《表3 算例2的负荷预测效果》
如表3所示,本文方法对算例2用户的负荷预测误差好于BP神经网络预测模型和RBF模型。图5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优于其他2种负荷预测模型。由于用户的日负荷特性变化不大,因此采用相似日来确定训练样本的BP负荷预测方法误差较小,RBF预测模型的误差则最大。
图表编号 | XD0094318700 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) |