《表1 3类输入变量预测效果评价指标》

  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Kriging和长短期记忆网络的风电功率预测方法》

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

为了证明Kriging-LSTM组合模型的优越性，选择3种类型的输入变量来构建各种预测模型。第1类模型的输入变量仅有历史功率序列，第2类由风速、风向、空气密度、转速、偏航角和桨距角组成，第3类由加权后的第2类输入变量组成。3类模型均包括5个单一ARIMA、ARFIMA、Kriging、LSSVR和LSTM模型，和5个组合ARFIMA-LSSVR、ARIMA-LSTM、ARFIMA-LSTM、Kriging-LSSVR和Kriging-LSTM模型。LSSVR的核函数采用高斯径向基函数，模型参数采用网格法和十字交叉验证法进行优化。ARIMA和ARFIMA利用AIC准则来确定模型的阶数。表1为3类输入变量的10种模型的预测效果评价指标，图4为第3类输入变量的功率预测效果对比图。