本发明专利技术属于数据分析技术领域，公开了一种油品采购策略优化方法、装置、设备及存储介质。该方法包括：采集车主加油信息；根据所述车主加油信息进行用户需求预测，得到未来需求预测结果；根据所述未来需求预测结果构建库存管理系统；根据所述库存管理系统确定各虚拟油库的仓单信息和成本信息；根据所述仓单信息和所述成本信息对油品的采购策略进行优化，以得到最小库存成本。通过上述方式，实现了基于车主加油信息对用户需求进行预测，然后基于未来需求预测结果构建库存管理系统，再从库存管理系统中确定构建的虚拟油库的仓单信息和成本信息，最后根据仓单信息和成本信息对油品的采购策略进行优化，从而使得库存成本最小，减少油库的运营成本。的运营成本。的运营成本。
【技术实现步骤摘要】
油品采购策略优化方法、装置、设备及存储介质
[0001]本专利技术涉及数据分析
，尤其涉及一种油品采购策略优化方法、装置、设备及存储介质。
技术介绍
[0002]从长期的角度看，在能源行业的中下游领域，产能过剩，双边市场分散失衡的问题有待解决，炼化企业，大区公司，销售企业的库存以及销售信息都是孤立，当下游市场急需资源时，依然是一级一级通过电话询问方式解决，得到的是延迟信息。然而，终端油站的成品油需求呈现高变化，非高斯以及强噪声的特点，需求的变化沿着低效率的成品油信息传递系统，很容易产生供应链的“牛鞭效应”。并且成品油供应链中效益相对独立，这种独立利益驱动的供应链体系造成整体的效益低下。
[0003]不同于一般商品的供应链，成品油的供应链对成品油的批发价格以及零售价格高度敏感，成品油的批发价格直接决定油站以及油库的不同批次的标准仓单下的存储成本，而零售价格销售政策的调整又对车主的需求产生极大的影响。然而，依赖模型来预测批发价格以及零售价格的波动又近乎缺乏说服力。随着物联网技术的发展，油站已经普遍实现对成品油销售情况的实时监控，通过销售端的大数据精确识别客户消费模式，从而达到以采定销。但是依然没有很好的方法可以基于销售端的数据对采购策略进行调整以降低油品的库存成本。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0005]本专利技术的主要目的在于提供一种油品采购策略优化方法、装置、设备及存储介质，旨在解决现有技术难以最大化的优化加油站的库存成本的技术问题。
[0006]为实现上述目的，本专利技术提供了一种油品采购策略优化方法，所述方法包括以下步骤：
[0007]采集车主加油信息；
[0008]根据所述车主加油信息进行用户需求预测，得到未来需求预测结果；
[0009]根据所述未来需求预测结果构建库存管理系统；
[0010]根据所述库存管理系统确定各虚拟油库的仓单信息和成本信息；
[0011]根据所述仓单信息和所述成本信息对油品的采购策略进行优化，以得到最小库存成本。
[0012]可选地，所述根据所述车主加油信息进行用户需求预测，得到未来需求预测结果，包括：
[0013]根据所述车主加油信息确定油品销售数据；
[0014]根据所述油品销售数据对预设车主需求进行聚类，得到多个聚类行为模式；
[0015]通过回归预测模型对各聚类行为模式进行需求预测，得到未来需求预测结果。
[0016]可选地，所述根据所述油品销售数据对预设车主需求进行聚类，得到多个聚类行为模式，包括：
[0017]根据所述油品销售数据确定时间轴销售数据；
[0018]对预设车主需求进行聚类，得到聚类结果数据；
[0019]根据所述时间轴销售数据对所述聚类结果数据对车主群体进行分类，得到车主群体分类结果；
[0020]根据所述车主群体分类结果确定多个聚类行为模式。
[0021]可选地，所述通过回归预测模型对各聚类行为模式进行需求预测，得到未来需求预测结果之前，还包括：
[0022]获取输入的零售价格调整信息；
[0023]根据所述油品销售数据确定各油品的历史零售价数据和历史销售量数据；
[0024]根据所述零售价格调整信息、所述历史零售价数据和历史销售量数据确定调整权重系数；
[0025]根据所述调整权重系数对预设回归模型进行覆盖，得到回归预测模型。
[0026]可选地，所述根据所述未来需求预测结果构建库存管理系统，包括：
[0027]获取油库基本信息；
[0028]根据所述油库基本信息在虚拟空间中进行模型构建，得到多个实体油库对应的数字化镜像模型；
[0029]基于所述未来需求预测结果对各数字化镜像模型进行整合，得到赛博空间里的库存管理系统。
[0030]可选地，所述根据所述仓单信息和所述成本信息对油品的采购策略进行优化，包括：
[0031]根据所述仓单信息确定各虚拟油库的标准仓单信息；
[0032]根据所述标准仓单信息确定各标准仓单的固定成本信息；
[0033]根据所述成本信息确定库存成本信息；
[0034]获取库存成本权重系数和固定成本权重系数；
[0035]根据所述固定成本信息、所述库存成本信息、所述库存成本权重系数以及所述固定成本权重系数构建以最小库存成本为目标函数的优化算法；
[0036]根据所述优化算法求得最小库存成本时的油品的采购策略，作为优化采购策略。
[0037]可选地，所述根据所述固定成本信息、所述库存成本信息、所述库存成本权重系数以及所述固定成本权重系数构建以最小库存成本为目标函数的优化算法，包括：
[0038]根据所述固定成本信息、所述库存成本信息、所述库存成本权重系数和固定成本权重系数构建以最小库存成本为目标的目标函数；
[0039]获取供给油站信息；
[0040]根据所述供给油站信息、所述固定成本信息和库存成本信息确定供给油站库存成本和供给油站固定成本；
[0041]根据所述供给油站库存成本和所述供给油站固定成本确定所述优化算法的奖惩函数；
[0042]根据所述奖惩函数对所述目标函数进行优化，得到优化算法。
[0043]此外，为实现上述目的，本专利技术还提出一种油品采购策略优化装置，所述油品采购策略优化装置包括：
[0044]信息采集模块，用于采集车主加油信息；
[0045]需求预测模块，用于根据所述车主加油信息进行用户需求预测，得到未来需求预测结果；
[0046]系统构建模块，用于根据所述未来需求预测结果构建库存管理系统；
[0047]信息处理模块，用于根据所述库存管理系统确定各虚拟油库的仓单信息和成本信息；
[0048]策略优化模块，用于根据所述仓单信息和所述成本信息对油品的采购策略进行优化，以得到最小库存成本。
[0049]此外，为实现上述目的，本专利技术还提出一种油品采购策略优化设备，所述油品采购策略优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的油品采购策略优化程序，所述油品采购策略优化程序配置为实现如上文所述的油品采购策略优化方法的步骤。
[0050]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有油品采购策略优化程序，所述油品采购策略优化程序被处理器执行时实现如上文所述的油品采购策略优化方法的步骤。
[0051]本专利技术采集车主加油信息；根据所述车主加油信息进行用户需求预测，得到未来需求预测结果；根据所述未来需求预测结果构建库存管理系统；根据所述库存管理系统确定各虚拟油库的仓单信息和成本信息；根据所述仓单信息和所述成本信息对油品的采购策略进行优化，以得到最小库存成本。通过这种方式，实现了基于车主加油信息对用户需求进行预测，然后基于未来需求预测结果构建库存管理系统，再从库存管理系本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种油品采购策略优化方法，其特征在于，所述油品采购策略优化方法包括：采集车主加油信息；根据所述车主加油信息进行用户需求预测，得到未来需求预测结果；根据所述未来需求预测结果构建库存管理系统；根据所述库存管理系统确定各虚拟油库的仓单信息和成本信息；根据所述仓单信息和所述成本信息对油品的采购策略进行优化，以得到最小库存成本。2.如权利要求1所述的方法，其特征在于，所述根据所述车主加油信息进行用户需求预测，得到未来需求预测结果，包括：根据所述车主加油信息确定油品销售数据；根据所述油品销售数据对预设车主需求进行聚类，得到多个聚类行为模式；通过回归预测模型对各聚类行为模式进行需求预测，得到未来需求预测结果。3.如权利要求2所述的方法，其特征在于，所述根据所述油品销售数据对预设车主需求进行聚类，得到多个聚类行为模式，包括：根据所述油品销售数据确定时间轴销售数据；对预设车主需求进行聚类，得到聚类结果数据；根据所述时间轴销售数据对所述聚类结果数据对车主群体进行分类，得到车主群体分类结果；根据所述车主群体分类结果确定多个聚类行为模式。4.如权利要求2所述的方法，其特征在于，所述通过回归预测模型对各聚类行为模式进行需求预测，得到未来需求预测结果之前，还包括：获取输入的零售价格调整信息；根据所述油品销售数据确定各油品的历史零售价数据和历史销售量数据；根据所述零售价格调整信息、所述历史零售价数据和历史销售量数据确定调整权重系数；根据所述调整权重系数对预设回归模型进行覆盖，得到回归预测模型。5.如权利要求1所述的方法，其特征在于，所述根据所述未来需求预测结果构建库存管理系统，包括：获取油库基本信息；根据所述油库基本信息在虚拟空间中进行模型构建，得到多个实体油库对应的数字化镜像模型；基于所述未来需求预测结果对各数字化镜像模型进行整合，得到赛博空间里的库存管理系统。6.如权利要求1所述的方法，其特征在于，所述根据所述仓单信息和所述成本信息对油品的采购策略进行优化，包括：根据所述仓单信息确定各虚...
【专利技术属性】
技术研发人员：于槟晖，戴宏浩，
申请(专利权)人：北京思创银联科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。