排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为了准确描述西北地区风电功率波动特性的概率密度分布及波动变化,在对西北地区风电功率数据分钟级分量进行分布拟合统计后,得出特殊t（t location-scale）分布可以描述西北地区风电功率波动特性的概率分布。将西北地区风电功率数据划分为幅值差波动和斜率波动,因CLARANS算法常用在大数据聚类划分上,故利用CLARANS算法对幅值差波动和斜率波动进行聚类划分。聚类划分后经统计表明：西北地区风电功率数据的幅值差波动具有明显的季节性特征,在6—8月最为明显;斜率波动有较为明显的空间特征,随着空间尺度的增大,缓慢波动的风力发电量占比均值由0.356降至0.267,快速波动的电量占比均值由0.183升至0.35。 相似文献
2.
为了准确描述西北地区风电功率波动特性的概率密度分布及波动变化,在对西北地区风电功率数据分钟级分量进行分布拟合统计后,得出特殊t（t location-scale）分布可以描述西北地区风电功率波动特性的概率分布。将西北地区风电功率数据划分为幅值差波动和斜率波动,因CLARANS算法常用在大数据聚类划分上,故利用CLARANS算法对幅值差波动和斜率波动进行聚类划分。聚类划分后经统计表明：西北地区风电功率数据的幅值差波动具有明显的季节性特征,在6—8月最为明显;斜率波动有较为明显的空间特征,随着空间尺度的增大,缓慢波动的风力发电量占比均值由0.356降至0.267,快速波动的电量占比均值由0.183升至0.35。 相似文献
1