《表3 多次仿真结果对比图》
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
《改进的BP神经网络在电力系统短期负荷预测中的应用》
由图5和图6可以看出,采用改进的BP神经网络所得到的负荷曲线明显更加贴近实际负荷曲线。由图7和图8可以看出,改进的BP神经网络只用不到190代即可收敛到目标误差,而传统的BP神经网络在2 000代训练结束后也不能收敛到目标误差。由此可以看出,改进的BP神经网络比传统的BP神经网络收敛速度更快,短期负荷预测精度更高。表3显示了多次仿真的结果的统计,进一步说明了以上结论。
图表编号 | XD0024811900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.01 |
作者 | 彭浩、江青云 |
绘制单位 | 广东工业大学自动化学院、广东工业大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |