《表1 模型预测性能：基于门控循环单元网络与模型融合的负荷聚合体预测方法》

  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

《基于门控循环单元网络与模型融合的负荷聚合体预测方法》

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

设置待预测的负荷聚合体用户数量M为2 676，依据3.1节中的聚类结果，负荷聚合体可细分为5类负荷群体，每类包含数据样本7 392组，其中输出功率矩阵Es维度为7 392×1，输入特征矩阵X维度为7 392×75，将数据按时间先后排序，从首个时间点开始按8∶1∶1的比例连续划分训练集、验证集与测试集。训练集用于训练GRU网络，为考虑网络的泛化性能，在验证集上训练随机森林模型，并输出重要度系数wk，测试集用于测试最终模型性能。除MAPE外，计算模型的MAE作为补充指标，预测模型在不同负荷群体上的预测效果如表1所示。