CN119474882A 一种基于改进arima模型的压差时间序列数据预测方法及装置 （烟台开发区德联软件有限责任公司）

一种基于改进ARIMA模型的压差时间序列数本发明公开一种基于改进ARIMA模型的压差序列数据；将清洗后时间序列数据进行ADF平稳性验证；通过后，将清洗后时间序列数据进行Ljung_Box白噪声检验；通过检验后生成预测数据集对ARIMA模型进行训练；通过设定验证数据集对训练后的ARIMA模型进行性能评估，生成评获得训练好的ARIMA模型；将预测数据输入训练好的ARIMA模型进行预测处理，获取压差预测数能够监测电压异常，进而维护储能设备的稳定2对储能设备单体电池的最高电压最低电压数据进行采集，获得电压数将所述清洗后时间序列数据进行ADF平稳性验证，若所述清洗后时间序列数据为稳定将所述清洗后时间序列数据进行Ljung_Box白噪声检验，若所述清洗后时间序列数据通过设定训练数据集对所述ARIMA模型进行训练；通过设定验证数据集对训练后的所2.根据权利要求1所述的一种基于改进ARIM3.根据权利要求2所述的一种基于改进ARI;;4.根据权利要求3所述的一种基于改进ARIMA模型的压5.根据权利要求4所述的一种基于改进ARI3;6.一种基于改进ARIMA模型的压差时间序列数据预测装数据采集及清洗处理模块，用于对储能设备单体电池的最高电ADF平稳性验证模块，用于将所述清洗后时间序列数据进行ADF平稳性验Ljung_Box白噪声检验模块，用于将所述清洗后时间序列数据进行LjuARIMA模型训练模块，用于通过设定训练数据集对所述ARIMA模型进行压差预测数据获取模块，用于将所述预测数据输入所述训练好的ARIMA模型进行预测7.根据权利要求6所述的一种基于改进ARI进行清洗处理的过程中，通过向上填充策略取最近的电压值对缺失电压数据进行补充处8.根据权利要求7所述的一种基于改进ARIMA;4;9.根据权利要求8所述的一种基于改进ARIMA模根据自相关和偏自相关图的截尾与拖尾形态来确10.根据权利要求9所述的一种基于改进ARIMA模型的压差时间序列数据预测装置，其;;5[0001]本发明涉及储能设备运检维护技术领域，具体涉及一种基于改进ARIMA模型的压效的提高储能系统的稳定性。而电池组单体电压的压差是确定储能设备状态的重要指标，该方法充分发挥ARIMA模型适用于处理时间序列数据能很好地捕捉时间序列数据趋势和季节性变化的特性，解决传统的统计方法和线性模型难以准确捕捉时间序列数据规律的问6将所述清洗后时间序列数据进行ADF平稳性验证，若所述清洗后时间序列数据为将所述清洗后时间序列数据进行Ljung_Box白噪声检验，若所述清洗后时间序列通过设定训练数据集对所述ARIMA模型进行训练；通过设定验证数据集对训练后的所述ARIMA模型进行性能评估，生成评估指标；当所述评估指标达到设定标准时完成训[0007]作为一种基于改进ARIMA模型的压差时间序列数据预测方法的优选方案，在通过[0008]作为一种基于改进ARIMA模型的压差时间序列数据预测方法的优选方案，当所述;;[0009]作为一种基于改进ARIMA模型的压差时间序列数据预测方法的优选方案，在通过来确定参数p和参数q。[0010]作为一种基于改进ARIMA模型的压差时间序列数据预测方法的优选方案，在通过所述设定验证数据集对训练后的所述ARIMA模型进行性能评估，生成所述评估指标的过程;7[0011]本发明还提供一种基于改进ARIMA模型的压差时间序列数据预测装置，基于以上jung_Box白噪声检验模块，用于将所述清洗后时间序列数据进行Ljung_Box白噪压差预测数据获取模块，用于将所述预测数据输入所述训练好的ARIMA模型进行[0012]作为一种基于改进ARIMA模型的压差时间序列数据预测装置的优选方案，所述数;;[0014]作为一种基于改进ARIMA模型的压差时间序列数据预测装置的优选方案，所述8[0015]作为一种基于改进ARIMA模型的压差时间序列数据预测装置的优选方案，所述;述清洗后时间序列数据变为稳定的；将所述清洗后时间序列数据进行Ljung_Box白噪声检的所述ARIMA模型进行性能评估，生成评估指标；当所述评估指标达到设定标准时完成训9[0020]图1为本发明实施例1中提供的一种基于改进ARIMA模型的压差时间序列数据预测图2为本发明实施例1中提供的一种基于改进ARIMA模型的压差时间序列数据预测图3为本发明实施例2中提供的一种基于改进ARIMA模型的压差时间序列数据预测[0026]改进的ARIMA模型每次输入的预测数据量很少，所以出现异常值或者空值对预测;;Af(xx)在每个小区间上的增量y(k+1)-y(k)为f(x)的一阶向前差分，在据是平稳的否则接受原假设。[0033]本实施例中，在步骤S3中，将所述清洗后时间序列数据进行Ljung_Box白噪声检主要参数为lbbalue测试的统计量，pvalue基于卡方分布的p统计量，如果pvalue值大于描述当前值与历史值之间的关系，用变量自身的历史时间数据对自身进行预测，;;;;;;[0046]两种预测数据评估度量指标都可以进行评估，RMSE评价结果相较于MAE更具有可;[0049]综上所述，本发明通过对储能设备单体电池的最高电压[0053]参见图3，本发明实施例2还提供一种基于改进ARIMA模型的压差时间序列数据预数据采集及清洗处理模块001，用于对储能设备单体电池的最高电压最低电压数Ljung_Box白噪声检验模块003，用于将所述清洗后时间序列数据进行Ljung_BoxARIMA模型构建模块004，用于构建ARIMA模型，并通过设定确认策略确定所述;;;[0060]本发明实施例3提供一种非暂态计算机可读存储介质，所述计算机可读存储介质中存储有一种基于改进ARIMA模型的压差时间序列数据预测方法的程序代码，所述程序代码包括用于执行实施例1或其任意可能实现方式的一种基于改进ARIMA模型的压差时间序[0061]计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，