簡述夏季和冬季的風電數據分析要點

       為了考慮到季節變化，風電數據進行分組進入夏季和冬季期間。對于每個組的數據，在時間滯后為零的相關矩陣的和是相同的夏季和冬季期間。而在時間滯后的相關矩陣，夏季和冬季期間略有不同。的非對角線元素的式。

       交叉相關系數在時差為零，這是非常強。式的對角元素。自相關系數在時間滯后），這是相當薄弱的。非對角線元素的互相關系數在時間滯后，這也是非常弱的。但是，這些并不一定意味著，自相關和互時間滯后風電數據y（t）和Y2（t）的相關性較弱。這是因為平方根和差分之間的轉換Ÿ（T）和z（t）的;如式。基于估計的協方差矩陣式。

         A1和E夏季和冬季期間可估計A1的消極因素呈正相關，風電數據并積極因素顯示出負相關關系。這是因為公式中的減號。回想一下，鋁在時間t一1保留在時間t的重量決定的隨機噪聲。一個小A1的值時表示弱Z（T）的自相關和互相關性落后一個。這是根據與小值的相關矩陣時差式之一。E是協方差矩陣的隨機噪聲。 COR-響應交叉相關系數等于0.91，兩者的總和夏季和冬季。

          這表明一個強大的交叉相關零時間滯后，根據相關矩陣的大值，在時差零式。風力發電時間序列模擬二元風力發電時間系列，Y，（t）和姚（T），根據模擬圖2。時域圖（僅2周）和兩個散點圖時間序列。被稱為風電A和YZ（t）是簡稱為風力發電B. 2600R005BN4HC/-B4-KE50

            在實際情況中，風電數據風可能通過A部分和B部分的風農場在同一時間，這將導致類似的大聯大的兩部分的風電場，而風可能會通過A部分B部分（B部分，*部分A）的風電場，這會導致在不同的大聯大從兩部分的風電場。這兩種后果中也觀察到的模擬時間序列，其中風力發電和風力發電乙具有相同的值DUR-ING在其他時期的某些時段和差異。時域圖也表明，風電成為風功率B在一個非常類似的方式波動由于其強大的交叉相關。也觀察到很強的相關性散點。

         其形狀往往遵循一條直線。另外，風電數據散點圖的兩端比中間部分更簡明。這是引起的WPG由于切斷，并在額定風速的上限和下限。  樣本的概率分布和風力風電的總和電源B被示于。雖然這里沒有顯示，樣品概率模型的分布符合測量。為了進行比較，兩個風力發電時間系列獨立模擬通過使用LARIIVIA，在圖的模型。