《表5 5种场景下的饱和时间与规模》

  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

《基于长短期记忆神经网络的饱和负荷预测方法及应用》

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

根据影响因素外推预测结果，与LSTM网络用电量外推计算曲线（图3），对照表1饱和负荷指标特征体系进行饱和时间点判定，5种场景下的饱和时间点判定见表4。由表4可看出，以用电量连续5年增长率小于2%为例，场景1下用电量将于2032年进入饱和阶段，其余4种场景下均为2031年。在其他社会经济指标饱和判据的辅助验证下，在场景2、3、5下用电量均将于2040年进入饱和阶段，场景1、4下均为2041年。获得5种场景下的饱和年份后，将饱和年份代入LSTM模型的外推预测结果中，得到5种场景下的饱和规模，见表5。