《表3 3种模型预测误差指标》

  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

《基于游程检测法重构CEEMD的短时风功率预测》

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

综上分析，选择ICS-BP模型和ICS-SVM模型分别对高频信号S1和低频信号S2进行预测，用非线性回归模型对余项信号S3进行预测，用第2节构建的预测模型（本文称为CEEMD分类组合预测模型）对风功率序列进行整体预测，并与CEEMD-BP单一预测模型、CEEMD-SVM单一预测模型做对比分析。3种模型的预测结果和误差指标分别如图8和表3所示。从图8可看出，CEEMD分类组合预测模型预测效果优于CEEMD-BP模型和CEEMD-SVM模型，CEEMD分类预测模型的预测误差同高频分量预测误差特征一致，主要是由于风电出力部分时刻（样本采样点5、11和13所对应的时刻）波动加剧，随机性强造成的。从表3可看出，CEEMD分类预测模型的两项误差指标均小于另外两类预测模型，表明CEEMD分类预测模型离散程度较小、稳定性高且预测结果更接近于真实风电功率序列。