《表3 SVM模型参数值》

  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ABC-SVM和PSO-RF的光伏微电网日发电功率组合预测方法研究》

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

设每日的气象参数特征向量为X=[Tavg，Havg，Isum，Iavg，Wavg]，各变量的含义见表2，所属类型为Y=[YA，YB，Yc，YD]。对气象特征向量进行标准化处理，标准化公式为：xi-xˉ/sd（x），实验将730 d的气象数据标准化后，根据气象分类挑选330条作为训练集，将剩余的抽取98条作为预测集进行验证，并分别用传统的SVM方法和ABC-SVM方法进行对比。历史数据中，相比B、C和D三类气象数据，A类气象条件下训练集和预测集的数据量较少，找出30条训练数据和8条测试有效数据，表3中SVM模型对应的参数值，分别显示了优化前默认的值和优化后的值，通过表4的分类结果可看出，不论是哪种类型的气象数据，利用ABC-SVM的优化后的模型比传统的SVM方法可提高4类气象分类的准确率。