《表1 各因子之间相关性：基于CA-SE-GA-BP的光伏发电功率预测》
提示：宽带有限、当前游客访问压缩模式
将太阳辐射量Ir、温度T、湿度H、气压Pa、风速ws、风向wd、降雨量R、光伏发电功率G等8项指标两两代入式（1）进行相关性分析，计算结果见表1。
| 图表编号 | XD00169670900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.25 |
| 作者 | 李国进、黄鹏、王雪茹 |
| 绘制单位 | 广西大学电气工程学院、广西大学电气工程学院、广西大学电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 相似日选取结果：基于熵理论和改进ELM的光伏发电功率预测》2020.10.28
- 《表5 预测误差统计：基于熵理论和改进ELM的光伏发电功率预测》2020.10.28
- 《表5 各模型预测结果：基于密度峰值聚类及GRNN神经网络的光伏发电功率预测方法》2020.09.28
- 《表1 相关性对比：基于时域卷积网络精细化光伏发电功率预测》2020.10.05
- 《表1 光伏发电功率和气象因子的相关系数》2020.06.20
- 《表1 测线信息：基于改进鸟群算法和极限学习机模型的光伏发电系统输出功率预测研究》2020.10.20
- 《表5 预测误差结果对比：基于分时长短期记忆神经网络的光伏发电超短期功率预测》2020.12.10
- 《表4 预测误差结果对比：基于分时长短期记忆神经网络的光伏发电超短期功率预测》2020.12.10
- 《表3 预测模型输入数据：基于分时长短期记忆神经网络的光伏发电超短期功率预测》2020.12.10
- 《表1 纳入研究特征：基于改进DDPG算法的中短期光伏发电功率预测》2020.10.01
- 《表1 实验使用的特征：基于LSTM的超短期光伏发电功率预测》2020.04.25
- 《表2 各个模型预测结果：基于特征挖掘的GRU-A光伏发电功率预测》2020.05.25
- 《表1 各个模型参数：基于特征挖掘的GRU-A光伏发电功率预测》2020.05.25
- 《表2 模型误差分析：基于相似日的光伏发电系统短期功率预测》2020.02.25
- 《表1 误差对比分析：基于相似日的ARMA-LM的光伏发电功率预测》2020.08.15
- 《表4 预测误差比较：基于VMD-SE-LSSVM和迭代误差修正的光伏发电功率预测》2020.02.28
- 《表1 光伏发电功率与影响因子的相关系数》2020.03.28
- 《表1 各因素与光伏发电功率的Pearson相关系数》2019.03.20
- 《表2 预测单元数据：基于改进神经网络的光伏发电功率短期预测方法研究》2019.08.20
- 《表预测误差指标分析：基于相似日和GA-DBN神经网络的光伏发电短期功率预测》2019.03.15