《表4 各预测模型预测24 h风电功率结果的评价指标》

  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

《基于随差遗忘长短期记忆的风电功率实时预测》

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

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。