《表1 PCA提取线损参数》
提示：宽带有限、当前游客访问压缩模式
通过对电网运行参数进行PCA分析，可以最大程度的提取冗余的参数，利用选用的参数进行预测建模。在本文中采用PCA方法提取线损预测参数，如表1所示。
| 图表编号 | XD0016860800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.04.01 |
| 作者 | 夏翔、董大伟、方建亮、姜巍、何欣、胡剑地 |
| 绘制单位 | 国网浙江省电力公司、国网浙江省电力公司、国网浙江省电力公司、国网浙江省电力公司、国网浙江省电力公司、国网信通亿力科技有限责任公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验参数设置：含分布式电源点的区域配电网三相线损测试研究》2020.10.25
- 《表2：主成分提取汇总表：基于PCA-DEA的江苏省房地产投资绩效研究》2020.09.15
- 《表2 13个特征值权重：基于PCA特征提取和驱动电流的数控机床进给轴状态检测》2021.02.02
- 《表3 采用PCA和RRR方法提取的中小学生膳食模式四分位分数与视力不良相关性》2020.11.28
- 《表2 采用PCA和RRR方法提取的中小学生膳食模式因子载荷》2020.11.28
- 《表2 采用PCA和RRR方法提取的中小学生膳食模式因子载荷》2020.11.28
- 《表5 主成分提取分析：基于AHP-PCA的铁尾矿不同植被恢复模式土壤养分评价》2019.12.01
- 《表1 PCA特征提取部分结果》2019.12.01
- 《表6 PCA主成分提取结果》2019.12.01
- 《表3 PCA提取的特征数据》2020.02.28
- 《表1 参数提取结果：基于激光点云的中压配电网日同期线损检测系统设计》2019.10.25
- 《表3 PCA算法主成分提取结果》2019.06.20
- 《表2 因子提取表：基于PCA-PNN的制造企业财务预警研究》2019.07.01
- 《表5 组合权重：基于Box-Behnken及PCA-G1-熵权法优选青香乳康颗粒中挥发油的提取及包合工艺》2019.08.12
- 《表2 基于非线性特征提取算法和PCA算法特征提取均方根误差Y'对比》2019.04.01
- 《表2 利用PCA提取特征后各主成分的贡献率》2019.01.10
- 《表1 子块划分结果：基于多块信息提取的PCA故障诊断方法》2019.02.01
- 《表1 PCA提取线损参数表》2018.06.01
- 《表1 分压线损模型参数》2018.06.10
- 《表2 个人信用评估指标变量的PCA提取结果》2019.11.30