As for the particularity of the pow

As for the particularity of the power load forecasting,
this paper presents a new power load combination forecasting
model, that is, first select several basic load forecasting methods
to forecast the results, and then select an improved particle
swarm optimization (PSO) algorithm to optimize the weights of
single-forecast results. According to the weights, calculate the
weighted average of the single-forecast results, and the obtained
value is the load forecast value. The empirical results show that
the combination forecasting model combines the advantages of
various methods, and greatly improves the accuracy of power
load forecasting.

ผลลัพธ์ (ไทย) 1:

สำหรับ particularity พลังโหลดการคาดการณ์เอกสารนี้นำเสนอแบบใหม่ไฟโหลดรวมการคาดการณ์นางแบบ นั่นคือ เลือกโหลดพื้นฐานหลายวิธีการคาดการณ์การคาดการณ์ผลลัพธ์ และจากนั้นอนุภาคดีขึ้นอัลกอริทึมการเพิ่มประสิทธิภาพของฉัน) ฝูงเพื่อเพิ่มน้ำหนักของผลการพยากรณ์เดี่ยว คำนวณตามน้ำหนัก การน้ำหนักเฉลี่ยของผลการพยากรณ์เดี่ยว และการได้รับค่าจะโหลดการคาดการณ์ค่า ผลลัพธ์เชิงประจักษ์แสดงที่แบบจำลองการคาดการณ์ผสมผสานข้อดีของวิธีการต่าง ๆ และช่วยเพิ่มความถูกต้องของการใช้พลังงานโหลดการคาดการณ์

ผลลัพธ์ (ไทย) 2:

ในฐานะที่เป็นความพิลึกของการพยากรณ์โหลดอำนาจที่
บทความนี้นำเสนอการโหลดพลังงานรวมกันคาดการณ์ใหม่
รุ่นที่เป็นครั้งแรกเลือกหลายวิธีการพยากรณ์โหลดพื้นฐาน
ที่จะคาดการณ์ผลและจากนั้นเลือกที่ดีขึ้นของอนุภาค
การเพิ่มประสิทธิภาพจับกลุ่ม (PSO) ขั้นตอนวิธีการที่จะเพิ่มประสิทธิภาพ น้ำหนักของ
ผลการคาดการณ์เดียว ตามที่น้ำหนักคำนวณ
ถัวเฉลี่ยถ่วงน้ำหนักของผลการคาดการณ์เดียวและที่ได้รับ
ความคุ้มค่าคือค่าคาดการณ์โหลด ผลการศึกษาแสดงให้เห็นว่า
รูปแบบการรวมกันคาดการณ์รวมข้อดีของ
วิธีการต่าง ๆ และช่วยเพิ่มความถูกต้องของอำนาจใน
การคาดการณ์การโหลด

ผลลัพธ์ (ไทย) 3:

สำหรับรายละเอียดของการพยากรณ์ความต้องการไฟฟ้า ,บทความนี้นำเสนอการรวมกันพลังใหม่พยากรณ์โหลดโมเดล ที่แรกเลือกโหลด วิธีการพยากรณ์พื้นฐานต่าง ๆพยากรณ์ผลลัพธ์ แล้วเลือกการเพิ่มอนุภาคฝูง Optimization ( PSO ) ขั้นตอนวิธีการปรับน้ำหนักของผลพยากรณ์เดี่ยว ตามน้ำหนัก คำนวณถัวเฉลี่ยถ่วงน้ำหนักของพยากรณ์เดี่ยวและได้รับผลลัพธ์โหลดค่าพยากรณ์ค่า ผลการศึกษาพบว่าการรวมแบบจำลองการพยากรณ์รวมข้อดีของวิธีการต่างๆ และช่วยเพิ่มความถูกต้องของอำนาจการพยากรณ์โหลด