《表5 负荷预测精度对比Tab.5 The comparison of load forecasting accuracy》
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
《Hadoop架构下基于模式匹配的短期电力负荷预测方法》
需要指出的是,测试样本中1月1日~3日为元旦节假日,1月4日~8日为工作日,1月9日和10日为双休日,因此可较好反映在各负荷模式下的预测效果。为突出本文方法的特点,选取传统局部加权线性回归(Locally Weighted Linear Regression,LWLR)算法作为对比,表5给出了1月1日~10日日负荷预测误差评估指标值,而整点负荷预测误差的分布情况如图5所示。
图表编号 | XD0014786200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.10 |
作者 | 吴润泽、包正睿、王文韬、邓伟、唐良瑞 |
绘制单位 | 华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、华北电力大学电气与电子工程学院、北京国电通网络技术有限公司、华北电力大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表5 负荷预测精度对比Tab.5 The comparison of load forecasting accuracy”的人还看了
- 表5 兰州站4月21日、4月22日售票厅客流量预测比较结果Tab.5 Comparison of forecast results of passenger flow in the ticket office on April 21st a