2021年6月 供应链预测算法及应用 王桐 阿里巴巴-数字供应链事业部 Outline： • 预测场景及特性 • 预测算法研发路线及结果 • 预测应用案例 GMV预测 预测标的：GMV 提前期：未来1个月、一年 颗粒度： 行业*天*全国，行业 *月*全国 用途：支持整体经营计划（KPI制定，营销资源分配，供 应链资源分配） 评估口径：达成率 real/fcst （离线）商品销量预测：支持补货、调拨决策 （离线）商品销量预测：支持补货、调拨决策 （离线）仓单量预测：支持仓库、配送产能（人力）准备 （离线）GMV预测：支持长期经营计划 销量预测 预测标的：销量（需求） 提前期：未来1~8周 颗粒度： 货品*天*仓 用途：支持采购、补货、调拨决策 评估口径：minmax，加权平均 单量预测 预测标的：交易单/物流单数量 提前期：未来1天，未来1周 颗粒度： 货主*天*仓，行业 *天*仓 用途：支持仓库端人力准备 评估口径：1-MAPE，加权平均 供应链预测场景及特性 T T-1h T-1d T-1w T-4w T-8w T-1y 预测场景细分方式： • 预测标的：GMV、销量、单量、客服呼叫量、云计算请求量等各种不确定的需求 • 提前期：离线（长期（y, m）、中期(w)、短期(d)）、实时(h) • 颗粒度：预测对象颗粒度（店铺、行业、类目；商品、sku、货品；货主、行业）*

预测性维护 03.2021 上海 / 中国 罗兰贝格 洞见 数字化运维的制胜基石 1 随着互联技术的革新、大数据的应用与积累、计算能力的提 升及相关模型理论的高速发展，人工智能的应用场景逐渐丰 富，并在近几年逐步过渡到实操落地。各行各业正积极探索 通过人工智能赋能的运营模式，并以此推动产业升级及长期 的运营转型。 在政策端，从2017年7月国务院印发的《新一代人工智能发 展 备品备件销售、设备维护及维修等）作为制造业的重要组成 元素，通过工业互联网及人工智能的深度融合打造出创新的 应用场景，并实现持续降本增效的趋势目标。 运维服务的发展进程主要分为四个阶段： 01 预测性维护是什么？ 我们为什么需要它？ 封面图片： koto_feja 01 / 运维服务的发展进程 从需求侧来看，完整的数字化运维服务将成为企业选择运维 服务供应商的主要考量维度之一。罗兰贝格针对全球领先制 能赋能的数字化运维解决方案将是新的趋势。 资料来源：罗兰贝格 基于故障 预测的维护 响应式 维修 计划性 维护 基于条件 的维护 "故障后维护" "预防性维护" "预测性维护" "状态监控式维护" 2 02 / 预测性维护运作原理 1.消极维护：这是运维服务最原始的方式，通常指当机械故 障后安排技术人员到场维修。由于此维护方式通常发生在 设备故障后，具有高度不可预测性及突发性，且设备本身 的损伤程度较高，易造成修理时间及费用垫高等情况，还

研究报告 2025 年全球感知技术十大趋势预测 2 前言 在当今时代，人工智能、大数据、物联网以及新型通信技术正以前所未有的速度蓬勃发展。 这些技术的不断进步，犹如一股强大的推动力，为感知技术的发展带来了前所未有的机遇。感知 技术，作为科技领域的关键一环，正站在变革的十字路口。 传统的单一传感模式，在智能化时代的浪潮下，逐渐暴露出其局限性。它已难以满足环境认 知、精确定 市场前景以及丰富的商业落地案例。我们力求为读者呈现一幅全景式的未来感知技术图谱，让读 者能够清晰地了解感知技术的发展脉络和未来走向。 研究报告 2025 年全球感知技术十大趋势预测 3 目录 前言...................................................................................... .................................................................... 23 研究报告 2025 年全球感知技术十大趋势预测 4 二、 商业案例 ....................................................................................

13334/j.0258-8013.pcsee.181058 文章编号：0258-8013 (2019) 23-6791-13 中图分类号：TM 73 园区型综合能源系统多时间尺度模型 预测优化调度 王成山 1，吕超贤 1，李鹏 1，李树泉 2，赵鲲鹏 2 (1．智能电网教育部重点实验室(天津大学)，天津市 南开区 300072； 2．国家电网公司客户服务中心，天津市 东丽区 有 效的调度策略是实现这一目标的关键。该文针对一个实际园 区综合能源系统冬季运行优化调度问题进行研究。在对设备 进行详细建模基础上，建立包含滚动优化环节和动态调整环 节的两阶段多时间尺度模型预测控制调度策略：滚动优化阶 段以系统运行费用和机组启停罚金最小为目标，结合分时电 价并考虑多系统互补运行，通过多步滚动求解制定系统大时 间尺度调度计划；动态调整阶段以滚动优化阶段调控计划为 基 越性，有效降低运行成本，减少主机启停次数；动态调整阶 段的引入可快速响应可再生能源和系统负荷小时间尺度变 化，经济可靠地满足系统用能需求。 关键词：园区型综合能源系统；蓄热装置；启停罚金；模型 预测控制；多时间尺度；优化调度 0 引言 随着化石燃料的枯竭和全球环境污染问题的 日益突出，开发和利用可再生能源，提高终端能源 消费的效率、清洁化水平至关重要[1-3]。园区型综合 能源系统(community

9 ◼ 新能源发电优化： 1、精准的功率预测：DeepSeek可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如，针对某风光装 机占比达58%的省级电网，DeepSeek通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从19%降至3.2%，日前预测精度提高 至94.7%。 2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑电网的负荷需求、不同 市场供需分析与预测： 1、需求预测：根据经济发展、人口增长、产业结构变化等因素，Deepseek可以对能源的市场需求进行准确预测。例如， 通过分析城市的人口增长趋势、工业发展规划以及居民生活方式的变化，预测城市未来的电力需求增长情况，为电力企 业的规划和投资提供依据。 2、供应分析：对于能源的供应端， Deepseek可以分析能源生产 企业的产能、设备运行状况、资源储备等信息，预测能源的供应 能力和供应稳定性。例如，在石油和天然气行业，模型可以根据 油田的产量数据、设备的维护情况以及新的勘探开发计划，预测 未来的油气供应情况，帮助交易商和供应商提前做好应对措施。 3、供需平衡分析：综合考虑能源的市场需求和供应情况， Deepseek可以对能源市场的供需平衡进行分析和预测。有助于市场监管部 门及时发现供需失衡的情况，并采取相应的调控措施，如调整能源价格、增加能源供应或引导需求侧管理，以维护能源市场的稳定。

将会产生巨大的经济效益。 本文 以重型装备制造企业的节能减排为需求， 介绍了重型装 备制造企业能源管理系统的设计与实现。 该能源管理系 统主要对能源介质、 能耗设备、 计量设备、 计量数据、 能耗统计、 能源消耗预测进行管理。 1 系统设计 1.1 系统设计思想 （1）能源消耗统计。 本系统以能耗设备为统计单位， 对能耗设备基础数据进行统计分析， 可以实现车间、 能 源介质、 设备等统计对象在任意（年、季、月、日）时间单 C# 和 SQL Server 数据库的交互通过 ADO.NET 实 现。 （2）能源消耗预测。 在能耗统计基础上可以进行能源 消耗预测， 能源消耗预测是基于历年各个产品的产量和 当年的能源消耗量来进行的， 给定预测年份各个产品的 产量， 采用最小二乘法， 即可得到该预测年份的能源消 耗预测值。 矩阵 A 为 6×5 维度的由 a11～a65 组成， 即为往年各个 产品数量矩阵， 矩阵 天然气/ 煤气使用累积量 （EnergyConsume） x1～x5 为产品一到产品五在预测年份（如 2013 年）的产品 单耗， 通过矩阵计算求出矩阵 X， 得到 x1～x5 的值。 矩 阵 P 为 1×5 维度的由 p1～p5 组成， p1 到 p5 为产品一到产 品五在预测年份的产品数量， 预测年份的总能耗为 E： E=p1x1+p2x2+p3x3+p4x4+p5x5。 矩阵计算如下：

...29 图 2.5 预测性维护的基础构件。 ............................................................................31 图2.6 比较替代的电源资产维护方法。 .......................................31 图2.7 人工智能增强型可变可再生能源发电预测。 .......... ................................................ 28 表2.3 实施预测性维护的步骤 ..................................................32 表2.4 部署人工智能增强型虚拟现实预测的启用步骤 ......................................34 表2.5 实现能源属性证书部署的启用步骤。 （ai）的应用程 序，用于预测或自动化——如何可以 创造价值 为系统内所有演员。 1 在利益相关者协商中，66%的受访者表示他们将数字化纳入其国家能源战略。只有15%的受访者表示数字解决方案在国家能源战略或规划 中未被提及。 电力系统正在进行的转型特点是日益复杂。随着到 2050 年电力在终端能源消费中的占比达到 52%（国际能源署 [国 际能源署，2024a] 预测当前电气化率将翻倍），数字