基于IALO-AM-BiLSTM模型的飞机地面空调能耗预测方法及存储介质技术

本发明专利技术提供了一种基于IALO

【技术实现步骤摘要】
基于IALO
‑
AM
‑
BiLSTM模型的飞机地面空调能耗预测方法及存储介质


[0001]本专利技术属于能耗预测领域，具体涉及一种基于IALO
‑
AM
‑
BiLSTM模型的飞机地面空调能耗预测方法及存储介质。

技术介绍

[0002]近些年来，绿色减排技术被推广，民航局提出建设绿色机场，包括资源节约、运行高效、低碳减排等内容，建设绿色机场离不开对机场设备智慧化、绿色化的研究。在机场运行管理中，地面空调是对飞机客舱进行降温除湿的主要设备，准确预测出其在工作过程中的耗电量对于建设绿色机场具有重要意义。地面空调能耗受多维因素的影响，如何提高预测精度是人们一直关注的问题。为减少使用高污染、高价格的航空煤油，航空公司主要使用地面空调设备替代机载空调对停靠在地面的飞机进行通风、降温和除湿。准确预测飞机地面空调能耗，可以为机场控制能源消耗、合理分配电力资源提供科学的参考，满足高效、节能以及保证客舱热舒适性等需求。
[0003]目前，关于地面空调能耗预测的研究主要是利用神经网络建立输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IALO
‑
AM
‑
BiLSTM模型的飞机地面空调能耗预测方法，其特征在于，包括以下步骤：采集飞机地面空调能耗数据，构成数据集；构造IALO
‑
AM
‑
BiLSTM模型，所述IALO
‑
AM
‑
BiLSTM模型包括AM
‑
BiLSTM初始预测模型和IALO超参数优化算法两个部分；利用AM
‑
BiLSTM初始预测模型的BiLSTM神经网络挖掘数据集的双向时间序列特征，然后通过注意力机制AM对双向时间序列特征赋予不同的权重；使用IALO超参数算法寻找AM
‑
BiLSTM初始预测模型中使预测部分结果最优的超参数组合，其中IALO超参数算法的适应度值为AM
‑
BiLSTM模型预测结果的均方误差；使用最优的超参数组合配置AM
‑
BiLSTM最终预测模型的超参数；利用AM
‑
BiLSTM最终预测模型预测地面空调工作的耗电量。2.根据权利要求1所述的基于IALO
‑
AM
‑
BiLSTM模型的飞机地面空调能耗预测方法，其特征在于，所述飞机地面空调能耗数据包括地面空调工作前客舱的初始温度和初始湿度，工作完成后客舱的最终温度和最终湿度以及全过程的耗电量。3.根据权利要求1所述的基于IALO
‑
AM
‑
BiLSTM模型的飞机地面空调能耗预测方法，其特征在于，所述AM
‑
BiLSTM初始预测模型和AM
‑
BiLSTM最终预测模型均包括输入层、BiLSTM层、Dropout层、Dense层、AM层和输出层。4.根据权利要求1所述的基于IALO
‑
AM
‑
BiLSTM模型的飞机地面空调能耗预测方法，其特征在于，所述IALO超参数优化算法包括两种改进机制：(1)随机游走空间缩小机制，改进后的数学表达式如下式所示；学表达式如下式所示；式中：ω为收缩因子，t为当前迭代次数，T为最大迭代次数，rand为0
‑
1之间的随机数；(2)蚂蚁位置更新机制，根据迭代次数非线性动态调整普通蚁狮权重系数β，如下式所示；示；式中：β为普通蚁狮权重系数，β
max
为普通蚁狮权重系数的最大值，β
min
为普通蚁狮权重系数的最小值，t为当前迭代次数，T为最大迭代次数；为第t次迭代时第i个蚂蚁的位置；为蚂蚁在第t次迭代的普通蚁狮周围随机游走；为蚂蚁在第t次迭代的精英蚁狮周围随机游走。5.根据权利要求1所述的基于IALO
‑
AM
‑
BiLSTM模型的飞机地面空调能耗预测方法，其特征在于，所述AM
‑
BiLSTM初始预测模型或AM
‑
BiLSTM最终预测模型包括：(1)输入层：将每个时刻的环境数据作为模型的输入，t时刻的输入如下式所示：
X
t
＝[pre
‑
temp
t
,post
‑
temp
t
,pre
‑
humidity
t
,post
‑
humidity
t
]式中：X
t
为t时刻的输入序列，pre
‑
temp
t
为t时刻地面空调工作前客舱的初始温度；post
‑
temp
t
为t时刻地面空调工作完成后客舱的最终温度；pre
‑
humidity
t
为t时刻地面空调工作前客舱的初始湿度；po...

【专利技术属性】
技术研发人员：林家泉，周璇，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：