《表3 两种模型负荷预测结果误差指标对比》
由图4和图5可以看出,在17点到21点尖峰时段,由于采用了需求响应策略,负荷曲线出现了明显的凹陷,而在8点到12点的高峰时段,负荷削减量与尖峰时段相比较少。考虑与不考虑需求响应因素,两种模型负荷预测结果误差指标对比如表3所示。由表3可以看出,采用计及尖峰电价的需求响应机制的Elman神经网络预测模型,能够较准确预测到在需求响应策略影响下负荷曲线的变化,最大相对误差为4.34%,平均绝对误差为2.14%;而未考虑需求响应的Elman神经网络预测模型,预测精度明显较低,对负荷在需求响应作用下产生的移峰填谷的趋势不能准确捕捉,其最大相对误差为10.76%,平均绝对误差为6.71%。由此可以看出,在短期负荷预测模型中,将需求响应因素融入到模型中,可以有效提高预测精度。
图表编号 | XD0072329500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 刘文、于强、龚文杰、张智晟 |
绘制单位 | 青岛大学电气工程学院、国网青岛供电公司、国网青岛供电公司、青岛大学电气工程学院、智能电网教育部重点实验室(天津大学) |
更多格式 | 高清、无水印(增值服务) |