《表2 不同季节预测误差的比较Table 2 Comparison of forecasting errors in different seasons》
为了充分验证本文方法的有效性和科学性,分别对该地区2016年各个季节的负荷进行了预测,训练样本集由各个待预测日前10个月的负荷数据、天气数据、日期类型数据和电价数据构成。为了突出本文方法的优势,选择BP神经网络、SVM方法和传统DBN方法进行对比。表2为各种方法对4个季节的负荷进行预测时的eMAPE。为了保证客观性,实验结果均为执行20次实验得到的平均值。在考虑温度、光照强度、湿度和峰谷分时电价影响的情况下,本文方法可以更充分地挖掘多个影响因素和负荷值的复杂关系,相应的eMAPE总平均值为2.26%,比其他3种方法预测误差都小。
图表编号 | XD0015486700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.10 |
作者 | 孔祥玉、郑锋、鄂志君、曹旌、王鑫 |
绘制单位 | 智能电网教育部重点实验室(天津大学)、智能电网教育部重点实验室(天津大学)、国网天津市电力公司、国网天津市电力公司、国网天津市电力公司 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 不同季节预测误差的比较Table 2 Comparison of forecasting errors in different seasons”的人还看了
- 表2 不同体质量指数调查对象血清25- (OH) D含量比较Table 2 Comparison of serum 25- (OH) D content in subjects with different body mass index
- 表2 2015年~2016年天津市负荷影响因素预测值及误差Tab.2 Forecast value and error of influencing factors of power load in Tianjin from 2015 to