一种电网缺陷物资智能仓储调度系统的构建方法技术方案

本发明专利技术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。本发明专利技术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。易用的系统。易用的系统。

【技术实现步骤摘要】
一种电网缺陷物资智能仓储调度系统的构建方法


[0001]本专利技术涉及电网和强化学习的
，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。

技术介绍

[0002]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
[0003]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。

技术实现思路

[0004]本部分的目的在于概述本专利技术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专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术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。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：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。
[0008]作为本专利技术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。
[0009]作为本专利技术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。
[0010]作为本专利技术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，
[0011][0012]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。
[0013]作为本专利技术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：
[0014][0015]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。
[0016]作为本专利技术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：所述构建强化学习模型包括，所述强化学习模型如下：
[0017][0018]其中，V(S
t
)为在当前物资的仓储状态S
t
下的价值函数，r
t
为当前时刻的收益，γ为衰减因子，V(S
t+1
)为在状态S
t+1
下的价值函数，X
i,j
和B
i,j
分别表示当前时刻仓库i中物资j的出库数量和购买数量，l
j
为占据容量，μ
i
为容量上限，Z
i,j
表示所述当前时刻仓库i中物资j的数量，n表示有n个仓储物资库。
[0019]作为本专利技术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：所述当前时刻的收益包括，
[0020][0021]其中，Q
i,j
表示所述仓库i中物资j的需求量，p
i
和p
i
为损失收益，c
j
为购买物品花费的金额，符号(x)-为
[0022]作为本专利技术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：所述状态S
t
和S
t+1
包括，所述当前物资的仓储状态S
t
为：
[0023]S
t
＝Z∈R
n
×
m
[0024]其中，Z为所述仓库中物资的数量，R
n
×
m
为n
×
m维实数空间；
[0025]S
t+1
＝Z-X+B
[0026]其中，S
t+1
为调度后的仓储状态，X为调度方案，B为采购方案。
[0027]作为本专利技术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：所述仓储物资调度方案包括，所述仓储物资调度方案需满足以下不等式：
[0028][0029]作为本专利技术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：所述计算仓储物资调度方案包括，采取ε贪婪策略确定Action：
[0030][0031]其中，A
t+1
为所述仓储物资调度方案，V
w
(S
t+1
)为在策略w和所述S
t+1
下的价值函数。
[0032]本专利技术的有益效果：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。
附图说明
[0033]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0034]图1为本专利技术第一个实施例所述的电网缺陷物资智能仓储调度系统的构建方法的流程示意图；
[0035]图2为本专利技术第一个实施例所述的电网缺陷物资智能仓储调度系统的构建方法的基于气象数据和历史缺陷数据的缺陷物资预测模型结构示意图；
[0036]图3为本专利技术第一个实施例所述的电网缺陷物资智能仓储调度系统的构建方法的基于强化学习的仓储调度引擎示意图；
[0037]图4为本专利技术第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网缺陷物资智能仓储调度系统的构建方法，其特征在于：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。2.如权利要求1所述电网缺陷物资智能仓储调度系统的构建方法，其特征在于：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。3.如权利要求2所述电网缺陷物资智能仓储调度系统的构建方法，其特征在于：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。4.如权利要求2或3所述电网缺陷物资智能仓储调度系统的构建方法，其特征在于：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。5.如权利要求1或3所述电网缺陷物资智能仓储调度系统的构建方法，其特征在于：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。6.如权利要求5所述电网缺陷物资智能仓储调度系统的构建方法，其特征在于：所述构建强化学习模型包括，所述强化学习模型如下：
其中，V(S
t
)为在当前物资的仓储状态S
t
下的价值函数，r
t
为当前时刻的收益，γ为衰减因子，V(S
t+1
)为在状态S
t...

【专利技术属性】
技术研发人员：俞虹，唐诚旋，蒋群群，陈钰伊，张秀，程文美，代洲，徐一蝶，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：