《表3 建模方案Ⅰ的风电功率预报结果检验》

  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

《风电场风速规律分析及风电功率预报方法研究》

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

对于线性回归方程，样本量的大小直接影响着线性回归系数的计算结果，但是样本量既不是越大越好，也不是越小越好。最优训练期日数的研究是为了在预报日之前的历史观测资料中选取最合适的样本，以建立风电功率与风速的最优线性回归方程，从而最大限度地降低风电功率的预报误差。从方案1.1～1.4的最优训练期日数来看（表3），方案1.1和1.3的最优训练期日数分别大于方案1.2和1.4，这是因为在训练期日数相同的情况下，方案1.2和1.4的训练样本数分别比方案1.1和1.3多一些，由于有24个预报时次，前者最多可以达到后者的24倍，有利于方案1.2和1.4在训练期日数较小时有较多的训练样本建立线性回归方程。方案1.3和1.4的最优训练期日数分别小于方案1.1和1.2，这是因为方案1.3和1.4按照风速是否大于5 m·s-1对样本进行分组，分组后风电功率和风速之间的相关关系更明显，从而有利于用较少的训练样本就能建立拟合效果较好的线性回归方程。