电力物资管控方法、装置、计算机设备、存储介质与流程

1.本技术涉及计算机应用技术领域，特别是涉及一种电力物资管控方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.供应链是企业的三大支柱职能之一，对企业的经营利润率和资本周转率的影响重大。供应链的很多绩效问题，比如成本做不下来、交付做不上去、库存周转太慢，看上去是执行不到位，其实更多是因为计划的先天不足。改善计划以改善执行，在提高供应链绩效上，是行之有效的方法，而关于计划和计划执行的联动，可以总结为三个环节：需求预测、库存计划和供应链执行，也可以称之为供应链的三道防线。因此需要对物资需求进行预测以及提升库存管理水平就变得十分重要。
3.然而，目前电力物资采用的是针对每一种电力物资均采用定量进货策略，需要人为进行实时监控，不断结算每一种电力物资的库存量，会耗费过多的人力物力，且管控效率低下。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高电力物资管控效率的电力物资管控方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种电力物资管控方法。所述方法包括：
6.基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；
7.获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；
8.根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；
9.根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
10.在其中一个实施例中，基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资，包括：
11.基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重；
12.获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。
13.在其中一个实施例中，基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重，包括：
14.基于多个电力物资各自分别对应的价值相关数据对多个电力物资进行排序，得到第一排序结果，并根据第一排序结果对各电力物资配置第一权重；
15.基于多个电力物资各自分别对应的需求相关数据对多个电力物资进行排序，得到第二排序结果，并根据第一排序结果对各电力物资配置第二权重；
16.对各电力物资对应的第一权重和第二权重进行加权计算，得到各电力物资对应的综合权重。
17.在其中一个实施例中，需求预测模型的获取方式，包括：
18.获取目标电力物资对应的需求基准值和设备特征；
19.基于需求基准值和设备特征构建神经网络模型；
20.基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；
21.通过神经网络模型对训练样本进行处理，得到预测输出；
22.根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；
23.基于目标函数对神经网络模型进行训练，直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。
24.在其中一个实施例中，根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量，包括：
25.确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；
26.根据预测需求数据计算得到目标电力物资对应的需求标准方差；
27.根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；
28.根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；
29.根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。
30.在其中一个实施例中，根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控，包括：
31.当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；
32.根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。
33.第二方面，本技术还提供了一种电力物资管控装置。所述装置包括：
34.确定模块，用于基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；
35.预测模块，用于获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；
36.参数确定模块，用于根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；
37.物资管控模块，用于根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
38.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
39.基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；
40.获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；
41.根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；
42.根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
43.第四方面，本技术还提供了一种计算机可读存储介质。所述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以下步骤：
44.基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；
45.获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；
46.根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；
47.根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
48.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
49.基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；
50.获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；
51.根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；
52.根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
53.上述电力物资管控方法、装置、计算机设备、存储介质和计算机程序产品，基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资，从而可以优先选择最重要的电力物资制定库存管控策略。目标电力物资的历史需求数据输入需求预测模型中进行预测，可以准确地得到目标电力物资未来一段时间的预测需求数据。这样就能根据目标电力物资未来可能的需求量，准确地计算出需要进行补货的再订货点和最大库存量。这样根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控，当目标电力物资的库存量低于再订货点时，可以根据最大库存量计算出补货量，对目标电力物资进行及时补货。无需人为进行实时监控和结算，就能对重要的电力物资进行有效的管控，能够有效降低电力物资的管控成本，并提高管控效率。
附图说明
54.图1为一个实施例中电力物资管控方法的流程示意图；
55.图2为一个实施例中abc&prs分类方式的建模示意图；
56.图3为一个实施例中电力物资管控方法的逻辑流程图；
57.图4为一个实施例中电力物资管控装置的结构框图；
58.图5为一个实施例中计算机设备的内部结构图。
具体实施方式
59.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
60.在一个实施例中，如图1所示，提供了一种电力物资管控方法，本实施例以该方法应用于计算机设备进行举例说明，可以理解的是，该计算机设备具体可以是终端或服务器。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备、便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能医用设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：
61.步骤102，基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资。
62.其中，电力物资可以是电线开关、空气开关、砼杆、铁塔、各种电缆、导线、地线、各种金具等，本实施例中不做限定。价值相关数据是指通过abc分类法得到的各电力物资对应总电力物资的价值占比，需求相关数据是指通过prs分类法得到的各电力物资对应总电力物资的需求占比。
63.可选的，计算机设备结合abc分类法和prs分类法，综合计算每种电力物资的价值和需求程度，得到各电力物资对应的综合权重，将综合权重大小满足预设条件的电力物资作为目标电力物资。
64.其中，abc分类法是将物资分为三类，一般来说a类物品是最为重要的物品，其价值也是最高的，要重点保管；b类物品的价值次之，做一般保管即可；c类物品的价值最低，一般都是企业批量采购。prs分类法根据需求数量和需求频次两个维度，将物资分为p类物品(popular)，表示需求程度高；r类物品(regular)，表示需求程度普通；和s类物品(stranger)，表示需求程度低。
65.在一个可行的实施方式中，采用abc分类法是将物资分为多个类别(多于三类)，例如，分为a、b、c、d、e、f六类，由a类到f类，每一类物资的价值程度依次降低。同样的，采用prs分类法是将物资分为多个类别(多于三类)，每一类物资的需求程度依次降低。
66.步骤104，获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据。
67.其中，需求数据表示一段时间内物资的需求量。
68.可选的，计算机设备获取目标电力物资在过去一段时间范围的历史需求数据，将这些历史需求数据输入预先训练好的需求预测模型，得到目标电力物资的预测需求数据。
69.步骤106，根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量。
70.具体地，计算机设备根据预测需求数据，计算出目标电力物资的安全库存量和平均需求量，再根据目标电力物资的订货提前期，计算出目标电力物资对应的再订货点和最大库存量。
71.步骤108，根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
72.可选的，当目标电力物资的库存量降低至再订货点以下时，计算机设备获取当前目标电力物资的实际库存量，根据最大库存量和实际库存量计算补货量，根据补货量对目标电力物资进行补货。
73.上述电力物资管控方法中，基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资，从而可以优先选择最重要的电力物资制定库存管控策略。目标电力物资的历史需求数据输入需求预测模型中进行预测，可以准确地得到目标电力物资未来一段时间的预测需求数据。这样就能根据目标电力物资未来可能的需求量，准确地计算出需要进行补货的再订货点和最大库存量。这样根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控，当目标电力物资的库存量低于再订货点时，可以根据最大库存量计算出补货量，对目标电力物资进行及时补货。无需人为进行实时监控和结算，就能对重要的电力物资进行有效的管控，能够有效降低电力物资的管控成本，并提高管控效率。
74.在一个实施例中，基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资，包括：基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重；获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。
75.进一步的，基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重，包括：基于多个电力物资各自分别对应的价值相关数据对多个电力物资进行排序，得到第一排序结果，并根据第一排序结果对各电力物资配置第一权重；基于多个电力物资各自分别对应的需求相关数据对多个电力物资进行排序，得到第二排序结果，并根据第一排序结果对各电力物资配置第二权重；对各电力物资对应的第一权重和第二权重进行加权计算，得到各电力物资对应的综合权重。
76.在其中一个实施例中，采用abc&prs分类方式确定各电力物资对应的综合权重，abc&prs分类方式是指将abc分类法和prs分类法相结合。abc&prs建模如图2所示，各电力物资根据价值程度和需求程度共同决定综合权重。具体的计算过程为：首先对abs分类法和prs分类法分别赋予不同的权重，例如abs方法的权重为0.7，prs方法的权重为0.3；其次对两种方法中各自具体的类别赋予相应的相权重，例如a类为0.5，b类0.3，c类0.2，p类0.5，r类0.3，s类0.2，以此计算出每个类别的各自权重，如a＝0.7*0.5＝0.35；最后将组合后的类别进行相加求和得到综合权重，如bp＝0.7*0.3+0.3*0.5＝0.36。这样可以得到各电力物资的综合权重，对所有电力物资按照综合权重由大到小的顺序进行排序，取排序前n名作为目标电力物资，n为大于等于1的正整数，作为目标电力物资。
77.在一个可行的实施方式中，得到各电力物资的综合权重，选择综合权重大于权重
阈值的电力物资，作为目标电力物资。
78.本实施例中，通过基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重；获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。综合物资价值和需求程度，选择最重要的一项或几项电力物资，作为目标电力物资进行优先管控，能够降低电力物资的管控成本，并提高管控效率。
79.在一个实施例中，需求预测模型的获取方式，包括：获取目标电力物资对应的需求基准值和设备特征；基于需求基准值和设备特征构建神经网络模型；基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；通过神经网络模型对训练样本进行处理，得到预测输出；根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；基于目标函数对神经网络模型进行训练，直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。
80.可选的，为了更准确地进行电力物资的需求预测，使用的是基于影响因素多维融合的改进bp神经网络方法。由于电力物资用途包括抢修应急项目和业扩项目，二者都很重要，因此电力物资储备既要考虑抢修应急项目又要考虑业扩项目才能够使电力物资储备充足。具体的影响因素包括：
81.(1)需求基准值
82.考虑电力物资需求的计划驱动特点，可将投资计划所推算的需求数量作为需求估算值，但因该数值相对粗糙，将其定义为季节波动影响下的需求基准值，公式如下：其中，q为物资的季度需求量；q为物资的月份需求量；n为年份。
83.(2)需求情境划分
84.对电力物资的需求基准值按离散的需求情境进行层级划分。在此将需求分为五个需求情境，很低需求，较低需求，一般需求，较高需求，很高需求，对应需求量区间为(ak,bk],,(其中k＝1,2,3,4,5，且a1《b1＝a2《b2＝a3《b3＝a4《b4＝a5《b5)。其中，ai和bi分别为第i种需求类型对应需求量的下限和上限值。
85.(3)设备特征
86.设备因素是影响电力物资需求的重要因素，设备制造和技术水平高，其抗震抗灾的能力就高，在遭受同样的强度的气象灾害时，事故规模会相应减小。设备设施的评估量化目标主要是为衡量其运行状态、抗压抗灾能力及安全稳定程度等。从电网部门历史灾害事故统计结果可知，衡量设备水平的因素需要综合分析设备的安全系数、技术状态。其中设备安全系数是指在设备结构、选型、材质等方面设备自身的抗外界干扰与抗外力破坏的能力。技术状态由设备的剩余使用时间表示。
87.以上目标电力物资的三个因素作为bp神经网络中的参数输入进bp神经网络中。其中，标电力物资的需求基准值作为目标电力物资的大体需求值；根据需求情境可以对不同物资的重要程度进行划分，根据不用的需求情境为每种电力物资配置不同的权重参数，根据目标电力物资的权重参数，配置bp神经网络相应的参数；设备特征则是指目标电力物资对应的相应设备情况，设备的状况越好，说明设备出现问题的可能性越小，对应的目标电力物资的需求量越小，相应的此项参数值也越低。
88.(4)需求趋势
89.因为神经网络擅于捕捉数据中的非线性映射关系，因此将过去n期的需求作为输入特征，利用神经网络提取其中的趋势特征。同时，为了防止bp神经网络过拟合现象的发生，采用了l2正则化方法，在代价函数后加上一个正则化项，公式为：其中，c0为原始的代价函数；λ为正则项系数，ω用来权衡正则项与原始的代价函数的比重；n为训练样本集的大小。bp神经网络原始的代价函数一般与线性回归模型和逻辑回归模型的代价函数相同，将神经网络用于分类则采用负的对数似然当作其代价函数，对于回归则采用均方误差作为代价函数。
90.本实施例中，获取目标电力物资对应的需求基准值和设备特征；基于需求基准值和设备特征构建神经网络模型；基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；通过神经网络模型对训练样本进行处理，得到预测输出；根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；基于目标函数对神经网络模型进行训练，直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。通过需求预测模型，能够根据目标电力物资的历史需求数据得到较精确的预测需求数据。
91.在一个实施例中，根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量，包括：确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；根据预测需求数据计算得到目标电力物资对应的需求标准方差；根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。
92.可选的，可以采用连续性控制策略(r，s)对电力物资进行补货，该策略是对(q，r)策略的改进和提升，对每次的订货量做了调整，即设置一个最高的库存量s，当货物库存量达到或者小于r点值时，进行补货操作，使得补货后该货物库存量为s。由于需求具有不确定性，因此r根据需求预测进行实时调整，从而提高库存控制的精准性，降低库存成本和缺货率。
93.首先需要计算目标电力物资对应的安全库存：其中：ss表示安全库存量；σd表示需求的标准方差，由需求预测模型可得；l为订货提前期；z为客户服务水平一定时的需求变动安全系数，其与服务水平的对应关系如表1所示。结合服务水平x为100％，z取值为3.08，因此通过以下过程计算安全库存量：
94.x(％)8082848688909294969899.9z0.840.920.991.081.171.281.411.551.752.053.08
95.表1
96.step1：根据预测需求模型，得到需求的标准方差σd；
97.step2：确定订货提前期l，订货提前期即是采购订单下达到物资采购入库的全部时间，需要供电局进一步提供数据；
98.step3：通过公式计算安全库存ss。
99.然后就能够计算再订货点：r＝d
l
+ss。其中，r表示再订货点；d
l
表示订货提前期消耗量；ss表示安全库存，因此可以通过以下过程计算再订货点：
100.step1：计算安全库存量ss；
101.step2：确定订货提前期消耗量d
l
，即订货提前期l期间物资根据需求预测模型预测的总消耗量；
102.step3：计算再订货点r。
103.最后计算最大库存量：其中，s为最大库存量；为平均需求量；l为订货提前期；ss为安全库存。因此通过以下过程计算最大库存量：
104.step1：根据安全库存计算步骤计算安全库存量ss；
105.step2：确定订货提前期l，订货提前期即是采购订单下达到物资采购入库的全部时间，需要供电局进一步提供数据；
106.step3：根据预测需求模型预测确定一段时间的平均需求量
107.step4：计算最大库存量s。
108.本实施例中，通过确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；根据预测需求数据计算得到目标电力物资对应的需求标准方差；根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。根据再订货点和最大库存量自动对目标电力物资进行库存管控，能够降低电力物资的管控成本，并提高管控效率。
109.在一个实施例中，根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控，包括：当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。
110.可选的，当目标电力物资的库存量不大于再订货点时，计算补货量：δq＝s-q
实
；其中，δq为补货量；s为最大库存量；q
实
为当前目标电力物资的实际库存量，补货前有q
实
《r，因此通过以下过程计算补货量：
111.step1：根据最大库存量计算步骤计算最大库存量s；
112.step2：确定物资的实际库存量q
实
，不同检查时点下q
实
的数值有所不同，实际检查计算时可直接带入；
113.step3：计算确定补货量δq。
114.本实施例中，当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。能够根据再订货点和最大库存量自动对目标电力物资进行库存管控，降低电力物资的管控成本，并提高管控效率。
115.在一个实施例中，基于库存管理策略管控目标电力物资的库存，并记录一段时间
的管控数据，通过管控数据与需求预测模型的相关数据进行对比，验证需求预测模型的准确性，根据数据对比差异修正需求预测模型的相关参数，优化需求预测模型。需求预测模型得到修正后，输出的预测需求数据也会同步发生变化，根据预测需求数据计算得到的安全库存和再订货点也会更新，从而进一步提升库存管理策略的合理性。
116.在一个实施例中，如图3所示，一种电力物资管控方法，包括：
117.基于多个电力物资各自分别对应的价值相关数据对多个电力物资进行排序，得到第一排序结果，并根据第一排序结果对各电力物资配置第一权重；基于多个电力物资各自分别对应的需求相关数据对多个电力物资进行排序，得到第二排序结果，并根据第一排序结果对各电力物资配置第二权重；对各电力物资对应的第一权重和第二权重进行加权计算，得到各电力物资对应的综合权重。获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。相当于采用改进的abc分类法确定研究对象(目标电力物资)。
118.获取目标电力物资对应的需求基准值和设备特征；基于需求基准值和设备特征构建神经网络模型；基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；通过神经网络模型对训练样本进行处理，得到预测输出；根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；基于目标函数对神经网络模型进行训练，直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。
119.获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据。
120.确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；根据预测需求数据计算得到目标电力物资对应的需求标准方差；根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；再订货点用于表征目标电力物资需要补货时的物资数量。根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。
121.当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。
122.基于库存管理策略管控目标电力物资的库存，并记录一段时间的管控数据，通过管控数据与需求预测模型的相关数据进行对比，验证需求预测模型的准确性，根据数据对比差异修正需求预测模型的相关参数，优化需求预测模型。
123.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
124.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的电力物资管控方法的电力物资管控装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电力物资管控装置实施例中的具体限定可以参见上文中对于电力物资管控方法的限定，在此不再赘述。
125.在一个实施例中，如图4所示，提供了一种电力物资管控装置400，包括：确定模块401、预测模块402、参数确定模块403和物资管控模块404，其中：
126.确定模块401，用于基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；
127.预测模块402，用于获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；
128.参数确定模块403，用于根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；
129.物资管控模块404，用于根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
130.在一个实施例中，确定模块401还用于基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重；获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。
131.在一个实施例中，确定模块401还用于基于多个电力物资各自分别对应的价值相关数据对多个电力物资进行排序，得到第一排序结果，并根据第一排序结果对各电力物资配置第一权重；基于多个电力物资各自分别对应的需求相关数据对多个电力物资进行排序，得到第二排序结果，并根据第一排序结果对各电力物资配置第二权重；对各电力物资对应的第一权重和第二权重进行加权计算，得到各电力物资对应的综合权重。
132.在一个实施例中，预测模块402还用于获取目标电力物资对应的需求基准值和设备特征；基于需求基准值和设备特征构建神经网络模型；基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；通过神经网络模型对训练样本进行处理，得到预测输出；根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；基于目标函数对神经网络模型进行训练，直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。
133.在一个实施例中，参数确定模块403还用于确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；根据预测需求数据计算得到目标电力物资对应的需求标准方差；根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。
134.在一个实施例中，物资管控模块404还用于当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。
135.上述电力物资管控装置中的各个模块可全部或部分通过软件、硬件及其组合来实
现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
136.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电力物资管控方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
137.本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
138.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
139.在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重；获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。
140.在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于多个电力物资各自分别对应的价值相关数据对多个电力物资进行排序，得到第一排序结果，并根据第一排序结果对各电力物资配置第一权重；基于多个电力物资各自分别对应的需求相关数据对多个电力物资进行排序，得到第二排序结果，并根据第一排序结果对各电力物资配置第二权重；对各电力物资对应的第一权重和第二权重进行加权计算，得到各电力物资对应的综合权重。
141.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取目标电力物资对应的需求基准值和设备特征；基于需求基准值和设备特征构建神经网络模型；基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；通过神经网络模型对训练样本进行处理，得到预测输出；根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；基于目标函数对神经网络模型进行训练，
直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。
142.在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；根据预测需求数据计算得到目标电力物资对应的需求标准方差；根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。
143.在一个实施例中，处理器执行计算机程序时还实现以下步骤：当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。
144.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
145.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重；获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。
146.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于多个电力物资各自分别对应的价值相关数据对多个电力物资进行排序，得到第一排序结果，并根据第一排序结果对各电力物资配置第一权重；基于多个电力物资各自分别对应的需求相关数据对多个电力物资进行排序，得到第二排序结果，并根据第一排序结果对各电力物资配置第二权重；对各电力物资对应的第一权重和第二权重进行加权计算，得到各电力物资对应的综合权重。
147.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取目标电力物资对应的需求基准值和设备特征；基于需求基准值和设备特征构建神经网络模型；基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；通过神经网络模型对训练样本进行处理，得到预测输出；根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；基于目标函数对神经网络模型进行训练，直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。
148.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；根据预测需求数据计算得到目标电力物资对应的需求标准方差；根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。
149.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。
150.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：基于电力物资的价值相关数据和需求相关数据，从多个电力物资中确定出目标电力物资；获取目标电力物资的历史需求数据，将历史需求数据输入需求预测模型中，得到目标电力物资的预测需求数据；根据预测需求数据，确定目标电力物资对应的再订货点和最大库存量；再订货点用于表征目标电力物资需要补货时的物资数量；根据由再订货点和最大库存量所确定的库存管理策略，对目标电力物资进行管控。
151.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于多个电力物资各自分别对应的价值相关数据和需求相关数据，确定各电力物资对应的综合权重；获取对应综合权重大小满足预设条件的电力物资，作为目标电力物资。
152.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于多个电力物资各自分别对应的价值相关数据对多个电力物资进行排序，得到第一排序结果，并根据第一排序结果对各电力物资配置第一权重；基于多个电力物资各自分别对应的需求相关数据对多个电力物资进行排序，得到第二排序结果，并根据第一排序结果对各电力物资配置第二权重；对各电力物资对应的第一权重和第二权重进行加权计算，得到各电力物资对应的综合权重。
153.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取目标电力物资对应的需求基准值和设备特征；基于需求基准值和设备特征构建神经网络模型；基于目标电力物资的历史需求数据样本构建训练集，训练集包括训练样本和训练标签；通过神经网络模型对训练样本进行处理，得到预测输出；根据预测输出和训练标签间的差异构建代价函数，并根据代价函数和正则化项确定目标函数；基于目标函数对神经网络模型进行训练，直至训练停止条件时停止，将训练后的神经网络模型作为需求预测模型。
154.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定目标电力物资对应的订货提前期和需求变动安全系数，订货提前期为补货订单下达到补货物资入库的时间段；根据预测需求数据计算得到目标电力物资对应的需求标准方差；根据订货提前期、需求变动安全系数和需求标准方差计算目标电力物资对应的安全库存量；根据预测需求数据确定订货提前期对应的提前期消耗量，并根据提前期消耗量和安全库存量计算得到目标电力物资对应的再订货点；根据预测需求数据确定平均需求量，并根据平均需求量、订货提前期和安全库存量，计算得到目标电力物资对应的最大库存量。
155.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当目标电力物资的库存量不大于再订货点时，获取目标电力物资的实际库存量；根据最大库存量和实际库存量计算得到目标电力物资对应的补货量，根据补货量对目标电力物资进行补货。
156.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
157.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
158.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
159.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。