《表1 预测结果对比情况：长、短期电力负荷大数据下的智能预测实例分析》

  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

《长、短期电力负荷大数据下的智能预测实例分析》

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

本文以美国PJM电力市场的3个月时长的小时负荷情况作为分析对象，采用LSTM算法挖掘前后每一小时内存在负荷变化的规律，通过遗忘门合理地使用当前输入信息与已有经验开展负荷预测。作为对比，本文同时使用负荷预测中较为常用的时间序列分析方法ARIMA算法，该算法通过对历史经验数据的截尾与拖尾情况进行分析，以尽可能地考虑数据关联的情况，并基于自相关函数参数得到预测值。两种分析方法的预测结果与实际情况的对比如图1所示，具体误差数值对比如表1所示。