为了挖掘冷藏陈列柜运行数据的有效信息,实现冷藏陈列柜制冷负荷的预测,针对运行数据存在时间序列性和非线性等特性,提出了基于深度学习的LSTM神经网络模型。将日期信息、蒸发器进出口温度、压力、焓值、流量数据按照时间步长划分为训练集与测试集,模型导入后经过训练证明最优方案:模型网络层数为4、训练次数为200,将预测负荷数据与实际负荷进行比对,发现预测模型绝对百分比误差仅为1.98%,具备较好的预测性能。
科研之友
微信
新浪微博
Facebook
分享链接
