《表1 重构后数据描述：基于小波深度置信网络的风电爬坡预测方法》

  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

《基于小波深度置信网络的风电爬坡预测方法》

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

本文以某风电场的数据采集与监视控制系统（supervisory control and data acquisition，SCADA）服务器中提取原始数据。首先对原始数据进行相关性分析，结果表明风功率、风速、风向三者之间相关性很大，由于将3种特征输入到模型当中进行训练会出现过拟合的状况导致预测结果不佳，而风电爬坡事件是由风功率的突变所产生，并且考虑到温度的变化会对风功率产生影响，所以本文使用历史风电功率及温度作为特征向量。本文的训练数据集分为输入和输出，输入包含风电功率和温度数据，输出是由式（1）所确定的风电爬坡事件。数据集具体结构如表1所示。表中W（t）为t时刻的风力机发电功率，T(t）为t时刻的室外温度。其中，功率与温度的时间间隔为10 min；0表示未发生爬事件，1表示发生正爬坡事件，-1表示发生负爬坡事件。由于输入特征的变量量纲差距较大，对所有数据采用Min-max方法进行归一化处理。