《表3 预测模型误差对比：基于配电物联网技术和并行随机森林算法的日前V2G功率容量预测》

  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

《基于配电物联网技术和并行随机森林算法的日前V2G功率容量预测》

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

本文基于Spark-1.6.0搭建了1个主节点和5个从节点分布式处理平台。在服务器上虚拟6台配置相同的Ubuntu14.04虚拟机，内存为2G，CPU为2核。选用前180 d的数据作为样本训练集，最后1 d的数据作为预测集，以验证所提出的方法。采用式（3）作为预测评价指标，由于影响随机森林预测模型的精度和泛化误差的参数有决策树的个数T和随机属性个数m，通过保持一个参数不变，调整另一参数，观察对输出结果的影响。经过多次试验，最终确定2个参数的值为100和3时综合效果最优，误差为7.81%，建模时间为10.1 s。从表3可以看出，采用RF预测V2G的预测精度要比传统SVM高1.75%，建模时间RF要比SVM快35.94倍，预测时间RF要比SVM快6.62倍。图5分别给出了使用RF和SVM算法的V2G功率容量预测结果和真实值对比曲线。