《表1 不同方法的对比：基于深度学习的概率性电网潮流快速计算方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的概率性电网潮流快速计算方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了比较不同方法的性能，使用以下指标。Nepoch指的是epoch数量。Vloss表示原始损失函数（3）的值。Pvm指的绝对误差电压大小的比例超过0.000 1p.u。Pva指的绝对误差相的比例超过0.01rad。Ppf/Pqf的比例是指主动/被动分支电网的绝对误差超过5MW。通过查看所有样本的电网潮流结果，得到PPF的解（如均值、标准差和概率密度函数）。因此，设计了Pvm、Pva、Ppf、Pqf等指标，通过反映各试验样品的电网潮流计算精度来量化PPF的精度。表1给出了在不同情况下，相同的epoch数量下的性能比较。在这里，精度采用误差率来表示。