《表2 不同LSTM网络结构的预测性能》
构建的LSTM网络,隐藏层数和每个隐藏层LSTM的数量对负荷预测精度均有影响。以2017年全年每小时历史负荷数据作为验证集,固定历史日期窗口w为7 d,采用枚举法对隐藏层神经元数量进行逐层选取,确定最优网络结构。首先,确定第1层隐藏神经元的最佳数量并固定;然后,确定下一层隐藏层即第2层隐藏层神经元数量的最佳值;依次类推,直到预测精度不再提高为止。不同网络结构下的预测性能如表2所示。对每层神经元的数量进行选取时,依次设置为5~40个(间隔为5个),共8个级别。隐藏层的层数依次设置为1,2,3层。
图表编号 | XD00201487000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.28 |
作者 | 庞传军、张波、余建明 |
绘制单位 | 南瑞集团(国网电力科学研究院)有限公司、北京科东电力控制系统有限责任公司、南瑞集团(国网电力科学研究院)有限公司、北京科东电力控制系统有限责任公司、南瑞集团(国网电力科学研究院)有限公司、北京科东电力控制系统有限责任公司 |
更多格式 | 高清、无水印(增值服务) |