《表1 不同预测步长入选的属性变量及其排序》

  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

《基于混合智能模型的分布式风力发电预测方法》

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

实验中可利用数据为历史功率时间序列以及数值天气预报（NWP）中天气要素。研究表明，某时刻风速一般与过去8 h历史风速有关，由于预测步长最大为未来4 h，故此选取历史功率序列为过去4 h内的功率值，即，t为当前时刻，τ=15 min，m=16。因此历史序列属性变量有16个，可以记作{Hin1，Hin2，...，Hin16}。对于数值天气预报，包括预测时刻风速、风向、气温、湿度、气压5个属性变量，依次记作{WindV，WindD，Temp，Hum，AirP}。以上含有可利用属性变量的原始样本数据来源于9月至11月份的训练数据集。应用基于mRMR的动态输入变量，选择算法对以上属性特征进行选择，通过式（6）对各个特征进行排序，由式（7）得出各个特征的信息量评分InScm，并观察累计评分曲线CumInScm变化趋势决定最终入选变量，部分预测步长累计评分曲线如图2所示。详细不同预测步长的特征入选变量及其排序如表1所示。