电力物资需求分配方法、装置、终端设备及存储介质与流程

1.本发明涉及电力物资需求分配技术领域，尤其涉及一种电力物资需求分配方法、装置、终端设备及存储介质。


背景技术：

2.随着电力物资供应链的发展，对电力物资调配的响应时间、响应速度及响应方案均提出了越来越高的要求。仅仅依靠历史主观经验开展物资分配的工作耗时耗力，因此，寻求在现有的物资水平下，利用现代智能优化理论合理、高效地将多种电力物资分配至各个需求地市是提升电力物资供应链发展的核心环节。
3.目前在进行物资多目标分配时，主要是通过构建二维分配方案矩阵用以表示不同物资不同需求点的分配量，并使用第二代帕累托进化算法生成分配方案，再计算分配方案的适应度函数值。并在每一次计算结果的基础上以一定概率对分配方案进行选择、交叉及变异操作，在更新分配方案后继续计算适应度函数值，同时更新历史最佳适应度函数值及其对应的分配方案，直到迭代收敛或达到最大迭代次数。然而这种方式往往存在以下不足：第一，该方法的计算过程较为单一，存在局限性强、适用范围小的问题；第二，该方法存在大量的、复杂的数据处理过程，因此运算效率较低，无法满足快速响应电力物资分配请求的需要。


技术实现要素：

4.本发明的目的在于提供一种电力物资需求分配方法、装置、终端设备及存储介质，以解决现有技术中电力物资需求分配方法中存在的计算方法单一、计算量大、运算效率低的问题。
5.为实现上述目的，本发明提供一种电力物资需求分配方法，包括：
6.对电力物资数据信息进行预处理；所述电力物资数据信息包括电力物资需求数据及合同数据；
7.根据预处理结果，构造分配方案的抽象表达式；
8.利用所述分配方案的抽象表达式构建目标函数及约束条件；
9.基于所述目标函数及约束条件进行算法寻优，生成电力物资需求分配结果。
10.进一步地，所述对电力物资数据信息进行预处理，包括：
11.对电力物资需求进行需求紧急度标识、紧急程度降级、需求聚类、聚类分解、批次标记或快速供货标记处理。
12.进一步地，所述根据预处理结果，构造分配方案的抽象表达式，包括：
13.将聚合后的电力物资需求分为不同决策变量；
14.为所述决策变量设置不同的取值范围，并根据所述取值范围将决策变量与合同进行匹配，生成供应关系。
15.进一步地，所述基于所述目标函数及约束条件进行算法寻优，包括：
16.将寻优过程分为第一阶段和第二阶段；其中，在所述第一阶段采用多目标进化算法进行计算，在所述第二阶段采用遗传算法进行计算。
17.本发明还提供一种电力物资需求分配装置，包括：
18.预处理单元，用于对电力物资数据信息进行预处理；所述电力物资数据信息包括电力物资需求的提报量、当前库存物资及合同剩余物资；
19.预分配单元，用于根据预处理结果，构造分配方案的抽象表达式；
20.函数构建单元，用于利用所述分配方案的抽象表达式构建目标函数及约束条件；
21.算法寻优单元，用于基于所述目标函数及约束条件进行算法寻优，生成电力物资需求分配结果。
22.进一步地，所述预处理单元，包括：
23.需求紧急度标识模块，用于对电力物资需求进行需求紧急度标识；
24.紧急需求降级模块，用于当合同物资无法供应电力物资需求时，对当前电力物资需求进行需求降级；
25.需求聚类模块，用于根据电力物资需求的物资类型，提报地区进行需求聚类；
26.聚类分解模块，用于数量超过预设值的聚合量分解为多个聚合量；
27.批次标记模块，用于按照时间段优先级标记当前的库存物资、合同物资；
28.快速供货标记模块，用于根据供货速度优先级划分厂家合同，并将划分结果与不同紧急度需求进行匹配。
29.进一步地，所述预分配单元，还用于：
30.将聚合后的电力物资需求分为不同决策变量；
31.为所述决策变量设置不同的取值范围，并根据所述取值范围将决策变量与合同进行匹配，生成供应关系。
32.进一步地，所述算法寻优单元，还用于：
33.将寻优过程分为第一阶段和第二阶段；其中，在所述第一阶段采用多目标进化算法进行计算，在所述第二阶段采用遗传算法进行计算。
34.本发明还提供一种终端设备，包括：
35.一个或多个处理器；
36.存储器，与所述处理器耦接，用于存储一个或多个程序；
37.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的电力物资需求分配方法。
38.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的电力物资需求分配方法。
39.相对于现有技术，本发明的有益效果在于：
40.1)在数据预处理阶段，将同地市同种类物资的需求进行聚合，并控制聚合后的数量在15单位以内，在降低数据量级的同时控制聚合后的数据大小不会影响算法的效果；通过紧急需求降级模块，保证在极端情况下，分配算法的顺利进行。
41.2)本发明通过构造决策变量，将高维决策变量矩阵压缩至一维数组，通过设置多组不同的上下限保证进化算法能够实现多物资多目标的优化，解决了二维决策变量矩阵要求的各行、各列元素数量相等的约束，在处理实际问题时具有更强的灵活性。
42.3)结合实际业务情况，以实际分配的操作原则为基础，进行提炼总结，从而为分配方案进化算法设置4个目标，在实际的运算过程中，进化算法寻求的是4个目标的pareto解集，而非将4个目标视为一个整体去求解，进而大大提升了该算法的优化效果。
43.4)该算法旨在解决实际的分配问题，在构建时通过将整个算法的优化过程拆分为两个阶段(第一阶段使用计算复杂度较低、迭代寻优较快的算法，第二阶段使用计算复杂度较高，寻优效果更好的算法)，将两个阶段的方法优点有效的结合，从而有效的提升了算法执行效率，更符合在实际生产中执行人的需求。
附图说明
44.为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
45.图1是本发明某一实施例提供的电力物资需求分配方法的流程示意图；
46.图2是本发明某一实施例提供的预处理单元的各功能模块及其之间的关系示意图；
47.图3是本发明某一实施例提供的构造分配方案的抽象表达式的原理示意图；
48.图4是本发明某一实施例提供的算法寻优各阶段方法的选择及其关系示意图；
49.图5是本发明某一实施例提供的结果生成过程的流程示意图；
50.图6是本发明又一实施例提供的电力物资需求分配方法的流程示意图；
51.图7是本发明某一实施例提供的电力物资需求分配装置的结构示意图；
52.图8是图7中预处理单元01的结构示意图；
53.图9是本发明某一实施例提供的终端设备的结构示意图。
具体实施方式
54.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
55.应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
56.应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
57.术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
58.术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
59.请参阅图1，本发明某一实施例提供一种电力物资需求分配方法。如图1所示，该电力物资需求分配方法包括步骤s10至步骤s40。各步骤具体如下：
60.s10、对电力物资数据信息进行预处理；所述电力物资数据信息包括电力物资需求数据及合同数据。
61.本步骤中主要进行数据处理操作，以对多家地市供电单位多种电力物资需求的提报量进行预处理以及当前库存物资及合同剩余物资的预处理；其中，预处理具体是指对电力物资需求进行需求紧急度标识、紧急程度降级、需求聚类、聚类分解、批次标记或快速供货标记处理。
62.具体地，在数据处理中主要通过如图7所示的预处理单元01来执行，其中该预处理单元01又包括需求紧急度标识模块011、紧急需求降级模块012、需求聚类模块013、聚类分解模块014、批次标记模块015、快速供货标记模块016，如图8所示。其中各个模块的功能关系如图2所示，具体为：
63.需求紧急度标识模块011主要用于根据需求单位提报需求的要求到货日期进行判断，该日期减去算法运行日期小于等于某一阈值时(该阈值可根据实际情况灵活设置，如20日)，则该需求被标记为紧急需求，需要匹配供货速度较快的生产商；
64.紧急需求降级模块012是在所有供货较快厂家的已签订所有供应合同的总剩余量无法满足当前所有紧急需求的需求量时，用于将部分被标记为紧急的需求降低级别至普通需求；在某一可选的实施例中，紧急需求降级模块是为了应对极端情况下，供货较快厂家的合同剩余总量小于所有紧急需求的总需求量，通过筛选所有紧急需求的提报日期，按照时间从前往后排列，按照排列顺序依次满足，剩余未被满足的需求则需被降级为正常需求，由供货速度一般的供应商去供应，该模块可以预防极端情况下算法的出错，增强分配算法的稳健性。
65.需求聚类模块013主要用于聚合同一种电力物资，同一个地市单位的提报量，以达到降低数据量和降低算法运行时间的目标；
66.聚类分解模块014用于将数量较大的聚合量分解为多个较小的聚合量，较大的聚合量会使得与之匹配的供应端的选择太少，会影响最终计算结果；
67.在某一可选的实施例中，需求聚类模块013及聚类分解模块014两者的组合使用可以达到既减少了数据量的效果，也使得整体聚合后的数量维持在一定的区间，不会干扰到算法的运行。其中，需求聚类模块将相同提报单位及相同提报物资的需求明细进行聚类，而聚类分解模块则使用了启发式算法，将较大聚合量分解为多个较小的聚合量。如：某地市针对某物资a有7条需求明细，其需求数量分别为：1,2,3,4,5,6,7，其总聚合量为28，若不进行进一步处理，则只能为其匹配剩余量超过28单位的合同。因此，根据实际情况的需要，以重新聚合后的多个聚合值的标准差最小为目标，使用聚类分解模块将其重新聚类为2类(sum(1 2 3 4 5 6 7)//10)，以保证每个聚类值不超过15单位，使得其分配更为灵活。
68.批次标记模块015用于按照时间段标记当前的库存、合同，在匹配时，根据该值优先匹配签订时间较早的合同；
69.快速供货标记模块016主要用于区分供货速度较快与供货速度一般的厂家合同，在匹配时，普通需求可匹配供货速度快和供货速度一般的厂家的合同，而紧急需求只能匹配供货速度较快厂家的和合同。
70.s20、根据预处理结果，构造分配方案的抽象表达式。
71.本步骤中，分配方案的抽象表达式主要用于根据现实意义构建决策变量的范围及
取值方式(整数或实数)。其中构造分配方案的抽象表达式的原理如图3所示。具体地，在构造分配方案的抽象表达式时，主要包括两步：a)将聚合后的电力物资需求分为不同决策变量；b)为所述决策变量设置不同的取值范围，并根据所述取值范围将决策变量与合同进行匹配，生成供应关系。作为优选地，本实施例中的分配方案的抽象表达式以算法运行效率及实现为首要原则，构建决策变量数列，其构造方法如图3所示。如图3所示，将预处理后的所有聚合量一维展开，通过对不同决策变量(需求1至需求10)设置不同的取值范围，其取值表示需求与第n个合同进行匹配配对，建立供应关系。因此，该分配方案的抽象表达对通过对决策变量(需求n)设置独立的取值范围，起到了降低数据维度的作用，使得决策变量在一维展开的状态下有效地区分电力物资的种类和紧急/非紧急需求，从而达到多种类物资的分配效果。
72.s30、利用所述分配方案的抽象表达式构建目标函数及约束条件。
73.这一步中主要是将人工分配时的分配原则转换为数学的抽象表达式，用于表征分配方案的优劣，是评判分配方案的一种度量函数-适应度函数，而约束条件则是每一个匹配关系成立的基础。
74.在某一具体实施例中，目标函数构建是根据实际的匹配规则建立的抽象数学关系，例如按照0-3月，3-6月，6-9余，9-12月，12月以上五种批次段的划分，通过判断当前节点与合同签订时间的差值落在哪个区间，那么该合同就属于哪个批次，为上述五个批次区间一次赋值5到1。本实施例中建立多个目标为：在分配完之后，同一批次的每个合同的执行比例(已匹配数量/总数量)需尽可能均衡；2.先消耗较早批次的合同剩余量；3.全局供应商数量最少；4.每个地市对应供应商数量最少，其具体公式如下：
75.目标函数1：
[0076][0077]
其中，xi表示第i个决策变量的取值；b
xi
表示第xi个合同对应的批次系数。
[0078]
目标函数2：
[0079]
minf2＝std(ratio1,ratio2,...,ration)；
[0080]
其中，ration表示分配完成后各合同的执行比例，即(已匹配数量 本次匹配数量)/合同总量；std表示对所有合同的执行比例，计算它们的标准差。
[0081]
目标函数3：
[0082][0083]
其中，表示第xi个合同对应的供应商；unique表示对序列进行去重处理。
[0084]
目标函数4：
[0085][0086]
其中，orgn表示第n个决策变量(需求量)属于哪个地市公司；表示对应的地市公司orgn是否是第k个地市，是则该值为1/orgn，否则取值为0；表示第xi个合同对应的供应商；unique表示对序列进行去重处理。
[0087]
s40、基于所述目标函数及约束条件进行算法寻优，生成电力物资需求分配结果。
[0088]
本步骤中，将寻优过程分为第一阶段和第二阶段；其中，在所述第一阶段采用多目标进化算法进行计算，在所述第二阶段采用遗传算法进行计算。其中寻优过程的两个阶段的流程如图4所示。
[0089]
需要说明的是，将分配方案的寻优过程划分为两个阶段，第一个阶段采用搜索速度较快的基于分解的多目标进化算法，该算法会将多目标优化问题转换为同时优化n个单目标问题，可以降低目标优化的难度，并且该算法会利用子问题之间的协同进化机制，因此可以大大降低计算过程的负责度，具备迭代速度较快、计算复杂度较低的特点。第二阶段使用的遗传算法主要为第二代快速非支配排序遗传算法，在基于先验经验的基础上，使用上一阶段的计算结果进一步进行迭代计算，该算法引入了拥挤度及拥挤度比较算子，有利于保持种群的多样性，并且引入了精英策略，有利于保持父代优良个体进入下一代，对种群所有个体使用分层存放策略，有助于迅速提高种群水平，尽管增加了计算复杂度，但其优化效果也大大提升。因此，在寻优计算阶段，采用两种算法相结合的方案，既能够提升寻优速度，也能够保证寻优结果的稳健性。
[0090]
最后，步骤s40结束后得到分配结果，还需要对分配结果进行数据格式的转换，并输出转换后的分配方案，如图5所示。其中，该部分包括将分配结果反向聚类，然后结合人工修正的方式将数据格式对齐，以得到最终分配方案。
[0091]
本发明实施例提供的电力物资需求分配方法，通过对物资需求进行聚类和分解，能够减少数据量，降低计算复杂度；通过构造分配方案的抽象表达式实现了数据降维；并在算法寻优过程中在不同阶段采用不同的算法，提升了寻优速度，同时能够保证寻优结果的稳定性。
[0092]
为了帮助理解本发明提供的方案，下面以代入具体数据的实施例为例进行详细阐述，其中整个分配方法的流程如图6所示。具体地，各步骤内容如下：
[0093]
(1)每个周期定期获取所有地市的提报需求，其信息包括但不限于：物资编码、地市编码、需求量、需求明细识别码、提报时间、要求到货时间。并按照物资编码、地市编码进行排序。
[0094]
(2)匹配算法开始阶段，连接数据库获取当前最新物资合同信息，其信息包括但不限于：合同编码、供应商编码、物资编码、合同总量、已匹配数量、签订时间。
[0095]
(3)对需求数据及合同数据进行预处理，通过紧急需求识别模块标识每一条需求明细是否紧急，通过批次标记模块对合同按照签订时间进行批次段划分，同时通过快速供货标记模块对供应商信息进行判断从而标识供应速度较快的合同(第一梯队合同)。
[0096]
(4)结合上述处理后的需求及合同信息，对每类物资的合同总剩余量能否满足当前需求总量进行判断，若该物资种类的需求无法被全部满足，则输出信息，提示管理员需新签订合同，并由其手动分配。
[0097]
(5)在通过总量满足的判断后，对其进行紧急需求满足判断，比较每一类物资的紧急需求总量及第一梯队合同总剩余量，若无法满足，则使用紧急需求降级模块将紧急需求按照提报时间由早到晚进行排序，优先满足提报较早的紧急需求，剩余未能满足部分则降级为普通需求。
[0098]
(6)对上述处理后的需求数据进行聚类操作，按照物资种类和地市维度进行聚合，并对聚合后的聚合量进行判断，若聚合量超过15单位，则使用聚类分解模块，对较大的聚合
量重新聚合为数个较小的聚合量。
[0099]
(7)整理需求及合同数据，按照物资编码的进行升序排列。物资编码相同的需求，按照先非紧急需求，后紧急需求的顺序进行排序。物资编码相同的合同，按照先普通合同，后第一梯队合同进行排序。
[0100]
(8)按照上述排列，构建所有的需求的取值下限及取值上限
[0101]
(9)构建进化算法的决策变量x＝{x1,x2,...,xn}，其构建方法如图3所示。
[0102]
(10)输入其他参数，包括：
[0103]
聚合后的各个地市的需求量：
[0104]
决策变量对应的地市编码：
[0105]
合同序号：c＝{c1,c2,...,cm}；
[0106]
合同剩余量：
[0107]
合同的执行比例(已匹配/合同总量)：
[0108]
合同总量：
[0109]
合同批次：
[0110]
合同的供应商：
[0111]
(11)根据经验分配的原则，构建四组目标函数及约束变量，约束变量对合同可分配上限做出了约束，规定每一个合同可分配总量不得超过其剩余量。并且也对每个需求做出了约束，即每个需求只能匹配一个合同。
[0112]
(12)构建两阶段进化算法，第一阶段选择基于分解的多目标进化算法，第二阶段选择第二代快速非支配排序遗传算法，两个算法均设置种群数量为80，最大迭代次数为1000次，编码方式使用二进制格雷编码。
[0113]
(13)随机初始化算法所述的种群，算法会根据罚函数法(例如：计算所有取值为1(与合同1建立供应关系)的决策变量所对应的需求量，计算对应需求量的总和，并减去合同1的剩余量。若该结果小于等于0，则表示合同1本次分配数量未超过其剩余量，满足约束。若该值大于0，则违背约束)标记违反约束的所有种群的所有个体，在下一次迭代中修改其取值。
[0114]
(14)在经过两阶段算法处理后，输出分配结果，结合分配结果及聚类前的数据，对结果进行反向聚合，确定每一条需求明细所对应的合同编码，建立需求与合同之间的匹配关系，根据数据库表结构进行数据格式对齐，写入数据库并在系统中进行展示。
[0115]
请参阅图7，本发明某一实施例还提供一种电力物资需求分配装置，包括：
[0116]
预处理单元01，用于对电力物资数据信息进行预处理；所述电力物资数据信息包括电力物资需求的提报量、当前库存物资及合同剩余物资；
[0117]
预分配单元02，用于根据预处理结果，构造分配方案的抽象表达式；
[0118]
函数构建单元03，用于利用所述分配方案的抽象表达式构建目标函数及约束条
signal processor，简称dsp)、数字信号处理设备(digital signal processing device,简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如上述任一项实施例所述的电力物资需求分配方法，并达到如上述方法一致的技术效果。
[0139]
在另一示例性实施例中，还提供一种包括计算机程序的计算机可读存储介质，该计算机程序被处理器执行时实现如上述任一项实施例所述的电力物资需求分配方法的步骤。例如，该计算机可读存储介质可以为上述包括计算机程序的存储器，上述计算机程序可由终端设备的处理器执行以完成如上述任一项实施例所述的电力物资需求分配方法，并达到如上述方法一致的技术效果。
[0140]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。