《表1 RBF,PNN,GRNN算法性能对比》

  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

《面向高比例新能源接入的配电网电压时空分布感知方法》

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

通过对比4种算法的误差与训练实现发现，在大规模配电网中输入输出变量较多时，虽然RBF神经网络训练平均误差较小，但由于其需要计算每一个输入向量与权值向量的距离，收敛速度慢，训练时间过长。PNN与GRNN均依靠概率密度函数估计方法进行训练，收敛速度较快，但PNN会忽略互相关系数较小的信息，因而造成预测误差较大。综上，本文提出的KDE-GRNN算法具有预测精度高、收敛速度快的优势。