《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》

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

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。