《表2 特征重要性第2次评估》

  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ABC-SVM和PSO-RF的光伏微电网日发电功率组合预测方法研究》

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

在特征重要性评估中，使用Extra Trees Regressor方法，将现有的全部特征重要性进行第1次评估，结果如表1所示。通过分析发现，总辐射量和温度对发电量的影响较大，为了精确气象因素的影响，去掉逆变器编号这类无影响的特征向量，再计算日总辐射量以及日平均辐射量，之后对特征重要性进行第2次评估，结果如表2所示。分析发现，在广东阳江地区的电站，受当地气候的影响，将特征向量细化后，发现影响发电量最大的因素是日平均辐射量和日总辐射量，其次是日平均温度，而湿度和风速的影响较小。本文后续的气象分类模型的特征向量以第2次评估结果作为依据，建立有监督的气象分类模型。