《表1 不同模型训练时间:基于Bi-LSTM的家庭用电量预测》
LSTM对时序数据也一直有很好的预测效果,大量相关文章中也颇多研究了基于LSTM的电量预测[11-12],SVM来预测短期电力负荷的研究一直是负荷预测的研究热点,SVM基于统计学的结构风险最小化原则,与一般机器学习给予的基于经验风险最小归纳原则不同,这样的设计方式使得基于支SVM预测算法具有更好的预测精度[13],因而选取LSTM与SVM作为对比试验。由于三种模型对一个星期的预测数据量巨大,不利于绘图,图4是Bi-LSTM模型、LSTM模型和SVM模型对智能电表MT_330所收集家庭2012年1月份第一天电力消耗的预测。图4的结果表明,Bi-LSTM模型对家庭中期用电量预测效果比LSTM模型和传统机器学习SVM预测效果好。
图表编号 | XD00157214700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 许爱东、郭延文、吴涛、王雪纯、蒋屹新、张宇南 |
绘制单位 | 南方电网技术研究院有限责任公司、重庆邮电大学计算机科学与技术学院、重庆邮电大学网络安全与信息法学院、重庆邮电大学计算机科学与技术学院、南方电网技术研究院有限责任公司、南方电网技术研究院有限责任公司 |
更多格式 | 高清、无水印(增值服务) |