《表3 SVR和XGBoost在测试集上的热负荷多步递归预测精度的总预测精度》

  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

《基于机器学习的供热系统热负荷多步递归预测》

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

如2.3节所述，热负荷递归预测策略是对热负荷单步预测模型的拓展。在热负荷预测过程中，递归地调用单步预测模型有可能会产生误差累积，导致预测结果的精度随着预测范围H的增大而降低。为分析热负荷多步递归预测的误差累积程度，我们计算了基于SVR的热负荷多步递归预测策略和基于XGBoost的热负荷多步递归预测策略，在这14个测试采暖日中各时刻预测结果的IMAE的平均值，结果见图6。通过图6可以看出，对于本文中预测未来24 h的逐时热负荷概况的案例，随着时间的变化，预测结果的IMAE值的平均值始终在7.5 MW左右波动。表明基于SVR的热负荷多步递归预测策略和基于XGBoost的热负荷多步递归预测策略均不会产生明显的误差累积，在预测范围的各时刻均可以得到较为准确的热负荷预测值。