《表1 ELIA不同方法预测误差对比》

  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

《基于卷积神经网络特征提取的风电功率爬坡预测》

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

根据表1中ELIA预测结果，4个季度中反向传播神经网络[28](back propagation neural network，BPNN）、埃尔曼神经网络（Elman neural network，ENN）的预测MAPE都大于CNN-LSTM-AM模型，RMSE和MAE结论相同，且本文模型4个季度模型预测MAPE均在6%以下。其中，ENN 4个季度的预测MAPE超过了10%，说明ENN在风电预测方面的精确度低，且CNN，LSTM，AM单独预测时的MAPE均大于组合模型，从而说明了本文模型预测风电功率有很好的精度。