考虑时空相关性的风电功率预测误差建模与分析(matlab程序)

简介: 考虑时空相关性的风电功率预测误差建模与分析(matlab程序)

1 主要内容

这个程序参考《考虑时空相关性的风电功率预测误差建模与分析》,今天把这个程序分享给大家,大家可以学习一下画图技巧以及数据分析方面的知识。

2 部分程序

%% 清空环境变量
clc
clear all;
%% 提取数据 
data=xlsread('实验数据.xlsx',1);
%% 提取对应各段中点位置处的误差值
error_fenbu_1=[];
for i=1:size(data,1)
   if data(i,3)>=220 && data(i,3)<=240
        error_fenbu_1(i)=data(i,8);
   else
       error_fenbu_1(i)=0;
   end
end
error_1=error_fenbu_1(find(error_fenbu_1~=0));
error_fenbu_2=[];
for i=1:size(data,1)
    if data(i,3)>=670&&data(i,3)<=690;
        error_fenbu_2(i)=data(i,8);
      else error_fenbu_2(i)=0;
   end
end  
error_2=error_fenbu_2(find(error_fenbu_2~=0));
error_fenbu_3=[];
for i=1:size(data,1)
    if data(i,3)>=1128 && data(i,3)<=1148;
        error_fenbu_3(i)=data(i,8);
     else error_fenbu_3(i)=0;
   end
end
error_3=error_fenbu_3(find(error_fenbu_3~=0));
error_fenbu_4=[];
for i=1:size(data,1)
    if data(i,3)>=1585&&data(i,3)<=1605;
        error_fenbu_4(i)=data(i,8);
       else error_fenbu_4(i)=0;
   end
end  
error_4=error_fenbu_4(find(error_fenbu_4~=0));
error_fenbu_5=[];
for i=1:size(data,1) 
   if data(i,3)>=2040&&data(i,3)<=2060;
        error_fenbu_5(i)=data(i,8);
   else   error_fenbu_5(i)=0;
   end
end
error_5=error_fenbu_5(find(error_fenbu_5~=0));
error_fenbu_6=[];
for i=1:size(data,1) 
   if data(i,3)>=2495 && data(i,3)<=2515;
        error_fenbu_6(i)=data(i,8);
        else   error_fenbu_6(i)=0;
   end
end
error_6=error_fenbu_6(find(error_fenbu_6~=0));
error_fenbu_7=[];
for i=1:size(data,1)  
    if data(i,3)>=2950&&data(i,3)<=2970;
        error_fenbu_7(i)=data(i,8);
     else   error_fenbu_7(i)=0;
   end
end 
error_7=error_fenbu_7(find(error_fenbu_7~=0));
error_fenbu_8=[];
for i=1:size(data,1)  
    if data(i,3)>=3406 && data(i,3)<=3426;
        error_fenbu_8(i)=data(i,8);   
        else   error_fenbu_8(i)=0;
   end
end 
error_8=error_fenbu_8(find(error_fenbu_8~=0));
error_fenbu_9=[];
for i=1:size(data,1)  
   if data(i,3)>=3860&&data(i,3)<=3880;
        error_fenbu_9(i)=data(i,8); 
        else   error_fenbu_9(i)=0;
   end
end 
error_9=error_fenbu_9(find(error_fenbu_9~=0));
error_fenbu_10=[];
for i=1:size(data,1)  
    if data(i,3)>=4317&&data(i,3)<=4337;
        error_fenbu_10(i)=data(i,8); 
        else   error_fenbu_10(i)=0;
   end
end 
error_10=error_fenbu_10(find(error_fenbu_10~=0));
%% 拟合分布—求取t分布参数进行拟合
error_values=-3000:0.5:3000;
pd_1= fitdist(error_1','tLocationScale');
desity_1= pdf(pd_1,error_values);
pd_2= fitdist(error_2'
,
'tLocationScale'
);desity_2= pdf(pd_2,error_values);
pd_3= fitdist(error_3','tLocationScale');
desity_3= pdf(pd_3,error_values);
pd_4= fitdist(error_4'
,
'tLocationScale'
);desity_4= pdf(pd_4,error_values);
pd_5= fitdist(error_5','tLocationScale');
相关文章
|
7月前
|
安全 调度
【火电机组、风能、储能】高比例风电电力系统储能运行及配置分析(Matlab代码实现)
【火电机组、风能、储能】高比例风电电力系统储能运行及配置分析(Matlab代码实现)
102 0
|
7月前
|
数据采集 算法 数据挖掘
【场景削减】基于DBSCAN密度聚类风电-负荷确定性场景缩减方法(Matlab代码实现)
【场景削减】基于DBSCAN密度聚类风电-负荷确定性场景缩减方法(Matlab代码实现)
276 0
|
7月前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
367 14
|
7月前
|
算法 安全
【含储能及sop的多时段配网优化模型】基于柔性开断点(Soft Open Point)的主动配电网电压与无功功率协调控制方法研究(Matlab代码实现)
【含储能及sop的多时段配网优化模型】基于柔性开断点(Soft Open Point)的主动配电网电压与无功功率协调控制方法研究(Matlab代码实现)
243 8
|
7月前
|
机器学习/深度学习 算法 安全
【无人机通信】最佳高度和功率中继无人机通信位置部署研究(Matlab代码实现)
【无人机通信】最佳高度和功率中继无人机通信位置部署研究(Matlab代码实现)
198 1
|
7月前
|
机器学习/深度学习 存储 算法
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
460 0
|
7月前
|
机器学习/深度学习 算法 vr&ar
【深度学习】基于最小误差法的胸片分割系统(Matlab代码实现)
【深度学习】基于最小误差法的胸片分割系统(Matlab代码实现)
163 0
|
7月前
|
存储 算法 生物认证
基于Zhang-Suen算法的图像细化处理FPGA实现,包含testbench和matlab验证程序
本项目基于Zhang-Suen算法实现图像细化处理,支持FPGA与MATLAB双平台验证。通过对比,FPGA细化效果与MATLAB一致,可有效减少图像数据量,便于后续识别与矢量化处理。算法适用于字符识别、指纹识别等领域,配套完整仿真代码及操作说明。
|
7月前
|
机器学习/深度学习 数据采集 传感器
考虑时空相关性的风电功率预测误差建模与分析(Matlab代码实现)
考虑时空相关性的风电功率预测误差建模与分析(Matlab代码实现)
120 0
|
6月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
597 0

热门文章

最新文章

下一篇
开通oss服务