新型工业化｜快速推进能源行业供应链数字化赋能新型工业化高水平发展

　　能源是社会生产运行的重要物质基础，安全、高效、协同、稳定的能源供应是现代化产业高质量发展的重要安全保证。能源供应链的数字化转型，是通过物联网、人工智能、数字孪生等技术，建立精确描述供应链运作时的状态和运作机制的数字模型，精准感知供应链运作时的状态，预测供应链路潜在风险，从而快速匹配资源供应与工业生产需求，补强能源供应链的薄弱环节，为新型工业化的高水平质量的发展提供更高效和稳定的能源供给。

　　（一）促进能源供应链精准调配和高效运行。推动能源行业供应链和数字技术深度融合应用具有两方面重要意义：一是在能源需求旺盛、区域不确定性强、供给结构变化的大环境下，通过数字技术分析能源供给与需求的时空分布，支撑能源统筹、跨区域均衡精准调配，在产运销储用方面，实现化石能源与新能源的多元互补、运输路径的统筹优化、储能载体的合理分布和能源供应快速响应；二是通过数字化智能化技术在能源供应链产运销储用环节的深度应用，实现全供应链高效地信息共享、全景感知、全局可控、有效协同和实时调控，提升能源供应链配置效率和安全运行水平。

　　（二）支撑能源供应链管理外延，推动进口能源采购供应协同。我国能源禀赋是富煤、贫油、少气，同时，我国是全球最大的煤炭消费国、第二大石油消费国和第三大天然气消费国，因此就需要大量进口化石能源来满足国内经济发展需求，高效调配和管理进口能源是能源稳定供应的内在要求。能源供应链的数字化转型将有效拉动国内外能源贸易业务协作，促进海外能源生产商、国内能源采购商、能源贸易商、运输商等主体间可信安全共享供应链数据库建设，为全供应链的企业主体提供能源采购运输交易服务平台，实现全世界的能源采购供应协同。

　　（三）促进能源“一体化”全供应链降本增效，保障产业链效益最大化。能源企业应用数字技术开展业务模式升级和供应链流程创新，推进能源供应链数字化转型，实现更大范围资源优化配置、更深程度生产方式变革、更高水平价值创造。以国家能源集团为例，依托“煤电路港航化”一体化核心优势，通过供应链与数字技术深层次地融合，创建生产运行综合指数体系，打造了全景监测感知、三级业务联动、一体化运营管控的基石系统，有效提升了集团整体运营效率，降低综合运行成本，以此为支撑建设具有全球竞争力的世界一流能源集团。

　　（一）能源行业供应链计算任务繁重，算力能力亟待升级。目前算力资源在满足全国多时空尺度的能源供应链数据汇聚计算和智能分析要求上还有待提升。一方面，能源供应链业务对象建模难度高，求解算法仍需优化。目前能源行业缺乏一体化调度仿真优化模型，通过采用智能体建模及分层决策思想解决调控难题仍处于研究阶段，求解效率和求解精度还需逐步提升。另一方面，智能算力供需仍存在缺口。能源大模型和能源供应链仿真模型训练迭代与运行对智能算力需求的拉动远超预期，原有通用算力已不足以满足能源供应链中一些高端、复杂的应用场景。例如智能电网优化调度用电高峰期电力资源时，需要实时监测电力负荷、设备状态、故障预警诊断等大规模数据，通过算力分析合理分配电力资源，对于智能算力的实时性和准确性提出较高要求。

　　（二）能源供应链数据量庞大，数据治理任重道远，关乎数字化精准效用的发挥。能源供应链在数据体系化治理方面需要统一数据底座，对接多源异构数据，保障数据安全合规，在全供应链数据治理、估值、确权、交易等方面情况复杂。一方面，能源供应链产生海量数据。数据来源主要涉及原材料采购、生产加工、储存运输、销售服务等环节，业务集成港口、铁路、电厂、煤炭、航运等板块，且随着物联网、人工智能、数字孪生等技术的广泛应用，数据量呈爆炸式增长，不仅包含财务报表、库存信息、运输信息等结构化数据，还包括大量图像、视频、音频等非结构化数据。另一方面，能源供应链数据治理体系尚处探索阶段。一是传统能源企业信息化系统通常由业务部门独立建设，聚焦在供应、生产、物资等专项业务领域，容易形成数据壁垒。二是能源供应链运行中沉淀了大量历史数据，但缺乏统一数据标准，不同系统、不同供应商、不同链条环节、不一样的地区的能源数据尚且还没打通，开放共享仍存在较大阻碍。三是能源供应链上数据均来自不同渠道，难以界定数据资源持有权、数据加工使用权和数据产品经营权的边界。

　　（三）能源供应链结构较为复杂，数字化怎么来降低运行差异、保障各环节企业效益亟待破题。能源产运销储用各环节相互关联、互相影响。一方面，能源供应链具有复杂性和不确定性，多目标协同优化难度高。能源供应链涉及供应商、生产商、分销商、零售商、最终用户等多个参与主体，且面临市场供需不平衡、产运不协调、价格波动大等问题，特别是大型能源企业产运销储用供应链涉及环节多，纵向链长，横向面广，业务网络结构较为复杂且动态性强，属于复杂供应链网络，如何通过数字化手段合理优化能源供应链，保证资源运输的安全、高效、顺畅慢慢的变成了亟待解决的问题。另一方面，能源供应链具有时空复杂耦合特性，多物理对象的多时空尺度建模难度大。能源供应链各环节时间尺度不一，例如煤矿生产计划一般以周日维度、铁路运输一般为小时级维度、航运一般为旬周维度，且实际调度常常空间跨度大，易产生牛鞭效应，降低能源资源的供应效率。

　　（一）推进能源算力基础设施建设与算法协同创新，确保全供应链企业共进共赢。加强能源领域数字基础设施建设，一是建好煤炭、电力、油气等能源领域场景的智算中心。以“云大物移智”等数字化手段与能源实体业务融合构建新型能源行业系统，打造提供AI应用服务的分布式边缘算力和集中式大规模算力，同时为能源数据来进行清洗、标注、预处理和大模型训练，形成能源供应链智能算力基础设施。二是搭建能源行业大模型。基于能源智算中心，借鉴盘古矿山大模型、羚羊能源大模型等经验，开发、训练能源行业大模型，构筑智慧能源“大脑”。集成大模型开发平台、工具集、应用服务提供商等，拓展大模型应用场景，优化能源生产、交易、运维等环节，促进形成全面服务能源行业全供应链生态的体系化服务能力。三是联合国内高校、研究院开展能源模型算法研究。能源企业应充分共享知名高校以及国家能源机构、大型国企附属研究院在能源供应链领域的深厚科研成果。例如针对能源互联网中多种能源形式的传输和分配课题，通过基于蚁群算法、粒子群优化算法等路由优化算法，实现能源的高效传输和优化分配，并推动能源供应链模型科研成果转化。

　　（二）深化数据治理，完善能源供应链数据标准体系和管理机制。重视能源行业数字资源管理，保障供应链数据治理规范有序。一方面，推动能源行业数据标准体系建设。依托能源数据主管部门，构建政府主导、行业规范、公司参与的能源供应链数据标准体系，明确各方在能源供应链中数据共享使用的权责边界，制定能源供应链数据采集、存储、标注、加工、流通、交易、生存周期、数字衍生品等标准规范。另一方面，全方位提升能源供应链数据管理上的水准。在能源供应链数字化建设过程中，规范管理供应链业务、功能及数据需求的提报，统一定义和规范性描述核心业务数据资产，开展数据核查规则库建设和数据质量核查治理，制定业务数据共享清单，逐渐完备能源供应链数据管理体系。

　　（三）利用智能仿真降低计划与调度复杂度，优化能源供应链调度决策。将预测技术（机器学习）、决策工具（人工智能、运筹优化）等与数字孪生技术相结合，按照问题模型化、模型知识化、知识智能化形成基于数字孪生的能源供应链调度决策支持系统，帮助能源企业通过较低试错成本，模拟供应链运行与效能评估，优化供应链运行方式与运营计划，实现精益调运和效能提升。一是使仿真系统覆盖能源企业各层级机构。搭建覆盖能源公司总部、骨干子分公司以及矿山、电厂、铁路、港口、化工厂等基层生产单位三层供应链仿真调度管理系统，建成数据采集与监测、设备管理、能源分配调度、链上企业共享协同等功能模块。二是进行供应链生产计划推演和智能决策研究。生产计划方面，研究供应链生产计划推演与进度研判，采用多周期运营计划分解模型的迭代改进方法，支撑“产运销储用”一体化运营计划推演。智能调度方面，研究供应链的运作时的状态评估及供应链异常的精准识别，支撑供应链各环节在不一样的情况下的调度策略制定与快速推演，辅助调度工作的科学化精细化管理。三是搭建仿真实验室。立足能源供应链一体化运营智能仿真，运用三维全息虚拟交互沙盘增强展示方式，搭配声、光、电等数字科技辅助系统，打造展示和使用于一体的能源供应链智能仿真实验室，帮助能源企业更加直观高效地进行供应链调度决策模拟。

　　更多行业案例及其特点，请扫描下方二维码关注“赛迪顾问”公众号，获取最新动态。

　　本公众号提供的内容用于个人学习、研究或欣赏，不可用于其他商业用途。如有关于作品内容、版权及其它问题，请及时在公众号留言。