根据预定事件和先前行为估算电池电压

Question

我的目标是估计一个电池是否有足够的电量供其他系统使用。记录其他系统的功率状态(即是否打开)，以及太阳能电池板在阳光下充电的时间。这些记录已经过去几个月了。

我现在的问题是，当我想使用以前的数据和事件来估计/推断未来的电压时，我应该在什么主题/算法中进行研究(以使电力系统的调度更容易，例如，如果电池耗尽过多，就取消它们)？即将到来的充电时间可以计算，它也将知道什么时候一个系统将被供电。

所有数据集(即电压、充电时间、事件)都可以作为时间序列(但具有不同的时间戳/采样率)。

Answer 1

实现某些预测的最简单的方法之一是使用一个像ARIMA这样的模型，该模型从最近的观察中预测出一些前进的步骤。ARIMA代表自回归综合移动平均：

• 自回归意味着某物看它自己的历史价值。
• 集成指的是_differencing，步骤tp帮助消除非平稳性。
• 移动平均只意味着模型也考虑到移动平均(帮助保持预测在合理的球场)

下面是对更详细的要点的一个很好的解释。

在您的情况下，考虑到要使用的天气和数据时间等因素，使用季节性可能会使您受益。为此，有一个扩展的阿里玛，名为SARIMA -S代表季节性。Python的statsmodel包中有一个实现--或者如果您想使用R，那么也许可以看看forecast伟大的的包裹，或者这个sarima套餐。

如果你想使用一些更现代和尖端的东西，那么你实际上是在谈论递归神经网络(RNN)。我不知道你对那里有多熟悉？您应该理解的一个关键术语是: LSTM --一种考虑过去数据、当前数据并在特定时间点维护模型状态的单元。

看看演练(示例)，看看它对你是否有意义。

ARIMA类型的模型很容易运行，结果也很容易解释，所以您确实知道发生了什么。像RNN这样的事情的表现应该会更好，但要想成功却很少是一小段路.当然，它将取决于您的数据。

Answer 2

我建议与LSTM合作。它们是处理基于多输入时间序列的特征预测的一种非常方便的技术。这是因为它们可以将所有输入/输出之间的时间依赖作为黑匣子来处理，从而使您免于麻烦。

本教程正是你要找的东西。它为您提供了用Python / Keras快速原型您的算法的代码，而itt在一个与您的问题非常相似的问题上为我提供了很好的效果。