我們現在就需要去看一下這個相關的錯誤次數。我們前面也提到了預測，是由丹麥的機構來提供的。我們需要把這些數據分成兩個這個電網的體系，在丹麥一個是西部的電網，那么是和其他的大陸上的電網相聯系的。另外是東部電網。那么是和北歐國家電網相聯系的。我們需要去搜集近海的信息和陸上的影響信息。所以說一共是有四種類型。我們看到它的誤差是用這樣一個共識來計算的。我們用它計算誤差率，我們定義了誤差之后我們就來進行每個小時的這樣一個分辨率。另外就是說我們有大約三百天的數據，我們也使用冬天的數據。這里面我們沒有包括夏天的數據。
這些是一些例子。我們看到這里是陸上的。也可以看到這個測量和預測之間的區別。你看到區別并不是很大。所以說他是比較平滑的。而在海上的呢，那么我們對于個體的風場來說可能會出現更多的誤差。你可以看到有更多的波動。我們把這些錯誤進行分類。然后我們要看一下他的誤差值的分布。我們發現他們是平均分布的。如果你看他的公式的話，那么他是有指數性關系的。那么這種特點實際上是以平均的模型相符合的。那么我們用一些標準的方法來估測他的阿爾瑪的參數。有了這樣一個參數以后我們可以去模擬。
　　那么這是模擬和實際數據的比較。看這個趨勢，在趨勢的方面他們是一致的。但是我們也可以看到我們所看到在實際數據當中有一些東西是阿爾瑪的模型，沒有辦法去追蹤，所以也就是說在這一塊還是有改善的空間的。為什么要改善?因為阿爾瑪的參數的估測如果是時間越多的話，越長的話，就越準。通常我們需要有50個小時才能夠獲得比較好的參數。因此的話我們需要有另外一種方法，他不依賴于時間的長短，所以我們就選用了馬爾科夫鏈模型。它不需要很多的持續的時間。馬爾科夫鏈的模型的關鍵是我們必須要能夠定義它的馬爾科夫轉換矩陣，如果要是在計算數據的時候，我們把它作為馬爾科夫鏈的建模的基礎。那么下面是比較模擬和實際數據。這里的數據還有阿爾瑪的參數模型，他們看起來是有類似的這樣一個趨勢。但是，馬爾科夫鏈是更能夠追蹤實際的趨勢。因此我們認為馬爾科夫鏈模型是一個更好的模型。
　　所以結論是我們已經看到了這個在模擬當中的IMAE值。看到了這個DA和HA在海上至少比陸上要高一倍同時我們也注意到了馬爾科夫鏈模型是一個更好的平衡的模型。它比阿爾瑪模型更好，因為它不依賴于時間序列，謝謝。
　　朱蓉：下面請來自維斯塔斯的微觀選址的經理許鋒飛先生。他是工科碩士，主要是從事風資源分析有關的工作。
　　許鋒飛：各位早上好，我今天要介紹的，可能大家看題目覺得很沒有隱私，因為做微觀選址的人都只有復雜地形才能考驗我們微觀選址人的能力，簡單的地形有什么好處的，風資源幾乎都一樣。我這里有很多的案例，我相信我給大家分享以后可能會給大家帶來不一樣的看法。我們認為簡單的地方往往是不簡單的，討厭的一個IEC標準的定義吧，什么是復雜地形吧，復雜地形也許是像這張圖展示的一樣，有很多的谷，但是有很多的標準，可以看你風機的周邊畫一個不同的圈，做出它的坡度，然你會發現你的經緯是在復雜的地方還是不復雜的地方。那么，如果我有一個這樣的一個地形，那么大家可能會覺得這是很復雜的地形。那么，如果你讓不同的微觀選址工程師在這個山體上來布風機的話，但是相反的你可能會得到的那些點位布置是非常相似的。比如說我們第一版是這樣的，76臺機位。但是當我們考慮到運輸條件，風資源的特性和風機的安全性以后，我們發現我們會把很多的風機渠道，因為各種各樣的限制那個地方不適合裝風機，如果我們考慮得更多，可能最后的不同設計人會得到不同的結論說只有這些，剩下的地方可以裝不同的風機，這時有一個步驟或者是說不同的程序可以遵循的。那么，我這里有兩個風場，左邊一個，右邊一個，一個是內陸型的，一個是近海性的。這樣兩個風場如果讓這個屋頂子的，假設這里有二百個人，我相信會做出兩百個完全不一樣的方案。我們到底怎么布置呢?同樣右邊這個布置。很困惑。