《表4 各预测模型预测24 h风电功率结果的评价指标》
由表3、4可知:EFFG-based LSTM测模型无论是在4 h还是24 h预测值的均方根误差RMSE、准确率AR、合格率QR相比于SVM和LSTM预测模型都是最优的。其RMSE虽然在24 h时段预测时有所增大,但仅仅增大了0.65;在4 h时段和24 h时段的准确率、合格率都在90%以上。但是SVM和LSTM预测模型由4 h时段到24 h时段的准确率、合格率都出现了显著下降。特别是RMSE分别增大了3.98与2.47。表现较好的LSTM预测模型准确率、合格率也仅能达到80%左右。因为随着预测时段的增长,包含了更多的风电功率剧烈波动情况,而SVM与标准LSTM模型都无法有效应对功率剧烈变化的时段的预测。对此问题EFFG-based LSTM通过改进后的遗忘门得到比较有效的解决,所以无论在短时间段还是长时间段EFFG-based LSTM预测模型各方面性能都优于SVM与标准LSTM模型。
图表编号 | XD00212698500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.10 |
作者 | 李春平、张沛、彭春华、尹瑞、时珉 |
绘制单位 | 华东交通大学电气与自动化学院、华东交通大学电气与自动化学院、华东交通大学电气与自动化学院、国网河北省电力有限公司、国网河北省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |