《表3 风电场A在5月份、风电场B在5月20日、风电场B在6月份不同关联度指标对应的预测效果》

  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

《基于熵权综合关联度数据挖掘的风电功率实时预测研究》

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

同理，对风电场A5月和风电场B在5月20日及其6月份的风电功率进行实时预测，其预测结果评价指标统计结果如表3所示。由表3可得采用熵权综合关联系数对应的预测效果最好，准确率均达到87%以上，且计算时间显著减少。在表3中预测风电场B在5月20日的风电功率准确率达到88.88%，均方根误差为0.1322，合格率为80.86%。仅采用Pearson相关系数对历史数据关联度进行挖掘时，预测模型的准确率相比未采用关联度挖掘低了0.41%，此时Pearson相关系数不能很好地挖掘历史数据的相关性。而采用Kendall相关系数、Spearman相关系数和互信息相关系数对历史数据关联度进行挖掘，预测效果较好，本文所提方法能有效避免某一关联度指标失效的情况，同时也证明了本文所提方法的有效性和可行性。