成本考虑

成本考虑（精选八篇）

成本考虑 篇1

借款实际利息的调整主要在两个方面:一是长期借款发生实际利率与借款利率不一致时对借款费用所进行的调整;二是企业发行债券时实际利率与票面利率不一致时对借款费用的调整。

如果长期借款取得借款与合同约定的数额不一致时, 需要进行“利息调整”。也就意味着实际利率与合同利率不一致, 后续期间涉及利息调整的摊销, 期末计息时, 应该按照期初摊余成本乘以实际利率计入财务费用或在建工程等, 计算资金成本时分子的资金使用费用应该采用实际的财务费用。

如果发行债券筹资, 债券票面利率与实际利率不一致时, 需要进行折价或者溢价的摊销, 折价或者溢价在每期的摊销构成了对借款利息的调整。另外, 在债务资金的筹资过程中如果发生诸如手续费、佣金、印刷费等辅助费用, 也要按照规定进行摊销。债券期末计息时, 应该按照期初摊余成本乘以实际利率计入财务费用或在建工程等, 计算资金成本时分子的资金使用费用应该用实际的财务费用。

例:某公司发行公司债券, 面值500万元, 5年期, 票面利率8%, 每年末付息一次, 到期还本。发行时的市场利率10%, 发行费率为发行额的0.5%。计算该公司债券的资金成本。

债券的发行价格=500×8%×PVA (5, 10%) +500×PV (5.10%) =500×8%×3.790 8+500×0.620 9≈462.08

按照票面利率计算的利息债券的资金成本=500×8%× (1-25%) ÷462.08× (1-0.5%) ≈6.53%

该资金成本是按照现行《财务管理》教材计算的。该计算的主要缺陷是资金的使用费用是按照票面利率计算的利息, 不是实际利息。应该将票面利息调整为实际利息, 再进行计算, 即要考虑与债券相关的折价或溢价的摊销, 因此每一期债券的实际利息是不同的, 应该分别计算债券每一计息期的资金成本。

成本考虑 篇2

在写伟大的美国小说?还是下一本变革性的自救图书?如果你在酝酿一本每年发行量将超过100万本的图书，那么是时候开??始思考如何销售图书。..因为在当今的出版环境下，你得自己建立和维持你作品的流行度。

达留斯·海姆斯(Darius Himes)和玛丽·弗吉尼亚·斯旺森(Mary Virginia Swanson)在《如何出版摄影图书》中写到：“出版社每年要推出很多图书，当一本书被认为是新书时，就会被营销人员优先考虑。..。..但下一季的发行图书目录永远也赶不上出版社应该出版的目录。”

甚至就算你得到出版商的支持，他们的营销力度也可能是有限的。

《不流行的力量》一书的作者埃里卡·纳伯莱塔诺(Erika Napoletano)表示：“传统出版商在推广图书上几乎不会做什么，除非你是斯蒂芬·金或运气特别好。要做这个工作，必须转向如社交媒体等资源。”

但除了一些基本的做法--建设一个网站、创建基本的Facebook页面和Twitter帐号--你还可以怎么使用社交媒体工具，以有限的预算为你的图书带来销量?

下面是五种值得考虑的新方法，

1、开始写博客

作为作家，可能不缺内容，考虑下以此维持活跃的博客。WordPress资源站点WPBeginner的赛义德·巴尔希(Syed Balkhi)表示：“就低成本工具和个人品牌来说，每位作者需要做的第一件事，就是为自己的品牌确立一个中心如博客或网站。你的博客是品牌的心脏，不断输出新鲜的社交内容血液。”

2、使用社交媒体作为与粉丝联系的重要方式

《纽约市场：最佳工艺品、农产品、食品和跳蚤市场指南》的作者凯伦·塞基尔(Karen Seiger)表示：“我的出版商在传统平面媒体和公共广播上做得很好，但在Facebook、Twitter、LinkedIn和Pinterest建立网络一直是我自己在做。这些网络不但可以帮我卖很多书，而且对我和我接下来的项目都是一项资产。”

如同博客一样，聪明地利用内容资产可帮助你建立强大的粉丝群。如果你是有内幕要分享的纪实作家，Facebook和Twitter可作为获得专家建议的工具。但共享内容仅仅是第一步--更大的机会在于让粉丝进行双向对话。

3、在Facebook和Twitter上为作品注入活力

社交媒体渠道可很容易地成为你图书内容的延伸。如果你是一个小说作家，可以考虑在Facebook或Twitter上展现你的虚构世界。

4、争取他人的帮助传播图书

建立一个支持者社区帮助推广你的书，是一个有效的传播策略。

5、制作视频图书预告

学会考虑成本，你才能成长更快 篇3

最近越来越不喜欢在微信群闲聊。

自己由于各种各样的原因加入了很多微信群，也被拉入了很多微信群。每天一大早开始，各个微信群就逐渐活跃起来。一直到晚上，如果不去查看未读消息，所有群的信息加起来应该有几万条。

当初，每当我加入一个群的时候，我会积极地发言，和大家热络地聊天，尽管我们其实并不认识。有时候，我能和一群陌生人聊上半天。

后来我开始写东西，开始做公众号，我参与聊天的积极程度便逐步降低。再到后来，除非特别重要的微信群，否则都直接删除聊天记录。这样做的原因只有一个：那些信息对我来说几乎全部是无效信息。

有人肯定会说，你怎么就能确定，这些未读信息是无意义的、对你没有价值的呢？

这个问题其实很好回答。除了因为特殊的临时性目的组建的微信群（比如有大咖在微信群里做在线经验分享），以及一些大佬云集的微信群，大部分群聊都是无目的的、即时性的，这样的聊天很难诞生值得我借鉴的观点或对我有帮助的信息。我有可能收获的价值，远远低于我付出的时间成本。

总有人说，你还年轻，有的是时间。但是请问，除了时间我还有什么呢？我唯一的选择，不就是把时间投入到最有价值的事情上吗？

前段时间在一个APP上分享软文撰写经验。这是一个众筹课程，每个人只需要付10元钱就可以看到大约70分钟的干货分享。为了这个课程我准备了七八个小时。

这时候正好有一个网友过来找我咨询工作的事情，他也想做广告相关的工作，还问我软文应该怎么写。当时我的课程还没有上线，我跟他说，你只要花10块钱去听了这个课程，我基本可以把这件事给你讲明白透彻。但是他犹豫再三，最终因为不想花这10块钱，便错过了这个课程。

后来，课程圆满完成，主办方给我的反馈是，好評率100%，这意味着五十几个参与者全部给了这个课程满分。当这个网友得知这个消息时，又来找我，希望能够花10块钱学一下这个课程。只是讲课的视频虽然是录播，主办方却早已规定只有在开课前报名的人才能看到，因此他后悔也晚了。

我为什么要讲这件事呢？主要是想谈谈机会成本。

所谓机会成本，是为了得到某种东西而所要放弃另一些东西的最大价值；也可以理解为在面临多方案择一决策时，被舍弃的选项中的最高价值。

上面说的这个故事，这个网友参加我的课程的机会成本，就是10块钱。如果选择报名，他会失去10块钱，但能够收获70分钟的干货演讲；如果他不报名，当然不会失去10块钱，但以后再也听不到这个演讲了。

很多时候，面对未知的机会、知识和金钱，我们总会下意识地选择金钱，因为钱对你的价值是确定的。殊不知钱是可以赚的，知识学到之后能让你增值，机会错过之后就可能没有下一次。

从这个角度来说，获取知识的机会远比金钱要重要得多。

【素材分析】对于成本，人们考虑更多的似乎还是金钱、财产等可量化的显性成本，对于时间成本和机会成本考虑甚少，尤其当获利目标是非商业性质时，更会将时间成本和机会成本忽略不计。然而据各种成功学、营销学通过大量事实研究表明，时间和机会把握得当，往往会比仅管理显性成本获得更大的收益。当然，面对同一件事情，人与人的标准不同，该不该付出，是不是机会，需不需要计算进成本也是因人而异的。

【速用名言】

1.在企业内部，只有成本。

——美国管理大师 彼得·杜拉克

2.挣钱的方法只有两个，不是多卖，就是降低管理费。——克莱斯勒汽车公司总裁 李·艾柯卡

成本考虑 篇4

商业输电投资模式下,输电管理机构、电力用户、发电商以及各中间代理商等各类主体参与输电投资,产生竞争。在投资规划中,成本是影响经济效益的重要因素[1]。低投资额是一个重要经济目标,同时投资者需协调降低网损,减小阻塞几率等多方面对线路的要求[2,3,4,5]。但随着社会的发展,输电投资规划需要考虑更多的内容。当前,在中国乃至全世界,节能、环保问题备受关注。电力行业是环境污染控制的重点行业,目前普遍以向发电厂征收排污费、处罚等方式抑制污染物排放,属于事后处罚,不利于从根本上解决排污问题。在输电投资规划中考虑发电的环境成本,一方面对于污染较大的电厂,减少其送电通道,抑制其发电,降低其排污;另一方面也能从一定程度上促进包括新能源发电在内的低污染发电机组装机容量的扩大。

本文在阐述经济激励概念的基础上介绍巴西的1种考虑了降损和消除阻塞的线路投资规划模型,基于此模型提出了考虑环境成本的输电投资经济激励,并结合5节点系统的简单算例分析了经济激励的作用。

1 输电网投资经济激励

投资的经济激励可解释为:在成本分摊的参与者数量、系统状态均保持恒定的一段时间内,对投资回报的预期结果与输电网投资者行为的关系。投资者预计承担的投资额对他们形成信息反馈,他们期望承担较少的成本,这种期望促使他们采取有计划的措施,尽可能地实现自己的目标。在投资的经济激励模型中,激励源是投资额,激励对象是输电投资者,激励对象的目标是成本的最小化,投资者将采取不同的行为实现此目标。

在电网中,输电线路投资的1个决策因素是电能供需容量。发电容量或负荷容量的变化都可能引起输电投资建设。电网负荷增长,即使负荷节点没有变化,如果输电线路不能满足增加的输电需求,则需投资建设新的输电线路,以避免阻塞以及出现系统安全问题。如果在新的地理位置建设负荷变电站,即新增负荷节点,则必须建设相应的输电线路,确保此节点电力用户正常用电。

发电机组容量与负荷需求之间有密切的关系,发电机组或发电厂的新建根据预测的未来负荷形势进行决策。电网的负荷增长至原有发电机组极限输出功率无法满足需求时,电网运营者采取的措施是从其他电网购电、提高其他电网对本电网的注入功率、或者鼓励发电商投资新建发电机组或发电厂。前2种办法实施的前提条件是其他电网满足自身负荷需求后仍有富余的供电能力与输电容量。从长远来看,电源建设能适应用电行业的发展,电源建设同时牵涉到输电线路的投资建设。如果电网的发电、负荷节点均不变,并且输电容量能够满足新增的发电和负荷的输电需求,则不需要另建线路。如果发电节点不变,原有线路输电容量不能满足新增的发电和负荷的输电需求,则需投资建设线路。如果新增发电节点,则必定投资建设相应的输电线路。

投资者决定建设新的输电线路后面临的1个重要问题是在哪些节点间建设线路。综合考虑投资总额、降低网损、消除输电阻塞的有效性以及有利于节能减排等多方面的因素,才能确定新线路的建设方案。

2 线路投资规划模型

将输电投资的经济激励反映在线路投资规划模型中,可实现可靠性、经济性最优的输电扩展决策。

2.1 线路有功潮流函数

巴西学者提出的线路投资规划模型以投资建设总成本最低为目标选择最优的待建线路[6]。给定发电节点,线路j-k的有功潮流Pjk的直流潮流模型如下:

式中:bjk为支路jk的电纳,;θjk为节点j、k的电压相角差。E为电网已经存在的支路的集合。

如果考虑输电损耗,则直流模型可表示为:

式中:gij为支路ij的电导。

电网扩展规划中,不考虑输电损耗,1条备选线路的有功潮流函数为

式中:ξjk为线路建设决策函数;D为电网扩展规划中备选线路的集合。

考虑输电损耗,1条备选线路的有功潮流函数为

式中:α为曲线斜率。

经过一系列的α取值观察统计,α取1时函数同时具有很好的收敛性和潮流结果。如果α过大,曲线函数的导数值很大,最优潮流无法收敛;如果α太小,曲线函数又失去了其特性,故最优潮流结果也会受到影响。所以α的取值为1。

ξjk函数自变量的取值范围是[0,20]。根据图1所表现出来的函数特性,在自变量取值接近8的时候函数值就已经接近1,为了使函数值尽可能接近1,自变量的上限取作20。此函数可采用神经网络算法仿真。对于扩展规划中的1条备选线路,取0≤xjk≤20,其决定函数在区间[0,1]是连续的。如果11≤xjk≤20,ξjk=1;0≤xjk≤0.0001,ξjk=0;0.0001≤xjk≤11,ξjk反映线路有功潮流损失变化趋势。

2.2 环境成本函数

环境成本是指本着对环境负责的原则,为管理企业活动对环境造成的影响而被要求采取的措施成本,以及因企业执行环境目标和要求所付出的其他成本[7]。对于发电厂来说,前一部分为发电的外部成本,主要指发电排污造成的外部经济损失;后一部分为发电的内部成本,包含发电企业减排进行设备投资及维护运行的费用以及向有关部门缴纳的排污费。

目前,发电的内部环境成本已包含在发电的运行维护费中,从上网电价中消化。但发电的外部环境成本还未内部化,某些污染物排放造成的经济损失也并未纳入政府排污费征收名目中。在此情况下,在输电规划中应将此成本另外体现出来。发电厂的外部环境成本可采用式(6)[8]计算:

式中:i表示污染排放种类,共有I种;G表示发电量;λi表示发出单位电量时排出污染物的量;βi表示单位污染物造成的污染损失。由于各地区经济发展水平和人口密度及污染排放的差异,电厂的外部污染损失量化比较困难。根据世界银行和《中国可再生能源发展项目》估算,2010年发电污染损失为1～8分/kW·h不等[8]。

2.3 输电投资规划模型

输电系统规划的最优模型表示为

式(7)～式(11)中:ng为发电机组数;cn为发电机组n的运行成本,元/(MW·年);cen为发电机组n的环境成本,元/(MW·年);cjk为输电线路jk的扩建成本,元/年;xjk为决定函数的自变量;Gj为节点j的发电机组的发电量;dj为节点j的预期负荷需求;Pjk为支路jk的有功潮流,已存在线路的有功潮流用(1)式或(2)式求得,备选待建线路用(3)式或(4)式求得。

目标函数(式(7))的第一项表示发电机组的运行成本及环境成本,第二项表示系统固定成本。限制条件1(式(8))反映系统功率平衡;条件2(式(9))反映线路的输电容量限制,满足此条件线路不会阻塞;条件3(式(10))表示满足发电容量极限;条件4(式(11))反映线路建设决策函数自变量的取值范围。对此规划问题求解可得出线路上有功潮流最大的备选待建线路,即可确定新增输电线路的投资额。

3 算例分析

图2表示1个5节点的测试系统,有2台发电机组和3个负荷。线路参数如表1所示,节点1为平衡节点,其余节点为PQ节点,节点6为新增电网节点。月交易市场中,电网单位有功潮流的固定成本月结价格为4万元/MW。

电网各节点负荷与发电机组输出功率见表2。根据表1、表2的数据看出,原电网的发电容量无法满足负荷需求,增加发电节点6,需投资新建输电线路。各节点之间的备选线路参数见表3。该5节点测试系统较小,可假定各发电厂的地理位置相距不远,各发电厂的外部环境成本相差不大,约为400元/MW·h。

注:外部环境成本与运行成本接机组年利用小时4 700 h核算

设各条输电走廊最多能建4回线路,根据线路投资规划模型求解,如果不考虑输电损耗,节点4、6之间建3回线路、节点3、5之间建1回线路是最经济的,投资总额需1 200万元。如果考虑输电损耗,节点4、6之间建2回线路、节点3、5之间建1回线路、节点2、6之间建1回线路、节点2、3之间建1回线路是最经济的,投资总额需1 500万元。

4 结语

本文的输电投资规划模型,反映了在投资金额的经济激励下,输电投资者降低输电网建设成本和考虑环境成本的全网综合发电成本,同时提高输电可靠性与线路利用率为主要目标的输电线路投资决策过程。并且,输电规划考虑了环境成本后,可自然降低环境效益差的发电机组的发电量,直接激励发电企业改进设备,降低排放,提高机组综合竞争力,从而在以后的输电规划中被安排更多的上网电量,由此形成良性循环,不断促进发电减排。

摘要：探讨了考虑环境成本的输电投资经济激励问题。给出输电投资经济激励的内涵,基于巴西的1种输电线路投资规划最优模型,给出了输电投资经济激励下的线路规划模型,并将发电企业的外部环境成本函数引入模型。此方法适用商业输电投资模式,为投资者提供了决策参考依据。

关键词：电力市场,输电网,规划,经济激励,环境成本

参考文献

[1]HYMAN L S.Transmission,Congestion,Pricing and Incentives[J].IEEE Power Engineering Review,1999,19 (8):4-10.

[2]LISA C.Transmission Investment:Obstacles to a Market Approach[J].The Electricity Journal,2001,14(2):25-38.

[3]EDWARD N K.Stimulating New Transmission Investments [J].The Electricity Journal,2002,15(3):76-80.

[4]STEIN B R.Transmission Investment:Nourishing a Gnarly Tree[J].The Electricity Journal,2005,18(7):25-32.

[5]RAJAT K D.Transmission Investment Valuations:Weighing Project Benefits[J].The Electricity Journal,2004,17(2): 55-67.

[6]OLIVEIRA E J,SILVA I C,PEREIRA J L R,et al. Transmission System Expansion Planning Using a Sigmoid Function to Handle Integer Investment Variables[J].IEEE Transactions on Power Systems,2005,20(3):1616-1621.

[7]陈毓圭.环境会计和报告的第一份国际指南[J].会计研究,1998,(5):1-8.

成本考虑 篇5

当前,由于顾客需求的日益多样化和全球动态经济环境的逐渐形成,企业间的竞争日趋激烈。制造企业逐渐形成了多供应商、多地点制造、多客户的新供应链模式。尤其是在面向客户的制造环境中,供应链的重心正逐渐向需求方转移,供应链表现为由市场和客户需求驱动的“需求链”[1,2,3,4]。所以,当企业寻求降低成本和改善服务的新方法时,将物流和制造设施(工厂、物流中心、仓库、供应点、分销点)放置在何处,就变得非常复杂和重要;它将会直接影响到企业运作中的相关成本,并且设施一旦选定,就会占用企业的大量财力、人力等资源。因此,只有合理的选址方案,良好地配置当前的和未来的设施资源,企业群才能适应和满足不断变化的动态经营环境,从而提高服务质量,增强企业的核心竞争力。

1 文献综述

工商企业的选址,是一个十分古老而又现实的问题,自1909年德国学者Alfred Weber第一篇工业区位论文的发表,迄今已有近百年的发展。国内外学者对其进行了大量研究,形成了多种方法,大致可以分为定性研究法、定量研究法以及定性与定量相结合的研究方法。

由于对顾客的服务水平已成为衡量一个企业竞争力的重要因素,也是影响企业利润的重要因素,因此当进行工厂选址时,有必要在优化物流成本的同时,考虑优化对于顾客的服务水平。在这方面的研究,国内外都很少[5]。

不久前,Feng Du和Gerald Evans(2007)提出了一个双目标混合整数规划模型来设计逆向物流网络;其中,一个目标是最小化物流成本,另一个目标则是最小化服务延迟时间;同时,提出了一种集成了分散搜索算法、对偶单纯型法和约束法的求解算法[6]。何波、杨超(2008)针对售后服务逆向物流网络设计问题,考虑了同时优化物流网络运营成本和服务水平,提出了一个多目标整数规划模型来确定服务中心的个数、位置、容量等级以及客户区指派到服务中心的策略,并得到成本和服务之间的权衡关系,设计了一种混合多目标进化算法求解模型[5]。屈援、王雪莲(2007)对产业选址问题进行了描述,提出一类带有价格随机参数的产业选址的双层规划模型;其中,上层规划描述决策部门在厂址数量和投资总额限制内确定最佳的选址的数量和位置,下层规划对各分厂产能进行决策,其目标是总年利润最大。但是,上、下层均以利润最大为目标,不够全面[7]。

2 选址中须考虑的物流服务水平

在以往的选址模型,一般较少考虑物流节点的服务水平。但是在实际情况中,企业的物流服务水平会直接左右客户对产品的满意度,它不仅决定了企业现有客户关系能否续存与发展,同时也在很大程度上影响着有多少潜在客户将成为现实客户。而高水平的物流服务,有助于增强企业的市场竞争力,促进产品的销售,从而提高企业收入;反之,低水平的物流服务将直接或间接导致客户流失,使企业承担巨大的损失[8]。因此,服务水平对物流成本、收入均有较大的影响,呈现如图1所示的关系。

(1)服务水平与物流成本的关系:在一定范围内,随着服务水平提高,成本就会上升,但无限度提高服务水平,会因为成本上升的速度加快,反而使服务效率没有多大变化,甚至下降。

(2)服务水平与利润的关系[9]:如图2所示。

从整体上讲,收入是随物流服务水平提高而增加的,但在企业的服务水平没有达到顾客要求的平均最低服务水平之前,“企业是很少有业务的”;因此,在此阶段“收入随物流服务水平的提高增加很缓慢”。当服务水平超过此阶段后,企业针对市场竞争进一步改善服务,收入持续增长,但是随着服务水平的进一步提高,收入增长速度放慢,进入边际收入递减阶段。当服务水平提高到一定阶段后,收入基本不变甚至会有所下降,这是因为过高的物流服务水平已吸引不了更多顾客的光临[10]。

正是鉴于物流服务对企业的水平与收入、物流成本的巨大影响,企业在进行工厂选址决策时常囿于两难困境:一方面,如果工厂提升自身物流服务水平,则必须扩大服务的覆盖范围,优化物流网络,势必增加物流成本;另一方面,如果工厂的服务水平有限,服务范围过小,则有可能会流失客户,随之而来的是一些设备将会处于闲置状态,将会严重影响工厂的效率和利润。因此,当进行工厂选址时,有必要在优化成本的同时,考虑优化物流服务水平。

3 利用双层规划协调供应链利益

工厂选址问题可描述为:随着市场需求的扩大,总公司拟在全国设立若干分厂以加快对客户响应,降低物流成本。而决策部门可以通过政策和管理来改变某个新建分厂的位置和物流成本,从而影响客户对是否从该新建分厂获得需求做出选择,但不能控制他们的选择。客户则对不同位置的工厂进行比较,根据自己的需求,根据不同分厂满足的程度及其服务的优劣来选择新建的工厂。这种关系可以用双层规划模型(bilevels programming model)来进行描述。按此基本思想建立下面的双层规划数学模型:

运用此双层规划来对工厂选址中涉及的成本及服务水平进行权衡,从而协调供应链参与者(工厂和客户)的利益,其概念模型如图3所示。

上层规划U(O)要求目标供应链利益最大,通过选址中所有工厂总利润最大实现。F是上层规划所确定的目标函数,x为上层规划的决策变量,G是对变量的约束;

下层规划L(O)要求目标客户自身利益最大,通过服务水平最大实现。y为下层规划的决策变量,g是对变量y的约束;

上层决策者进行一系列成本优化措施,从而形成以x为变量的协调策略,传输给下层,影响下层决策者,限制了下层决策者的可行约束集,从而使下层在做决策时还需考虑成本因素;而下层决策者的行为反过来又会通过反应函数y(上层决策变量x的函数)影响上层的决策,从而使上层也不是在孤立地做决策[11],而是同时考虑下层的服务水平。通过上下层间的调及反应的交互策略达到选址时成本与服务权衡的目的。

4 考虑成本/服务权衡的双层规划工厂选址模型

工厂选址问题可具体描述为:为了达到对客户需求的迅捷响应和降低物流成本,总公司拟在全国建立总产能为Q的一个或多个分厂,现有I个候选厂址,需满足J个供应链内部客户——分销中心的需求。现仅考虑两阶段的供应链,即仅考虑从工厂到分销中心这一段。工厂的总数、投资总额有限制,工厂的利润与其销量、年产能、产品市场价格、原材料价格及运营成本有关,其中工厂年产能受投资额影响,产品市场价格是一个服从某种分布的随机变量。

假设:

(1)不考虑与其他制造厂商间的竞争;

(2)只考虑一种产品的生产运输;

(3)运输费用与运输量成正比,由厂商承担;

(4)每个分销商只能由一个工厂提供产品;

(5)所建工厂均按设计产能满负荷生产;

(6)新建工厂有最大覆盖距离,若分销商位于覆盖范围以外,则厂商无法向此分销商提供产品,厂商对客户的覆盖率下降,导致服务水平的下降。

上层目标是从决策者的角度出发,使工厂的总利润最大,通过使收入减去产品成本,初建费用以及从备选地点的工厂运至分销商的运输费用而获得;下层目标是从使用者的角度出发,使对分销商的覆盖率达到最大,从而提高服务水平。具体模型如下:

I={i襔i=1,2,…,I}为备选工厂集;J={j襔j=1,2,…,J}为现有的分销商集。

上层公式说明:

xij表示第j个分销商由i地点的工厂得到满足的需求量;

坌ps表示产品出厂价格,它是一个服从某种分布的随机变量,可对市场价格进行统计分析,拟合度检验得出;

pt表单位产品的成本,包括原材料成本、人工成本以及库存成本等;

设有l种运输方式,Clij表示第l种运输方式下,i地点的工厂运往第j个分销中心时的单位运输费用,则总运输费用为;

决策变量:Yim当在i地点建m个单位产能的工厂时,Yim=1,否则Yim=0;

b表示工厂的标准单位产能,设新建工厂有m种产能选择,则新建工厂的产能可为0b,1b,2b,…,mb;

fim表示在i地点新建第m种产能的工厂的固定建设费用;

α表示因存在规模效应,随着产能的增加,固定建设费用增加量边际递减,用α(0<α<1)衡量固定建设费用增加量;因建单位产能的工厂的固定建设费用为fi1=kbα用[12],则建有m产能的工厂的固定建设费用为fim=K(kbα)=mαkbα=mαfi1,因此在i地点新建工厂的固定建设费用为:

在i地点的工厂产能为:

其中:;则所有新建工厂的总产能为,本文假设工厂为满负荷生产,则所有新建工厂的总产量即为;

B表示所有新建工厂的初始投资预算;

Q表示所有新建工厂的设计总产能。

下层公式说明:

决策变量Mij:当分销商j被指派给位于i地点的分厂时Mij=1,否则Mij=0;

决策变量qij:当分销商j能被位于i地点的分厂覆盖时qij=1,否则qij=0。

第一个约束保证新建工厂的成本不超过其初始投资预算。第二个约束保证新建工厂总产能不超过设计总产能。第三个约束限制新建工厂的数量。第四个约束为变量的0-1约束。第五个约束保证一个分销商只能由一个分厂提供产品。第六个约束保证只有在该地点拟建工厂,才能从该地点为分销商提供产品。

5 小结

本文对工厂选址问题进行了描述,分析了选址中需考虑物流服务水平的必要性,提出了利用双层规划协调供应链整体利益。在现有大多数研究只考虑优化成本的基础上,建立了基于成本/物流服务权衡的双层规划工厂选址模型,但模型还有待进一步细化和完善,以及开发出合适的求解算法,以期为实际的选址方案提供方向性建议。

摘要：合理的选址方案,良好的配置当前和未来的设施资源,是企业适应和满足不断变化的动态经营环境,从而提高服务质量,增强其核心竞争力的重要途径之一。对工厂选址问题进行了描述,分析了选址中需考虑物流服务水平的必要性,提出了利用双层规划协调供应链整体利益。在现有大多数研究只考虑优化成本的基础上,建立了基于成本/物流服务权衡的双层规划工厂选址模型。

成本考虑 篇6

常用的供应链契约包括批发价格契约、收益共享契约、回购契约等,其中收益共享契约因其设计实行相对简单,近年来引起学者广泛关注。然而在研究过程中,缺货费用往往被忽视,即使考虑到缺货费用,也很少在有风险规避者加盟的供应链结构中有所涉及。Cachon和Lariviere[1]研究了包含批发价格和收益共享系数两个参数的收益共享契约模型,并将其与回购、价格折扣以及数量折扣等契约形式进行了比较。Cachon和Lariviere[2]指出了收益共享契约在供应链协调中的重要作用,进一步研究了可能导致收益共享契约在供应链协调中失效的两个因素。Giannoccaro和Pontrandolfo[3]研究了需求随机、零售价格固定时,由制造商、分销商和零售商组成的三级供应链协调的收益共享契约模型,并分析了契约参数对各成员利润的影响。叶飞[4]研究了由一个风险中性的供应商与一个风险规避的零售商构成的两级供应链收益共享契约机制。郭福利和陈菊红[5]以一个风险规避的零售商和风险中性的供应商组成的两级供应链为研究对象,利用Loss-averse对供应链收益共享契约模型进行了分析。Wang和Webster[6]在考虑缺货成本的基础上利用损失规避模型研究了有风险规避者加盟的报童问题。

本文在均值方差结构下建立考虑缺货成本的报童模型,研究零售商为风险规避者的两级供应链收益共享契约机制。所谓收益共享契约机制是指制造商以较低的价格将商品批发给零售商,待商品销售任务完成之后分得零售商的部分收益,其中供应商分得的份额为λ,零售商分得的份额为1-λ。

1 符号说明及模型建立

研究由一个风险中性的制造商和一个风险规避的零售商组成的两级供应链收益共享契约模型,模型中商品为短生命周期,零售商为满足市场需求d而向制造商采购q单位产品。市场需求d是一个非负的、连续的随机变量,密度函数为f(x),累计分布函数为F(x)。零售价格为外生变量,记为r,制造商单位产品生产成本为cm,零售商单位产品销售成本为cr,单位缺货成本为cs,制造商提供的单位产品批发价格为w,收益共享契约机制是指制造商以较低的价格将商品批发给零售商,待商品销售任务完成之后分得零售商的部分收益,其中制造商分得的份额为λ(0≤λ≤1),零售商分得的份额为1-λ。

2 零售商为风险中性情况下的收益共享契约机制模型

为方便起见,定义符号如下:P为利润,EP为期望利润,下标“M,R,SC”分别代表制造商、零售商和供应链,(y)+=max{y,0}。

零售商、制造商和供应链的利润分别为:

经计算可得

E(q-x)+=∫undefinedF(x)dx,E(x-q)+=∫undefinedF(x)dx-q-E(x),其中E(x)表示随机市场需求的均值。

故零售商、制造商和供应链的期望利润分别为:

EPR=-(λr+cs)∫undefinedF(x)dx+(λr+cs-w-cr)q-csE(x) (4)

EPM=(1-λ)r(q-∫undefinedF(x)dx)+(w-cm)q (5)

EPSC=-(r+cs)∫undefinedF(x)dx+(r+cs-cr-cm)×q-csE(x) (6)

由于undefined,所以w为严格凹函数,于是q为最优解的充要条件是EPsc满足其一阶最优性条件。

令undefined

得:

undefined (7)

且q→+∞时,undefined。

同理使供应链利润最大化的订购量

undefined (8)

风险中性条件下,令q*=q*SC得:

undefined

关于λ求导得undefined,即零售商分得的收益越大,制造商提供给零售商的批发价格越大,所以w(λ)≤w(1)=cm,要想实现风险中性条件下的协调批发价格应小于制造商的生产成本。

3 零售商为风险规避情况下的收益共享契约机制

由文献[7]和文献[8]可知,如果零售商是风险规避者,仅仅考虑期望利润最大化或者期望成本最小化是不够的,零售商在选择最优订购量时会综合考虑期望利润均值和期望利润方差两者大小,因此采用均值方差理论来衡量零售商的风险规避特性。在均值方差结构下,该问题可被描述为:

undefined (10)

其中参数α(α≥0)用来衡量零售商的风险规避程度,它是期望利润均值和与风险相关的期望利润方差之间的定量平衡,α=0是表示零售商是风险中性的,α>0表示零售商为风险规避的,而且α越大表示零售商越害怕风险。q是零售商的订购量,PR(q)是零售商的利润,EPR(q)是零售商的随机利润均值,VarPR(q)是随机利润方差。

零售商的随机利润方差为:

VarPR (q)=Var[λr(q-x) + + cs (x-q) + ]=λrE[(q-x) + ]2 + cs E[(x-q) + ]2-λ2r2[E(q-x) + ]2-cundefined[E(x-q) + ]2 (11)

E[(q-x)+]2=2q∫undefinedF(x)dx-2∫undefinedxF(x)dx (12)

E[(x-q)+]2=2∫undefinedxF(x)dx-2q∫undefinedF(x)dx+q2+E(x2)-2qE(x) (13)

Var(PR)=-(λr + cs)2(∫undefinedF(x)dx)2-2(λr + cs)(λr-cs)∫undefinedxF(x)dx + [2qλr(λr + cs)-2cs(λr + cs)E(x)]∫undefinedF(x)dx + cundefinedVar(x)。

其中Var(x)表示随机市场需求的方差。

对式(10)中q求导即可得零售商的最优订购量q**。

为方便分析,我们采用文献[9]中应用的随机市场需求分布,不失一般性,将市场需求限定在[0,1]区间上,概率密度函数和概率分布函数分别为:

undefined

undefined

,均值和方差分别为undefined和undefined。

若市场需求满足如上分布,则零售商的期望利润为:

undefined

undefined

对式(10)关于q求一阶导数满足的条件为:

undefined

定义函数t(q)=-(λr+cs)qk+1+[(k+1)cs+λr]q-csk,所以对任意q∈[0,1],由于undefined,故t(q)的符号和undefined的符号相同。

对t(q)求一阶导数得:

undefined (19)

因为t(q)的二阶导数

undefined,所以t(q)是一个凹函数,并且我们有

undefined

所以必定存在唯一q*t∈(0,1),满足等式t(q)=0,则t(q)和undefined只在q*t处改变一次符号,在(0,q*t)为负号,而在(q*t,1)为正号,因此q*t是VarPR(q)的最小值,且VarPR(q)在[0,q*t]上单调下降,在[q*t,1]上单调上升,所以问题undefined的最优解必在q*和q*t之间取到。

当q*∈(0,1)时,

undefined,

undefined

因此q*<(=,>)q*t等价于t(q*)<(=,>)0,

换句话说,q*<(=,>)q*t等价于

undefined,即

undefined,将(q*)k代入得undefined。

随着k的增加而减小。

undefined

undefined

分情况讨论可得如下性质1。

3.1 性质1

1) 如果0

2) 如果k=k*,则q*=q*t,所以零售商的最优订购量为q*;

3) 如果k>k*,则q*>q*t,所以零售商的最优订购量应在区间[q*t,q*]内,零售商为风险规避情况下的最优订购量小于风险中性情况下的订购量,与不考虑缺货成本时的零售商均值方差模型所得结论相同。

记使q*=q*SC成立的w为w*,使q*t=q*SC成立的k为kt,使q*t=q*成立的w为w0。则有如下性质2。

3.2 性质2

对给定的k:1)如果kq*SC>q*t,所以wkt,则q*t>q*SC,要想实现供应链协调,应使q*w*且w>w0,得w>max{w*,w0}。

所以在均值方差结构下,制造商作为供应链的协调者,可以通过设定适当的w,使得零售商选择可以使供应链利润最大化的订购量,其中最优批发价格w可以由如下式子求出。

4 结论

本文研究了零售商为风险规避者的两级供应链收益共享契约机制,建立了随机市场需求下考虑缺货成本的报童模型,并运用均值方差结构来分析零售商的风险问题。可以看出,缺货成本对零售商选择订购量有很重要的影响,结论与不考虑缺货成本时零售商为风险规避者的收益共享契约有很大不同,具体表现在:在不考虑缺货成本时,零售商的随机利润方差是订购量的单调递增函数,所以风险规避情况下零售商的最优订购量不会高于风险中性情况下的最优订购量,然而考虑缺货成本时,零售商的随机利润方差不再是订购量的单调函数,此时风险规避情况下零售商的最优订购量有可能会高于风险中性情况下的最优订购量,通过引入一种具体的需求分布函数,我们分析了满足此结论的条件。同时,还可得到在收益共享系数提前确定的前提下,对需求分布函数确定的收益共享契约模型,制造商能够确定唯一的最优批发价格,使零售商选择的订购量恰好是使供应链利润最大化的订购量,从而实现完美协调。

将来可进一步研究的方向有:信息不对称情况下具有风险规避者加盟的收益共享契约机制设计问题;制造商和零售商均为风险规避者的收益共享契约机制设计问题;有风险规避者加盟的三级供应链协调机制设计问题;多个竞争性零售商参与的且具有风险规避性质的收益共享契约机制设计问题等。

参考文献

[1] Cachon G P,Ariviere M,Martin A.Supply chain coordination withrevenue sharing contracts:strengths and limitation.Management Sci-ence,2005;51(1):30—44

[2] Cachon G P,ariviere M.Contacting to assure supply:how to share de-mand forecast in a supply chain.Management Science,2001;47(5):629—646

[3] Giannoccaro I,Pontrandolfo P.Supply chain coordination by revenuesharing contracts.International Journal of Production Economics,2004;89(2):131—139

[4]叶飞.含风险规避者的供应链收益共享契约机制研究.工业工程与管理,2006;11(4):50—54

[5]郭福利,陈菊红.零售商具有风险规避的供应链收益共享契约设计.工业工程,2010;13(2):6—8

[6] Wang C,Webster S.The loss-averse newsvendor problem.Omega,2006;08:003

[7] Choi Tsanming.Mean-variance analysis for supply chain managementmodels.The Chinese University of Hong Kong,2002;(9):13—14

[8] Seifert R W,Thonemann U W,Hausman W H.Optimal procurementstrategies for online spot markets.European Journal of Operation Re-search,2004;152:781—799

成本考虑 篇7

电力系统过网费是针对发电商、大电力用户以及配电商等电网使用者的接入而收取的费用。过网费的定价目标是期望回收电网建设投资、运行和维护的成本,同时对电网使用者提供前瞻性、经济有效的信息,从而更好地引导新用户接入系统[1,2,3,4]。随着电力市场逐步完善,电网定价体系需要体现对市场参与者的公平性、合理性和有效性,从而提高电力能源提供的经济性和电网运行的高效性。

输电网是电力系统电能传送的重要环节,在目前英国输电网过网费TNUo S(Transmission Network Use of System charges)的定价机制上,以投资成本相关定价法(ICRP)为主导方法[5,6,7,8]。长期增量成本法(LRIC)和长期边际成本法(LRMC)作为更优越的过网费定价方法已经在英国实际配电系统中得到了广泛的应用[9,10,11,12]。然而,在输电网的应用中,长期增量边际成本法面临着以下3个方面的新问题。

a.触发投资条件不同。之前所有基于LRIC LRMC的定价方法中都假设当电网元件的潮流达到最大可利用容量值时触发投资。这个假设条件对于配电网是有效的,但对于输电网却不再适用。因为除了投资建设线路外,输电系统运营商通常有更加经济的手段来降低线路的潮流,例如阻塞管理。在输电网中,随着发电容量、负荷逐年增长,由于电网线路的容量不足,电网将会在某一天的某段时间内发生阻塞,从而不能完成预期的输电计划。为了消除阻塞,电网运营商可通过短期阻塞管理或长期的电网投资规划来避免线路过载。通常的方法是通过发电调度来进行阻塞管理,不仅能提高输电网络的经济利用效率,同时还能延缓网络的投资。因此,阻塞管理的频率和成本将毋庸置疑地影响输电网的长期投资策略。输电系统运营商通过比较每年度的阻塞成本和投资成本曲线来决定最佳的投资时间。这种包含短期运行成本对长期投资成本影响的因素并未在任何LRIC、LRMC以及ICRP等过网费模型中体现。

b.负荷增长速率不同。在传统的配电网LRIC/LRMC定价方法中,假设负荷每年增长速率LGR(Load Growth Rate)为一定值,由于配电网的拓扑运行结构以辐射状为主,并且忽略发电调度的影响,因此电网元件的年度潮流增长速率也为恒定值。这个假设对于配电网而言同样是有效的。但是在输电网中,由于输电网环状的运行拓扑结构和最优发电调度,不仅会影响每年线路潮流增速的幅值,还会影响部分线路潮流的流向。因此,传统的假设条件不再适用于输电网络。

c.发电单元容量限制。在传统配电网定价模型中,由于配电网不直接与发电侧相连,并且每个节点的单位注入功率可通过平衡节点补偿,因此并未考虑发电单元的容量限制。而输电网直接与发电系统相连,当负荷在未来某一年份增长到足够高的水平时,如果发电侧容量不足,最优发电调度有可能不再满足节点功率平衡。此外,每个节点的注入功率不仅会加重或减轻电网的阻塞程度,还会影响节点功率平衡,因此在新的输电网LRIC定价模型中必须考虑发电单元的容量限制。

本文基于LRIC提出了一种新的输电网过网费定价模型,简称T-LRIC(Transmission LRIC)模型。新的定价模型主要反映:输电网短期运行成本对输电网元件投资时间的影响;输电网的短期运行成本对输电网过网费的影响。这里短期运行成本主要考虑阻塞成本。文章首先给出了阻塞成本计算模型和阻塞成本分摊至各线路的方法,然后建立了新的长期增量成本定价模型,提出了模型中元件投资时间的求解策略,并分别以2母线和IEEE 30母线测试系统为例,通过和传统长期增量成本定价模型进行比较,验证了所提模型的有效性。

1 输电网过网费定价分析

1.1 阻塞管理模型

本文定义阻塞成本为考虑输电网元件容量后的最优发电成本的增加值[13,14,15]。以发电机煤耗最小为目标函数,基于直流最优潮流的发电调度模型如下:

其中,Ci为发电机i的成本函数(单位:￡/(MW·h));ai、bi和ci分别为母线i上发电机成本参数的二次项、一次项和常数项系数。式(2)代表母线i的节点平衡方程(第一基尔霍夫定律);式(3)代表发电机的出力上、下限;式(4)代表输电线路的容量限制。

阻塞成本(单位:￡/h)表示为基于以下2种调度策略下的发电机成本差值:不考虑输电元件的容量限制;考虑输电元件的容量限制。

其中,C表示发电机的成本函数;{min C |1-4}表示发电机成本函数C在式(1)—(4)约束下的最小值,同理{min C|1-3}表示发电机成本函数C在式(1)—(3)约束下的最小值;CC为输电网每小时总的阻塞成本,式(5)表示阻塞成本CC是上述2种约束下发电机成本最小值的差值。

为了衡量每个元件的阻塞程度,需要把全网的阻塞成本分配到每个阻塞元件。阻塞成本分配方法在诸多文献中已有研究,本文采用文献[16]所提出的方法,具体可划分为3步。

a.边际成本。设系统存在L个阻塞元件,对于每个阻塞元件l(l=1,2,…,L),计算只考虑元件l约束的边际阻塞成本CCm,lg。

b.增量成本。计及除l之外的L-1个元件的约束,计算此时电网的阻塞成本CCex,l,元件l的增量阻塞成本为:

c.分摊成本。分摊到元件l的阻塞成本为:

1.2 T-LRIC模型

1.2.1 节点注入功率前元件投资时间的确定

如图1所示,在传统LRIC定价模型D-LRIC(Distribution LRIC)中,假设网络元件的投资时间nl是元件l的潮流达到它的最大可利用容量限度的年份。nl可以通过式(8)和式(9)得到:

其中,Pl为元件l在初始年份最大负荷下通过的潮流;Plmax为元件l的最大可允许通过潮流;βl为元件的潮流增长速率,其值可以通过给定的负荷增长率r计算得到。

但是在输电网中,当出现元件潮流过载时,阻塞管理可能是一个更加经济的选择来降低过载程度,直到每年的阻塞元件阻塞管理成本大于每年元件投资成本。因此,元件l的实际投资时间ninv应该是当每年阻塞成本现值ACC(present value of Annual Congestion Cost)CAncC,l等于每年投资成本现值APV(Present Value of Annual future investment cost)CAInin,lv的时间,ninv可由式(10)得到:

其中,nc是由于阻塞管理而延迟投资的时间段。

1.2.2 成本现值的确定

在ninv年份内,对于给定的贴现率d,阻塞元件的未来投资成本的现值CFI,l和每年投资成本现值CAIninv,l表示为:

每年阻塞成本现值CncAC,l为:

其中,CE,l为元件投资等值成本(Modern Equivalent Value of the Cost);CCnc,l(单位:￡/a)为阻塞元件l的第nc年度的阻塞成本;CmC,l(单位:￡/h)为阻塞元件在第m个负荷水平下每小时的阻塞成本,其值可由式(1)—(7)得到;Tm(h)为每年度内第m个负荷水平所持续的小时数;λAF称为年金因子,是关于元件寿命周期Tlife和贴现率d的函数,可通过式(14)计算。

1.2.3 节点注入功率后年度增量成本的确定

如果在节点N注入功率ΔPIn,元件l会出现ΔPl的功率变化,会加快或减慢潮流达到最大容量的时间nlnew,因此会增加或减少由于阻塞管理而延迟投资的年份ncnew:

新的投资年份会得到新的每年投资成本现值CAInin,lv_new和每年阻塞成本现值CAncCne,wl:

投资成本差值为:

阻塞元件l的年度增量成本是未来投资成本现值的差值与年金因子的乘积,即节点注入功率后每年投资成本现值与节点注入功率前每年投资成本现值的差值:

1.2.4 输电网过网费的确定

节点N的长期增量成本(过网费)是所有阻塞元件l的年度增量成本的总和与节点注入功率的比值:

在规划周期内新电网用户在不同节点的接入会加重或减轻每条阻塞线路的阻塞程度,对于电网运营商而言,预测和掌握每个节点对每条线路阻塞的裕度非常重要。在所提的T-LRIC模型中,为了给出各个节点的注入功率对各阻塞线路的影响信号,可通过节点注入前后线路投资时间的差值来体现:

ndif代表延缓或提前的年份差值。ndif的正值(+)越大,代表延缓年份越多,因此越减轻线路的阻塞程度;相同地,ndif的负值(-)越大,代表提前年份越多,因此越加重线路的阻塞程度。

1.3 元件投资时间求解策略

在电网投资规划中,电力系统运营商往往给出一定的规划周期,如10~30 a。太长的规划周期对于模型求解相对复杂且无必要,因为由式(11)可见,成本现值是关于投资时间的单调下降幂函数,且随着投资时间越长,成本现值下降越快。当投资时间足够大时,成本现值的值因为太小几乎可以忽略不计。因此,在本文规划周期的确定时,统一选取30 a。

另外,在输电网中,形成阻塞的线路一般有限,且往往集中在主干线路。在本文所提定价模型中的阻塞线路,是指在规划周期内,由于年度阻塞管理的成本大于或等于年度投资成本时的线路,对于某些未能在规划周期内达到此平衡要求的阻塞线路不计入模型求解中。

根据式(1)—(7)和式(10),节点功率注入前的元件投资时间ninv计算流程如图2所示。

为了反映发电调度对电网潮流变化的影响和精确得到元件投资时间,ninv的求解采用多年度直流最优潮流,通过给定年份步长Δninv逐年搜索投资时间。为了提高算法的效率和速度,Δninv采用变步长策略,根据每年阻塞成本现值和每年投资成本现值的比值ε来设定阈值条件:

其中,η1和η2为步长值;λ为选取的阈值。

1.4 D-LRIC、T-LRIC与ICRP关系论证

为清楚说明D-LRIC、T-LRIC和ICRP模型的定价差异,图3给出了三者模型之间的关系示意图。

从阻塞成本与投资成本之间关系的角度,对于LRIC模型而言,D-LRIC与T-LRIC之间的区别在于触发投资的判据不同,D-LRIC从线路利用率(潮流)的角度触发,而T-LRIC从经济成本的角度触发;与LRIC相比,ICRP的触发投资判据则是假设电网元件处于立即升级状态,即任何大小的节点注入功率即触发投资,因此从经济成本的角度而言,ICRP处于阻塞成本一直大于投资成本的阶段。

从触发投资对象关系的角度,在第一阶段,D-LRIC模型的对象是电网元件容量裕度;第二阶段,T-LRIC模型的对象是经济成本的裕度,此时通过经济运行调节措施要优于网络投资措施;第三阶段,ICRP模型的对象同样是经济成本裕度,但此时网络投资措施要优于经济运行调节措施。3个模型是触发投资过程中的3个不同阶段,彼此可相辅相成,三者共同组成定价体系的一体化。

2 算例1:2母线系统

为了验证所提模型方法的思想,首先以简单的2母线系统为例,如图4所示。线路Lf的最大可利用容量为45 MW,投资等值成本CE,Lf为￡3 193 400。表1是发电机成本参数。假设贴现率d=6.9%,负荷增长速率为1.6%,元件寿命周期为40 a,线路阻抗为0.2 p.u.,η1=1,η2=0.1,λ=0.9。

2.1 固定最大负荷下的过网费计算

设接在母线2上的初始年份最大负荷值为20MW,负荷曲线采用离散全年负荷持续小时数曲线计算,如图5所示。在不考虑线路Lf容量限制的情况下,由于发电机A的发电成本较低,负荷全部由发电机A提供。随着年份的增加,线路Lf的潮流逐渐增大,当线路Lf发生阻塞时,调度成本较高的发电机B来满足剩余负荷需求。

表2给出了2种定价模型下节点注入功率前线路Lf的投资时间和每年投资成本现值的对比。可以看出,在传统D-LRIC模型下,线路Lf在51.1 a的时候达到容量限制45 MW,因此投资时间为51.1 a。而在所提T-LRIC模型中,线路Lf在51.1 a的时候出现阻塞,因此进行阻塞管理;当时间达到78.4 a的时候,每年阻塞成本现值开始大于每年投资成本现值,因此实际投资时间为78.4 a,与传统模型相比,投资时间延缓了约27.3 a。

在节点B注入单位功率+1 MW,此时线路潮流的变化量将反映在不同模型下的过网费结果。表3给出了2种定价模型下的过网费对比。由表可见,节点功率注入前后D-LRIC模型的每年投资成本现值变化量要大于T-LRIC模型,因此D-LRIC模型的年度增量成本要比T-LRIC大很多,T-LRIC模型的过网费价格290￡/(MW·a)要明显低于传统LRIC模型的过网费价格1783￡/(MW·a)。

2.2 不同最大负荷下的过网费计算

上一节以节点2最大负荷20 MW为例分析了2种模型下Lf的投资时间和负荷节点2的过网费用,为了反映线路Lf和负荷节点的投资时间和费用在不同线路利用率下的影响,将节点2的初始年份最大负荷从5 MW变化至69 MW,即线路Lf的利用率从11%变化至153%。

图6给出了线路Lf在2种定价模型下节点注入功率前投资时间的对比。从图中可以看出,线路Lf在不同利用率下,阻塞管理都明显延缓线路的投资时间。对于传统LRIC模型而言,线路Lf的利用率在22%、44%、67%、89%时的投资时间分别为122.0 a、51.1 a、25.5 a和7.4 a。当线路初始年份潮流达到45 MW时,即线路利用率达到100%时,立即触发投资,投资时间为0 a。这些结果对于配电网是有效的,但是在输电网中,由于阻塞管理能力,线路Lf的实际投资时间在以上利用率(22%、44%、67%、89%、100%)下分别是94.8 a、78.4 a、52.8 a、34.6 a和27.2 a,同等利用率下延缓约为27 a。同时,所提新的LRIC模型可以反映线路过载情况下的影响。对于线路Lf的利用率在111%、122%、133%和144%,投资时间分别为20.6 a、14.6 a、9.1 a和4.1 a。当线路初始年份利用率达到153%时,新模型下的投资时间为0.0 a。

图7给出了线路Lf在2种定价模型下节点注入功率前每年投资成本现值的对比。从图中可以看出,D-LRIC的每年投资成本现值在线路利用率饱和之前以几何速率递增。当线路出现阻塞后,由于立即触发投资,因此过载后的各个利用率成本现值相等。而在T-LRIC模型下,由于阻塞管理延缓了投资时间,因此在同一利用率下每年投资成本现值低于D-LRIC的CAI。随着线路利用率增大,T-LRIC的CAI递增,直到投资时间为0 a时与D-LRIC模型的CAI相等。

图8给出了节点2的过网费用分别在D-LRIC、T-LRIC和ICRP 3种模型下的对比。节点2的注入功率采用+1 MW。如图所示,当线路Lf的利用率从11%变化到100%时,D-LRIC模型的费用递增。当利用率大于100%时,费用保持不变。而在T-LRIC模型下,当线路利用率大于100%时,费用逐步增加。此外,T-LRIC的过网费用均小于D-LRIC模型的费用。同时,由于ICRP模型的费用不随线路利用率的变化而变化,因此ICRP的价格是一条水平直线。当线路利用率达到67%时,D-LRIC的费用大于ICRP,而T-LRIC的费用要在线路利用率达到111%时,才大于ICRP。

图6—8的结论说明了所提的T-LRIC模型的定价方法能更好地反映线路过载时的投资策略。

2.3 节点注入功率对所提模型的影响

影响长期增量成本定价模型的一个重要因素是节点注入功率的大小。为了量化这种影响,图9和图10分别从过网费用和线路投资时间来分析说明。从图9中可见,过网费整体趋势是随着节点注入量的增大而升高,这是因为线路的投资时间的延缓或提前量随着节点注入功率增加而增加,如图10中所示。

但是在线路严重阻塞的情况下,图9中线路利用率在144%时,过网费反而在注入功率大于+3 MW后下降。这是因为在线路利用率很高时,足够小量的注入功率即可触发投资,当节点注入功率大于这个足够小量时,无法精确体现出线路的投资延缓或提前时间,当节点注入功率继续增大时,节点的增量成本的变化无法正确得到体现,反而因为线路投资或提前的时间减小而减小,因此过网费反而随着节点注入功率的增加而降低。

上述结果说明在选择节点注入功率时,应合理选择功率范围,对于此例而言,选择范围在0.5~3 MW之间。

3 算例2:IEEE 30母线系统

为进一步论证所提方法,采用IEEE 30母线系统。系统由6台发电机、37条线路和4台变压器组成,参数可见文献[17]。负荷持续小时数如图5所示。假设负荷增长率为2.0%,贴现率6.9%,η1=1,η2=0.01,λ=0.95。

3.1 投资时间评估

通过计算规划目标年内阻塞管理前系统各条线路和变压器利用率水平,得到线路1和线路14利用率将会发生阻塞。在传统方法下,线路1由于在初始年份即阻塞,因此立即触发投资。而线路14投资时间为22.38 a。在所提模型下,由于阻塞管理的影响,线路1和线路14的实际投资时间分别为11.07 a和26.67 a。各条线路的每年投资成本现值和每年阻塞成本现值见表4。

图11给出了在各节点注入功率后线路1和线路14投资时间差值分布图。如图所示,对于线路1,节点2有最大的负值(-0.57 a),在此节点新接入用户将会最大提前线路1的升级时间,因此对线路1的阻塞加重最大。节点3有最大的正值(+0.39 a),在此节点新接入用户将最大化延缓线路1的投资时间,因此对减轻线路1的阻塞贡献最大。对线路14,节点15有最大的负值(-0.71 a),意味着在此节点接入负荷将会最大化加速线路14投资时间,因此加重线路阻塞程度最大。在节点9和节点11新接入负荷将会最大限度减轻线路14的阻塞。

此30节点系统被分为2个电压等级。从图11还可看出,在高压区域(节点2到节点8)注入功率对线路1的阻塞加重或减轻程度影响更大;而对于低压区域(节点10到节点30),节点注入功率对线路14的阻塞加重或减轻程度影响更大。

3.2 过网费用评估

为辅助分析,图12和13给出了各节点注入功率对线路1和线路14年度增量成本的分布情况。由此可见,对线路1,在节点2注入功率产生的年度增量成本(12668￡/a)远远大于其他节点,这是因为节点2的注入功率会最大化加重线路1阻塞的程度。相同地,由于最大限度减轻线路1的阻塞,节点3的增量成本有最大的负值(-8394￡/a),因此对电网提供最大的效益。对于线路14,增量成本的较大值主要集中在低压侧,如图13所示。另外从这个图中还可见,线路1的年度增量成本的值要远大于线路4的值。这是因为线路1的投资时间较线路4早很多,因此有更大的每年成本现值。

表5给出了2种模型下的过网费对比。可见,除节点2外,其余节点在新模型下的费用要明显低于基于配网的定价模型,这是因为新模型的定价规则只考虑阻塞线路的年度增量成本,而传统模型由于不考虑发电调度的影响,需要考虑所有线路的年度增量成本,因此费用很高。此外,从费用分布来看,新模型更能体现输电网的网络结构状况。在T-LRIC模型下,节点2的费用要明显高于其余节点,这是因为线路1已经处于严重阻塞状态,如果在节点2新接入用户,则会更加重线路1的阻塞状态,使得线路1投资时间提前最多。然而对于其余节点,新接入用户对线路1的投资时间影响相对较小,尤其是在低压区域,因此费用较低。同样,节点3的费用为负值最大,说明在此节点新接入负荷最有助于改善线路1的阻塞状况,延缓线路1的投资时间。对于节点2,由于线路1已经处于严重过载情况,在D-LRIC模型下的费用等于线路1的利用率刚达到100%时候的值,而T-LRIC模型下的费用是随着利用率的升高而急剧增加,因此其费用有可能大于D-LRIC下的费用。

4 结论

本文基于配电网长期增量成本法提出了一种新的计算输电网过网费的定价模型T-LRIC。新的定价模型首次考虑了系统的阻塞管理成本,即短期运行成本对定价决策的影响。所提的模型通过将节点的注入功率反映到电网元件的年度增量成本,而年度增量成本同时考虑了电网投资成本现值和电网阻塞管理成本现值的平衡。新的定价模型主要反映输电网短期运行成本对输电网元件投资时间和过网费的影响。经过算例分析,所得结论如下。

a.对电网投资时间的影响。新的定价模型由于考虑了阻塞管理,与传统配电网定价模型相比,延缓了电网元件的投资时间,同时能更好反映电网元件在潮流过载时的投资策略。

b.对节点过网费的影响。新的定价模型由于只考虑了阻塞线路的年度增量成本,而传统模型需要考虑所有线路的年度增量成本,因此新的定价模型下的节点费用比传统模型要更低。在少数电网元件严重阻塞情况下,新的定价模型有可能高于原有传统定价模型。同时,与传统模型的性质一样,节点的过网费用随着元件的阻塞程度增加而显著上升,因此新的模型同样能够反映电网元件利用率和节点费用的关系。

c.节点注入功率的影响。新的定价模型中,部分靠近阻塞严重线路的节点的过网费用,会随着节点注入功率的增大而先增大后减小,因此应合理选择节点注入功率的范围。

d.新的定价模型还能反映出新用户在各个节点的接入对电网阻塞元件加重或减轻的程度分布,便于从侧面辅助电网运行商更好地规划和利用电网。

成本考虑 篇8

自从Harris ( 1913) 对供应链整合的开创性研究以来,有许多学者对不同类型供应链的物流成本整合优化模型进行了研究[1]。其中把库存成本和运输成本整合起来的研究最受瞩目,这一研究的目的在于寻找最小化库存和运输总成本的运输策略。这是一个非常有趣且有现实意义的问题,因为降低运输成本的时候,会导致库存成本增加,而降低库存成本的候也会导致运输成本增加,运输成本和库存成本存在着彼此消减的关系。对这类库存运输整合优化的早期研究, Bramel和Simchi - Levi( 1997) 和Campbell等( 1998) 进行了综述[2,3]。在之后的研究中,Bard等( 1998) 构建了求解库存运输联合优化问题的分解算法,把求解方法分解成两个步骤: 第一步确定需要访问的客户; 第二步确定供应商给该客户配送的最佳策略[4]。Berman和Larson ( 2001) 使用随机动态规划方法研究了库存运输优化问题,求出其配送策略[5]。Jaillet等( 2002) 设计了增量成本近似估计用于求解最小年库存配送期望成本[6]。Bertazzi等( 2002) ,Campbell和Savelsbergh ( 2004) 的研究表明,同时考虑库存控制和运输决策可以极大地降低物流系统成本[7,8]。Gaur和Fisher ( 2004) 研究了Albert Heijn超市供应链库存和运输联合优化问题,他们的研究假设由零售商也就是超市拥有供应链网络,模型结论在Albert Heijn超市的应用证明了把库存成本和运输成本整合到一个系统中进行最小化,可以让企业取得很大的竞争优势[9]。Bertazzi ( 2008) 研究了一对多配送系统中,多产品无限周期库存运输联合优化问题,并分析了直接配送策略的绩效影响[10]。Chen和Lin ( 2009) 建立了基于对冲和随机需求的库存运输联合优化模型,研究了有限运输能力和时间约束下的多产品、多周期补货策略问题。他们的研究达到了3 个目标: 第一是使用GARCH模型预测来最小化需求波动; 第二是在最大化每个消费者长期净现值基础上找出最优的短期多产品补货策略; 第三是最小化库存和运输成本[11]。国内也有部分学者对库存运输联合优化进行了研究,叶志坚等( 2003) 讨论了VMI模式下供应商自身库存补充和配送的整合优化问题,通过构建( 0,Q)库存补充策略,使长期期望平均运作总成本最小的优化模型来确定系统最佳库存补充量和配送周期[12]。李富昌( 2012) 采用讨价还价框架研究了零售商和供应商库存运输联合优化( ITIO) 利润分配问题[13]。肖继先等( 2013) 根据最大最小运送周期定义,建立最大最小运送周期库存与运输模型以降低两级供应链成本[14]。葛显龙等( 2014) 利用改进的云遗传算法对库存与运输整合优化模型进行求解[16]。

这些研究没有研究需求函数的具体形态,只是假设需求函数为确定性需求和随机需求,然后建立模型,设计相应算法对模型进行求解。本文假定需求函数为零售价格和营销成本的函数,并且考虑运输能力柔性对运输成本的影响,建立两级供应链系统库存运输联合优化模型,并对模型进行求解。本文的另一个创新之处在于决策变量有多个,一般库存运输联合优化研究都是研究单决策变量的,而本文选取零售价、订货批量和营销成本3 个变量作为决策变量。

1 模型描述

1. 1 模型假设

假设供应链系统由一个供应商和零售商组成,供应商生产成品,决定零售商的配送批量,然后给零售商送货,零售商收到供应商配送的商品后,需要花费一定的营销成本用于产品的销售。供应商在正式生产之前,需要花费一定的生产准备成本,用于调整机器、培训员工和整理原材料。供应商在给零售商配货时,需要花费固定运输费用和可变运输费用,固定运输费用与运输数量无关,仅与配送次数有关。比如车辆启动费,司机的工资费用都可以纳入固定运输费用范畴。市场需求是商品零售价和营销成本的函数,设 α 和 β 分别为需求价格弹性和需求营销成本弹性,零售商可以通过 α 和 β 了解市场需求。不允许缺货,因此要求生产率大于或等于市场需求率,我们假定生产率和市场需求率的关系由下式线性决定。

其中R为生产率,D为需求率,P为零售价,M市场营销费用,u0表示生产安全系数。

为了模型分析更为简便,我们假定供应商和零售商的订货批量是一样的,即供应商决定的订货批量就是零售商接受的订货批量。

1. 2 决策变量

Q为零售商订货批量

P为零售商的零售价

M为零售商市场营销成本

1. 3 输入变量

V为供应商给零售商的批发价

k为需求函数系数(k>0)

u0为生产函数系数( u0≥1)

hb为零售商单位商品库存成本

hs为供应商单位商品库存成本

α 为需求的价格弹性,其中 α > 1

β 为需求的营销成本弹性,满足0 < β < 1,β+ 1 < α

Ab为零售商订购成本( ￥ /每次订购)

As为供应商生产启动成本( ￥ /每次启动)

Cs为供应商生产成本,包括材料和零部件等采购成本( ￥ /每单位产品)

R为供应商生产率( / 单位时间)

D( P,M) 为市场需求率( / 单位时间) ,与Lee和Kim ( 1993) 一样[17],我们假设

其中,P为零售商向消费者销售产品的价格,M为零售商市场营销成本。

KC为运输固定成本

n = s - t Q为运输可变成本,其中s和t为大于零的系数,t越小,表示供应商运输能力柔性越强。

1. 4 供应商和零售商利润函数

1. 4. 1 零售商利润函数

本文的模型是建立在Esmaeili等( 2009) 基础之上的,他们的研究假定库存持有成本是产品价值的线性函数,用一个比率i ( 0 < i < 1) 乘上产品的总价来表示库存持有成本。作者这样假设的原因可能是基于这样一个事实: 即越贵重的东西,往往需要越慎重地予以保管,因此花费的库存成本也越大。为了使模型更具有普遍性,我们假定总库存成本为产品数量的函数,每单位产品的库存成本为一个常量。

此外他们的研究忽略了运输成本,事实上运输成本是产品总成本的一个重要组成部分,尤其在一些生鲜果蔬类产品中,运输成本和库存成本占了产品成本的主要部分。产品的运输成本分为两个部分,第一部分是固定运输成本,比如车辆启动费、发车费、维护保养费等成本,这部分成本与产品的数量无关,在我们的研究中用KC表示。另一类是可变运输成本,这部分成本与产品的运输数量相关,我们假定单位运输可变成本与运输数量的关系为n = s - t Q,其中n为单位运输可变成本,Q为运输数量( 批量) ,s、t为大于零的系数。

由以上分析可知,零售商的利润可以表示如下: 零售商的的利润函数= 产品销售收入- 产品购买成本- 营销成本- 订货成本- 库存成本,或用数学符号表示为:

1. 4. 2 供应商收益函数

我们接着分析供应商的利润函数和最优策略,供应商的利润函数由以下基本部分组成,它们之间的关系为: 供应商利润= 销售收入- 生产成本- 生产准备成本- 库存成本- 运输成本( 运输可变成本+ 运输固定成本) ,把相应的数学表达式代入,供应商利润可以表示为:

2 ITIO整合优化模型

前一部分建立了供应商和零售商的利润函数,以这些利润函数为基础,得出自己的最优决策。但是这只是双方各自的个体最优策略。一般来说,个体最优和整体最优是不一致的,他们之间存在着一个偏差,这一偏差就是分散优化带来的效率损失。为了克服这种效率损失,达到全局最优,我们引入整合供应商和零售商的库存运输联合优化模型。

我们把整个供应链看成一个系统,站在整个系统的角度来进行决策,假设有一个决策中心负责整个供应链的运作,那么这一决策中心的利润函数可以表示为: 库存运输联合优化利润= 销售收入- 营销成本- 订购成本- 零售商库存成本- 生产成本-生产准备成本- 供应商库存成本- 运输可变成本-运输固定成本,把相应的表达式代入,可以得到ITIO联合优化利润函数:

把需求函数D( P,M) = k P- αMβ代入上式,可化为:

中心决策者经营的目标是最大化供应链系统利润,也就是使得 πITIO( P,Q) 最大。因为当Q固定的时候,πITIO( P,Q) 是P的凹函数,收益 πITIO( P,Q) 关于P的一阶条件可以唯一决定最优的P*ITIO。πITIO( P,Q) 关于P的一阶条件为:

由一阶条件,可以求解出:

对( 5) 进行整理,可变形为:

注意到最优一项化为使用到了R = u0D( P,M) 。

将( 7) 式代入( 5) 式,可将( 5) 式化为:

化简为:

因为ΠITIO式是M的凹函数,所以ΠITIO存在唯一最大值,这一最大值在M*ITIO处取得,M*ITIO由ΠITIO的一阶条件唯一决定,ΠITIO式的一阶条件为:

将P*代入上式,可以求出:

将(10)式代入(7)式,可以把P*化简为:

决策中心利润函数可以化为:

将(10)式代入(8)时,决策中心利润函数变为:

因为ΠITIO(M(Q),Q)是Q的凹函数,因此ΠITIO(M(Q),Q)的一阶条件可以唯一决定一个Q*ITIO,使得ΠITIO(M(Q),Q)取最大值。ΠITIO(M(Q),Q)关于Q的一节条件按为

化简为:

从上式可以解出最优的Q*ITIO。Q*ITIO,M*ITIO,P*ITIO就是决策中心的最优决策。

3 ITIO结论分析

由前面部分对两级供应链系统库存运输联合优化的分析,我们可以得到如下一些结论。

命题1: 库存运输联合优化的产品零售价格与需求的营销成本弹性、零售商订购成本、供应商生产启动成本、供应商生产成本、运输固定成本和运输可变成本正相关; 与需求函数的价格弹性和订货批量负相关。

证明: 命题结论比较明显,只有需求函数的价格弹性影响不太明显,因此我们着重研究需求价格弹性的影响。

因为(AbQ-1+Cs+AsQ-1+KCQ-1+s-t Q)>0,(β+1)>0,所以,即产品零售价与需求函数的价格弹性负相关。

命题2: 库存运输联合优化的产品营销成本与需求的营销成本弹性、零售商订购成本、供应商生产启动成本、供应商生产成本、运输固定成本和运输可变成本正相关; 与需求函数的价格弹性和订货批量负相关。

证明: 因为其他参数的影响较为明显,我们仅分析 β 的影响。

因为α>1,所以

命题3: 库存运输联合优化的最优订货批量与零售商订购成本、供应商生产启动成本、运输固定成本和需求量正相关; 与供应商单位库存成本、零售商单位库存成本和运输能力柔性负相关。

证明: 将决策中心利润函数对Q求导:

求解得到:

这里主要分析D对Q*ITIO的影响,Q*ITIO对需求D求导得:

因此Q*ITIO与D正相关。

命题4: 当订购数量相同时,零售商单独优化的营销成本大于ITIO联合优化的营销成本。也就是说,联合优化可以节约零售商的营销成本。

证明: Mb*减去( 10) 式,可得

因为 β + 1 < α,所以 α - β - 1 > 0,只需要判断V - Cs- AsQ- 1- KCQ- 1- ( s - t Q) 的正负,就可以得出Mb*和M*ITIO的相对大小。因为供应商具有基本的理性,因此其批发价大于其成本,也就是说V - Cs- AsQ- 1- KCQ- 1- ( s - t Q) > 0,因此Mb*-M*ITIO> 0,即Mb*> M*ITIO,命题得证。

4 结论

在本文中,我们考虑了由供应商和零售商组成的两级供应链优化问题。供应商生产产品,并将产品销售给零售商,零售商再把产品销售给消费者。我们假定供应商的生产率是市场需求率的线性函数,并且我们把营销成本引入需求率当中,假设需求率是价格和营销成本的函数。

在库存运输联合优化模型中,决策中心联合作出订货量、零售价和营销成本决策。然后给出了库存运输联合优化最优策略的求解方法,并对模型进行了分析。

研究表明: 库存运输联合优化的产品零售价格和营销成本与需求的营销成本弹性、零售商订购成本、供应商生产启动成本、供应商生产成本、运输固定成本和运输可变成本正相关; 与需求函数的价格弹性和订货批量负相关; 订货批量与零售商订购成本、供应商生产启动成本、运输固定成本和需求量正相关,与供应商单位库存成本,零售商单位库存成本和运输能力柔性负相关; 当订购数量相同时,零售商单独优化的营销成本大于ITIO联合优化的营销成本。

摘要：一般来说,个体最优和整体最优是不一致的,二者之间存在着偏差,这一偏差就是分散优化带来的效率损失。库存与运输联合优化(ITIO)将物流系统中的库存控制和运输管理融合到一个大问题中,去寻求这一联合问题而非单个问题的最优解决方案,可以最优化整个配送系统的运营成本。本文在考虑营销成本条件下,建立ITIO三阶段决策模型,并求解分析模型性质。研究表明:ITIO零售价和营销成本与需求的营销成本弹性、零售商订购成本、供应商生产启动成本、供应商生产成本、运输固定成本和运输可变成本正相关;与需求函数的价格弹性和订货批量负相关;当订购数量相同时,零售商单独优化的营销成本大于ITIO联合优化的营销成本。