《表4 不同季节预测结果对比》
本文所提进化深度学习特征提取预测模型可以挖掘多个影响因素和负荷值之间的复杂关系。表4为各种方法对2017年春季(2017年2月3日—4月20日)、夏季(2017年5月5日—7月22日)、秋季(2017年8月7日—10月23日)、冬季(2017年11月7日—2018年1月20日)4个季节的负荷数据分别进行预测。从预测结果可直观地看出,本文所提出的进化深度学习特征提取预测模型其MAPE总平均值为2.16%,比其余4种方法预测误差都要小。
图表编号 | XD00130411000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 易灵芝、常峰铭、龙谷宗、梁湘湘、马文斌 |
绘制单位 | 湘潭大学信息工程学院“多能协同控制技术”湖南省工程研究中心“风电装备与电能变换”湖南省协同创新中心、湘潭大学信息工程学院“多能协同控制技术”湖南省工程研究中心“风电装备与电能变换”湖南省协同创新中心、南车电机有限公司、南车电机有限公司、南车电机有限公司 |
更多格式 | 高清、无水印(增值服务) |