《表1 覆盖率实验方案：基于Chaos-EEMD-PFBD分解和GA-BP神经网络的光伏发电功率超短期预测法》

  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Chaos-EEMD-PFBD分解和GA-BP神经网络的光伏发电功率超短期预测法》

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

利用所求m和τ，将原始PPTS重构到相空间后，对各维相空间功率序列进行EEMD分解，并调用findpeaks函数，求解各维相空间分解所得分量对应的峰值点数量。其计算结果见表1。根据峰值点的分布规律，综合考虑提升重构分量的波动稳定性、降低输入量维数以及各不同划分阈值的实际仿真效果，选择500作为划分低频分量和高频分量的阈值。根据频段阈值进行PFBD划分，充分提取包含在原始光伏发电功率时间序列中的历史演化规律和局部波动信息。各维相空间序列经EEMD分解和PFBD划分，形成相应高频分量和低频分量，频段划分结果见表1。以相空间1维为例，PFBD11为低频分量，由EEMD分解产生的C4-C11以及R1叠加重构得到，PFBD12为高频分量，由C1-C3叠加重构获得。图5所示为相空间各维功率序列重构后的功率曲线图。