数据感知技术在电力物资供应链数据质量管理中的应用

王国辉

摘要：从时空数据质量感知、异常数据感知、供应商信息系统标识感知等维度剖析数据感知技术在电力物资供应链数据质量管理中的应用，构建包括数据资源层、数据清洗层、数据校正层、数据分析层和可视化交互层的全面数据质量管理体系，通过基于时空相关性的多源感知数据清洗技术、基于隐藏规则挖掘的异构异常数据修复技术和基于供应商信息系统标识的全息画像认知技术，实现数据治理、问题数据自动纠错;并基于电力物资供应链生态圈全寿命周期管理发展需求，提出数据感知技术在电力物资智慧供应链延伸及拓展应用方向：从上下游对接、全链业务融合贯通及画像需求出发构建生态圈，基于多源感知能力实现信息全面互联共享，实现整个智能制造业价值链的智能应用与创新服务。

关键词：数据感知;数据质量管理;电力物资;供应链生态圈

引言

近年来为了满足日益增长的电力负荷需求，电力企业加强了电网建设，新建了很多输变电工程，并加大了对配电系统建设的投资，但随之也加大了物资供应的压力。在以往的电力企业物资供应链管理中，存在着供应效率低、容易使得相关方的利益受损。如物资未能够按期供应、临时调换物资等情况在实际供应体系中经常出现。为了提高电力企业的物资供应效率和管理水平，应加强物资供应链中各利益相关方的合作，实现互利共赢，本文详细对电力企业物资供应链的管理方法及其创新方式进行了分析。

1研究背景

随着现代信息技术的快速发展和应用，电力物资供应链与互联网、物联网深度融合已成趋势，数字化、智慧化成为现代供应链的显著特征。现阶段，通过智能采购、数字物流、全景质控三大业务链，现代供应链逐渐部署数字化转型的新型实践，但数字化转型过程中的弊端也逐渐暴露，如供应链数据欠完整、欠规范、非结构化等。为了实现数据的统一管理和价值挖掘，国家电网有限公司（以下简称“国网公司”）投入了大量人力物力聚焦于数据治理、分析、应用等各环节的工作。然而，数字化引起的数据量激增将造成更多的人力资源投入，在此背景下如何实现供应链数据运营管理的自动化、智慧化是迫切问题。

数据感知以数据自动清洗、数据质量治理和数据价值挖掘为技术手段。Hu等和Korzun等分别研究了数据感知技术在信息处理和生物特性感知等领域的应用;Padulano等提出了一种适用于大型数据库，在不知道数据潜在概率分布的先验信息情况下还可以与其他非参数的、基于模式的方法相结合的数据清洗技术;Phan等提出了一种平稳型线性回归方法用于纵向数据的对比分析，并引出了数据感知技术在数据清洗中的进一步应用;Vujić等针对传统电力大数据异常值检测算法存在检测精度低、检测效率差等问题，提出基于云计算的电力运行大数据异常值快速检测算法;Duan在Vujić等的基础上提出利用模糊C-均值聚类算法分类识别处理电力运行大数据，快速检测其中的异常值。以上数据清洗和数据异常识别研究为数据感知技术积累了大量先期经验，为数据感知技术在电力供应链数据运营管理应用中提供了技术参考。数据清洗和质量治理旨在为数据分析挖掘提供完整有效数据集，使数据价值得以体现，因此数据感知技术亦包含数据的价值挖掘研究。目前，基于各企业对供应商评价的需求，用户特征画像已有部分研究，例如Li等和Li等主要研究了用户画像的不同技术框架;Li等对用户画像分类模型展开了进一步研究;Janostik等充分考虑企业数据的特殊性，提出针对非结构文本数据处理可建立企业敏感词库，针对短文本数据处理可结合字符、拼音以及词性等特征，以深度学习结合多层输入、权值共享技术实现企业供货特征提取与分析;Bonner等引入最大相关最小冗余准则进行用户特征选取，采用遍历法从原始特征集找到满足与目标类别相关性最大、相互间冗余性最小的优质特征集，基于此实现用户的画像特征分析;Molinillo等提出了一种基于层次树的回归方法（CHAID），通过对用户基本属性进行分类，从而构建用户画像。

2电力企业的物资供应链特点及现状

2.1电力企业物资供应链的特点

在电力企业的物资供应链中，供应的物资种类较为繁杂，物资的供应量也较大，物资供应的周期也比较长，物资运输的方式也多样化，和社会中的物流系统也具有较为密切的联系，对物资供应链进行高效管理的难度较高。在整个电力企业的物资供应链中，如果任意一个物资供应环节出现问题，都会给供应链带来较大的影响，甚至可能会带来较为严重的经济损失。因此，为了保证电力企业的物资能够按时供应，应建立相应的约束监督机制，对物资供应链的全过程进行监督。

2.2电力企业的物资供应链的现状

在现有的电力企业的物资供应链中，存在着物资供应不够协调、管理效率低、管理较为粗放等问题。长期以来，电力企业和电力物资供应商之间没有建立较为完善的信息共享平台，各个企业之间的协调程度不高，这样当遇到突发情况和市场变化时，容易出现电力物资积压、导致物资库存成本上升的情况。通过加强电力企业的物资供应链管理，可以保障各相关方的利益，并且树立企业的品牌形象，缩短企业的资金周转周期，提高资金的使用效率，降低企业的经营风险。

3现代供应链数据质量管理的数据感知关键技术

3.1基于时空相关性的多源感知数据清洗技术

电力物资供应链数据存在来源分散、同一件产品或设备数据存在全网链多供应商提供、抑或产品配件数据源自多厂商的特点，由于多厂商的人员素质、工作规范、产品质量因素等方面存在差异，对全生命周期供应链数据、物资配送过程管理或同一产出地的设备/配件检测、试运行等数据集进行数据清洗环节时，需要充分考虑数据产出地的时空特性。McKechnie等、Zhang等、Ramos-Goñi等认为时空数据质量感知技术主要面向供应链数据的时间相关性和空间相关性，通过明确数据产出场景，设定一个有限度的时空粒度，获得不同数据产地（或传感器）采集的数据相关性，以及相同产地的数据相似性特征，基于此构建数据时空相关性模型，实现对“脏”数据的清洗，构建完整数据集。

3.2建立供应链业务数据标准

数据标准是为确保信息系统各数据库与各功能模块之间的数据分类、编码及数据文件命名的系统性和唯一性，满足系统正常高效运行以及与其他相关系统协同运作的要求，实现系统之间相互兼容、信息共享，以及对数据制订的统一定义和规范。数据标准适用于业务数据描述、信息管理及应用系统开发，可以作为经营管理中所涉及数据的规范化定义和统一解释，也可作为信息管理的基础以及应用系统开发时进行数据定义的依据。

当前，不同业务环节数据标准不统一、数据标准矛盾或者相互混淆的情况时有发生，导致供应链內部和外部数据交换、共享比较困难。建立统一的数据标准有助于对数据进行统一规范的管理，消除各部门间的数据壁垒，方便数据的共享。

结语

以数据感知技术为核心的全面数据质量管理体系能够有效促进物资、业务、数据的融合共享，激活全供应链数据流价值，高效灵活配置各类资源，推动物资链上下游的发展。更深层次上讲，通过数据感知技术实现电力物资供应链生态圈全寿命周期管理，是未来电力物资优化配置发展的重要趋势。

参考文献

[1]陈积光，周蜜.基于泛在电力物联网的智慧供应链研究[J].控制工程，2020，27（6）：1098-1102.

[2]邹同华，高云鹏，伊慧娟，等.基于Thompsontau-四分位和多点插值的风电功率异常数据处理[J].电力系统自动化，2020，44（15）：156-165.

[3]时珊珊，田英杰，金瑞杨，等.基于聚类的电网低压台区用电画像方法研究[J].电工电能新技术，2020，39（8）：66-74.