《表1 3种模型训练及预测结果》

  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PSO-WNN模型的超短期风速预测及其误差校正》

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

文中采用MATLAB2012进行仿真实验，所用风速数据取自澳大利亚某风电场2014年6—8月份的风速数据。PSO-WNN算法的时效性和精确度存在一定矛盾，适当减小目标函数值和训练样本容量可减少时间消耗，但会牺牲一定的预测精度。因此首先剔除非正常数据，再从中截取1 600个数据用于仿真分析。样本分为训练样本集、测试样本集、验证样本集等3个子集。其中：训练样本集容量为700，用于训练预测模型；测试集样本集容量为800，用于获取误差样本，构建一阶线性拟合函数；验证集样本容量为100，用于验证预测性能。先将风速样本数据归一化到[0 1]区间，再进行相空间重构，将时间序列转化为矩阵形式[X Y]，其中X=（xt-d+1，xt-d+2，…，xt），Y=（xt+1，xt+1，…，xt+m），d为输入向量的维数。预测模型的结构与参数目前还没有一个准确的确定方法，在实践中通常是通过多次实验比较来确定。该算例预测模型的参数设定：输入向量的维数d=6，WNN模型隐层节点数N=8，PSO目标函数归一化取值为0.01，种群数量为80。表1为PSO-WNN，WNN，BP 3种模型的训练与预测结果。