《表1 各影响因素关联度计算结果Tab.1 The calculation results of the correlation degree of each influence factor》
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》
实验数据来源于山西电网某地区采集的真实负荷数据和影响因素数据,数据量约为1.5 T,虽然实验数据量还未达到大数据规模,但以此数据可验证方法的正确性和可行性。影响因素包括日最高温度Tm ax、平均温度AT、最低温度Tmin、平均风速AW、平均湿度AH、平均降水量AP、日类型DT和季节ST。各影响因素与负荷的关联度计算见表1。
图表编号 | XD0014786400 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1 各影响因素关联度计算结果Tab.1 The calculation results of the correlation degree of each influence factor”的人还看了
- 表1 弗留格尔公式和改进后的弗留格尔公式计算结果比较Tab.1 Comparison of calculated results of the Flugel formula and the improved Flugel formula M
- 表2 声波导管各参数计算结果对比Tab.2 Comparison of the calculation results of the acoustic perturbation and the attenuation