暂无评论
传统的自动监测系统在监测非侵入式电力负荷时,只能针对某一类型的电力负荷进行监测,而且不具备电力负荷分解能力,很难将两个同时工作的电力负荷拆分开来单独监测,监测范围小,监测结果准确性低。为此基于大数据技
较全面的配电系统通讯规约,对电力系统应用设计能提供帮助
为了提高短期电力负荷的预测精度,提出了集合经验模态分解(EEMD)-样本熵(SE)和遗传算法(GA)来优化RBF神经网络的组合方法。利用EEMD分解法自适应地对负荷序列进行分解,结合样本熵对复杂度相似
澳大利亚电力负荷与价格预测数据，可用于电价预测和负荷预测，时间间隔为半小时，包括从2006年1月1日到2011年1月1日的数据
利用MATLAB开发的电力系统节点预测程序，包含对北美电力市场的电力数据进行的一系列数据挖掘工作，程序代码实用，注释详细，包含多种预测算法，极具学习价值！
基于BP神经网络短期电力负荷预测研究，张超，吕玉琴，介于电力负荷预测在电力系统中的重要性，本文首先对电力负荷预测对电力系统的意义进行了描述，概述了电力负荷预测的基本原理和步
本次规约修订是在96版规约的基础上，依据《电力负荷管理系统功能规范》和《电力负荷管理系统通用技术条件》的要求，并结合目前实际、今后技术和应用发展的需求。修订过程中多次召集科研、用户和生产单位中的有丰富
基于数据挖掘的电力负荷预测模式的研究，李耀池，，电力负荷预测工作的水平已经成为衡量一个电力企业的管理是否走向现代化，科学化的显著标志之一。近十年来，我国电力负荷预测研究
基于Matlab实现的ARIMA电力负荷预测实验 ，代码+EUINITE比赛数据集1997-1999。
该数据为美国各州一年的电力负荷数据,时间分辨率1h,包括住宅区和商业区,数据完整性较好,无缺失数据,python读取方法可尝试解压缩后,os.listdir函数,以及pd.read_csv
暂无评论