利用时间序列预测电量，冷量和压缩空气量

背景

根据提供的数据，详见附件，用机器学习算法建立某工厂电量、冷量和压缩空气预测模型，并输出模型评价指标R2、RMSE、实际值与预测值对比图。（注：本次建模暂只针对用量本身，未提供其他特征变量。）

注：1、本次建模暂只针对用量本身（原始数据为表具读数，需进行计算），未提供其他特征变量，可采用时间序列方法；
2、电、冷和气原始数据内包括多个表具，其中电量由11个电表组成、冷量包括3个表具、气包括2个表具，请针对电量、冷量和压缩空气三类总用量进行建模。

分析与思路

1，由于原数据是每15分钟采集表具的，不同系统表具数目不一致，而且不同时间段的表具数目不一样，表具是随着业务一直在增加的，表具参数需要可设定；
2，由于是数据结构是不同表具不同时间点采集的，需要对原始表具读数进行计算；
3，由于原数据只提供 用量本身，未提供其他特征变量，采用时间序列方法；
4，预测的结果可以定义一个method用以评估预测结果的好坏；

代码

import time
import numpy as np
import pandas as pd
import pmdarima as pm
import matplotlib.pyplot as plt
from sklearn.metrics import r2_score, mean_squared_error,mean_absolute_error
import warnings
warnings.filterwarnings("ignore")
warnings.simplefilter('ignore', ValueError)
import logging
logging.basicConfig(filename = 'three_predict.log', format="%(asctime)s - %(name)s - %(levelname)s - %(message)s", level=logging.DEBUG) #日志设置/app/logs/
start_time = time.time() #开始时间

class Three_Predict(object):
    def __init__(self, equipment_num, windows, n_periods):
        self.equipment_num = equipment_num #设备数
        self.windows = windows #滑动窗口
        self.n_periods = n_periods #预测期数
    
    def fetch_data(): #读取数据
        electric_data = pd.read_excel(r"D:\项目\上汽资产\算法笔试题目-上汽资产\算法笔试题目-上汽资产\预测数据集\electric.xlsx", parse_dates= [u'时间'])
        cold_data = pd.read_excel(r"D:\项目\上汽资产\算法笔试题目-上汽资产\算法笔试题目-上汽资产\预测数据集\cold.xlsx", parse_dates= [u'时间'])
        air_data = pd.read_excel(r"D:\项目\上汽资产\算法笔试题目-上汽资产\算法笔试题目-上汽资产\预测数据集\air.xlsx", parse_dates= [u'时间'])
        print(len(electric_data), len(cold_data), len(air_data)) #, len(cold_data), len(air_data)
        return electric_data

    def data_preprocess(data, equipment_num, windows, n_periods): #数据预处理
        print("设备数 = {}, 窗口数 = {}, 预测期数 = {}".format(equipment_num, windows, n_periods))
        data_total = data.groupby(by=[u'时间']).agg({u'计量表':[len], u'表读数': [np.sum]}) #聚合
        data_total.columns = [s2+'_'+s1 for s2, s1 in data_total.columns] 
        print(data_total)
        data_total = data_total.query("计量表_len>=@equipment_num") #排除掉电表未采集到数据的情况
        print(len(data_total))
        data_ts = data_total[u"表读数_sum"] #电量时序
        ts_rolling = data_ts.rolling(windows).mean() #阶截尾滑动平均
        ts_rolling_std = ts_rolling.std() #标准差
        # print("滑动平均:\n", ts_rolling, ts_rolling_std)
        upper = (lambda x, y: x>y+1.5*ts_rolling_std)(data_ts, ts_rolling)
        lower = (lambda x, y: x<y-1.5*ts_rolling_std)(data_ts, ts_rolling)
        ts_filter = data_ts.drop(labels = data_ts[upper].index) #去上异常值
        ts_filtered = ts_filter.drop(labels = data_ts[lower].index)#去下异常值
        print("过滤后序列\n", ts_filtered)
        y_train, y_test = ts_filtered[:-n_periods], ts_filtered[-n_periods:]
        print(y_train, y_test)
        return y_train, y_test

    def auto_arima(data, n_periods): #auto_arima预测
        model = pm.auto_arima(data,
                            m = 4,
                            seasonal = True,
                            trace = False,
                            error_action = 'ignore',  
                            suppress_warnings = True,
                            stepwise = True,
                            n_jobs= -1) #模型初始化
        print("optimum model：", model)
        y_pred = model.predict(n_periods) #预测未来n_periods期 
        y_pred = [np.round(i) for i in y_pred] #四舍五入取整
        return y_pred
    
    def metric(y_pred, y_test): #预测结果评估
        r2 = r2_score(y_test, y_pred)
        rmse = np.sqrt(mean_squared_error(y_test, y_pred))
        print("R2 = {}, RMSE = {}".format(r2, rmse))
        fig = plt.figure(figsize=(8,6))
        # ax = fig.add_subplot(1, 1, 1) 
        plt.rcParams['font.sans-serif']=['SimHei'] 
        plt.rcParams['axes.unicode_minus']=False 
        print("实际值", y_test)
        print("预测值", y_pred)
        print(list(range(len(y_pred))))
        plt.plot(y_pred, color="b", label="预测值")
        plt.plot(y_test, color="g", label="实际值")   
        plt.legend()
        plt.title("实际值与预测值对比图")
        plt.show()
        return r2, rmse


predict = Three_Predict(11, 4, 10)
data = Three_Predict.fetch_data()
y_train, y_test = Three_Predict.data_preprocess(data, predict.equipment_num,  predict.windows, predict.n_periods)
y_pred = Three_Predict.auto_arima(y_train, predict.n_periods)
Three_Predict.metric(y_pred, y_test.tolist())


end_time = time.time() #结束时间
cost_time = end_time - start_time
print("cost time: {}".format(cost_time))
logging.info("cost time: {}".format(cost_time))

结果

一，电量预测

结果
R2 = -2.5642672586491737, RMSE = 1841.0228407056768

实际值与预测值对比图

二，冷量预测

R2 = 1.0, RMSE = 0.0

实际值与预测值对比图

三，压缩空气预测

结果
R2 = -14.35457326271083, RMSE = 7931.339811154229

调优

利用时间序列建模，往往需要对参数p,d,q和周期性参数m进行调节，以达到最优，像这种工业用电，用水，用气往往具有淡旺季，一天或一周或一个月有高峰低谷的，会呈现周期性和一些趋势特点，这里重点对周期参数m进行调节

一，电量预测(m=6)

结果
R2 = 0.9306904090631372, RMSE = 256.7265081755291

实际值与预测值对比图

二，冷量预测

略

三，压缩空气预测

结果
R2 = -14.35457326271083, RMSE = 7931.339811154229