《表2 风向编码对应值：基于压缩感知的短期风电功率预测相似数据分析方法》
提示：宽带有限、当前游客访问压缩模式
每个风向编码均由N、E、S、W中的两个编码组成，第一个编码为首位编码，第二个为次位编码。每两个位编码间的相对值如表2所示。
| 图表编号 | XD0055180300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.25 |
| 作者 | 杜凯、王鹤、綦雪松 |
| 绘制单位 | 东北电力大学电气工程学院、东北电力大学电气工程学院、国网吉林供电公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 重组后的新序列：基于LCD-SE-IWOA-KELM的短期风电功率区间预测》2020.11.10
- 《表2 基于马氏距离和欧氏距离相似度量的光伏功率超短期预测的各评价指标》2021.02.20
- 《表1 预报风速相关系数：基于风速融合和NARX神经网络的短期风电功率预测》2020.05.01
- 《表3 几种模型分解结果：基于MEEMD-LSSVM的风电功率超短期预测研究》2020.05.20
- 《表2 模型误差分析：基于相似日的光伏发电系统短期功率预测》2020.02.25
- 《表8 预测结果误差对比：基于CNN-LSTM网络模型的风电功率短期预测研究》2020.08.01
- 《表2 功率预测评定结果：基于BP神经网络与非参数核密度估计的短期风电功率概率区间预测》2020.08.01
- 《表3 误差分析表：基于ADQPSO-KELM风电功率短期预测模型的研究》2019.12.25
- 《表4 五种模型误差对比：基于ADQPSO-KELM风电功率短期预测模型的研究》2019.12.25
- 《表2 优化结果统计表：基于ADQPSO-KELM风电功率短期预测模型的研究》2019.12.25
- 《表1 适应度对比：基于ADQPSO-KELM风电功率短期预测模型的研究》2019.12.25
- 《表1 最佳寻优参数：基于CS-SVR模型的短期风电功率预测》2020.01.25
- 《表3 3种距离指标权值：基于时序数据动态天气划分的短期风电功率预测方法》2019.09.05
- 《表1 筛选后NWP指标：基于时序数据动态天气划分的短期风电功率预测方法》2019.09.05
- 《表2 降维可信度情况：基于时序数据动态天气划分的短期风电功率预测方法》2019.09.05
- 《表1 误差分析与评估：基于相似日和小波神经网络的光伏短期功率预测》2019.03.25
- 《表2 预测单元数据：基于改进神经网络的光伏发电功率短期预测方法研究》2019.08.20
- 《表1 风向编码：基于压缩感知的短期风电功率预测相似数据分析方法》2019.06.25
- 《表预测误差指标分析：基于相似日和GA-DBN神经网络的光伏发电短期功率预测》2019.03.15
- 《表1 预测模型参数：考虑相似时段聚类的风电功率短期预测算法》2019.10.01