《表2 风功率预测考核指标统计结果》
提示：宽带有限、当前游客访问压缩模式
通过4.2节介绍的考核指标对风功率预测结果进行统计分析，得到表2。
| 图表编号 | XD0015953900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.01.30 |
| 作者 | 黄静、陆春良、张俊、吴华华、罗欣、申鸿伟 |
| 绘制单位 | 国网浙江省电力公司、国网浙江省电力公司、国网浙江省电力公司、国网浙江省电力公司、北京清软创新科技股份有限公司、北京清软创新科技股份有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 预测误差值比较：基于时空相关性的NAR动态神经网络风功率超短期组合预测》2020.10.28
- 《表1 空间场的贡献率：基于时空相关性的NAR动态神经网络风功率超短期组合预测》2020.10.28
- 《表1 各分量游程数：基于游程检测法重构CEEMD的短时风功率预测》2020.11.28
- 《表1 误差指标仿真结果：基于互补式集合经验模态分解和IPSO＿LSSVM的短期风功率预测》2020.11.12
- 《表4 2020年2月（风功率预测）》2020.10.28
- 《表3 2020年1月（风功率预测）》2020.10.28
- 《表2 云天光伏功率预测误差概率密度分布拟合评价指标统计》2020.05.25
- 《表3 评价指标：基于Bagging神经网络集成的风功率预测》2020.04.25
- 《表6 不同风功率预测误差区间下，用户群可匹配风电容量对应的负荷聚合商利润和用户参与程度》2020.06.20
- 《表5 90%风功率预测误差区间下用户群24 h可匹配风电容量及用户最大电费》2020.06.20
- 《表4 90%风功率预测误差区间可匹配风电场备用最低价格》2020.06.20
- 《表1 弃风功率预测误差值与其概率性序列》2020.07.10
- 《表2 不同风功率情况下配网系统风险指标值》2020.01.28
- 《表2 测风塔80 m高度平均风速及风功率统计表》2020.03.25
- 《表1 IGRA数据样本：基于高层气象大数据的风电场中长期风功率预测研究》2020.02.21
- 《表1 风功率预测的“WT+RBFNN”和RBFNN的相关模型参数》2019.10.01
- 《表1 BP神经网络法在不同时间长度下的风功率预测误差结果》2019.05.30
- 《表1 工况划分参照表：基于风功率数据的风电机组性能预测与健康状态评估》2019.08.20
- 《表5 全年风电场风功率预测准确度统计Table 5 Wind power prediction accuracy statistics of annual wind farm》2018.01.01
- 《表5 不同模型的风功率预测效果》2019.10.01