《表2 各预测模型实验结果对比》
从图5和图8中可以看出,四种预测方法经过历时数据的训练后,都能够准确预测未来一段时间内的负荷变化。特别是WT-LSTM和LSTM神经网络,其能够很好的跟踪负荷变化,预测值和真实值之间误差很小。说明神经网络方法能够利用历时负荷数据间的数据关联性,通过训练找到负荷数据变化的内在规律和趋势,能够准确预测方法。对比传统LSTM神经网络,WT-LSTM神经网络的精度最高,通过对历时负荷数据的分解,将负荷量测中的噪声予以剔除,使得负荷值更加真实,由此进一步提高负荷预测精度。表2给出了不同方法之间的预测误差,其中WT-LSTM预测模型的MAPE均值0.89%,最高误差不超过7.01%,相对于时间序列、BP模型分别提高了2.42%、0.51%。
图表编号 | XD00219833900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 魏华栋、陶媛、蔡昌春、胡钢 |
绘制单位 | 山东电力工程咨询院有限公司、河海大学物联网工程学院、河海大学物联网工程学院、河海大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |