《表3 7月27-31日各方法预测误差(MAPE)对比》

提取 ⇩
《表3 7月27-31日各方法预测误差(MAPE)对比》
《基于小波分解与随机森林的短期负荷预测》

由表2可知,本文提出的小波分解与随机森林结合方法与其他传统的负荷预测方法比较,其平均预测误差最低,精度最高。为确保本文方法的可行性和有效性,连续预测7月末5天负荷,并计算出平均绝对百分比误差(见表3)。

  1. 保存图表

查看“表3 7月27-31日各方法预测误差(MAPE)对比”的人还看了

表5 不同负荷波动幅度时的平均相对误差结果
表5 不同负荷波动幅度时的平均相对误差结果
基于贝叶斯理论的考虑多维风速之间相关性的概率潮流计算
表1 随机森林和XGBoost预测误差
表1 随机森林和XGBoost预测误差
基于XGBoost的城市轨道交通短时客流预测
表3 母线峰值负荷预测误差
表3 母线峰值负荷预测误差
计及复杂气象影响的含光伏电源的母线峰值负荷预测
表2 各季度负荷预测误差
表2 各季度负荷预测误差
新冠肺炎疫情对电网运行的影响分析
表平均拟合误差和负荷电压响应
表平均拟合误差和负荷电压响应
考虑配电网结构的电力系统综合负荷建模
表3 高峰负荷预测与实际负荷误差
表3 高峰负荷预测与实际负荷误差
基于逐日分段气象算法的日前负荷预测