《表2 功率预测模型的误差》

  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

《基于修正BP神经网络的分布式光伏短期功率预测》

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

%

为了验证其空间修正法的有效性，将样本数据进行预测精度分析，分别使用传统的神经网络模型和持续模型，将样本数据作为输入量，计算出预测误差值（如表2所示）。依照表2和式（15）、（16）可知，利用传统的持续模型预测误差较大，NMAE为12.23%，NRMSE为15.01%(NMAE为标准化平均绝对误差，NRMSE为标准化均方根误差）；利用传统的神经网络模型预测误差，NMAE为9.66%，NRMSE为10.03%；相较于传统持续模型，利用自适应混沌搜索的空间修正法的预测误差大约减少3%，而与传统模型相比误差约减少2%。这就证明了本文采用的构建分布式光伏发电短期功率预测模型的修正算法提高了预测的精确度，并优于其他的方法，同时具有较强的可行性。这说明了该方法有一定的实用价值，值得推广使用。