电力仓库安全库存的预测方法、装置、存储介质和处理器与流程

1.本发明涉及计算机技术领域，具体而言，涉及一种电力仓库安全库存的预测方法、装置、存储介质和处理器。


背景技术：

2.现有技术中，提前期需求量的确定就是要在提前期需求持有成本和因提前期需求不足而造成的缺货损失的机会成本之间的权衡。影响提前期需求的因素有很多，不同的公司政策、不同的产品、不同的经济环境都对其有影响，由于需求具有系统性和随机性两种特性，需求预测的目的就是要预测系统性并评估随机性。其中，对随机性的评估是一种不确定性的评估方法。对于提前期的不确定性：提前期是指从订购货物到货物被交付所经历的时间，它的波动对提前期需求水平有直接影响，转入其本质上是供应商有限生产能力对提前期需求的影响。也就是说，提前期的变动影响着提前期需求量，提前期时间变长，提前期需求量加大，反之则反，这种密切关系一直伴随着存在，并对提前期需求量产生很大的影响。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种电力仓库安全库存的预测方法、装置、存储介质和处理器，以至少解决现有技术中电力仓库安全库存的预测方法准确度较低的技术问题。
5.根据本发明实施例的一个方面，提供了一种电力仓库安全库存的预测方法，包括：获取产品供给水平、提前期数据和产品供给历史数据，其中，上述提前期数据包括：提前期时长、提前期预测需求；基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差；基于上述产品供给水平和上述需求预测误差方差确定提前期需求，以及基于上述提前期需求确定电力仓库的安全库存。
6.可选的，在上述获取产品供给水平、提前期数据和产品供给历史数据之后，上述方法还包括：基于上述提前期数据和上述产品供给历史数据，确定需求表达式；基于上述需求表达式，确定平均需求量和滞后需求协方差。
7.可选的，上述基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差，包括：确定多个上述供给历史数据中多个历史实际需求和多个历史预测需求的差值，得到多个单期误差；计算多个上述单期误差的单期方差值；将多个上述单期方差值进行累加处理，确定第一初始需求预测误差方差；基于上述提前期数据和上述第一初始需求预测误差方差，确定上述需求预测误差方差。
8.可选的，上述基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差，还包括：确定多个上述供给历史数据中多个历史实际需求和多个历史预测需求的差值，得到多个单期误差；计算多个上述单期误差的和，确定误差总和，并计算上述误差总和的总和方值；将上述总和方值作为第二初始需求预测误差方差；基于上述提前期数据和上述第二初始需求预测误差方差，确定上述需求预测误差方差。
9.可选的，上述基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差，还包括：对上述产品供给历史数据进行时间汇总处理，确定平均提前期数据；对上述平均提前期数据进行方差运算，确定第三初始需求预测误差方差；基于上述提前期数据和上述第三初始需求预测误差方差，确定上述需求预测误差方差。
10.根据本发明实施例的另一个方面，提供了一种电力仓库安全库存的预测装置，包括：获取模块，用于获取产品供给水平、提前期数据和产品供给历史数据，其中，上述提前期数据包括：提前期时长、提前期预测需求；计算模块，用于基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差；确定模块，用于基于上述产品供给水平和上述需求预测误差方差确定提前期需求，以及基于上述提前期需求确定电力仓库的安全库存。
11.根据本发明实施例的另一个方面，提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的电力仓库安全库存的预测方法。
12.根据本发明实施例的另一个方面，提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述的电力仓库安全库存的预测方法。
13.根据本发明实施例的另一个方面，提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的电力仓库安全库存的预测方法。
14.在本发明实施例中，通过获取产品供给水平、提前期数据和产品供给历史数据，其中，上述提前期数据包括：提前期时长、提前期预测需求；基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差；基于上述产品供给水平和上述需求预测误差方差确定提前期需求，以及基于上述提前期需求确定电力仓库的安全库存，达到了采用多种策略求取提前期需求的目的，从而实现了准确获取提前期需求需求量的技术效果，进而解决了现有技术中电力仓库安全库存的预测方法准确度较低的技术问题。
附图说明
15.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
16.图1是根据本发明实施例的电力仓库安全库存的预测方法流程图；
17.图2是根据本发明实施例的一种电力仓库安全库存的预测装置的结构示意图。
具体实施方式
18.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
19.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
20.实施例1
21.根据本发明实施例，提供了一种电力仓库安全库存的预测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
22.图1是根据本发明实施例的电力仓库安全库存的预测方法流程图，如图1所示，该方法包括如下步骤：
23.步骤s102，获取产品供给水平、提前期数据和产品供给历史数据，其中，上述提前期数据包括：提前期时长、提前期预测需求；
24.步骤s104，基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差；
25.步骤s106，基于上述产品供给水平和上述需求预测误差方差确定提前期需求，以及基于上述提前期需求确定电力仓库的安全库存。
26.在本发明实施例中，上述步骤s102至步骤s106的执行主体为电力仓库安全库存的预测系统，采用上述系统获取产品供给水平、提前期数据和产品供给历史数据；基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差；基于上述产品供给水平和上述需求预测误差方差确定提前期需求，以及基于上述提前期需求确定电力仓库的安全库存。
27.需要说明的是，提前期需求量的确定就是要在提前期需求持有成本和因提前期需求不足而造成的缺货损失的机会成本之间的权衡。影响提前期需求的因素有很多，不同的公司政策、不同的产品、不同的经济环境都对其有影响，但从上面的分析来看，影响它的主要两个因素是一是来自产品供给或需求的不确定性另外一方面是理想的产品供给水平即提前期的变动。因此一般的研究方法是将其表示为与提前期内产品供给水平和需求量标准差的函数关系。其中，需求量的变动是由于提前期变化或者提前期内需求变化引起的，可用每个时期的市场平均需求量和标准差测度；而产品供给水平的度量一般有产品供给率、订单完成率和补给周期供给水平。
28.作为一种可选的实施例，提前期需求量的计算公式可为：作为一种可选的实施例，提前期需求量的计算公式可为：
29.其中需求量相关计算则取决于对需求预测误差方差的计算的准确性。所以，提前期需求预测是构成库存控制的支柱。现有技术中，对平均提前期需求的预测上有大量的研究，但围绕提前期需求方差的预测方面的研究较少，特别是在随机提前期的情况下。
30.可选的，提前期需求预测得精确性依赖于提前期需求预测的方差(或等价于无偏估计量的提前期需求预测误差的方差)。在随机提前期内通过探索三种用来估算需求预测方差策略的可行性：(1)第一种策略(策略1)：对提前期内每期预测误差的方差进行加和，得到预测需求误差方差；(2)第二种策略(策略2)：考虑所有提前期内的预测误差聚合的方差，
确定预测需求误差方差；(3)第三种策略(策略3)：考虑由时间聚合(超过提前时间长度)需求而造成的预测误差的方差，，确定预测需求误差方差。
31.在一种可选的实施例中，在上述获取产品供给水平、提前期数据和产品供给历史数据之后，上述方法还包括：基于上述提前期数据和上述产品供给历史数据，确定需求表达式；基于上述需求表达式，确定平均需求量和滞后需求协方差。
32.需要说明的是，在预测误差方差计算的策略中，包括：n：样本量，原始时间序列的长度；t：在原始时间序列的间隔周期t＝1，2，3.....n；d
t
：在周期t时的需求；μd：每期的平均需求；每期需求的方差；γk：滞后k期需求的协方差。cvd：需求变量系数；f
t+i
：在周期t的末尾预测的t+i期的需求i＝1，2，3
…
n；μf：每期的平均预测需求；每期预测需求的方差；l：提前期；μ
l
：平均提前期；提前期的方差；d
l
：提前期内的总需求；f
l
：提前期内的预测需求；t：在总时间序列的占比ltfe：提前期需求预测的误差；e
t+i
：在时间t时对t+i期需求预测的误差；原始时间序列的自回归参数总时间序列的自回归参数原始时间序列的移动平均参数0＜|θ|＜1；α，β：单指数平滑预测的平滑指数0≤α，β≤1；prob(l＝l)：提前期时间l等于1的概率；e[x]：x的期望值；假设固定需求遵循一个1阶的自回归移动平均过程，arma(1，1)。因此，任何时期t的需求都可以表示为：
[0033][0034]
其中，对于此需求，可以得到：
[0035][0036][0037][0038][0039]
其中，μd表示每期的平均需求量；γk表示滞后k期需求的协方差。
[0040]
可选的，上述单一指数平滑法可以被用来预测未来任何时间段的需求。
[0041]
在一种可选的实施例中，上述基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差，包括：确定多个上述供给历史数据中多个历史实际需求和多个历史预测需求的差值，得到多个单期误差；计算多个上述单期误差的单期方差值；将多个上述单期方差值进行累加处理，确定第一初始需求预测误差方差；基于上述提前期数据和上述第一初始需求预测误差方差，确定上述需求预测误差方差。
[0042]
可选的，策略1是对经典方法的扩展的基础上进行的，其中，把每期预测误差的方差乘以提前期的计算作为对提前期的需求预测误差的方差。因为需求过程是自相关的，可以采用预测误差的方差之和，即作为上述需求预测误差方差。
[0043]
需要说明的是，每期的实际需求和预测需求的差值即每期误差，先求解每期误差的方差在将所有提前期l内的每期方差进行累加，由于提前期l是随机变量其有一定分布所以最终是条件方差。
[0044]
可选的，提前期需求预测误差的方差，可以写为：
[0045]
var(ltfe)
s1
＝e[var(ltfe|l＝l)]+var(e[ltfe|l＝l])
[0046]
可选的，计算当提前时间l取给定值1时，在提前期预测误差的条件方差也可以表示为：
[0047][0048]
可选的，在平滑常数为的单指数平滑法预测下，运用协方差计算公式结合上面需求函数相关结果进行规律计算推到得到预测的方差和在d
t+i
和f
t+l
之间的协方差分别为：
[0049][0050][0051]
可选的，将(7)和(8)式代入到(6)式中，可以得到：
[0052][0053]
可选的，由于单一指数平滑法预测是无偏的，对提前期预测误差的条件平均值e[var(ltfe|l＝l)]为0。策略1下的提前期需求预测误差的方差可以写为：
[0054][0055][0056]
作为一种可选的实施例，把每期预测误差的方差乘以提前期的计算作为对提前期的需求预测误差的方差。在实际运用中进行相关分析考虑两种情形下其适用性：其中一种为需求分布为独立同分布的情形，另一种为需求自相关的情形下。
[0057]
可选的，对于独立同分布的需求情形下。此时，将其代入到将每期方差进行累加的方差计算策略中，首先，将代入(10)式有：
[0058][0059]
需要说明的是，上式也可以被写为：
[0060][0061][0062]
其中，将l＝μ
l
，可以得到式(13)等同于式(12)。因此，当＝0(μf＝μd)时，将每期预测误差累加求和的方差计算策略的求解结果与提前期为常数的需求方差结果相同。如果平滑参数值增加，预测方差就会增加，从而导致该策略下的提前期需求预测误差的方差就会增加。即，当预测精度下降时，对安全库存的相关预测会偏大。
[0063]
可选的，对于大批量的独立同分布需求时，如果考虑到提前期的这一变量，经典的估计应该修改为后者比前者更接近提前期需求方差。在提前需求方差估计的修正表达式中，证实了提前时间变量的存在，提前期变量对方差估计的影响受到预测变量的影响。
[0064]
作为一种可选的实施例，对于自相关的需求情形下。通过简化(10)式，可以得到，对于固定的自相关需求在提前时间为常量时，如果α，β
→
0，将其代入到将每期方差进行累加的方差计算策略中，可以发现：对于将每期方差进行累加的方差计算策略而言，如果提前期大于1，此策略会对方差计算形成低估或高估
[0065]
可选的，如果是α，β
→
0，此策略的估计中既不反映需求自相关性又不反映提前期的随机性。此时，策略1相对策略2，3的误差范围更小。
[0066]
可选的，由简化式可知：
[0067][0068]
其中，需求自相关(以及预测误差的自相关)和提前期随机变量都没有反映在提前期需求预测误差的方差估计中。
[0069]
在一种可选的实施例中，上述基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差，还包括：确定多个上述供给历史数据中多个历史实际需求和多个历史预测需求的差值，得到多个单期误差；计算多个上述单期误差的和，确定误差总和，并计算上述误差总和的总和方值；将上述总和方值作为第二初始需求预测误差方差；基于上述提前期数据和上述第二初始需求预测误差方差，确定上述需求预测误差方差。
[0070]
需要说明的是，将每一期的误差进行加和得到一个所有提前期内的需求预测的误差之和，对此误差之和进行一个方差计算。并通过相关代换和基础方差求解公式可得出由三部分构成，其中两个是提前期内的总实际需求的方差和总预测需求的方差，还有一个则是两者之间的协方差(若两者之间不相关则为0)。
[0071]
可选的，在策略2下，通过计算提前期需求预测误差累加的总和的方差作为最终方差计算结果，即策略2下的提前期需求预测误差的方差，可以用var(ltfe)
s2
表示，具体为：
[0072][0073]
可选的，将(15)式进行分布求解，先对提前期内的总实际需求方差求解，结果也会由于提前期的随机分布为一个期望值(即在时的概率并从1开始到l进行累加)；(15)式中提前期的需求方差为：
[0074][0075]
可选的，在单指数平滑法的考虑下，对提前期的需求预测是提前期需求预测的方差为：
[0076][0077][0078]
可得：
[0079]
可选的，协方差求解时分为两部分，每一部分再结合上述由提前期的随机导致的需要累加得期望的基础上还可以根据需求函数相关自回归函数的递推公式进行求解得到
下列协方差结果：
[0080][0081]
可选的，由于采用单指数平滑法，并且将(18)，(17)式和(16)代换为(15)后，即将上述三个部分进行汇总代入(15)式后化简可得到策略2的计算表达通式：
[0082][0083]
作为一种可选的实施例，通过计算提前期需求预测误差累加的总和的方差作为最终方差计算结果。也在实际运用中进行相关分析考虑两种情形下其适用性：其中一种为需求分布为独立同分布的情形，另一种为需求自相关的情形下。
[0084]
可选的，对于独立同分布的需求情形下。此时，将其代入到计算提前期需求预测误差累加的总和的方差计算策略中，可以发现：
[0085][0086][0087]
其中，当采用无偏预测方法时，通过提前期需求预测误差的方差来进行提前期的需求方差的估计。无条件协方差可以改写为：
[0088][0089]
因此，该策略的计算(15)式可以化简为：
[0090][0091]
可选的，基于(15)式，可以得到var(dl)中的以及提前期需求与提前期预测(21)之间的协方差相互抵消。因此，从提前期需求预测误差的方差估计中消除了的影响。所以此策略的估计性能由预测方差(关于的函数)、需求变异系数(cvd)和提前期变量决定。当预测波动性较小(即低平滑常数)、较大的提前期或cvd较小时，该策略总是会低估提前期需求方差。然而，也可能会导致对具有极低变化性和高需求波动性的提前期需求方差的高估。
[0092]
可选的，当α＝0，时，通过策略2估计的提前时间需求方差为而不考虑提前时间的可变性。当α＝0，求方差的估计也会增加，尽管提前时间分布没有变化。
[0093]
作为一种可选的实施例，对于自相关的需求情形下，通过简化策略2的计算公式，可以发现对于固定的自相关需求在提前时间为常量时，如果α，β
→
0，计算提前期需求预测误差累加的总和的方差计算策略将准确估计提前期需求方差。
[0094]
可选的，当α，β
→
0，当此策略更好地接近提前期需求方差相较于传统经典策略来说。首先，很容易看出来δs1＜δs2≤0成立当：
[0095][0096]
可选的，将(4)式替换入上述不等式，简化为当其成立时，此策略估计值与提前期需求方差的差值小于提前期需求方差与传统策略的估计值的差值。
[0097]
在一种可选的实施例中，上述基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差，还包括：对上述产品供给历史数据进行时间汇总处理，确定平均提前期数据；对上述平均提前期数据进行方差运算，确定第三初始需求预测误差方差；基于上述提前期数据和上述第三初始需求预测误差方差，确定上述需求预测误差方差。
[0098]
可选的，在策略3中，方差的计算依赖于与总提前期的平均需求预测相关的误差。策略3包括两个步骤：首先，对需求进行时间汇总，汇总单位长度等于平均提前期；然后考虑汇总序列进行需求预测和方差估计。
[0099]
可选的，对时间汇总的需求的单指数平滑法预测(其中平滑常数为β)表达如下：
[0100]ft+1
＝βd
t
+(1-β)f
t
ꢀꢀꢀ
(25)
[0101]
需要说明的是，此表达式给出是为了策略3的求解形成一个新的一阶自回归矩阵表明在t+1时期前的预测总需求是与t时期前的实际总需求和预测总需求相关
[0102]
可选的，arma(1，1)过程的时间汇总处理会形成一个(新的)arma(1，1)过程。在新的arma中根据相关自回归时间序列的递推公式代入结合方差协方差公式在原始时间序列与汇总后时间序列之间的关系如下：
[0103][0104][0105][0106]
可选的，在需求和预测的汇总时间序列之间的预测方差与协方差如下：
[0107][0108][0109]
可选的，在策略3下，其由于提前期的随机性会有一个期望方差求解也是分为两部分，其中一部分由于需求过程是无偏的所以为0，提前期需求预测误差的方差可以写为：
[0110]
var(ltfe)
s3
＝e[var(d
t+1-f
t+1
)|l＝l)]+var[e(var(d
t+1-f
t+1
)|l＝l)]
ꢀꢀꢀ
(30)
[0111]
可选的，由于单指数平滑法预测对arma(1，1)需求过程是无偏的，所以有：var(e[(d
t+1-f
t+1
)|l＝l])为0。
[0112]
可选的，结合(26)和(27)式，可以表示为：
[0113][0114]
其中，记为一个集合{2，3
……
n}。对于一个给定的提前期(即l＝1)，(31)式可以换算为：
[0115][0116]
可选的，var(ltfe)
s3
的估量等同于方差的计算。
[0117]
作为一种可选的实施例，对于此策略，即通过汇总时间序列来计算提前期需求预测误差的方差作为方差计算结果。也在实际运用中进行相关分析考虑两种情形下其适用性：其中一种为需求分布为独立同分布的情形，另一种为需求自相关的情形下。
[0118]
可选的，对于独立同分布的需求情形下。此时，将其代入到汇总时间序列来计算提前期需求预测误差的方差计算策略中，此策略的求解结果可以写为：
[0119][0120]
可选的，如果ses使用相同的平滑参数α＝β，由于在独立同分布下的需求(聚合前)和预测的协方差需求为零，与传统经典方差计算策略相同。因此，与传统的策略相比，时间聚合后的预测误差的方差仅只是受到需求方差和预测方差的影响。然而，需要注意的是，聚合级数上的指数平滑参数β通常与原始级数上的平滑参数α不同。因此，对于大批量的独立同分布需求时，如果考虑到提前期的这一变量，与经典的估计相似的此策略中也应该修改为后者比前者更接近提前期需求方差。在提前需求方差估计的修正表达式中，证实了提前时间变量的存在。这也表明，提前期变量对方差估计的影响受到预测变量的影响。
[0121]
可选的，对于自相关的需求情形下。通过简化策略的计算公式，不难证明对于固定的自相关需求在提前时间为常量时，如果α，β
→
0，我们可以有以下发现：汇总时间序列来计算提前期的预测误差方差的策略会准确估计提前期的需求方差。
[0122]
可选的，当α，β
‑→
0，且当此策略比传统策略更好地接近提前期需求方差。
[0123]
实施例2
[0124]
根据本发明实施例，还提供了一种用于实施上述电力仓库安全库存的预测方法的装置实施例，图2是根据本发明实施例的一种电力仓库安全库存的预测装置的结构示意图，如图2所示，上述电力仓库安全库存的预测装置，包括：获取模块20、计算模块22和确定模块
24，其中：
[0125]
获取模块20，用于获取产品供给水平、提前期数据和产品供给历史数据，其中，上述提前期数据包括：提前期时长、提前期预测需求；
[0126]
计算模块22，用于基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差；
[0127]
确定模块24，用于基于上述产品供给水平和上述需求预测误差方差确定提前期需求，以及基于上述提前期需求确定电力仓库的安全库存。
[0128]
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
[0129]
此处需要说明的是，上述获取模块20、计算模块22和确定模块24对应于实施例1中的步骤s102至步骤s106，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。
[0130]
需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
[0131]
上述的电力仓库安全库存的预测装置还可以包括处理器和存储器，上述获取模块20、计算模块22和确定模块24等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
[0132]
处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
[0133]
根据本技术实施例，还提供了一种非易失性存储介质的实施例。可选地，在本实施例中，上述非易失性存储介质包括存储的程序，其中，在上述程序运行时控制上述非易失性存储介质所在设备执行上述任意一种电力仓库安全库存的预测方法。
[0134]
可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中，上述非易失性存储介质包括存储的程序。
[0135]
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：获取产品供给水平、提前期数据和产品供给历史数据，其中，上述提前期数据包括：提前期时长、提前期预测需求；基于上述产品供给历史数据和上述提前期数据计算需求预测误差方差；基于上述产品供给水平和上述需求预测误差方差确定提前期需求，以及基于上述提前期需求确定电力仓库的安全库存。
[0136]
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：基于上述提前期数据和上述产品供给历史数据，确定需求表达式；基于上述需求表达式，确定平均需求量和滞后需求协方差。
[0137]
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：确定多个上述供给历史数据中多个历史实际需求和多个历史预测需求的差值，得到多个单期误差；
计算多个上述单期误差的单期方差值；将多个上述单期方差值进行累加处理，确定第一初始需求预测误差方差；基于上述提前期数据和上述第一初始需求预测误差方差，确定上述需求预测误差方差。
[0138]
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：确定多个上述供给历史数据中多个历史实际需求和多个历史预测需求的差值，得到多个单期误差；计算多个上述单期误差的和，确定误差总和，并计算上述误差总和的总和方值；将上述总和方值作为第二初始需求预测误差方差；基于上述提前期数据和上述第二初始需求预测误差方差，确定上述需求预测误差方差。
[0139]
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：对上述产品供给历史数据进行时间汇总处理，确定平均提前期数据；对上述平均提前期数据进行方差运算，确定第三初始需求预测误差方差；基于上述提前期数据和上述第三初始需求预测误差方差，确定上述需求预测误差方差。
[0140]
根据本技术实施例，还提供了一种处理器的实施例。可选地，在本实施例中，上述处理器用于运行程序，其中，上述程序运行时执行上述任意一种电力仓库安全库存的预测方法。
[0141]
根据本技术实施例，还提供了一种电子设备的实施例，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行上述任意一种的电力仓库安全库存的预测方法。
[0142]
根据本技术实施例，还提供了一种计算机程序产品的实施例，当在数据处理设备上执行时，适于执行初始化有上述任意一种的电力仓库安全库存的预测方法步骤的程序。
[0143]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0144]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0145]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0146]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0147]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0148]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机
设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0149]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。