《表2 不同LSTM训练层数负荷预测结果》
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》
本实验通过控制变量的形式来逐渐对模型进行调优处理。在模型训练轮数、训练批次大小、特征数一定的情况下,通过不断增大LSTM的训练层数来测试负荷预测效果,实验结果如表2所示。从中可以看出,在LSTM网络层数不断增大的过程中,yMAPE的值也不断减小,模型效果逐渐变好。但当LSTM网络层数为4层时,随着层数的增加,yMAPE虽然在减小但改变微弱,效果一般。因此在训练时考虑不要浪费大量时间又能够保证推荐效果的情况下,选择4层网络层数。
图表编号 | XD00200426100 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) |