《表2 算例1的负荷预测效果》
如表2所示,本文方法对算例1用户的负荷预测误差明显好于BP神经网络预测方法和RBF模型方法。图3展示了3种方法负荷预测值的趋势性,可见本文的日负荷预测效果要优于其他2种负荷预测模型。而采用相似日来确定训练样本的BP负荷预测方法误差较大;RBF模型输入的负荷序列并不完整,且未考虑预测点以后负荷特性的变化,因此预测误差非常大。
图表编号 | XD0094318600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 周兴华、耿俊成、杜松怀、张永浩、仇向东、吴博 |
绘制单位 | 北京中恒博瑞数字电力科技有限公司、国网河南省电力公司电力科学研究院、中国农业大学信息与电气工程学院、北京中恒博瑞数字电力科技有限公司、北京中恒博瑞数字电力科技有限公司、国网河南省电力公司电力科学研究院 |
更多格式 | 高清、无水印(增值服务) |