《表2 算例1的负荷预测效果》

  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

《考虑需求响应的温度敏感用户夏季短期负荷预测方法》

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

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。