《表1 不同风机的误差分析》
由表1可知,经PSO-KELM计算,RMSE和MAE的指标值最小,RSD的指标值更接近1。说明PSO-KELM模型的误差相对更小,预测精度要好于KELM和SVM。从表1数据变化趋势可知,18号风机的PSO-KELM的RMSE、MAE、RSD相比于KELM分别降低了26.55%、44.8%、6.54%。23号风机的PSO-KELM的RMSE、MAE、RSD相比于KELM分别降低了26.74%、58.1%、9.32%。32号风机的PSO-KELM的RMSE、MAE、RSD相比于KELM分别降低了14.8%、36.2%、2.82%。说明PSO算法对KELM正则化参数C和核函数宽度λ进行优化可以提高KELM模型的预测精度。
图表编号 | XD00148601100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.10 |
作者 | 赵鹏、涂菁菁、杨锡运 |
绘制单位 | 中国能源建设集团投资有限公司、中国能源建设集团投资有限公司、华北电力大学 |
更多格式 | 高清、无水印(增值服务) |