《表1 不同算法下典型日的有序充电计划定量分析》

《表1 不同算法下典型日的有序充电计划定量分析》   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
《基于时序差分学习的充电站有序充电方法》


  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

为定量比较各曲线代表的有序充电计划效果,表1给出了图4中24 h总充电量和充电负荷峰谷差的数值分析。根据表1可知,以BOP算法为基准,MBL、MCL和TDL算法下的总充电量在日前计划时分别有-11.7%,-4.7%,-4.5%的偏差,即MFRL框架下的MCL和TDL算法对当日总用电量的估计更准确。与此同时,负荷峰谷差的偏差分别为9.97%,4.81%,4.81%,平均绝对误差分别为53.3MW,40.2 MW,39.6 MW。因此,MCL和TDL算法相比MBL算法更接近BOP算法中的理论最优值。以上表明,就典型日而言,文中所提MFRL框架下的MCL算法和TDL算法均优于MBL算法,对结果准确性的影响较小。