基于IPSO-AM-LSTM的飞机地面空调能耗预测

【类型】期刊

【作者】刘涵  林家泉 

【刊名】北京航空航天大学学报

【关键词】 地面空调,长短时记忆神经网络,粒子群优化,飞机客舱,能耗预测

【摘要】作为一个复杂的热力系统，飞机地面空调能耗受到多种因素的影响，包括各种天气数据和时间特征。为提升飞机客舱使用地面空调制冷时地面空调能耗预测精度，构造了一种基于长短时记忆网络(LSTM)的地面空调能耗预测模型。该模型融合长短时记忆网络和注意力机制构建预测部分，用于提取和利用数据中的时序信息，并以预测精度作为算法的适应度函数，提出一种基于改进粒子群优化(IPSO)算法的超参数优化方法，与标准粒子群优化(PSO)算法相比，该优化算法将迭代次数与适应度相结合，构建了惯性权重的动态调节函数，对其进行动态调节，并引入粒子到全局最优位置的距离参数，提出一种粒子交叉策略，提高粒子群的多样性。所提方法在实际数据集上的仿真预测结果的均方误差为4.394，平均绝对百分比误差为0.774%，决定系数为0.968。与其他预测方法进行对比，结果表明：所提方法有更高的准确度。

【年份】2024

【作者单位】中国民航大学电子信息与自动化学院;

【期号】11

【页码】3595-3602