《表1 不同模型的预测结果对比》

  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

《基于改进长期循环卷积神经网络的海上风电功率预测》

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

为验证本文模型的预测性能，分别采用持续模型（persistence model，PM）、自回归差分移动平均（ARIMA）模型、LSTM模型及改进LRCN模型对2016年不同月份的海上风电出力进行超短期预测，各模型预测结果如表1所示。为保证对照组预测结果的有效性，根据文献[10]，设置LSTM模型的输入特征为历史功率与风速，LRCN模型的输入特征为历史功率与气象变量W。为进一步探究各模型预测性能，绘制各个月份部分时刻的第16步预测曲线，如图3所示。