基于数据挖掘的冷藏陈列柜的负荷预测研究

袁 培，雷正霖，曾庆辉，武宜霄，吕彦力，胡朝龙

（1.郑州轻工业大学，郑州 450000；2.山东小鸭冷链有限公司，济南 250000）

0 引言

目前食品冷藏陈列柜的电能消耗约占超市总电能消耗的50%～60%［1-2］，特别是敞开式冷藏陈列柜，由于其直接与环境接触，产生高耗能和柜内温度波动等现象。所以，在保证食品品质的前提下，如何降低食品冷藏陈列柜的能耗是一个研究热点。食品冷藏陈列柜的能耗与负荷有关，如何对食品冷藏陈列柜负荷进行准确预测，是实现科学运行的前提，是节能降耗的基础工作。

陆继翔等［3］采用CNN-LSTM混合神经网络模型对电力系统的短期负荷进行预测，并与ARIMA、随机森林、LSTM模型进行比较。结果表明：相同条件下，CNN-LSTM混合神经网络模型的LSTM模型层数为4、训练次数为500，模型的绝对百分比误差在0.35%至2.81%，预测准确度最高。李晨亮［4］采用EEMD-LSTM模型对沪深300指数进行预测研究。结果表明：对比BP、EEMD-BP、LSTM模型，EEMD-LSTM预测性能最优，模型的绝对百分比误差为0.294%，指数方向的预测准确性达到63.93%。WANG等［5］采用LSTM模型对搭建的制冷系统平台进行能耗预测。结果表明：相比传统预测方法，LSTM模型具备更好的预测精度，LSTM的根均方误差比BPNN低19.7%，比ARMA低54.85%，比ARFIMA低64.59%，LSTM模型能很好的预测能耗。

食品冷藏陈列柜的负荷与环境温度、湿度、人流量、结霜融霜、压缩机功耗、制冷剂等多种独立因素相关，准确计算较为困难。这些独立因素具备时间序列性和非线性的特点，数据挖掘在处理这类数据具备独特优势。本研究引入LSTM神经网络模型，将制冷剂质量流速……