《表1 参数优化结果：风电场超短期风电功率预测研究》
提示：宽带有限、当前游客访问压缩模式
采用WOA算法优化预测模型中精度受到影响的2个参数:惩罚参数c和核函数参数σ，模型优化的参数如表1所示。
| 图表编号 | XD0073357600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.20 |
| 作者 | 王斌、谢丽蓉、李司洋、宋宪可、黄峰 |
| 绘制单位 | 新疆大学电气工程学院、新疆大学电气工程学院、新疆大学电气工程学院、新疆大学电气工程学院、山东岱盟电力工程咨询有限公司 |
| 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1 风机部分实测数据：基于SA-PSO-BP神经网络算法的超短期风电出力预测》2020.12.28
- 《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1 风速修正评定结果：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A1参数设置：马尔可夫预测的多目标优化储能系统平抑风电场功率波动》2020.03.25
- 《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》2019.06.25
- 《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1 相关系数统计：考虑功率数据相关性的风电功率超短期预测》2019.02.25
- 《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