基于注意力机制和深度学习的电动拖轮能耗预测方法

本发明一种基于注意力机制和深度学习的电动拖轮能耗预测方法，实时采集船舶动力电池参数、推进系统参数、航行状态参数和通航环境参数，并进行数据预处理；对拖轮工况进行分类和识别，并对工况识别结果进行编码，构建能耗预测的数据集；构建基于LSTM‑Transformer混合架构的纯电动拖轮能耗预测模型，对构建的预测模型训练并进行测试，最终实现分钟能耗预测和每海里能耗预测。本发明利用Transformer的注意力机制结合深度学习方法充分挖掘电动拖轮能耗数据的时序特性与非线性关联，通过自适应调整模型参数提升预测精度，可为电动拖轮的能源优化调度和续航能力评估提供可靠的数据支持，有效提升船舶运行的经济性与安全性。