《表2 各算法模型预测误差》

  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

《基于包络线聚类的多模融合超短期光伏功率预测算法》

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

各算法模型预测误差如表2所示。表中根据不同聚类指标将算法分为光伏功率包络线聚类法、气象因素聚类法、光伏功率区间聚类法，每种方法聚类为4簇，再按各簇样本比例进行加权得到总体样本指标。基于总体样本，融合算法使用光伏功率包络线聚类时，MAE为0.085 40 k W·h，MAPE为4.008 1%；使用气象因素进行聚类时，MAE为0.119 90 k W·h，MAPE为8.158 8%；使用光伏功率区间聚类时，MAE为0.094 20 k W·h，MAPE为7.686 9%。采用本文融合算法基于不同指标进行聚类时部分样本预测值与真实值如附录B（附录）图B2所示，可见光伏功率区间和气象因素聚类法较光伏功率包络线聚类法预测误差更大，特别是当发电量（光伏出力）处于低水平时。