《表4 算例2的负荷预测性能比较》

  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

《基于改进经验模态分解法和T-Copula的短期负荷预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

算例2基于美国德克萨斯州某城市2016-01-01～2016-12-31的数据[18]，采样时间为1 h。如表4所示，由于IEMD和T-Copula的联合作用，MAPE和RMSE值显著降低，该模型的MAPE值下降了15.27%，RMSE值下降了13.86%。实际上，IEMD通过计算VaR中的峰值负荷指示性变量，提高了信号分解效率，而T-Copula有助于提高高峰时段的负荷预测精度。