《表3 不同输入向量的预测结果》
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
《计及电价和Attention机制的LSTM短期负荷预测模型》
为了说明电价因素对电力负荷预测具有一定的影响,现将Attention-LSTM模型输入向量的特征因子数做一定调整。CH表示从表1中去除平时电价、谷时电价、峰时电价因素的特征向量,CHP表示在CH的基础上增加了峰时电价的特征向量,CHPV表示在CHP的基础上增加了谷时电价的特征向量,CHPVO表示含有表1所有因素的特征向量。表3为Attention-LSTM模型通过不同输入特征向量所得到的负荷预测结果。从中可以看出,CH作为特征向量时的yMAPE和yMAPE的值均小于CHP、CHPV和CHPVO,预测精度最低,说明考虑电价特征可以提高模型负荷预测的准确度,正向影响负荷。另外,CHP的预测效果低于CHPV,CHP的预测效果低于CHPV,可以表明把电价特征分解更详细能够有效提高模型预测的精度,同时也表明利用表1中所有特征作为输入时,模型能够充分学习数据中的有用信息和规律,预测效果最好。
图表编号 | XD00200425900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.30 |
作者 | 冯荣强、赵磊、杨勇、李宽宏、陈蕾、郑伟彦 |
绘制单位 | 南瑞集团有限公司(国网电力科学研究院有限公司)、南瑞集团有限公司(国网电力科学研究院有限公司)、国网浙江省电力有限公司、国网福建省电力有限公司福州供电公司、国网浙江省电力有限公司、国网浙江省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |