《表1 0%渗透率时的负荷预测结果与台区实际负荷对比》

  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

《计及电动汽车渗透率的台区负荷预测研究》

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

为进一步验证本文所提模型和算法的有效性，选用南京市某地区配网台区的2018年实际负荷数据进行负荷预测，该台区共有机动车数量2 000台。台区负荷的影响因素包括气象数据气温T（最高温度、最低温度、平均温度），湿度H（最高湿度、最低湿度、平均湿度）以及降雨量R。首先分别采用传统BP[26]和改进ANFIS算法对该台区进行电力负荷预测，采用该台区7月全月中工作日数据预测台区8月1日负荷，则训练样本为22组，每组样本数据包括24点日负荷曲线数据、温度数据、湿度数据以及降雨量数据，此时电动汽车渗透率为0；确定GA的参数以及ANFIS和RBF的网络结构，首先GA算法的参数设定为最大迭代次数为1 000次，种群大小为100，变异率为0.10，交叉率为0.8，突变率为0.02；确定ANFIS结构采用高斯型隶属度函数，采用五层结构；确定RBF算法的参数，初始化隐层节点数为5层，切断概率为0.9，拼接概率为0.95，变异概率为0.1。则最终得到的预测结果如图4所示。结果对比如表1所示。