《表1 模型指标计算结果:计及偏差电量考核机制的人工神经网络售电量预测模型》
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
《计及偏差电量考核机制的人工神经网络售电量预测模型》
不同模型预测2015~2017共36个月售电量的性能指标如表1所示。可得以下结论:(1)本文提出的Bi-LSTM-ALF模型各指标均优于其余模型,RMSE有2.99%~35.17%的降低,MAPE有7.96%~40.26%的降低,USE有2.21%~11.88%的提升,证明了本模型的经济性与准确性;(2)同一算法在不同损失函数下各性能指标不同,整体上ALF各指标均优于其余两种损失函数,证明了本文方法的泛化性。但BP-ALF的RMSE高于BP-MAE,LSTM-ALF的RMSE高于LSTM-MAE,说明ALF在BP、LSTM上对波动较大月度的拟合能力不足,间接说明ALF由于损失权重不对等导致梯度振荡,不适用于较简单神经网络,但以盈利为目的售电公司主要关注指标为USE,就售电公司而言,依然适用。(3)BP-ALF的USE高于LSTM-MAE、LSTM-MSE与Bi-LSTM-MSE。LSTM-ALF的USE高于Bi-LSTM-MAE与BiLSTM-MSE,说明采用本文提出的ALF损失函数能有效提升模型的USE,令简单网络的收益指标表现优于复杂网络。
图表编号 | XD00149186100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.23 |
作者 | 白登辉 |
绘制单位 | 四川大学电气工程学院、四川省建筑设计研究院 |
更多格式 | 高清、无水印(增值服务) |