基于双向长短期记忆神经网络的冷库冷负荷预测算法

摘要

针对小型氟利昂冷库冷负荷难以准确预测、制冷能耗浪费的问题，提出了一种融合Transformer与双向长短期记忆神经网络（BiLSTM）的改进型冷库冷负荷预测模型（Transformer-BiLSTM-PLO-TSA）。该模型以BiLSTM与全连接层代替Transformer原始解码层，引入极光优化算法（PLO）完成模型参数寻优，并嵌入时空注意力机制（TSA）挖掘时序数据的时空关联特征，提高模型的鲁棒性。实验结果表明，所提出的PLO优化时空注意力融合模型Transformer-BiLSTM-PLO-TSA的RMSE为2.57,MAE为1.54，决定系数为0.94，在精度和稳定性方面优于BiLSTM、Transformer、Transformer-LSTM、Transformer-BiLSTM、Transformer-BiLSTM-TSA等对比模型。

关键词

冷负荷预测 / 双向长短期记忆网络 / 时空注意力机制 / 极光优化算法