《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》
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
《基于时空相关性的NAR动态神经网络风功率超短期组合预测》
算例数据选取北方某风电场33台机组,采用2017年3月份数据,数据时间分辨率为10 min,数据集包含共4394个数据点。根据EOF分解的意义,空间场累积贡献率越高,说明其空间场越能精确地还原原始场,累积空间贡献率达到90%以上即可精确还原原始场。设置阈值为92%,累积贡献率达到该阈值的前几个空间场能反映原始场,将其作为一类,并用层次聚类[15]来验证其分组结果,最终选择前6个空间场累积空间贡献率达到92.8%的机组作为一类,其余机组作为一类,分别建立NAR预测模型。前6个空间场的贡献率如表1所示。
图表编号 | XD00226532400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.28 |
作者 | 黄慧、贾嵘、董开松 |
绘制单位 | 西安理工大学水利水电学院、华北水利水电大学电力学院、西安理工大学水利水电学院、国网甘肃电科院 |
更多格式 | 高清、无水印(增值服务) |