《表4 评价指标结果：基于聚类和关联分析的居民用户非侵入式负荷分解》
提示：宽带有限、当前游客访问压缩模式
表4是模型在30 d的无监督学习后，接下来5 d的负荷分解结果的评价指标。
| 图表编号 | XD00150054500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.10 |
| 作者 | 赵文清、张诗满、李刚 |
| 绘制单位 | 华北电力大学计算机系、华北电力大学复杂能源系统智能计算教育部工程研究中心、华北电力大学计算机系、华北电力大学计算机系、华北电力大学复杂能源系统智能计算教育部工程研究中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 模型训练时间对比：基于时间序列的居民用户非侵入式负荷分解研究》2020.10.05
- 《表1 组合编码示意图：基于时间序列的居民用户非侵入式负荷分解研究》2020.10.05
- 《表7 检测效果比较：基于状态特征聚类的非侵入式负荷事件检测方法》2020.11.10
- 《表2 事件波形特征集合：基于用户边缘侧事件解析的工业电力负荷非侵入式感知辨识》2021.02.25
- 《表1 数据分配表：基于时间卷积神经网络的非侵入式居民用电负荷分解方法》2021.03.01
- 《表4 每个设备的F1值：基于V-I轨迹特征的非侵入式负荷监测算法》2020.10.20
- 《表3 分解结果混淆矩阵：基于聚类和关联分析的居民用户非侵入式负荷分解》2020.06.10
- 《表A2电器被分解次序：基于聚类和关联分析的居民用户非侵入式负荷分解》2020.06.10
- 《表1 事件定义：基于聚类和关联分析的居民用户非侵入式负荷分解》2020.06.10
- 《表5 模型辨识结果：一种多参量决策的非侵入式负荷辨识算法评价模型》2020.08.10
- 《表2 算法评价指标：一种多参量决策的非侵入式负荷辨识算法评价模型》2020.08.10
- 《表1 状态组合的分解：基于改进隐马尔科夫模型的非侵入式家居负荷识别》2020.04.01
- 《表7 全局匹配结果：基于改进匈牙利算法的非侵入式负荷匹配方法》2019.11.25
- 《表6 数据处理结果：基于改进匈牙利算法的非侵入式负荷匹配方法》2019.11.25
- 《表4 匹配结果：基于改进匈牙利算法的非侵入式负荷匹配方法》2019.11.25
- 《表8 匹配结果：基于改进匈牙利算法的非侵入式负荷匹配方法》2019.11.25
- 《表6 匹配结果：基于Bi-LSTM算法的非侵入式负荷监测模型》2019.02.20
- 《表A1电器状态聚类结果：深度神经网络在非侵入式负荷分解中的应用》2019.01.10
- 《表1 均方根误差结果：基于降噪滤波与FHMM的非侵入式负荷监测算法》2019.11.25
- 《表2 无预处理的结果：基于降噪滤波与FHMM的非侵入式负荷监测算法》2019.11.25