《表3 雨天Stacking融合模型与其他模型的性能评估指标》

  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Stacking多GRU模型的风电场短期功率预测》

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

雨天的风速等气象条件频繁剧烈变化，导致风力发电功率剧烈波动产生多个尖峰，可以看出在风电场输出功率激增时，多层GRU预测模型和Stacking融合模型表现更好，这是因为单层的LSTM对风电场历史序列的时序数据特征捕捉能力有限，而多层的GRU模型的设计提升了时序特征模型的记忆和计算能力。此外因为Stacking集成融合的模型能纠正单个模型的预测偏差，因此其相比较单一的多层GRU模型预测准确性更高。利用Stacking融合模型与其他模型的性能评估指标如表3所示。