《表3 误差分析表:基于ADQPSO-KELM风电功率短期预测模型的研究》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于ADQPSO-KELM风电功率短期预测模型的研究》
分别使用粒子群(PSO)算法、遗传(GA)算法及自适应扰动量子粒子群(ADQPSO)算法来优化核极限学习机模型,对风电功率进行预测。各通过30次优化运行,对比了4种模型算法最优的平均绝对百分比误差(emape)、均方误差(emse)、均方根误差(ermse)及拟合度(R2)的指标,结果见表3。由表3可看出,ADQPSO-KELM模型比PSO-KELM和GA-KELM模型的emape分别降低了4.03%和7.49%。对于ADQPSO-KELM预测模型的ermse为1.424MW,为4种模型中最低,且拟合度最高。由此可看出,ADQPSO-KELM风电预测模型准确度最高、稳定性最好、预测效果最佳。这主要是因为KELM模型中的惩罚系数C及核参数σ经过PSO、GA和ADQPSO算法寻优计算,学习参数达到最优值,因此预测模型的性能有了极大提高,且优化能力最强的为ADQPSO算法。
图表编号 | XD00122610900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.25 |
作者 | 屈伯阳、付立思 |
绘制单位 | 沈阳农业大学信息与电气工程学院、沈阳农业大学信息与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |