现一体化煤炭供应链运行趋势推演及展示。

(5)实验分析。由技术应用案例可知,本次研究的实时调度智能决策关键技术具有真实性、有效性和可信性,符合集团一体化煤炭供应链实时调度的应用场景和使用模式,可支撑未来集团总调度室以数字化、智能化方式开展联合实时调度工作。

4 结论与展望

4.1 结论

本文建立了一体化煤炭供应链实时调度智能决策的技术框架、技术路径和业务应用模式,研究提出了可支撑未来工程化的供应链态势仿真推演技术和调度决策优化技术,设计形成了可供工程化参考甚至复用的实例化仿真模型集和决策模型集,构建了仿真验证环境并完成了仿真验证实验,为供应链实时调度智能决策这个概念工程落地迈出了重要且坚实的一步,降低了工程化实施的风险、难度和试错成本,验证了实时调度智能决策的业务价值和工程可行性。

4.2 技术应用展望

一体化煤炭供应链实时调度智能决策关键技术,具有重大的业务应用价值和产业示范意义。①预期在未来集团实时调度业务上能够有效监控、精准优化一体化煤炭供应链的运行,保证电厂供应,提升运营效率和效益;②创造性探索出一套面向一体化能源供应链的调度决策优化技术,对于集团内部各级调度系统及外部相关行业具有创新示范意义。