《表3 3种模型预测误差指标》
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。
图表编号 | XD00196956200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.28 |
作者 | 胡威、张新燕、郭永辉、李振恩 |
绘制单位 | 可再生能源发电与并网技术教育部工程研究中心(新疆大学)、可再生能源发电与并网技术教育部工程研究中心(新疆大学)、可再生能源发电与并网技术教育部工程研究中心(新疆大学)、可再生能源发电与并网技术教育部工程研究中心(新疆大学) |
更多格式 | 高清、无水印(增值服务) |