(4) Thereafter, the CSGM model unde

(4) Thereafter, the CSGM model under the best scheme obtained using IAGM is applied to forecast the electricity consumption. The forecasting results are shown in Figures 4(a), 4(b), and 4(c).
(5) Figure 4(a) shows the average error for six different cases using two different forecasting methods. For Case 1, the average error values for IAGM and CSGM are 4.1137% and 5.7342% , espectively, which is unsatisfactory for electricity consumption forecasting and management. Case 2 is also unsatisfactory, for which the IAGM and CSGM mean error values are 7.3053% and 4.8228%, respectively. For Case 4, the CSGM error meets the power market requirements; however, the 4.7591% IAGM error is not satisfactory . In addition, the other cases (Case 3, Case 5, and
Case 6) yielded smaller errors and more satisfactory outcomes.
(6) The forecasting errors at each IAGM and ISGM time point are presented in Figures 4(b) and 4(c). For the CSGM Cases 3–6 and the IAGM Cases 3, 5, and 6, the error curves show small fluctuations. Case 3, Case 5, and Case 6 were used for the forecasting results. For Part 1 (the midnight part), the forecasting errors for the six cases using the two methods are the same because the electricity consumption for the midnight part is stable and only slightly changes.
The differences between IAGM Parts 3-4 and CSGM are slight, whereas the forecasting errors for the CSGM Part 2 (the morning part) were significantly better than for the IAGM. In this study, electricity consumption decreases with the greatest fluctuation in the morning part from 9:00 to 15:30. The above analysis indicates that the CSGM better manages large data fluctuations than the IAGM.
(7) The best forecasting results were obtained for the CSGM model in Case 6, for which the average error is 2.0667%.

ผลลัพธ์ (ไทย) 1:

(4) หลังจากนั้น มีใช้แบบ CSGM ภายใต้แผนงานดีได้ใช้ IAGM เพื่อคาดการณ์ปริมาณการใช้ไฟฟ้า มีแสดงผลคาดการณ์ตัวเลข 4(a), 4(b) และ 4(c)(5) 4(a) รูปแสดงข้อผิดพลาดเฉลี่ยหกกรณีแตกต่างกันโดยใช้วิธีคาดการณ์แตกต่างกันสอง สำหรับกรณี 1 ค่าความผิดพลาดเฉลี่ย IAGM และ CSGM ได้ 4.1137% และ 5.7342%, espectively ซึ่งจะใช้สำหรับการคาดการณ์ปริมาณการใช้ไฟฟ้าและการจัดการ กรณี 2 ก็เฉย ๆ สำหรับที่ IAGM และ CSGM หมายถึง ค่าความผิดพลาด 7.3053% และ 4.8228% ตามลำดับ กรณี 4 ข้อผิดพลาด CSGM ตรงกับความต้องการพลังงานตลาด อย่างไรก็ตาม ข้อผิดพลาด IAGM 4.7591% ไม่พอใจ นอกจากนี้ กรณีอื่น ๆ (กรณี 3 กรณี 5 และกรณีที่ 6) หาข้อผิดพลาดน้อยและผลที่ได้น่าพอใจกว่า(6) ข้อผิดพลาดการคาดการณ์ในแต่ละจุดเวลา IAGM และ ISGM จะแสดงตัวเลข 4(b) และ 4(c) ในกรณี CSGM 3 – 6 และ 3 กรณี IAGM, 5 และ 6 โค้งข้อผิดพลาดแสดงความผันผวนเล็ก ๆ กรณี 3 กรณี 5 และ 6 กรณีใช้สำหรับการคาดการณ์ผลลัพธ์ สำหรับ Part 1 (ตอนเที่ยง), ข้อผิดพลาดกรณี 6 โดยใช้วิธีการสองวิธีคาดการณ์เหมือนกันเนื่องจากปริมาณการใช้ไฟฟ้าสำหรับส่วนหนึ่งเที่ยงคืนมีเสถียรภาพ และการเปลี่ยนแปลงเพียงเล็กน้อยความแตกต่างระหว่าง CSGM และ IAGM ส่วน 3-4 ได้เล็กน้อย ในขณะที่ข้อผิดพลาด CSGM Part 2 (ตอนเช้า) คาดการณ์ได้อย่างมีนัยสำคัญดีกว่าสำหรับการ IAGM ในการศึกษานี้ ลดปริมาณการใช้ไฟฟ้า มีความผันผวนมากที่สุดตอนเช้า 9:00 ถึง 15:30 การวิเคราะห์ข้างต้นบ่งชี้ว่า CSGM ที่ดีจัดการความผันผวนของข้อมูลขนาดใหญ่กว่า IAGM(7)ส่วนการคาดการณ์ผลลัพธ์ได้รับในรูปแบบ CSGM ในกรณี 6 ที่พลาดเฉลี่ยคือ 2.0667%

ผลลัพธ์ (ไทย) 2:

(4) หลังจากนั้นรูปแบบ CSGM ภายใต้โครงการที่ดีที่สุดที่ได้รับใช้ IAGM ถูกนำไปใช้ในการคาดการณ์การใช้ไฟฟ้า ผลการคาดการณ์จะแสดงในรูปที่ 4 (ก), 4 (ข) และ 4 (ค).
(5) รูปที่ 4 (ก) แสดงให้เห็นถึงข้อผิดพลาดเฉลี่ยสำหรับหกกรณีที่แตกต่างกันโดยใช้ทั้งสองวิธีการคาดการณ์ที่แตกต่างกัน สำหรับกรณีที่ 1 ค่าเฉลี่ยสำหรับข้อผิดพลาดและ IAGM CSGM เป็น 4.1137% และ 5.7342% espectively ซึ่งเป็นที่น่าพอใจสำหรับการพยากรณ์การใช้ไฟฟ้าและการจัดการ กรณีที่ 2 เป็นที่น่าพอใจเช่นกันซึ่ง IAGM และ CSGM หมายถึงค่าความผิดพลาดอยู่ที่ 7.3053% และ 4.8228% ตามลำดับ สำหรับกรณีที่ 4 ข้อผิดพลาด CSGM มีคุณสมบัติตรงตามความต้องการของตลาดพลังงาน แต่ข้อผิดพลาด 4.7591% IAGM ไม่เป็นที่พอใจ นอกจากนี้ยังมีกรณีอื่น ๆ (กรณีที่ 3 กรณีที่ 5
และกรณี6) ผลข้อผิดพลาดที่มีขนาดเล็กและผลลัพธ์ที่น่าพอใจมากขึ้น.
(6) ข้อผิดพลาดการคาดการณ์ในแต่ละ IAGM และจุดเวลา ISGM ถูกนำเสนอในรูปที่ 4 (ข) และ 4 (ค ) สำหรับกรณี CSGM 3-6 และ IAGM กรณี 3, 5, และ 6 เส้นโค้งข้อผิดพลาดเล็ก ๆ ที่แสดงให้เห็นความผันผวน กรณีที่ 3 กรณีที่ 5 และ 6 กรณีที่ถูกนำมาใช้เพื่อให้ได้ผลลัพธ์การพยากรณ์ สำหรับส่วนที่ 1 (เที่ยงคืนส่วนหนึ่ง) ข้อผิดพลาดของการคาดการณ์สำหรับหกกรณีใช้ทั้งสองวิธีจะเหมือนกันเพราะใช้พลังงานไฟฟ้าส่วนเที่ยงคืนที่มีเสถียรภาพและการเปลี่ยนแปลงเพียงเล็กน้อย.
ความแตกต่างระหว่าง IAGM อะไหล่ 3-4 และ CSGM อยู่เล็กน้อย ในขณะที่ข้อผิดพลาดการคาดการณ์สำหรับ CSGM ส่วนที่ 2 (ตอนเช้า) อย่างมีนัยสำคัญที่ดีกว่าสำหรับ IAGM ในการศึกษานี้ปริมาณการใช้ไฟฟ้าลดลงด้วยความผันผวนที่ยิ่งใหญ่ที่สุดในส่วนของตอนเช้า 9:00-15:30 การวิเคราะห์ข้างต้นแสดงให้เห็นว่าการบริหารจัดการที่ดีกว่า CSGM ความผันผวนของข้อมูลขนาดใหญ่กว่า IAGM ได้.
(7) ผลลัพธ์ที่ดีที่สุดที่ได้รับการคาดการณ์สำหรับรุ่น CSGM ในกรณี 6 ซึ่งข้อผิดพลาดเฉลี่ยอยู่ที่ 2.0667%

ผลลัพธ์ (ไทย) 3:

( 4 ) หลังจากนั้น , csgm รูปแบบภายใต้โครงการที่ดีที่สุดที่ได้ใช้ iagm ใช้พยากรณ์การใช้ไฟฟ้า . ผลการพยากรณ์จะถูกแสดงในรูปที่ 4 ( a ) 4 ( b ) และ ( c ) 4 .
( 5 ) รูปที่ 4 ( ) จะแสดงข้อผิดพลาดจำนวน 6 รายที่แตกต่างกันโดยใช้ที่แตกต่างกันสองวิธีพยากรณ์ . สำหรับกรณีที่ 1 ความคลาดเคลื่อนเฉลี่ยและค่า iagm csgm เป็น 4.1137 % ตามลำดับ 5.7342 % ,ซึ่งไม่น่าพอใจสำหรับไฟฟ้าการพยากรณ์และการจัดการพลังงาน กรณี ที่ 2 ยังไม่เป็นที่น่าพอใจ ซึ่ง iagm csgm หมายถึงข้อผิดพลาดและค่า 7.3053 % และ 4.8228 ตามลำดับ สำหรับคดี 4 , csgm ข้อผิดพลาดตรงตามความต้องการของตลาดพลังงาน อย่างไรก็ตาม 4.7591 % iagm ข้อผิดพลาดที่ไม่น่าพอใจ นอกจากนี้ กรณีอื่น ๆ ( กรณีคดี 5 ,
3กรณีที่ 6 ) พบข้อผิดพลาดที่มีขนาดเล็กและผลที่น่าพอใจมากขึ้น .
( 6 ) การพยากรณ์และข้อผิดพลาดในแต่ละ iagm isgm เวลาจุดจะถูกนำเสนอในรูป 4 ( b ) และ ( c ) สำหรับ csgm กรณี 3 – 6 และ iagm กรณี 3 , 5 , และ 6 , ข้อผิดพลาดเส้นโค้งแสดงความผันผวนเล็กน้อย กรณีที่ 3 คดี และคดีที่ 5 6 ถูกใช้สำหรับผลการพยากรณ์ สำหรับส่วนที่ 1 ( ส่วนเที่ยงคืน )ข้อผิดพลาดสำหรับการพยากรณ์ 6 รายโดยใช้สองวิธีจะเหมือนกัน เพราะการใช้ไฟฟ้าสำหรับส่วนเที่ยงคืนมีเสถียรภาพและการเปลี่ยนแปลงเพียงเล็กน้อย .
ความแตกต่างระหว่าง iagm ส่วน 3-4 csgm จะเล็กน้อยในขณะที่การคาดการณ์ข้อผิดพลาดสำหรับ csgm ส่วนที่ 2 ( ส่วนเช้า ) อย่างมีนัยสำคัญมากกว่าสำหรับ iagm . ในการศึกษานี้ปริมาณการใช้ไฟฟ้าลดลง มีความผันผวนมากที่สุดในภาคเช้าเวลา 09.00 ถึง 15 : 30 . การวิเคราะห์ข้างต้นบ่งชี้ว่า csgm ดีกว่าจัดการความผันผวนของข้อมูลขนาดใหญ่กว่า iagm .
( 7 ) ผลการพยากรณ์ที่ดีที่สุดที่ได้รับใน csgm ในกรณี 6 รูปแบบ ซึ่งความคลาดเคลื่อนเฉลี่ย 2.0667 %