《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。