基于LSTM煤炭預(yù)測模型的火電企業(yè)精細(xì)化運(yùn)營決策研究

摘要：火電企業(yè)精細(xì)化經(jīng)營旨在通過降本增效來提升競爭力。為此，企業(yè)需要建立一個(gè)經(jīng)營模型，以明確生產(chǎn)及經(jīng)營指標(biāo)之間的聯(lián)系。通過邊際貢獻(xiàn)的計(jì)算方式，對供電煤耗、入廠煤標(biāo)煤單價(jià)等影響成本的敏感參數(shù)采用基于線性回歸和長短期記憶網(wǎng)絡(luò)（Long-Short Term Memory，LSTM）的煤炭預(yù)測模型進(jìn)行精細(xì)化計(jì)算，從而準(zhǔn)確評估企業(yè)的經(jīng)營狀況。以湖北省某火電廠為例，應(yīng)用上述方法制定合理的煤炭采購策略。結(jié)果表明，該方法可以實(shí)現(xiàn)企業(yè)經(jīng)營收益的最大化。

關(guān)鍵詞：經(jīng)營模型；邊際貢獻(xiàn)；LSTM；采購策略

*基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目“大規(guī)模個(gè)性化定制下島式生產(chǎn)的可重構(gòu)知識(shí)發(fā)現(xiàn)與遞階性動(dòng)態(tài)調(diào)控”（52475524）。

0引言

在“碳達(dá)峰、碳中和”的國家戰(zhàn)略背景下[1]，綠色能源發(fā)展迅猛，風(fēng)電及光伏裝機(jī)容量大幅攀升，火電企業(yè)經(jīng)營面臨異常復(fù)雜的外在競爭環(huán)境?；痣娖髽I(yè)的生產(chǎn)經(jīng)營是一個(gè)系統(tǒng)工程，按照整體經(jīng)營結(jié)構(gòu)來看，其收入主要來源于售電及售熱，成本則包括煤炭采購、材料、工程及服務(wù)類項(xiàng)目支出，以及項(xiàng)目的投資折舊、財(cái)務(wù)成本等。

由于火電企業(yè)經(jīng)營分工較為細(xì)致，包括生產(chǎn)部門、經(jīng)營部門、營銷部門等，工作專業(yè)性較強(qiáng)，生產(chǎn)經(jīng)營信息整合多為粗放式。傳統(tǒng)企業(yè)經(jīng)營模式以經(jīng)營計(jì)劃為決策中心，依據(jù)月度或季度預(yù)計(jì)發(fā)電量推算煤炭需求量，燃料采購部門根據(jù)庫存煤量及存煤裕度開展煤炭采購計(jì)劃，經(jīng)營計(jì)劃部門根據(jù)目前的煤炭價(jià)格和采購是否有邊際貢獻(xiàn)來指導(dǎo)采購。

然而，企業(yè)經(jīng)營中的不確定性因素較多，煤炭價(jià)格的波動(dòng)性較大。目前，煤炭采購量主要受電廠的存煤裕度的限制，缺乏其他精細(xì)化指導(dǎo)依據(jù)。傳統(tǒng)的煤炭消耗量預(yù)測方法基本采用經(jīng)驗(yàn)值的等比例算法，其準(zhǔn)確性難以保障。事實(shí)上，當(dāng)煤炭預(yù)測消耗量不準(zhǔn)確時(shí)，煤價(jià)未來走勢的分析也缺乏科學(xué)性。特別是目前煤價(jià)高位運(yùn)行、煤電企業(yè)連年虧損，粗放式經(jīng)驗(yàn)性的核算已經(jīng)不能滿足企業(yè)生存發(fā)展的實(shí)際需要。

現(xiàn)代管理學(xué)認(rèn)為，科學(xué)化管理有三個(gè)層次：第一個(gè)層次是規(guī)范化，第二個(gè)層次是精細(xì)化，第三個(gè)層次是個(gè)性化[2]?；诋?dāng)前企業(yè)經(jīng)營的背景，本文將企業(yè)生產(chǎn)指標(biāo)數(shù)據(jù)和經(jīng)營指標(biāo)控制數(shù)據(jù)進(jìn)行直接關(guān)聯(lián)，通過一系列的運(yùn)算方式，實(shí)現(xiàn)在月度等短周期級別上開展精細(xì)化的經(jīng)營預(yù)測，為階段性的經(jīng)營決策提供依據(jù)。通過對湖北省西北部地區(qū)某火電廠實(shí)際生產(chǎn)經(jīng)營數(shù)據(jù)的收集，建立成熟的經(jīng)營模型，基于歷史煤炭采購價(jià)格數(shù)據(jù)，對未來短周期煤炭價(jià)格波動(dòng)區(qū)間進(jìn)行預(yù)測。立足企業(yè)的實(shí)際數(shù)據(jù)，以經(jīng)營邊際貢獻(xiàn)點(diǎn)作為決策判定依據(jù)，為企業(yè)經(jīng)營活動(dòng)提供階段化的指導(dǎo)意見。

1企業(yè)精細(xì)化邊際貢獻(xiàn)點(diǎn)計(jì)算方法

火電企業(yè)的邊際貢獻(xiàn)與煤炭采購價(jià)格、綜合供電煤耗等因素密切相關(guān)。在傳統(tǒng)的成本核算過程中，火電企業(yè)往往采用粗略估計(jì)的方式，煤炭價(jià)格走勢以本月已經(jīng)發(fā)生的煤炭采購價(jià)格作為預(yù)測參考。煤炭月度需求量與發(fā)電量直接相關(guān)，但二者之間并非線性關(guān)系，還有機(jī)組效率等因素的影響。傳統(tǒng)方式是按照比例關(guān)系大致估算煤炭需求量，準(zhǔn)確性有限。本節(jié)通過理論推導(dǎo)，準(zhǔn)確獲取火電企業(yè)邊際貢獻(xiàn)的敏感因素。

1.1成本的計(jì)算方法

從經(jīng)營角度分析，企業(yè)總成本Ft可以分為固定成本（Fgd）和變動(dòng)成本（Fbd）。 固定成本是指在一定條件下，不隨業(yè)務(wù)量的變動(dòng)而發(fā)生增減變動(dòng)的成本。變動(dòng)成本指在一定條件下，其總額隨業(yè)務(wù)量的變動(dòng)而成正比變動(dòng)的成本?；痣娖髽I(yè)主要關(guān)注煤炭成本及材料費(fèi)的影響[3]，具體成本計(jì)算如下：

（1）煤炭成本Fmt。公式如下

Fmt=Crlb×Wsw×Mgd （1）

式中，Crlb為入爐標(biāo)煤單價(jià)（元/t）；Wsw為上網(wǎng)電量（萬kW·h）；Mgd為機(jī)組綜合供電煤耗（g/kW·h）。

（2）變動(dòng)成本Fbd。公式如下

Fbd=Crlb×Wsw×Mgd+Fcl（2）

式中，F(xiàn)cl是材料費(fèi)用，是為了生產(chǎn)消耗且隨產(chǎn)量增加的費(fèi)用。

（3）固定成本Fgd。公式如下

Fgd=Fzj+Fcw+Fqt+Fgl（3）

式中，F(xiàn)zj為設(shè)備折舊成本；Fcw為財(cái)務(wù)成本；Fgl為管理費(fèi)用；Fqt為生產(chǎn)其他費(fèi)用。

（4）總成本Ft。公式如下

Ft=Fmt+Fzj+Fcw+Fqt+Fgl+Fcl （4）

1.2傳統(tǒng)邊際貢獻(xiàn)點(diǎn)計(jì)算模型

邊際貢獻(xiàn)（Rbj）指產(chǎn)品銷售收入Fsr與其變動(dòng)成本Fbd之差，其反映了產(chǎn)品的盈利能力及在企業(yè)生產(chǎn)經(jīng)營過程中所做的貢獻(xiàn)，是企業(yè)經(jīng)營決策和利潤計(jì)算的重要依據(jù)。邊際貢獻(xiàn)是為補(bǔ)償固定成本和獲得營業(yè)利潤而做出的貢獻(xiàn)[4]，公式如下

Rbj=Fsr-Fbd（5）

Fsr=Wsw×Rsw+G×Rgr（6）

式中，Rsw為上網(wǎng)電價(jià)（元/kW·h）；G為供熱量（t）；Rgr為供熱單價(jià)（元/t）。

根據(jù)式（2）可得

Rbj=Wsw×Rsw+G×Rgr-（Crlb×Wsw×Mgd+Fcl）（7）

王金燦等基于LSTM煤炭預(yù)測模型的火電企業(yè)精細(xì)化運(yùn)營決策研究

按照傳統(tǒng)計(jì)算方式，式（7）中Fcl數(shù)據(jù)常被忽略，Crlb數(shù)據(jù)以當(dāng)期入廠標(biāo)煤價(jià)格Crcb數(shù)據(jù)近似替代。

當(dāng)Rbj≥0時(shí)，表明企業(yè)經(jīng)營有邊際貢獻(xiàn)，可以在當(dāng)前入廠煤價(jià)下積極開展采購；當(dāng)Rbj＜0時(shí)，表明企業(yè)經(jīng)營流動(dòng)資金為負(fù)，建議設(shè)備停機(jī)。

同理，企業(yè)利潤（Rt）有Rt=Fsr-Ft，根據(jù)式（4）及式（6）可得

Rt=Wsw×Rsw+G×Rgr-（Fmt+Fzj+Fcw+Fqt+Fgl+Fcl）（8）

當(dāng)Rt≥0時(shí)，表明企業(yè)經(jīng)營是有利潤的；當(dāng)Rt＜0時(shí)，表明企業(yè)經(jīng)營是虧損的。但是，同時(shí)滿足Rbj＞0的條件時(shí)，表明經(jīng)營有邊際貢獻(xiàn)，可以持續(xù)經(jīng)營。

上述演算顯示傳統(tǒng)的經(jīng)營計(jì)算過程省略了很多數(shù)據(jù)，計(jì)算結(jié)果只能是方向性正確。在市場煤炭價(jià)格處于相對低位時(shí)，如此粗略式的計(jì)算方式是可行的。但是，在當(dāng)前煤炭價(jià)格持續(xù)高位運(yùn)行的背景下，精細(xì)化的經(jīng)營計(jì)算方式就意義重大。

1.3精細(xì)化邊際貢獻(xiàn)點(diǎn)計(jì)算模型

根據(jù)式（7）和式（8），以及傳統(tǒng)的計(jì)算方式可以得知，影響企業(yè)精細(xì)化核算邊際貢獻(xiàn)及利潤值的最大的兩個(gè)參數(shù)是Crcb及Mgd，以下就這兩個(gè)參數(shù)的準(zhǔn)確核算進(jìn)行模型計(jì)算。

本文采用線性回歸擬合法獲取機(jī)組負(fù)荷（Pfh）與綜合供電煤耗（Mgd）之間的函數(shù)關(guān)系，采用LSTM獲取未來一段時(shí)間的煤炭價(jià)格（Crcb）走勢。

1.3.1機(jī)組負(fù)荷與綜合供電煤耗的函數(shù)關(guān)系

機(jī)組負(fù)荷和綜合供電煤耗是火電廠總成本計(jì)算的兩個(gè)關(guān)鍵變量。根據(jù)每天采集的機(jī)組負(fù)荷實(shí)際數(shù)據(jù)及綜合供電煤耗實(shí)際值，建立機(jī)組負(fù)荷和綜合供電煤耗之間的函數(shù)關(guān)系。某火電廠機(jī)組負(fù)荷與綜合供電煤耗值[5]見表1。

采用線性回歸擬合法[6]，機(jī)組負(fù)荷和綜合供電煤耗的函數(shù)關(guān)系公式如下

Mgd=8 253.1/Pfh+274.366 2 （9）

1.3.2基于LSTM的煤炭價(jià)格預(yù)測

煤炭價(jià)格受產(chǎn)量、運(yùn)輸、終端用戶需求等各方面因素的影響[7]。對于火電企業(yè)來說，煤炭的成本占其生產(chǎn)經(jīng)營總成本的70%以上，煤炭采購價(jià)格對企業(yè)的經(jīng)營效果具有很重要的影響。國內(nèi)外許多學(xué)者對煤炭價(jià)格進(jìn)行了研究，隨著研究的不斷深入，煤炭價(jià)格的預(yù)測精度也在逐步提升[8]。傳統(tǒng)的煤炭價(jià)格預(yù)測方法包括基于時(shí)間序列預(yù)測的指數(shù)平均預(yù)測法[9]、差分整合移動(dòng)平均自回歸模型算法等[10]。Pindyck[11]采用傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)方法，結(jié)合卡爾曼濾波的辦法，采用大量的歷史數(shù)據(jù)作為參照，對未來煤炭價(jià)格走勢進(jìn)行預(yù)測，但從實(shí)際來看，中長期預(yù)測數(shù)據(jù)并不準(zhǔn)確。

LSTM是一種適用于序列數(shù)據(jù)的深度學(xué)習(xí)模型[12]，它能夠捕捉時(shí)間序列中的長期依賴關(guān)系，并在時(shí)間序列數(shù)據(jù)預(yù)測任務(wù)中表現(xiàn)出良好的效果。對于如煤炭價(jià)格、供應(yīng)量等與時(shí)間相關(guān)的數(shù)據(jù)，LSTM可以有效地進(jìn)行建模和預(yù)測。本文采用Vector Output Model[13]，將每個(gè)輸出序列的一個(gè)時(shí)間步長作為向量進(jìn)行預(yù)測，可以實(shí)現(xiàn)LSTM的多步預(yù)測[14]。

湖北省某火電廠已知煤價(jià)包含32個(gè)月的數(shù)據(jù)。由于數(shù)據(jù)量少，本文采用滑動(dòng)窗口的方法，將煤價(jià)數(shù)據(jù)轉(zhuǎn)換為多個(gè)固定窗口大小的獨(dú)立樣本作為LSTM的輸入；以取樣本后的預(yù)測長度位數(shù)作為LSTM的輸出。本文的滑動(dòng)窗口設(shè)為8，預(yù)測長度設(shè)為5，LSTM預(yù)測數(shù)據(jù)滑動(dòng)過程如圖1所示。

為了進(jìn)一步驗(yàn)證所提方法的有效性，本文將其與支持向量機(jī)（SVM）、BP神經(jīng)網(wǎng)絡(luò)（BP）和隨機(jī)森林算法（RF）進(jìn)行了對比。第33～37月所提方法與對比算法的預(yù)測值見表2，所提方法與對比算法的預(yù)測誤差見表3。

從上述數(shù)據(jù)可知，LSTM算法的相對誤差最小，更符合煤炭價(jià)格的預(yù)測走勢。因此，未來5個(gè)月的煤炭價(jià)格預(yù)測值采用LSTM的數(shù)據(jù)測算將更加科學(xué)。LSTM預(yù)測趨勢圖如圖2所示。

2案例應(yīng)用

湖北省某火電廠每年的總成本中，煤炭成本占比超過75%；年度總值為4億元，即3333萬元/月；機(jī)組平均綜合廠用電率取值為5%；機(jī)組上網(wǎng)電價(jià)根據(jù)企業(yè)簽訂的中長期售電合同取均值為0.52元/kW·h（含稅，售電稅率為13%）；年度均值取為0.01元/kW·h；由于售熱市場穩(wěn)定且淡季月度售熱收入固定，供熱量為6.55萬t/月，供熱單價(jià)為188元/t（含稅，9%稅率）；由于熱值差的存在及煤場管理費(fèi)用的發(fā)生，根據(jù)企業(yè)經(jīng)驗(yàn)，入爐標(biāo)煤單價(jià)比入廠標(biāo)煤單價(jià)高50元/t，明確了入廠標(biāo)煤單價(jià)的走勢，就能相對準(zhǔn)確地確定入廠標(biāo)煤單價(jià)的走勢；目前機(jī)組運(yùn)行方式為淡季，每月的發(fā)電量按照15 000萬kW·h核算；企業(yè)存煤最大值為10萬t，目前煤場存煤為1萬t。

2.1企業(yè)經(jīng)營邊際貢獻(xiàn)計(jì)算

2.1.1基礎(chǔ)數(shù)據(jù)核算

設(shè)該企業(yè)某月的發(fā)電量Wfd（萬kW·h），則月度平均負(fù)荷Pfh（MW）關(guān)系式如下

Pfh=（Wfd/30×24）×a（10）

式中，a為單位換算系數(shù)，取常數(shù)10。令Wfd=15 000，則有Pfh=208MW；

根據(jù)式（9）有Mgd=8 253.1/208+274.366 2=313.98g/kW·h。根據(jù)式（7），令Rbj=0，得到入廠標(biāo)煤單價(jià)的上限值為1 636.35元/t。同理，根據(jù)式（8），令=0，得到入廠標(biāo)煤單價(jià)的下臨界點(diǎn)值為891.38元/t。

2.1.2基于LSTM預(yù)測模型的經(jīng)營決策分析

根據(jù)上述核算，當(dāng)入廠標(biāo)煤單價(jià)≤891.38元/t時(shí)，企業(yè)經(jīng)營為盈利狀態(tài)；當(dāng)891.38元/t＜入廠標(biāo)煤單價(jià)≤1 636.35元/t時(shí)，企業(yè)經(jīng)營具有邊際貢獻(xiàn)值；當(dāng)入廠標(biāo)煤單價(jià)＞1 636.35元/t時(shí)，企業(yè)經(jīng)營為凈虧損狀態(tài)，理論上應(yīng)考慮停機(jī)。

依據(jù)對企業(yè)煤價(jià)走勢的預(yù)測情況，采用LSTM計(jì)算方法，得到未來5個(gè)月的入廠標(biāo)煤單價(jià)分別為1 033.9元/t、1 232.4元/t、1 515.2元/t、1 482.6元/t、1 302.8元/t。未來5個(gè)月的精細(xì)化經(jīng)營決策見表4。

在分析未來煤價(jià)上升趨勢的過程中企業(yè)可以采取精細(xì)化采購策略：低煤價(jià)時(shí)存足煤量存儲(chǔ)上限，考慮到煤價(jià)在未來三四個(gè)月可能達(dá)到頂峰，這一期間不宜采購，降低庫存水平，待煤價(jià)下降后，再?zèng)Q策采購數(shù)量（結(jié)合后期的煤價(jià)預(yù)測綜合分析）。這樣的采購決策基于前端精細(xì)化計(jì)算煤炭需求的基礎(chǔ)開展的，并結(jié)合了煤炭價(jià)格走勢，使決策更加具體，實(shí)現(xiàn)了精細(xì)化運(yùn)營，凸顯了精細(xì)化運(yùn)營的價(jià)值。

3結(jié)語

本文通過對生產(chǎn)經(jīng)營邊際貢獻(xiàn)的計(jì)算，明確了開展企業(yè)精細(xì)化運(yùn)營的關(guān)鍵參數(shù)即綜合供電煤耗和入廠煤標(biāo)煤單價(jià)。開拓性地將火電企業(yè)中機(jī)組的綜合供電煤耗與機(jī)組平均負(fù)荷之間的關(guān)系進(jìn)行了建模研究，科學(xué)地預(yù)測了入廠標(biāo)煤單價(jià)的未來走勢，為企業(yè)開展精細(xì)化運(yùn)營打下了堅(jiān)實(shí)基礎(chǔ)?；A(chǔ)數(shù)據(jù)的精細(xì)化直接決定了經(jīng)營分析在短周期內(nèi)的精細(xì)化程度，本文同時(shí)建立起了生產(chǎn)與經(jīng)營之間的數(shù)據(jù)聯(lián)系，這正是論文的突破點(diǎn)所在。

針對企業(yè)的經(jīng)營測算方法，立足企業(yè)的經(jīng)營實(shí)際，數(shù)據(jù)選取較客觀，為精準(zhǔn)開展企業(yè)經(jīng)營預(yù)測奠定了堅(jiān)實(shí)基礎(chǔ)。論文科學(xué)推導(dǎo)了未來5個(gè)月煤炭價(jià)格變化趨勢，并通過實(shí)際數(shù)據(jù)的誤差分析，證明了采用LSTM算法作為預(yù)測煤炭價(jià)格走勢的方法是合適的。上述精細(xì)化經(jīng)營決策對于企業(yè)短周期經(jīng)營指導(dǎo)性明顯，特別是在當(dāng)前煤炭價(jià)格高位運(yùn)行的情況下，該方法為企業(yè)精細(xì)化運(yùn)營提供了合適的分析方法和思路。

參考文獻(xiàn)

[1]王坤，李永新，劉偉，等.我國碳達(dá)峰碳中和圖景與典型國家能源轉(zhuǎn)型過程的對比分析與經(jīng)驗(yàn)啟示[J].能源技術(shù)與管理，2023，48（4）：1-6.

[2]倪瑩.發(fā)電企業(yè)成本精細(xì)化管理的必要性及措施分析[J]. 產(chǎn)業(yè)觀察，2023（7）：174-176.

[3]安洪光，張琳，靳坤坤，等.基于綜合用電煤耗的電力高質(zhì)量發(fā)展評價(jià)指標(biāo)研究及應(yīng)用[J].熱力發(fā)電，2020，49（2）：10-16.

[4]薛青贊.論成本精細(xì)化管理在火電企業(yè)中的應(yīng)用[J].財(cái)經(jīng)界，2016（36）：157，169.

[5]賈昊.基于高斯過程回歸的熱工系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)建模研究[D].北京：華北電力大學(xué)（北京），2021.

[6]王楠，盧應(yīng)發(fā)，葛隆發(fā).基于多元線性回歸法的工期預(yù)測模型研究和模擬[J].項(xiàng)目管理技術(shù)，2024，22（4）：84-87.

[7]李博.我國煤炭價(jià)格形成機(jī)制及煤炭價(jià)格影響因素[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2018（12）：82-83.

[8]邵鴻南.基于NSGA2算法和Elman神經(jīng)網(wǎng)絡(luò)的煤炭價(jià)格預(yù)測模型的研究[D].大連：東北財(cái)經(jīng)大學(xué)，2023.

[9]QI G J，TANG J L，WANG J D，et al.Mixture factorized ornstein-uhlenbeck processes for time-series forecasting[C]. Proceedings of the 23nd ACM sigkdd international conference on knowledge discovery and data mining，2017.

[10]CHEN T Q，GUESTRIN C.XGboost：a scalable tree boosting system[C].Proceedings of the 22nd ACM sigkdd international conference on knowledge discovery and data mining，2016.

[11]PINDYCK R S.The long-run evolutions of energy prices[J]. The Energy Journal，1999，20（2）：1-27.

[12]夏超鵬，洪宇，劉新山，等.基于LSTM深度學(xué)習(xí)網(wǎng)絡(luò)的中長期電力負(fù)荷預(yù)測[J].自動(dòng)化與儀器儀表，2024（7）：364-365.

[13]姚紅偉，尹靜文.基于LSTM算法的前饋控制系統(tǒng)擾動(dòng)預(yù)測研究[J].鍛壓裝備與制造技術(shù)，2024（6）：92-94.

[14]李田田，胡偉，余俊鋒.基于LSTM神經(jīng)網(wǎng)絡(luò)模型分析預(yù)測鋼材價(jià)格[J].科學(xué)技術(shù)創(chuàng)新，2024（15）：34-37.

收稿日期：2024-08-07

作者簡介：

王金燦（通信作者）（1982—），男，高級工程師，研究方向：火力發(fā)電廠生產(chǎn)運(yùn)營管理。

張利平（1983—），女，教授，博士研究生導(dǎo)師，研究方向：智能制造、生產(chǎn)調(diào)度、項(xiàng)目管理。

熊攀（2000—），男，研究方向：大數(shù)據(jù)挖掘。