随着电网储能系统的发展，调速油泵的稳定运行变得越来越重要，准确预测负载持续时间对于确保水电站系统的可靠性至关重要。本文提出了一种双分支长短期记忆（LSTM）-Transformer网络，用于调速油泵的负载持续时间预测。设计了一种混合LSTM-Transformer网络作为基线，以结合LSTM和Transformer的优点。设计了一个双分支结构，分别关注时间相关性和交叉相关性因素。设计了一个反向传播（BP）神经网络作为融合模块，智能整合两个分支的特征，实现比固定线性加权更强大和非线性的组合。模型通过使用真实抽水蓄能电站的运营数据进行训练和测试。进行了全面的实验，包括消融研究、与各种基线和集成模型的比较、在不同缺失数据机制下的鲁棒性测试。结果持续证明我们提出的模型的优越性，验证了双分支架构和BP融合模块的有效性。所提模型为抽水蓄能电站的智能运营和维护提供了支持。
宫等（周五）研究了这个问题。