《表2 电网系统仿真算例下不同隐藏层结构的预测误差结果》

  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

《深度信念网络在水火电力系统一次调频能力预测中的应用》

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

输入层与输出层均只有一层，而隐藏层层数需要根据具体问题进行设置。输入层与输出层的神经元数一般等于输入向量与输出向量的维数。输入特征向量包括机组参数与全网参数共118组参数。机组参数为备用容量和惯性时间常数，参与一次调频的直调机组有56台。全网参数为频率、有功负荷、负荷水平、事件类型、功率缺额和总的备用容量。输出特征向量为系统60s功率补偿量变化曲线。模型参数选取方法与3.1.2节一致，本文设置输入层和输出层神经元数分别为116和60，各层神经元数为118、100、50、50、50、20、60，隐藏层层数为5。无监督学习阶段采用对比散度算法，学习率为0.06，迭代次数为300。有监督学习阶段采用反向传播算法，激活函数为tanh函数，输出层采用线性函数，学习率为0.03，迭代次数为400。表2为电网系统仿真算例下不同隐藏层结构的预测误差结果。