《表5 不同优化方法的预测误差比较》

  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

《一种基于杂交模型的电力负荷短期预测》

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

就优化算法而言，其结果受随机初始值的影响较大，重复实验二十次。表5给出了基于PSO算法、粒子群文化算法和本文改进粒子群文化算法的杂交预测方法在不同时刻的预测误差和计算时间（运行优化算法的CPU时间），可以看出，本文基于改进粒子群文化算法的预测误差小于其它优化方法。此外，与其它杂交模型相比，本文建立的模型具有更快的收敛速度。这里，由于粒子进化的变异策略、惯性权重的动态调整策略以及动态影响函数选择策略，粒子在进化过程中更容易跳出局部最优，得到更接近全局最优的权重参数。