[发明专利]一种电网缺陷物资智能仓储调度系统的构建方法

说明书

本发明公开了一种电网缺陷物资智能仓储调度系统的构建方法，包括，基于开源和采购的气象数据，以及电网系统提供的历史缺陷数据，构建缺陷物资预测模型，并对所述缺陷物资进行预测；融合所述预测的结果，并结合当前物资的仓储状态，构建强化学习模型；利用所述强化学习模型计算仓储物资调度方案，并将所述仓储物资调度方案进行可视化展示。本发明将基于气象数据和历史缺陷数据的缺陷物资预测、基于强化学习的缺陷物资调度进行串联，整合到JavaWeb系统中，实现了智能、易用的系统。

技术领域

本发明涉及电网和强化学习的技术领域，尤其涉及一种电网缺陷物资智能仓储调度系统的构建方法。

背景技术

缺陷物资预测是基于每个区域内的数据分析和挖掘的思想，利用人工智能与机器学习方法，将每个区域的不同需求构建时间序列模型(sequence-to-sequence model)，从而进行时间序列的预测；物资管理系统通过对缺陷数据进行录入、管理，实现电网缺陷物资的调度，主要的平台技术有基于JavaWeb的物资管理系统，基于Python的物资管理系统等

目前，虽然缺陷物资的预测能够实现较准确的预测，但是其是孤立的，并没有考虑到仓储和调度的成本；强化学习统筹考虑了仓储和调度的成本，并将预测的数据也纳入了算法当中，但是没有一个系统将两者进行结合，并整合到一个系统当中去；从基于气象数据、历史缺陷数据到强化学习智能调度、数据管理方面，没有很好的进行整合，并没有这样的系统对两者进行结合以形成便捷的管理系统。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种电网缺陷物资智能仓储调度系统的构建方法，能够解决缺陷物资的预测孤立及强化学习智能调度数据的整合问题。

为解决上述技术问题，本发明提供如下技术方案：包括，基于开源和采购的气象数据，以及电网系统提供的历史缺陷数据，构建缺陷物资预测模型，并对所述缺陷物资进行预测；融合所述预测的结果，并结合当前物资的仓储状态，构建强化学习模型；利用所述强化学习模型计算仓储物资调度方案，并将所述仓储物资调度方案进行可视化展示。

作为本发明所述的电网缺陷物资智能仓储调度系统的构建方法的一种优选方案，其中：所述构建缺陷物资预测模型包括，预处理所述气象数据和所述历史缺陷数据；将线性回归模型、岭回归模型、弹性网络模型、梯度提升树、XgBoost模型和BP神经网络模型作为所述缺陷物资预测模型；定义优化函数，并优化所述缺陷物资预测模型。

作为本发明所述的电网缺陷物资智能仓储调度系统的构建方法的一种优选方案，其中：所述预处理包括，统计所述数据中的有效数据，并对空数据进行填充，对类别型数据进行one-hot编码。

作为本发明所述的电网缺陷物资智能仓储调度系统的构建方法的一种优选方案，其中：所述优化函数包括，

其中，K为分类回归树的数量，Γ为模型的分类回归树空间，f_k为模型的第k个分类回归树，代表的是预测的缺陷物资的数值。

作为本发明所述的电网缺陷物资智能仓储调度系统的构建方法的一种优选方案，其中：所述融合预测结果包括，将所述线性回归模型、岭回归模型、弹性网络模型、梯度提升树、XgBoost模型和BP神经网络模型的预测结果求平均值并取整，如下式：

其中，F为当前时间段所需的缺陷物资，f_p为需要融合的第p个模型模型，m表示需要仓储物资的类别数量，round为取整。