《表2 光伏发电功率预测模型工程化应用效能表（单位：%）》

  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

《基于改进DDPG算法的中短期光伏发电功率预测》

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

基于图5给出的某示范性异构光伏发电网发电单元控制数据流逻辑走向，选用13MW的太阳电池组件。分别设置2019-06-01至2019-07-01，2019-09-01至2019-10-01，2019-11-25至2019-12-25三个数据采集组，连续周期性分别采集三个数据采集时间段共90天的天气状态、输出功率、储能功率等数据，其中，每个数据采集组的前20天数据作为模型学习训练数据，后10天数据作为预测对照数据。考虑到光伏发电系统对天气状态敏感，分别进行晴朗（光照大于8 000lux）、阴天（光照小于5 000lux）、下雨（光照小于2 000lux）、下雪天气（光照小于1 000lux）状态下的中短期光伏发电功率预测效能分析，选取光伏发电出力波动预测有效率、光伏发电输出功率预测有效率、储能电池储能功率预测有效率等多维度对预测模型进行整体工程应用效能分析，具体如表2所示。通过表2，可以从定性和定量两个层面分析得出，文章所提基于改进DDPG算法的中短期光伏发电功率预测模型可以在较短的时间内有效处理光伏发电功率预测精确建模问题，在模型有效性、预测拟合性、中短期适应性、数据建模精确性等方面具有明显优势。