《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》
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。
图表编号 | XD00124830800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.28 |
作者 | 杨茂、马剑、李大勇、苏欣、孙涌 |
绘制单位 | 现代电力系统仿真控制与绿色电能新技术吉林省重点实验室(东北电力大学)、现代电力系统仿真控制与绿色电能新技术吉林省重点实验室(东北电力大学)、国网吉林省电力有限公司通化供电公司、东北电力大学理学院、国网淄博供电公司 |
更多格式 | 高清、无水印(增值服务) |