《表1 工作日负荷预测结果》
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
《LSSVM与PSO—LSSVM在短期电力负荷预测中的优劣》
文章采用Matlab2014b实现LSSVM和PSO—LSSVM模型对短期电力负荷的预测，预测结果见表1～3所示。
| 图表编号 | XD0072384500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.30 |
| 作者 | 尹中诚 |
| 绘制单位 | 广东珠海金湾发电有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表1 全省及各地区全社会用电最高负荷预测结果》2020.10.20
- 《表2 2019年1月—9月的电力负荷预测结果》2020.11.01
- 《表1 2019年9月1日的电力负荷预测结果》2020.11.01
- 《表1 午低谷期间母线负荷区间预测结果》2020.12.25
- 《表4 预测结果分析：基于极限学习机与负荷密度指标法的空间负荷预测》2021.01.28
- 《表1 I类元胞负荷预测结果》2021.01.05
- 《表1 预测结果对比：基于EMD-DA-LSSVM的短期电力负荷预测研究》2020.11.06
- 《表1 用电结构变动下2030年负荷特性预测结果》2018.06.30
- 《表2 排班工作负荷风险评价结果值》2020.08.10
- 《表1 预测结果误差分析：基于ARMA和Kalman Filter的需求响应基线负荷预测》2020.09.20
- 《表1 0%渗透率时的负荷预测结果与台区实际负荷对比》2020.01.25
- 《表1 3种负荷预测方法结果比较》2020.01.25
- 《表1 神经网络预测结果：智能式负荷预测系统的研究》2019.09.25
- 《表1 工作日用热系数：住宅区供热负荷预测研究》2019.06.01
- 《表1 信息粒化负荷预测结果》2018.03.20
- 《表1 采掘工作面冷负荷计算结果》2018.04.10
- 《表1 Ⅰ类元胞负荷预测结果》2018.01.10
- 《表4 工作负荷中介作用分析结果》2019.11.30
- 《表1 预测结果对比情况：长、短期电力负荷大数据下的智能预测实例分析》2019.12.25
- 《表4 基于本文预测方法的负荷曲线预测结果表》2019.10.25