《表3 误差对比：辅助弃风消纳的IVMD-LSTM电网典型时段负荷曲线拟合方法》

  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

《辅助弃风消纳的IVMD-LSTM电网典型时段负荷曲线拟合方法》

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

由图8可知，3种不同拟合方法拟合结果中，局部补偿有理分式拟合算法对应曲线虽然符合曲线整体变化趋势，但是在负荷数据波动较大处误差较大拟合结果偏离原始数据较远，出现欠拟合现象，而在数据末端出现过拟合现象。由此可见，在中长期典型时段负荷数据拟合中常规的函数逼近方法并不能很好地体现数据特征做出精确地拟合。相比之下，BP神经网络拟合方法对于典型时段负荷数据的适应性较好，但是在拟合部分峰值时误差较大，丢失了部分数据特征，总体来看拟合效果优于局部补偿有理分式拟合。与上述两种拟合方法相比，本文提出的IVMD-LSTM典型时段负荷曲线拟合结果不仅符合曲线整体趋势，同时误差极小，在负荷数据出现剧烈波动时仍然能够实现稳定而精确的拟合。为验证算法稳定性，选取春节、劳动节、中秋节3个典型时段负荷数据进行算例分析，结合国庆节拟合结果做误差对比，如表3所示。